{"title":"针对有设置成本的多期库存削减问题的带偏随机键的自适应遗传算法","authors":"S. D. Araújo, Eduardo M. Silva, Raf Jans","doi":"10.5540/03.2023.010.01.0017","DOIUrl":null,"url":null,"abstract":"Resumo . Este trabalho apresenta um Algoritmo Genético Adaptativo com Chaves Aleatórias Vici-adas (AGACAV) para resolver o problema de Corte de Estoque Multi-período com custos de setup nos padrões de corte. Uma aplicação determinística chamada decoder que mapeia soluções factíveis do problema é necessária para a inicialização do AGACAV. Um decoder baseado na geração de es-toque por período e construção de padrões de corte é proposto e comparado com um procedimento de geração de colunas. Os métodos foram comparados em instâncias com diferentes tamanhos de itens e o resultados mostram que o AGACAV obtém melhores resultados para instâncias cujo custo de setup é maior que o custo dos objetos em estoque","PeriodicalId":274912,"journal":{"name":"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics","volume":" 37","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Algoritmo Genético Adaptativo com Chaves Aleatórias Viciadas para um Problema de Corte de Estoque Multi-Período com Custos de Setup\",\"authors\":\"S. D. Araújo, Eduardo M. Silva, Raf Jans\",\"doi\":\"10.5540/03.2023.010.01.0017\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Resumo . Este trabalho apresenta um Algoritmo Genético Adaptativo com Chaves Aleatórias Vici-adas (AGACAV) para resolver o problema de Corte de Estoque Multi-período com custos de setup nos padrões de corte. Uma aplicação determinística chamada decoder que mapeia soluções factíveis do problema é necessária para a inicialização do AGACAV. Um decoder baseado na geração de es-toque por período e construção de padrões de corte é proposto e comparado com um procedimento de geração de colunas. Os métodos foram comparados em instâncias com diferentes tamanhos de itens e o resultados mostram que o AGACAV obtém melhores resultados para instâncias cujo custo de setup é maior que o custo dos objetos em estoque\",\"PeriodicalId\":274912,\"journal\":{\"name\":\"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics\",\"volume\":\" 37\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-12-18\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5540/03.2023.010.01.0017\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5540/03.2023.010.01.0017","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Algoritmo Genético Adaptativo com Chaves Aleatórias Viciadas para um Problema de Corte de Estoque Multi-Período com Custos de Setup
Resumo . Este trabalho apresenta um Algoritmo Genético Adaptativo com Chaves Aleatórias Vici-adas (AGACAV) para resolver o problema de Corte de Estoque Multi-período com custos de setup nos padrões de corte. Uma aplicação determinística chamada decoder que mapeia soluções factíveis do problema é necessária para a inicialização do AGACAV. Um decoder baseado na geração de es-toque por período e construção de padrões de corte é proposto e comparado com um procedimento de geração de colunas. Os métodos foram comparados em instâncias com diferentes tamanhos de itens e o resultados mostram que o AGACAV obtém melhores resultados para instâncias cujo custo de setup é maior que o custo dos objetos em estoque