Um algoritmo genético hí­brido para o problema de corte industrial bidimensional

Autores

  • Ademir Aparecido Constantino Universidade Estadual de Maringá
  • Augusto Mendes Gomes Junior UEM

DOI:

https://doi.org/10.4025/actascitechnol.v24i0.2544

Palavras-chave:

minimizar desperdí­cio, problemas de corte, algoritmos genéticos, Bottom-Left

Resumo

O objetivo deste trabalho é a implementação de um algoritmo eficaz que solucione o problema de corte bi-dimensional, ou seja, que encontre uma solução muito boa (viável) e rápida para este problema, otimizando o uso das chapas para diminuir o desperdí­cio gerado com os cortes que são feitos sobre a mesma. Para a sua implementação, foram utilizados Algoritmos Genéticos como uma técnica de otimização, e o Bottom-Left como uma técnica de encaixe das peças na chapa retangular. Alguns testes foram executados e os resultados ficaram no máximo 10% acima da solução ótima.

Downloads

Não há dados estatísticos.

Biografia do Autor

Ademir Aparecido Constantino, Universidade Estadual de Maringá

possui graduação em Matemática pela Universidade Estadual de Maringá (1990), mestrado em Engenharia de Produção pela Universidade Federal de Santa Catarina (1993) e doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina (1997). Atualmente professor associado da Universidade Estadual de Maringá. Tem experiência na área de Engenharia de Produção e Ciência da Computação, com ênfase em Otimização Combinatória, atuando principalmente nos seguintes temas: otimização combinatória, algoritmo heurí­stico, teoria dos grafos e meta-heurí­stica. Currí­culo Lattes

Downloads

Publicado

2008-04-22

Como Citar

Constantino, A. A., & Gomes Junior, A. M. (2008). Um algoritmo genético hí­brido para o problema de corte industrial bidimensional. Acta Scientiarum. Technology, 24, 1727–1731. https://doi.org/10.4025/actascitechnol.v24i0.2544

Edição

Seção

Ciência da Computação

 

0.8
2019CiteScore
 
 
36th percentile
Powered by  Scopus

 

 

0.8
2019CiteScore
 
 
36th percentile
Powered by  Scopus

Artigos mais lidos pelo mesmo(s) autor(es)