Resumen

Debido a la naturaleza NP-difícil, el problema de programación de flujo en taller con permutaciones (PFSSP) es un tema fundamental para la Industria 4.0, especialmente en términos de productividad, eficiencia y sistemas autogestionados más altos. Este documento propone un algoritmo mejorado de ranas saltarinas genético-permutadas (IGSFLA) para resolver el problema de programación de flujo en taller con permutaciones. En el IGSFLA propuesto, la rana inicial óptima (individuo) en el grupo inicializado se genera según el método heurístico de inserción óptima con restricción de aptitud. El mecanismo de cruce se aplica tanto al subgrupo como al grupo global para evitar soluciones óptimas locales y acelerar la evolución. Para evolucionar las ranas con la misma aptitud óptima de manera más sobresaliente, se aplica un mecanismo de perturbación para obtener la rana óptima de todo el grupo en el paso de inicialización y la rana óptima del subgrupo

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Naturaleza; Problema de programación de flujo en taller con permutación; IGSFLA; óptimo; Aptitud; Evolución
• Keywords:Nature; Permutation flowshop scheduling problem; IGSFLA; Optimal; Fitness; Evolution