| dc.contributor.author | Rodríguez Vela, María del Camino | |
| dc.contributor.author | Puente Peinador, Jorge | |
| dc.contributor.author | Alonso González, César Luis | |
| dc.contributor.author | Varela Arias, José Ramiro | |
| dc.date.accessioned | 2015-07-15T10:29:34Z | |
| dc.date.available | 2015-07-15T10:29:34Z | |
| dc.date.issued | 2003 | |
| dc.identifier.citation | Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 7(20), p. 57-68 (2003) | |
| dc.identifier.issn | 1137-3601 | |
| dc.identifier.uri | http://hdl.handle.net/10651/31981 | |
| dc.identifier.uri | http://www.redalyc.org/articulo.oa?id=92572005 | spa |
| dc.description.abstract | Los problemas de Scheduling son un paradigma de la familia de problemas CSP. En este artículo presentamos algunas técnicas de resolución mediante Algoritmos Genéticos. Consideramos en principio la aplicación de Algoritmos Genéticos convencionales, y luego vemos como la eficacia de éstos se puede mejorar notablemente con la utilización conjunta de otras técnicas también clásicas como son las reglas de prioridad, los heurísticos basados en la probabilidad y la búsqueda local. En particular mostramos mediante un estudio experimental como un esquema de búsqueda local mejora el rendimiento de un Algoritmo Genético convencional en la resolución del problema Job Shop Scheduling | spa |
| dc.format.extent | p. 57-68 | spa |
| dc.language.iso | spa | spa |
| dc.publisher | AEPIA | |
| dc.relation.ispartof | Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 7(20) | spa |
| dc.rights | © AEPIA | |
| dc.subject | Algoritmos genéticos | spa |
| dc.subject | Scheduling | spa |
| dc.title | Computación Evolutiva para Resolución de CSPs | spa |
| dc.title.alternative | Evolutionary Computation for CSP’s | spa |
| dc.type | journal article | |
| dc.rights.accessRights | open access | spa |
