Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2026-232826
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Neste artigo, explora-se a aplicação do framework Random Key Optimizer (RKO) na resolução do problema Flexible Job Shop Scheduling com efeito de aprendizado. A partir do refinamento do procedimento de decodificação e da utilização de estratégias adequadas de parametrização, foi possível obter soluções de melhor qualidade em relação ao solver comercial Gurobi v12 para instâncias de pequeno porte. Os resultados obtidos indicam o potencial do framework para aplicações futuras em instâncias de maior complexidade e modelos de aprendizado mais realistas.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Visualizações por mês
Contagem da Galoá, excluindo robôs conhecidos. Atualizado em 30/09/2026.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo