Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Cota, Luciano Perdigão | - |
Autor(es): dc.creator | Guimarães, Frederico Gadelha | - |
Autor(es): dc.creator | Ribeiro, Roberto Gomes | - |
Autor(es): dc.creator | Meneghini, Ivan Reinaldo | - |
Autor(es): dc.creator | Oliveira, Fernando Bernardes de | - |
Autor(es): dc.creator | Souza, Marcone Jamilson Freitas | - |
Autor(es): dc.creator | Siarry, Patrick | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:04:32Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:04:32Z | - |
Data de envio: dc.date.issued | 2020-07-24 | - |
Data de envio: dc.date.issued | 2020-07-24 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/handle/123456789/12502 | - |
Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/abs/pii/S2210650219301130 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.swevo.2019.100601 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1001979 | - |
Descrição: dc.description | Green machine scheduling consists in the allocation of jobs in order to maximize production, in view of the sustainable use of energy. This work addresses the unrelated parallel machine scheduling problem with setup times, with the minimization of the makespan and the total energy consumption. The latter takes into account the power consumption of each machine in different operation modes. We propose multi-objective extensions of the Adaptive Large Neighborhood Search (ALNS) metaheuristic with Learning Automata (LA) to improve the search process and to solve the large scale instances efficiently. ALNS combines ad-hoc destroy and repair (also named removal and insertion) operators and a local search procedure. The LA is used to adapt the selection of insertion and removal operators within the framework of ALNS. Two new algorithms are developed: the MO-ALNS and the MO-ALNS/D. The first algorithm is a direct extension of single objective ALNS by using multi-objective local search. As this method does not offer much control of the diversification of the Pareto front approximation, a second strategy employs the decomposition approach similar to MOEA/D algorithm. The results show that the MO-ALNS/D algorithm has better performance than MO-ALNS and MOEA/D in all indicators. These findings show that the decomposition strategy is beneficial not only for evolutionary algorithms, but it is indeed an efficient way to extend ALNS to multi-objective problems. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Parallel machines | - |
Palavras-chave: dc.subject | Adaptive large neighborhood search | - |
Palavras-chave: dc.subject | Learning automata | - |
Palavras-chave: dc.subject | Decomposition and aggregation | - |
Título: dc.title | An adaptive multi-objective algorithm based on decomposition and large neighborhood search for a green machine scheduling problem. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: