Neste trabalho foi abordado o problema denominado de Flowshop Scheduling Problem (FSP) com e sem restrição de espera. Os problemas da classe FSP possuem grande aplicação prática em indústrias. A função objetivo a ser avaliada para os problemas foi o makespan. Um Algoritmo Genético (AG) moderno tem sido desenvolvido e aplicado na resolução dos problemas com bastante sucesso. O objetivo deste trabalho foi desenvolver um AG eficaz e eficiente para essa classe de problema e que não utilizasse inicialização eficiente e/ou hibridização com uma técnica de busca. O AG proposto levou em consideração as características de diversificação e intensificação, baseada na inspiração e criação da técnica bastante utilizada na Genética do uso de células tronco, adotada como um procedimento para o operador mutação. Foram realizados vários experimentos com as instâncias de Taillard, Reeves e Heller. Os resultados foram comparados com outros métodos encontrados na literatura onde constatou-se o bom desempenho do algoritmo proposto. 

Palavras-chave: Problema de Sequenciamento. Algoritmo Genético. Meta-heurística

This work addressed the problem called Flowshop Scheduling Problem (FSP) with and without waiting restriction. The FSP problems class have great practical application in industries. The objective function to be evaluated for the problems was the makespan. A modern Genetic Algorithm (GA) has been developed and applied in solving the problems quite successfully. The objective of this study was to develop an effective and efficient AG for this problem class and did not use efficient startup and/or hybridization with a search technique. The AG proposed here take into account the characteristics, diversification and intensification, based on the inspiration and creating widely used in genetics search as the use of stem cells, adopted as a procedure for the mutation operator. Experiments were performed with various instances of Taillard, Reeves and Heller. The results were compared with other methods in the literature where it was found the good performance of the proposed algorithm. 

Keywords: Scheduling Problem. Genetic Algorithm. Metaheuristics