NS-BRKGA para o Multi-Objective Time- and Machine-Dependent Scheduling Problem

O Time- and Machine-Dependent Scheduling Problem (TMDSP) modela o escalonamento, em larga escala, de atualizações Firmware-Over-The-Air (FOTA) para frotas de dispositivos conectados sob restrições de recursos variantes no tempo.

O TMDSP original minimiza apenas o tempo total de conclusão, o que pode gerar escalonamentos desequilibrados com makespan elevado.

Propomos uma extensão multiobjetivo, denominada MOTMDSP, que minimiza simultaneamente o makespan e o tempo total de conclusão.

Nossa abordagem baseia-se em um Non-dominated Sorting Biased Random-Key Genetic Algorithm (NS-BRKGA) aplicado em instâncias realistas e de larga escala derivadas de cenários de FOTA para veículos conectados.

Nos experimentos, o método produz fronteiras de Pareto de alta qualidade e supera diversos algoritmos multiobjetivo de referência, incluindo o Non-dominated Sorting Genetic Algorithm II (NSGA-II), oferecendo aos operadores uma grande variedade de escalonamentos com excelentes compromissos entre makespan e o tempo total de conclusão.