Aprendizaje reforzado aplicado a la programación de tareas bajo condiciones reales

Authors

  • Yunior César Fonseca-Reyna Universidad de Granma
  • Yailen Martínez-Jiménez Universidad Central Marta Abreu de las Villas Facultad de Física, Matemática y Computación. Las Villas,
  • Ann Nowé Vrije Universite it Brussel, Computational Modeling Lab. Bruselas

Keywords:

aprendizajereforzado, flow shop scheduling, optimizacióncombinatoria, q-learning.

Abstract


La variante de flujo regular o flow shop scheduling es un problema clásico de programación de la producción. Las primeras publicaciones científicas sobre este problema aparecieron hace más de medio siglo. Sin embargo, muchos autores han reconocido una brecha entre la literatura especializada y la problemática en entornos reales. En este trabajo se modeló el flow shop considerando los tiempos de configuración inicial de las máquinas, tiempos de montaje dependientes de la secuencia, precedencia entre trabajos, omisión de etapas por los trabajos y como función objetivo minimización del tiempo total de procesamiento o makespan. Hasta el momento no existen métodos computacionales que solucionen este problema teniendo en cuenta todas las características mencionadas. Para la solución se adaptó un enfoque del Aprendizaje Reforzado conocido como Q-Learning. Finalmente, se usaron instancias de problemas de diferentes tamaños y complejidad demostrando la efectividad de este método en cuanto a la calidad de las soluciones.

Author Biography

Yunior César Fonseca-Reyna, Universidad de Granma

Profesor e Investigador del Departamento de Ingeniería Informática.

Profesor Auxiliar en Reinforcement Learning e Inteligencia Artificial

Downloads

Published

2018-01-25

How to Cite

Fonseca-Reyna, Y. C., Martínez-Jiménez, Y., & Nowé, A. (2018). Aprendizaje reforzado aplicado a la programación de tareas bajo condiciones reales. Industrial Engineering (Ingeniería Industrial), 39(1), 36–45. Retrieved from https://rii.cujae.edu.cu/index.php/revistaind/article/view/871

Issue

Vol. 39 No. 1 (2018): Ingeniería Industrial (enero-abril)

Section

Operations Research and Statistics

License

En caso de que el artículo presentado sea aprobado para su publicación, los autores, mediante el documento “Declaración de originalidad y Cesión de derechos de autor”, transfieren a la revista los derechos patrimoniales que tienen sobre el trabajo para que se puedan realizar copias y distribución de los contenidos por cualquier medio y en acceso abierto, siempre que se mantenga el reconocimiento de sus autores y no se haga un uso comercial de la obra.

El contenido completo de la licencia Creative Commons, bajo la cual se resguardan los derechos de autor de aquellos que publican en la revista Ingeniería Industrial, puede consultarse en: Creative Commons Attribution-NonCommercial 4.0 Unported License.