Le problème de planification de flow shop par permutation (PFSP) est un problème NP-complet qui représente un défi majeur dans les environnements de fabrication et de production. Les algorithmes mémétiques (MAs) qui hybrident des stratégies de recherche globale avec des techniques de raffinement local sont largement considérés comme parmi les approches métaheuristiques les plus puissantes pour résoudre des défis combinatoires complexes. Cet article présente une nouvelle approche hybride d'optimisation par araignée sociale et de recherche tabou (SSO-TS) pour minimiser le makespan dans le PFSP. SSO-TS combine les forces de SSO et de TS en unifiant la capacité de diversification globale de SSO avec la capacité d'intensification locale de TS, produisant une stratégie hybride qui atteint un équilibre entre diversification et intensification. La performance de SSO-TS est évaluée sur la suite de référence établie de Taillard. Pour évaluer l'impact de l'hybridation, SSO-TS est d'abord comparé avec l'algorithme SSO original. Les résultats démontrent que l'hybridation de SSO avec TS améliore significativement la performance, atteignant une réduction de 77 % de l'erreur moyenne en pourcentage de la meilleure solution obtenue. SSO-TS est ensuite évalué par rapport à quatre algorithmes de pointe issus de recherches précédentes. Les résultats expérimentaux indiquent que SSO-TS surpasse trois des quatre autres en termes de qualité de solution. Ces résultats valident l'efficacité de l'approche proposée et établissent SSO-TS comme une approche efficace et compétitive pour résoudre le PFSP.
Kurdi et al. (Jeu,) ont étudié cette question.