Flowshop

Este estudo aborda a otimização de makespan em problemas de Flowshop comparando três algoritmos genéticos: SGA, BRKGA e NEH-NGA. Com dados de benchmark, avaliamos a eficiência e precisão deles. O BRKGA foi consistente em alcançar soluções ótimas, mostrando viabilidade para uso industrial. O NEH-NGA, não tão rápido quanto o NEH original, ainda assim superou o SGA, evidenciando a combinação eficaz de heurísticas específicas e estratégias evolutivas. O SGA mostrou melhoria progressiva, sugerindo que seu potencial aumenta com mais tempo de processamento. O estudo destaca a importância de algoritmos bem projetados e seleção de parâmetros para otimização bem-sucedida, incentivando pesquisa futura para explorar a adaptabilidade dos algoritmos a diferentes configurações de Flowshop. Recomenda-se a integração de aprendizado de máquina para criar algoritmos genéticos mais adaptáveis e inteligentes, adequados a Flowshops com múltiplas metas ou restrições complexas.