SEQUENCIAMENTO DE MÁQUINAS PARALELAS NÃO RELACIONADAS UTILIZANDO UMA HEURÍSTICA INTEGRADA COM APRENDIZADO POR REFORÇO

Vol 57, 2025 - 341196
Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Este trabalho investiga o problema de sequenciamento em máquinas paralelas não relacionadas, considerando tempos de preparação dependentes da sequência, datas de liberação e prazos distintos. O objetivo é minimizar a soma ponderada das penalidades por antecipação e por atraso. Propõe-se a integração da meta-heurística busca local iterada com a técnica de aprendizado por reforço Q-Learning para guiar a fase de busca local. O algoritmo resultante aprende dinamicamente a melhor ordem para explorar os operadores da busca local, avaliando as políticas epsilon-gulosa e de Boltzmann. Experimentos computacionais em 48 instâncias da literatura demonstram que a política epsilon-gulosa oferece o melhor equilíbrio entre esforço computacional e qualidade da solução. Ela é mais eficaz para guiar o aprendizado, obtendo resultados equivalentes ou superiores, especialmente em instâncias maiores, com 60 tarefas. A política de Boltzmann resulta nos maiores tempos de execução, sem traduzir esse custo em ganhos no valor da função objetivo. O seu baixo desempenho pode ser atribuído ao valor da temperatura inicial, pois um valor elevado pode prolongar a fase de exploração aleatória e, em consequência, o algoritmo pode demorar a explorar o conhecimento acumulado ao longo das iterações. 

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Instituto Tecnológico de Aeronáutica
  • 2 Université Clermont Auvergne
  • 3 Instituto de Ciências Matemáticas e de Computação (ICMC) da USP - São Carlos
  • 4 Universidade Federal de Goiás - Instituto de Matemática e Estatística
  • 5 Universidade Federal de Goiás
Eixo Temático
  • PO&IA – Pesquisa Operacional com Inteligência Artificial
Palavras-chave
Sequenciamento de tarefas
Busca local iterada
Aprendizado por reforço