@MASTERSTHESIS{ 2018:1760707522,
 	title = {Hibridiza??o de m?todos exatos e heur?sticos para a minimiza??o do atraso ponderado no escalonamento de tarefas em m?quinas paralelas},
 	year = {2018},
 	url = "https://tede.ufam.edu.br/handle/tede/7593",
 	abstract = "Nesta disserta??o est?o sendo apresentados os resultados da investiga??o realizada sobre problemas de escalonamento em m?quinas paralelas, com foco na minimiza??o do atraso ponderado total das tarefas, com tempos de processamento e prazos estimados de t?rmino arbitr?rios. Este ? um problema cl?ssico muito encontrado em ind?strias, ambientes de produ??o e cen?rios onde o atraso na realiza??o de tarefas ou produ??o pode gerar multas ou penalidades. A estrat?gia de resolu??o aplicada faz uso de um m?todo h?brido exato-heur?stico, onde a execu??o de um Algoritmo Gen?tico fortemente baseado em Busca Local, denominado GLS, fornece um conjunto de solu??es de ?timos locais para ser incorporado em uma formula??o de programa??o linear inteira tri-indexada, otimizando o processo de resolu??o enumerativo impl?cito. Sendo a parametriza??o um problema inerente aos algoritmos gen?ticos e meta-heur?sticas em geral, foi utilizada a ferramenta iRace para a otimiza??o e defini??o de par?metros. O solver IBM ILog CPLEX e a biblioteca din?mica UFFLP foram utilizados para avaliar o conjunto de solu??es obtido atrav?s das heur?sticas utilizando a formula??o de programa??o inteira. Os experimentos computacionais foram realizados em inst?ncias criadas com base no benchmark dispon?vel na OR-Library com 40, 50, 100, 150, 200, 300 e 500 tarefas, em ambientes com 2, 4, 10 e 20 m?quinas paralelas, obtendo resultados competitivos frente ?s melhores estrat?gias disponibilizadas na literatura, e apresentando a robustez do m?todo em inst?ncias maiores.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}