@MASTERSTHESIS{ 2026:331440810,
 	title = {Abordagem de busca local ativa em soluções não atrasadas para o problema de job shop scheduling baseado no algoritmo genético de chaves aleatórias},
 	year = {2026},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3970",
 	abstract = "Neste trabalho, apresenta-se uma abordagem computacional para a solução de pro¬blemas de sequenciamento de tarefas de produção, conhecidos como Job Shop Scheduling. Trata-se de um problema de otimização que busca definir a sequência ideal de operações para diferentes tarefas (jobs), utilizando uma variedade de máquinas, com o objetivo de minimizar o tempo total de produção (makespan). Na literatura atual, o uso de metaheu¬rísticas tem sido amplamente difundido para resolver esse tipo de problema, em especial os Algoritmos Genéticos, por possibilitarem a obtenção de soluções de alta qualidade. Em geral, contudo, as metaheurísticas demandam o uso conjunto de técnicas de refina¬mento das soluções. Entre essas técnicas, destacam-se os métodos de Busca Local, que visam aprimorar os resultados obtidos pelas metaheurísticas. Este trabalho insere-se nesse contexto ao propor uma abordagem híbrida em duas etapas. Inicialmente, utiliza-se uma variação de Algoritmo Genético, denominada Algoritmo Genético de Chaves Aleatórias (RKGA), para gerar uma solução inicial de boa qualidade. Em seguida, após a conclusão do processo evolutivo, ou seja, sem incorporar mecanismos de busca local durante a exe¬cução do algoritmo genético, aplica-se uma etapa independente de refinamento baseada em Busca Local. Essa segunda etapa atua sobre a solução gerada pelo RKGA, explorando o espaço reduzido de soluções não atrasadas, com o objetivo de melhorar o tempo total de produção. Os resultados, obtidos a partir de conjuntos de problemas-teste padronizados e amplamente utilizados na literatura, mostram que soluções não atrasadas subótimas são frequentemente aprimoradas pelo método de refinamento proposto, alcançando resul¬tados superiores aos da implementação convencional do algoritmo genético. Conclui-se, portanto, que os resultados obtidos validam a abordagem proposta, demonstrando sua eficácia na obtenção de soluções mais eficientes.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}