Abordagens simheurísticas para o problema de flow shop permutacional multiobjetivo.

Abstract

O problema flow shop permutacional multiobjetivo (PFSP-MO) consiste no processamento de um conjunto de jobs em todas as máquinas do ambiente produtivo, de tal forma que dois ou mais objetivos sejam otimizados. Nesta pesquisa, o PFSP-MO considera parâmetros estocásticos, responsáveis por representar possíveis atrasos ocorridos durante o processamento, e possui como objetivo minimizar o atraso total, o makespan e a antecipação total esperados. Por se tratar de um problema de otimização multiobjetivo, os métodos aplicados para resolver o PFSP-MO não retornam apenas uma solução, mas sim um conjunto de soluções, as quais são avaliadas pelo conceito ótimo de Pareto. Inicialmente, o método ponderação dos objetivos foi aplicado ao PFSP-MO com dados determinísticos e executado em um conjunto de 80 instâncias adaptadas da literatura. Em seguida, foram propostas duas abordagens simheurísticas: Variable Neighborhood Search Multiobjetivo (MOVNS) e Pareto Iterated Local Search (PILS). Nas quais: a solução inicial é gerada pelo método Greedy Randomized Adaptive Seach Procedure e a busca local utiliza três estruturas de vizinhança: inserção, troca e three point move. Tanto no MOVNS quanto no PILS a simulação é aplicada de duas maneiras distintas. Primeiramente, uma simulação rápida é aplicada a todas as soluções pertencentes à Fronteira Pareto (FP). E posteriormente, uma simulação intensiva é aplicada nas soluções da FP elite. Os métodos propostos foram executados em 120 instâncias adaptadas da literatura. Os resultados encontrados pelos métodos foram comparados entre si pelas métricas de avaliação desempenho: número de soluções na FP, medida de cardinalidade, medida de distância média e máxima, taxa de erro e diferença de hipervolume. Por fim, os resultados encontrados pelas métricas foram estatisticamente avaliados pelo teste t a fim de comprovar a existência de diferença estatisticamente significativa entre os métodos em relação às métricas de avaliação de desempenho. Tanto o resultado das métricas de avaliação quanto da análise estatística apontam que o MOVNS se apresenta superior ao PILS.