Cotas Lagrangianas mejoradas para el problema de asignación multiple : estudio de la estructura de descomposición doble / Jania Astrid Saucedo Martínes
Tipo de material: TextoEditor: Lexington, KY (USA) : Editorial Académica Española, 2015Descripción: X, 104 p. : il., Mapas ; 22 cmISBN: 9783659019708Tema(s): ANÁLISIS COMBINATORIO | COTAS LAGRANGIANASClasificación CDD: 658.8101 Resumen: El problema de asignación clásico (AP) consiste en asignar un conjunto de tareas quizá trabajos por hacer, a un conjunto de agentes (personas o máquinas que pueden desempeñar dichas tareas). El problema de asignación múltiple (MMAP, por sus siglas en inglés de many to many assignment problem) es una generalización del AP, este problema a diferencia del AP permite la posibilidad de asignar un agente a varias tareas y varias tareas a un agente respetando las capacidades límites de ambos conjuntos. Creamos una heurística que consiste en dos fases: primero construye una relajación lagrangiana con el objetivo de generar soluciones (esta es mejor que la relajación clásica lagrangiana y obtiene buenas cotas, así como soluciones factibles en algunos casos), posteriormente aplicamos un algoritmo de factibilización “greedy” que obtiene la mejor solución factible.Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
LIBRO - MATERIAL GENERAL | Biblioteca Jorge Álvarez Lleras Fondo general | Colección / Fondo / Acervo / Resguardo | 658.8101 S255c (Navegar estantería) | Ej. 1 | 1 | Disponible | 023874 |
Incluye bibliografía e indices
El problema de asignación clásico (AP) consiste en asignar un conjunto de tareas quizá trabajos por hacer, a un conjunto de agentes (personas o máquinas que pueden desempeñar dichas tareas). El problema de asignación múltiple (MMAP, por sus siglas en inglés de many to many assignment problem) es una generalización del AP, este problema a diferencia del AP permite la posibilidad de asignar un agente a varias tareas y varias tareas a un agente respetando las capacidades límites de ambos conjuntos. Creamos una heurística que consiste en dos fases: primero construye una relajación lagrangiana con el objetivo de generar soluciones (esta es mejor que la relajación clásica lagrangiana y obtiene buenas cotas, así como soluciones factibles en algunos casos), posteriormente aplicamos un algoritmo de factibilización “greedy” que obtiene la mejor solución factible.
No hay comentarios en este titulo.