Este artigo é uma republicação do trabalho de conclusão de curso apresentado ao Centro Universitário Filadélfia como requisito para obtenção de diploma de bacharel em Ciência da Computação. Esta investigação levantou os algoritmos aplicados a problemas FJSSP e suas principais características. Foram também desenvolvidos dois Algoritmos Genéticos (AG), um clássico e um híbrido com Q-learning para verificação das características levantadas e os resultados mostraram que houve uma melhora de 31,5% no tempo de execução do algoritmo usando a hibridização. O critério usado para avaliação da melhora foi o tempo total de produção, ou makespan e os algoritmos genéticos aplicados usaram operadores de seleção, cruzamento e mutação.
This article is a republication of the final course work presented to the Philadelphia University Center as a requirement for obtaining a bachelor's degree in Computer Science. This research raised the algorithms applied to FJSSP problems and their main characteristics. Two Genetic Algorithms (GA) were also developed, a classic one and a hybrid one with Q-learning to verify the characteristics raised and the results showed that there was a 31.5% improvement in the algorithm's execution time using hybridization. The criterion used to evaluate the improvement was the total production time, or makespan, and the genetic algorithms applied used selection, crossover and mutation operators.
