Resumen
As it is well documented in the literature, an effective facility layout design of a company significantly increases throughput, overall productivity, and efficiency. Symmetrically, a poor facility layout results in increased work-in process and manufacturing lead time. In this paper we focus on the Multiple Row Equal Facility Layout Problem (MREFLP) which consists in locating a given set of facilities in a layout where a maximum number of rows is fixed. We propose a Greedy Randomized Adaptive Search Procedure (GRASP), with an improved local search that relies on an efficient calculation of the objective function, and a probabilistic strategy to select those solutions that will be improved. We conduct a through preliminary experimentation to investigate the influence of the proposed strategies and to tune the corresponding search parameters. Finally, we compare our best variant with current state-of-the-art algorithms over a set of 552 diverse instances. Experimental results show that the proposed GRASP finds better results spending much less execution time.
Nicolás Rodríguez Uribe
Doctor en Inteligencia Artificial
Nicolás Rodríguez Uribe se graduó como Ingeniero en Informática en la Universidad Rey Juan Carlos en 2015. Posteriormente, completó el Máster Universitario en Ingeniería de Sistemas de Decisión en 2018 y obtuvo su Doctorado en Inteligencia Artificial por la misma universidad en 2022. Sus principales intereses de investigación se enfocan en heurísticas y metaheurísticas, optimización combinatoria, algoritmos trayectoriales, algoritmos genéticos y problemas multiobjetivo. Es miembro del grupo de investigación de alto rendimiento en algoritmos de optimización (GRAFO) de la Universidad Rey Juan Carlos. La mayoría de sus publicaciones tratan sobre el desarrollo de procedimientos heurísticos y metaheurísticos para resolver problemas complejos de optimización.
Alberto Herrán González
Profesor Titular de Universidad
J. Manuel Colmenar
Catedrático de Universidad
Mis intereses de investigación se centran en las metaheurísticas aplicadas a problemas de optimización. He trabajado en diferentes problemas de optimización combinatoria aplicando algoritmos trajectoriales como GRASP o VNS. Además, estoy muy interesado en las aplicaciones de la Evolución Gramatical, específicamente en el dominio de los modelos y la predicción, como alternativa a los enfoques de aprendizaje automático.
Abraham Duarte
Catedrático de Universidad
Mi carrera investigadora se ha centrado en el desarrollo de nuevos algoritmos y técnicas de Inteligencia Computacional (metaheurísticas) y su aplicación a diferentes problemas en Ciencia e Ingeniería desde que me incorporé a la Universidad Rey Juan Carlos (URJC) en el octubre del año 2000.