Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Búsqueda Tabú - IEEE
Búsqueda Tabú - IEEE
soluciones a problemas complejos de La función objetivo se evalúa frente a las restricciones del
optimización combinatoria, así como configuraciones de modelo original en (5) y (7), y el método utilizado para
plantas; cabe aclarar que los métodos obtenidos en encontrar la solución es un algoritmo genético utilizando
esta implementación son de la más alta calidad un software desarrollado por García (2001). Esto creará una
en el sector y han sido evaluados y reflejados en la base de datos que permitirá que un modelo desarrollado
literatura con resultados en los más altos niveles de calidad de experimentalmente obtenga valores altamente confiables al
ingeniería. Muestra que las soluciones computarizadas para considerar soluciones en un estudio de factibilidad, y un
los problemas de propagación de plantas son cada vez modelo estadístico completamente aleatorio determinará la
más rápidas. combinación indicada de estos factores para crear un plan de
solución más eficiente.
B. Aplicación De La Búsqueda Tabú En La Resolución Del
Para la implementación se utilizará un caso real descrito en la
Problema Capacitado De Lotificación En Sistemas De
literatura de búsqueda tabú para comparar los resultados,
Producción Multinivel
que desarrollará una configuración de planta de siete partes
con los siguientes dominios y flujos.
Se examina el problema de lotificación analizando la
metodología utilizada y configurando los parámetros básicos
de la búsqueda tabú con el objetivo de sentar las bases para el
desarrollo de nuevos algoritmos que aporten soluciones para
sistemas de producción multinivel.
El método propuesto para desarrollar secuencias El diseño cumple con las pruebas de normalidad, por así
óptimas consta de cuatro pasos, como se muestra en la figura decirlo, y los errores son independientes y se
distribuyen normalmente. Con mediciones cero y varianza
constante, el modelo explicó adecuadamente las observaciones
y proporcionó validez analítica. Una rigurosa prueba de
hipótesis de equivalencia de vehículo entre tratamientos
2. Soluciones iniciales
4
V. CONCLUSIONES
La solución utilizada para configurar la búsqueda tabú afecta
en gran medida el rendimiento de estas definiciones. Según el La búsqueda tabú ha demostrado ser una alternativa eficiente
artículo revisado, la solución de prueba de Wagner-Inside se para la solución de problemas de lotificación. De acuerdo con
basa en lote, recarga y SPT. Este es un sustituto que algunas los contados aportes en la literatura científica que exponen de
personas usan. Métodos y técnicas para crear columnas manera detallada el uso de la búsqueda tabú en la solución del
y blockchains Los paréntesis solos también brindan problema de lotificación en sistemas multinivel, se puede
alternativas para buscar una solución a su problema. evidenciar la necesidad del uso de métodos complejos de
intensificación, diversificación y aspiración. Se evidencia el
gran potencial de la búsqueda tabú para la solución de
3. Métodos de fortalecimiento problemas de lotificación de gran complejidad. La calidad de
las soluciones iniciales para el algoritmo de búsqueda tabú
No se usan, ni se especifican, en muchas soluciones influye en gran medida en su rendimiento computacional.
de paquetes de un solo nivel. Este es un enfoque intensivo,
principalmente debido a la escala y complejidad RECONOCIMIENTO
de tales problemas. La memoria adaptativa es el
método de refuerzo utilizado. En el caso de un Agradecimientos de los autores hacia la profesora Karina
modelo de distribución los criterios estrictos en López por su acompañamiento y apoyo en esta
múltiples niveles se controlan asignando pesos o investigación.
penalizaciones a las acciones de búsqueda.
REFERENCIAS
4. Enfoque diversificado
[1] J.-H. y. R. R. V.-A. [2] Alfonso Romero-Conrado, “. Aplicación De La Búsqueda
La memoria adaptativa se utiliza como método de Tabú En La Resolución Del Problema Capacitado De Lotificación En Sistemas
diversificación. Elegir una solución de nuevo comienzo, es De Producción Multinivel: Un Estado Del arte,” p. 6, 2020.
una estrategia de diversificación por el número máximo de [2] M. L. Fred Glover, “Tabu Search.,”
iteraciones para las cuales la solución no está optimizada. file:///C:/Users/usuario/Downloads/Tabu_search_I%20(1).pdf, p. 19, 1999.
literatura. La creación de una matriz de frecuencia también [3] L. N. R. C. y. O. Moyorgo., “Diseño De Una Distribución En Planta Con
Algoritmos Genéticos Y Búsqueda Tabú,”
puede aumentar la cantidad de movimiento a realizar, Torres2file:///C:/Users/usuario/Downloads/12%20Busqueda%20Tabu%20(1).pdf,
explorando el espacio de solución de problemas por p. 10, 2008.
lotes multinivel. [4] V. F. F. T. J. A. J. G. S. H. Víctor Hugo Gómez Barrios, “Propuesta De Secuencia
Óptima Para Implementar Tecnologías De Industria 4.0 Utilizando Algoritmo De
5. Método de Aspiración Búsqueda Tabú.,” file:///D:/Articulo%204.., p. 11, 2020.
El método de extracción más común para estas dos clases de Biografía Autor(es)
problemas es la extracción objetiva, donde los movimientos
que representan mejoras en la función objetivo se excluyen de Nicol Estefany Muñoz Daza Estudiante de ingeniería
la lista prohibida. industrial de la Universidad de Cundinamarca, de
decimo semestre, desarrollo de investigación para la
6. Criterio de Parada asignatura diseño de planta.
Los criterios de parada más utilizados son el número máximo Johan Sebastián Orjuela Corzo Estudiante de
de iteraciones, y el número máximo de iteraciones no ingeniería industrial, Décimo semestre,
mejora la función objetivo Actualmente empleado
Materia: Diseño de planta
C. Propuesta De Secuencia Óptima Para Implementar Nicol Julieth Garzón Amaya Estudiante de ingeniería
Tecnologías De Industria 4.0 Utilizando Algoritmo De industrial de la Universidad de Cundinamarca, de
Búsqueda Tabú decimo semestre, desarrollo de investigación para la
asignatura diseño de planta.
El algoritmo de búsqueda se aplica a la prueba para 10
iteraciones diferentes, y el algoritmo se repite 10 Kelly Johana Hernández Ortega Estudiante de
veces en cada prueba. El algoritmo se aplicó a 10 pruebas, a ingeniería industrial de la Universidad de
cada una se le dio un rango de iteraciones de 500 a 900 000, Cundinamarca, tengo 22 años y actualmente me
y cada prueba se repitió 10 veces con la misma iteración, para encuentro trabajando en atención al cliente de decimo
un total de 100 pruebas. Las observaciones iniciales semestre, desarrollo de investigación para la asignatura
muestran que el algoritmo muestra resultados más precisos a diseño de planta.
medida que aumenta el número de iteraciones.