Optimizando el secuenciamiento de tareas mediante un algoritmo genético con dinámica del cuello de botella

En esta tesis de investigación se realiza un estudio para resolver uno de los problemas más importantes dentro de la industria y uno de los mas complejos de la Inteligencia Artificial: la programación de tareas. Se propone un algoritmo genético en combinación con la heurística dinámica del cuello de botella para optimizar este problema en una y múltiples máquinas de acuerdo a los objetivos de la producción justo a tiempo y tardanza ponderada. Se realizan experimentos con más de 300 problemas de diferentes características y restricciones como lo son el factor de rango, el factor de tardanza, el número de tareas, el número de máquinas y el tipo de ambiente. Los resultados muestran una estrategia de optimización eficiente y robusta que bien puede tratar con las restricciones y objetivos que demandan los problemas del mundo real.