@PHDTHESIS{ 2019:1665974461,
 	title = {Algoritmo genético híbrido baseado na análise de componentes principais do fitness landscape para o problema de job shop scheduling},
 	year = {2019},
 	url = "http://bibliotecatede.uninove.br/handle/tede/2577",
 	abstract = "Este trabalho trata do problema de scheduling em ambiente de produção do tipo job
 shop, conhecido na literatura internacional por Job Shop Scheduling Problem (JSSP). Em
 função da sua complexidade computacional, metaheurísticas têm sido comumente empregadas
 em sua solução, mas um desempenho comparável ao estado da arte depende de uma
 exploração e ciente das características do espaço de soluções desse problema, o que pode
 ser realizado por meio da análise do  tness landscape. Resumidamente, o  tness landscape
 representa uma paisagem do espaço das soluções geradas - formada pelas soluções
 no espaço, seus valores de aptidão, e uma noção de vizinhança - e sua analise fornece
 informações relevantes para o aprimoramento do método de otimização. Assim o objetivo
 deste trabalho é o desenvolvimento de um Algoritmo Genético Híbrido (HGA) com estrat
 égias de diversi cação e intensi cação baseadas na Análise de Componentes Principais
 do  tness landscape para o problema de Job Shop Scheduling. Para tal, é proposto um mé-
 todo baseado na Análise de Componentes Principais (PCA) para avaliar características de
 diversidade das soluções de uma população, classi cando cada indivíduo com base em sua
 semelhança aos demais. Essa classi cação determina um índice individual de contribuição
 que é utilizado para selecionar soluções semelhantes que poderão ser substituídas na etapa
 de diversi cação. Quando se tratam de soluções subótimas, a substituição do indivíduo
 selecionado é feita considerando a melhor solução encontrada na etapa de intensi cação.
 Nesse caso, um Algoritmo Genético Binário Bidimensional (GAB) é utilizado para ampliar
 a região de busca para além da vizinhança do indivíduo selecionado a procura de uma
 melhor solução. Por  m, as soluções inicial e  nal são reconectadas e a melhor solução no
 caminho entre elas é inserida na população em substituição àquela selecionada pela PCA.
 Comparando-se o HGA com um método de busca local os resultados mostram que houve
 melhora em várias instâncias tanto na redução do valor de makespan quanto em número
 de gerações do algoritmo. Em relação a outras abordagens referenciadas na literatura, o
 HGA obteve resultados competitivos para algumas instâncias, mas ainda se faz necessário
 um re namento no método para problemas de maior dimensão, o qual é dependente da
 escolha adequada dos parâmetros do HGA e na seleção das soluções iniciais para aplicação
 da intensificação.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}