@PHDTHESIS{ 2017:1717895828,
 	title = {Estrat?gias algor?tmicas exatas e h?bridas para problemas de escalonamento em m?quinas paralelas com penalidades de antecipa??o e atraso},
 	year = {2017},
 	url = "http://tede.ufam.edu.br/handle/tede/6147",
 	abstract = "Esta pesquisa investiga problemas de escalonamento com penalidades de antecipa??o
 e atraso em ambiente mono e multiprocessado envolvendo m?quinas paralelas. Este
 problema ? tamb?m conhecido na literatura como escalonamento Just-in-Time, sistema
 amplamente utilizado em ind?strias para reduzir estoques e os custos decorrentes, a fim
 de que o produto seja produzido de acordo com a demanda. Neste trabalho ? proposta
 uma estrat?gia algor?tmica h?brida exato-heur?stica, baseada em uma formula??o de
 programa??o inteira arc-time e um algoritmo evolucion?rio fortemente baseado em
 busca local, para melhor resolver problemas cl?ssicos de escalonamento em m?quinas
 paralelas envolvendo penalidades de antecipa??o e atraso, com tarefas independentes e
 tempos de processamento arbitr?rios. Os arcos s?o selecionados das solu??es ?timas
 locais obtidas pelo algoritmo gen?tico fortemente baseado em busca local (GLS) com
 movimentos generalizados de troca de pares, que s?o fornecidos como entrada para
 a formula??o arc-time, para gerar solu??es melhores do que as obtidas por ambos
 os m?todos quando utilizados isoladamente. Os experimentos computacionais apresentam
 resultados competitivos em rela??o ? literatura. O m?todo proposto tamb?m
 resolve inst?ncias de tamanho maior de at? 500 tarefas em m?quinas paralelas id?nticas.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}