1. Repositório Aberto da Universidade do Porto
  2. FEUP - Faculdade de Engenharia
  3. FEUP - Dissertação
Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/114176
Full metadata record
DC FieldValueLanguage
dc.creatorRomão Filipe Dias Santos
dc.date.accessioned2025-11-09T15:40:22Z-
dc.date.available2025-11-09T15:40:22Z-
dc.date.issued2018-07-17
dc.date.submitted2018-07-31
dc.identifier.othersigarra:278302
dc.identifier.urihttps://hdl.handle.net/10216/114176-
dc.descriptionEsta dissertação propõe uma abordagem híbrida de Machine Learning e Simulação, para a resolução de problemas de escalonamento da produção, considerando tempos de processamento estocásticos e buffers de capacidade limitada. A abordagem seguida combina modelos de Simulação com técnicas de Reinforcement Learning. De entre estas técnicas, destaca-se a NeuroEvolution que combina Redes Neuronais com Algoritmos Genéticos. Para modelar os problemas reais de escalonamento da produção, considerou-se fundamental o uso de simulação de eventos discretos. Os resultados computacionais obtidos mostram que a conjugação dos modelos de simulação e de NeuroEvolution permite obter ganhos de desempenho superiores, quando em comparação com os regras de prioridade (dispatching rules) da literatura. São ainda retiradas conclusões quanto à eficiência do método desenvolvido e à sua utilidade em contexto real.
dc.language.isopor
dc.rightsopenAccess
dc.subjectEngenharia electrotécnica, electrónica e informática
dc.subjectElectrical engineering, Electronic engineering, Information engineering
dc.titleEstratégias Híbridas de Machine Learning e Simulação para a Resolução de Problemas de Escalonamento
dc.typeDissertação
dc.contributor.uportoFaculdade de Engenharia
dc.identifier.doi10.34626/6njm-6a83
dc.identifier.tid202119165
dc.subject.fosCiências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
dc.subject.fosEngineering and technology::Electrical engineering, Electronic engineering, Information engineering
thesis.degree.disciplineMestrado Integrado em Engenharia Electrotécnica e de Computadores
thesis.degree.grantorFaculdade de Engenharia
thesis.degree.grantorUniversidade do Porto
thesis.degree.level1
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
278302.pdfEstratégias Híbridas de Machine Learning e Simulação para a Resolução de Problemas de Escalonamento1.77 MBAdobe PDFThumbnail
View/Open
Show simple item record Recommend this item Display Statistics


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.