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-2018-85503
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O presente trabalho considera o problema Job Shop Scheduling bi-objetivo no qual são minimizados o makespan e o atraso total das tarefas. Para tal, propõe-se uma adaptação do algoritmo Evolução Diferencial que inclui uma estratégia de busca local para aperfeiçoamento das soluções encontradas. Para a abordagem multiobjetivo, é adotado o mecanismo de seleção e cálculo de distância de multidão (crowding distance) provenientes do NSGA-II. Além disso, é analisada a relevância do mecanismo de busca local proposto na resolução do problema. O método proposto é comparado a outros dois algoritmos evolutivos propostos na literatura especializada e os resultados mostram que dos 15 problemas investigados, o algoritmo encontrou melhores soluções em 10 problemas.
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