The Job Shop Scheduling Problem (JSP) is a combinatorial optimization problem cataloged as type NP-Hard. To solve this problem, several heuristics and metaheuristics have been used. In order to minimize the makespan, we propose a Memetic Algorithm (MA), which combines the exploration of the search space by a Genetic Algorithm (GA), and the exploitation of the solutions using a local search based on the neighborhood structure of Nowicki and Smutnicki. The genetic strategy uses an operation-based representation that allows generating feasible schedules, and a selection probability of the best individuals that are crossed using the JOX operator. The results of the implementation show that the algorithm is competitive with other approaches proposed in the literature.

La identificación de los factores que influyen en el rendimiento (kg·ha-1) de un cultivo provee información esencial para la toma de decisiones orientadas al mejoramiento y predicción de la productividad, proporcionando posibilidades a los agricultores para mejorar sus ingresos económicos. En este estudio, se presenta la aplicación y comparación de diversos algoritmos de aprendizaje automático para la predicción del rendimiento agrícola en cultivos de cacao y la identificación de los factores que influyen sobre éste. Se comparan los algoritmos de máquinas de soporte vectorial (SVM), modelos ensamblados (Random Forest, Gradient Boosting) y el modelo de regresión Least Absolute Shrinkage and Selection Operator (LASSO). Los predictores considerados fueron: condiciones climáticas de la región, variedad de cacao, nivel de fertilización y exposición al sol para un cultivo experimental ubicado en Rionegro, Santander. Los resultados identifican a Gradient Boosting como la mejor alternativa de pronóstico con un coeficiente de determinación (R2) = 68 %, Error Absoluto Medio (MAE) = 13.32 y Raíz Cuadrada del Error Medio (RMSE) = 20.41. La variabilidad del rendimiento del cultivo es explicada principalmente por la radiación y la temperatura un mes previo a la cosecha, además de las lluvias acumuladas el mes de la cosecha. De igual manera, los rendimientos de los cultivos son evaluados con base en el tipo de exposición al sol, encontrando que la radiación un mes previo a la cosecha es el factor más influyente para los cultivos bajo sombra. Por otro lado, la lluvia y la humedad son las variables determinantes en las plantas con exposición plena a sol, lo que está asociado a los requerimientos hídricos. Estos resultados sugieren un manejo diferenciado de los cultivos dependiendo del tipo de exposición, sin tener que comprometer la productividad, dado que no se evidencia diferencia significativa en los rendimientos de ambos manejos agrícolas.

El artículo presenta los resultados del estudio de un problema de ruteo de vehículos con demandas estocásticas (Vehicle Routing Problem with Stochastic Demands, VRPSD), en el cual la única variable estocástica es la demanda de los clientes, esta variable sigue una distribución discreta, y su valor solo es conocido cuando el vehículo llega a la ubicación del cliente. Para su solución, se implementó la metaheurística denominada Optimización por Espiral, con el enfoque a priori y la estrategia de reabastecimiento preventivo para un solo vehículo. Para mejorar el método se inicializaron las rutas mediante la heurística del vecino más cercano, y posteriormente se utilizó la mutación, un operador evolutivo, para ampliar la zona de exploración de los puntos de búsqueda. Adicionalmente, se utilizó el intercambio 2-Opt, una heurística de búsqueda local, con el fin de intensificar la búsqueda en la vecindad de soluciones óptimas encontradas. Por otra parte, se realizó un diseño de experimentos 23, con el fin de determinar la influencia de cada factor en la función objetivo. Este análisis se llevó a cabo en 8 instancias diferentes que fueron diseñadas y desarrolladas por Galván et al. [1]. Finalmente, se compararon los resultados obtenidos con los arrojados por el algoritmo híbrido EPSO, con el objetivo de probar la eficiencia y eficacia del algoritmo desarrollado. Esta comparación evidenció que el método propuesto obtiene mejores resultados en todas las instancias, con mejoras de hasta el 5,71 %.

En Colombia existen centros tradicionales de acopio donde se comercializan y distribuyen productos agrícolas. El precio de venta de estos productos es publicado por instituciones del Gobierno en informes semanales. Con el objetivo de determinar si las series de precios siguen una caminata aleatoria y si existen relaciones entre los centros, se aplican seis pruebas que evalúan la hipótesis de eficiencia débil y la prueba de causalidad de Granger. Para ello se analiza el precio histórico semanal de 28 productos agrícolas comercializados en seis mercados, durante la primera semana de 2013 a la última de 2017. Los principales resultados indican que los mercados tienden a la eficiencia, aunque no tienen el mismo nivel, ya que esta varía según el producto que se comercialice. Además, los centros en Manizales, Barranquilla y Villavicencio influyen sobre los precios de los mercados de Bogotá, Bucaramanga y Medellín