Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
|
|
- Melissa Marques Veiga
- 7 Há anos
- Visualizações:
Transcrição
1 Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática DI fviana@inf.puc-rio.br Resumo. Este artigo descreve um algoritmo genético desenvolvido para se obter soluções para o problema de roteamento de veículos com janelas de tempo. Foi utilizado o framework GACOM, mais especificamente seus operadores voltados para problemas com representação baseada em ordem. Foi implementado o algoritmo de decodificação da solução, bem como a função de avaliação do cromossomo, utilizando duas métricas analisadas separadamente: o número de veículos necessários para o roteamento e a distância total percorrida no roteamento. Testes e análise dos resultados obtidos foram apresentados. Palavras-chave: Roteamento de Veículos, Algoritmo Evolucionário, Problema Dinâmico. Otimização Combinatória. Área de classificação principal: Otimização Combinatória. 1. Introdução Este artigo descreve as fases de um algoritmo genético proposto para minimizar o número de veículos necessarios para se efetuar um roteamento, considerando que as demandas têm janelas de tempo a elas associadas e que a frota de veículos é homogênea, ou seja, e composta por k veículos com igual capacidade. Este trabalho é baseado em Alvarenga et al. (2007) que propuseram uma heurística robusta para o Problema de Roteamento de Veículos con Janelas de Tempo - PRVJT usando a distância total percorrida pela frota como métrica principal. Trata-se de uma heurística de geração de colunas aplicada ao PRVJT que faz uso de um Algoritmo Genético - AG e de uma formulação matemática para o Problema de Partição de Conjuntos. Os resultados obtidos são muito expressivos, estabelecendo melhores soluções para algumas instâncias da literatura. 2. Descrição do Problema
2 Dada uma frota com k veículos de capacidade Q e um conjunto de requisições de coleta ou de entrega a serem atendidas, o objetivo do problema é minimizar a quantidade de veículos mínima necessária para se efetuar o roteamento. Cada requisição contém os seguintes campos: Identificador numérico sequencial; Coordenadas (x,y) do cliente que efetuou a referida requisição; Valor da demanda de coleta (d), ou seja, quantidade de peso/volume que a encomenda irá ocupar no veículo; Janela de tempo de atendimento [ e, l ], ou seja, intervalo de tempo no qual a requisição deve ser atendida; Assume-se que matriz das distâncias entre os todos os pontos de demanda é conhecida e considera-se o tempo de viagem entre dois pontos, por questão de simplificação como sendo igual à distância. O horizonte de planejamento do problema é discretizado em instantes de tempo. Todas as rotas devem iniciar e terminar em um depósito central. Cada requisição deve ser atendida em uma e somente uma rota. 3. O Algoritmo Genético Para se obter soluções viáveis e de boa qualidade para este problema, neste trabalho, foi utilizado um algoritmo genético com representação baseada em ordem. 3.1.Representação do Cromossomo A representação do cromossomo adotada consiste em uma string de identificadores de requisições, cuja sequencia determina a ordem na qual essas requisições serão inseridas nas rotas pelo algoritmo de decodificação da solução Ilustração 1- Representação dos Cromossomos A Ilustração 1 mostra um exemplo de cromossomo com a ordem das requisições a serem alocadas às rotas. 3.2 Decodificação da Solução Foi implementado um algoritmo para gerar a solução a partir do cromossomo utilizado no algoritmo genético. Este algoritmo segue os seguintes passos: É criada uma entidade Rota e a ela são adicionadas as requisições de acordo com a ordem especificada no cromossomo. A inserção da requisição não é
3 efetuada no caso de implicar infração da restrição de janela de tempo ou da restrição da capacidade do veículo que irá efetuar a referida rota; Ao chegar ao final do cromossomo, o algoritmo verifica se ainda há requisições a serem inseridas na rota. Em caso afirmativo, o passo anterior é reptido sendo crida uma nova rota. Há uma entidade solução que armazena o conjunto de rotas criadas a partir do cromossomo. E, à cada rota, é associado um veículo para executá-la; Ilustração 2- Representação da Solução A Ilustração 2 mostra a representação de uma solução gerada após a decodificação de um cromossomo. Cada Linha representa uma rota que deve ser atribuída a um veículo. Cada célula é um gene que representa uma requisição que é atribuída à referida rota. Repare que cada requisição aparce uma e somente uma vez em uma solução. 3.3 Avaliação Foram implemetadas duas funções de avaliação, cada uma destinada a avaliar uma métrica específica. A primeira função atribui ao cromossomo uma avaliação igual à quantidade de veículos ecessária para o roteamento da solução gerada pel.o referido cromossomo, ou seja, depois da decodificação da solução verifica-se quantas rotas foram geradas. Este valor é usado como sendo a avaliação do cromossomo que gerou a referida solução. A segunda função de avaliação atribui um fitness ao cromossomo igual à distância total percorrida por todas as rotas geradas pelo cromossomo após a decodificação da solução. 3.4 Operadores genéticos Foram utilizados os seguintes operadores de crossover aplicados ao problemas com representação baseada em ordem como o PRVJT. Crossover PMX: Uma subsequência de tours é trocada entre os cromossomos ancestrais. Essa subsequência é delimitada por dois pontos de corte. Assim, tem-se dois novos cromossomos de modo que o F1 (filho 1) herda material genético do P2 (pai 2) e o F2 herda material genético do P1, nesta região delimitada pelos pontos de corte. Depois, as demais posições de F1 são preenchidas com os genes de P1 da mesma posição desde que não haja duplicação de genes no cromossomo. O mesmo acontece com o F2. As posições que não puderem ser preenchidas desta forma são preenchidas com os genes das posições correspondentes ao gene que deveria ter sido herdado, mas que não foi herdado diretamente para evitar duplicação (Michalewick (1996)).
4 Crossover OX: Este operador faz dois pontos de corte nos dois cromossomos P1 e P2 e gera um novo par de cromossomos F1 e F2, de modo que o F1 tenha material genético herdado de P1 e F2 tenha material genético herdado de P2 na posições delimitadas pelos pontos de corte. As demais posições de F1 são preenchidas segundo a ordem relativa que aparecem no cromossomo P2 e vice-versa (Michalewick (1996)). Crossover CX: Este operador primeiramente copia o primeiro gene de P1 em F1 e depois continua a inserir os genes em F1 de modo que a a sequencia de genes a ser inserida é obtida copiando alternadamente um gene de cada cromossomo ancestral. A posição de um gene copiado de P1 é determinada pela ordem que ele aparece em P2 (Michalewick (1996)). O Algoritmo de mutação utilizado foi o swap que troca duas posições de um cromossomo. 4 Parâmetros do GA Na execução do GA foram utilizados os parâmetros listados na Tabela 1. Tabela 1-Parâmetros do GA Parâmetro Valor Número de Gerações Tamanho da População 60 Taxa de Crossover Inicial 0,8 Taxa de Crossover Final 0,6 Taxa de Mutação Inicial 0,05 Taxa de Mutação Final 0,1 Taxa inicial de steady-state 0,5 Taxa final de steady-state 0,5 Número de experimentos 40 5 Resultados Para testar o algoritmo genético foi utilizada uma das instâncias clássicas propostas por Solomon(1987). Esta instância é denominada R101. É uma instância que contém um depósito central, um conjunto de cem requisições efetuadas por clientes dispostos em uma área de 100 x 100 aleatoriamente de acordo com uma distribuição uniforme. A Ilustração 3 mostra que o menor número de veículos para efetuar o roteamento,respeitando-se as restrições de janelas de tempo de atendimento das requisições, bem como a capacidade limitada dos veículos, obtido nos experimentos foi em torno de 22 veículos.
5 Melhor Indivíduo (Métrica Número de Veículos) Avaliação 28,99 27,99 26,99 25,99 24,99 23,99 22,99 21,99 Experimentos Melhor Indivíduo Ilustração 3 - Melhor indivíduo por experimento (número de veículos) Avaliação média (Métrica Número de Veículos) 28,20 28,00 27,80 27,60 27,40 Avaliação Média 27,20 27,00 26,80 Ilustração 4 - Avaliação média dos indivíduos por experimento (número de veículos) A Ilustração 4 indica que o número médio de veículos utilizados no roteamento ficou entre 27 e 28 veículos.
6 Média das Avaliações (Métrica Distância) Avaliações 2940, , , , , ,00 Média 2820,00 Experimentos Ilustração 5 - Avaliação média por experimento (distância) Com relação à outra métrica analisada, a distância total percorrida no roteamento considerando-se todas as rotas da solução, pode-se constatar que a distância média percorrida ficou, na maioria dos casos, entre 2860 e Melhor Indivíduo (Métrica Distância) 2600, ,00 Avaliações 2500, , , ,00 Melhor Indivíduo 2300,00 Experimentos Ilustração 6 - Avaliação do melhor indivíduo por experimento (distância) Com realação ainda à métrica distância total percorrida, quando analisado o fitness do melhor indivíduo da população, verificou-se que a melhor das melhores soluções percorreu ao todo 2400 unidades de distancia.
7 6 Conclusões Observando-se os resultados obtidos observou-se que o GACOM é uma ferramenta que pode ser muito útil para a implementação rápida, confiável e que pode gerar resultados satisfatórios quando aplicada a problemas de otimização que podem ser representados por cromossomos baseados em ordem. Neste trabalho, especificamente, foi tratado o PRVJT, um problema clássico da área de Otimização Combinatória, classificado como NP-Hard. Os resultados obtidos mostram que o AG proposto consegue de fato evoluir a solução no decorrer das gerações, sendo alcançados resultados razoáveis. Vale destacar que a literatura apresenta resultados mais satisfatórios do que os resultados listados nesse trabalho aplicando-se diversas técnicas de otimização tanto baseadas em métodos exatos como em métodos heurísticos. Diversos destes trabalhos, inclusive, utilizam a técnica de algoritmos genéticos, como por exemplo o trabalho de Alvarenga et al.(2007) que consegue alcançar a solução ótima para diversas instâncias propostas por Solomon(1987). Como trabalhos futuros, pode-se buscar empiricamente ou até mesmo utilizando outro GA, otimizar os parâmetros deste GA a fim de se obter resultados ainda mais satisfatórios do que os que foram apresentados neste artigo. Pretende-se também abordar o VRPJT como um problema de otimização multiobjetivo, utilizando técnicas como fronteira de Pareto, por exemplo. 7 Referências Alvarenga, G., Mateus, G., and Tomi, G. (2007). A genetic and set partitioning two-phase approach for the vehicle routing problem with time windows. Computers & Operations Research, 34: Solomon,M. (1987). Algorithms for the vehicle routing and scheduling problems with time window constraints. Operations Research, 35: Michalewick (1996) : Genetic Algoritms = Data Structures + Evolution Programs.
Algoritmo Evolucionário no Tratamento do Problema de Roteamento de Veículos com Janela de Tempo
Algoritmo Evolucionário no Tratamento do Problema de Roteamento de Veículos com Janela de Tempo Humberto César Brandão de Oliveira (CIn-UFPE) humberto.brandao@gmail.com Guilherme Bastos Alvarenga (DCC-UFLA)
Leia maisUm Arcabouço para o Problema de Roteamento Dinâmico de Veículos com Janelas de Tempo e Tempos de Viagem Variáveis
Um Arcabouço para o Problema de Roteamento Dinâmico de Veículos com Janelas de Tempo e Tempos de Viagem Variáveis Francisco Henrique de Freitas Viana 1, Geraldo Robson Mateus 1 1 Universidade Federal de
Leia mais4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos
46 4 Modelos Propostos para Otimização de Planejamentos com Restrições de Precedência 4.1 Representação com Algoritmos Genéticos Para definir a representação de um modelo para problemas de planejamento
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisComputação Evolutiva. Aula 4 Usando AEs Prof. Tiago A. E. Ferreira
Computação Evolutiva Aula 4 Usando AEs Prof. Tiago A. E. Ferreira Roteiro Exemplos: Problema das 8 rainhas Comportamentos Típicos dos AE CE no contexto da Otimização Global Relembrando Na Aula Passada,
Leia mais5 Estudo de Caso. 5.1 Planejamento de um Porto Fictício
56 5 Estudo de Caso 5.1 Planejamento de um Porto Fictício Para o estudo de caso foi necessário implementar uma ferramenta capaz de otimizar o uso dos recursos de um porto fictício porém, semelhante ao
Leia mais1 Introdução 1.1 Motivação
13 1 Introdução 1.1 Motivação O planejamento de tarefas é um trabalho de resultados economicamente importantes mas de uma dificuldade computacional muito grande. Os problemas de planejamento podem ser
Leia maisUm Estudo Empírico de Hiper-Heurísticas
Flávio Soares Corrêa da Silva (Orientador) Instituto de Matemática e Estatística Universidade de São Paulo Julho de 2007 Definição de Hiper-Heurística Para Que Servem Dois Exemplos Definição Uma hiper-heurística
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 01 Computação Evolucionária Max Pereira Motivação Se há uma multiplicidade impressionante de algoritmos para solução de problemas,
Leia maisPlanejamento Hidrotérmico Utilizando Algoritmos Genéticos
1 Planejamento Hidrotérmico Utilizando Algoritmos Genéticos Thayse Cristina Trajano da Silva Pontifícia Universidade Católica Puc-Rio Engenharia Elétrica Rio de Janeiro RJ Brasil Resumo O planejamento
Leia maisRoteirização de veículo para realização de coleta utilizando algoritmo evolucionários
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de conclusão de curso 2014/01 Roteirização de veículo para realização de coleta utilizando algoritmo evolucionários Acadêmico:
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisMarcone Jamilson Freitas Souza
Otimização: Algumas aplicações Marcone Jamilson Freitas Souza Departamento de Computação Programa de Pós-Graduação em Ciência da Computação Universidade Federal de Ouro Preto http://www.decom.ufop.br/prof/marcone
Leia mais4. Modelo Co-evolucionário para Otimização da Programação da Produção.
56 4. Modelo Co-evolucionário para Otimização da Programação da Produção. 4.1. Introdução. O modelo proposto para solucionar este problema é um modelo coevolucionário cooperativo formado por duas espécies.
Leia maisCaixeiro Viajante. Estruturas de Dados II. Prof. a Mariella Berger. 1. Objetivo
Estruturas de Dados II Prof. a Mariella Berger Caixeiro Viajante 1. Objetivo O objetivo deste trabalho é implementar diferentes soluções para o problema clássico do Caixeiro Viajante. 2. Introdução O Problema
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisAvaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV
Avaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV Eliseu Celestino Schopf 1, Claudio Schepke 1, Marcus Lucas da Silva 1, Pablo Furlan da Silva 1 1 Centro de Eletrônica
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia maisImplementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA
Implementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA Aluno: Thiago William Machado RA: 107577 thiagowilliamm@yahoo.com.br Orientador: Prof. Dr. Ricardo
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisGeração de Colunas Online para o Problema de Roteamento de Veículos Dinâmico
Geração de Colunas Online para o Problema de Roteamento de Veículos Dinâmico Qualificação de Doutorado Aluno: Humberto César Brandão de Oliveira Orientador: Geraldo Robson Mateus Roteiro Introdução Problema
Leia mais5 Projeto de Novos Polímeros Condutores
5 Projeto de Novos Polímeros Condutores Polímeros condutores constituem uma nova classe de materiais eletrônicos com propriedades incomuns, baseadas em novos fenômenos físicos, tendo aplicações com largo
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Edirlei Soares de Lima Algoritmos Genéticos Método de busca local. Boa abordagem para lidar com espaços de busca muito
Leia maisALGORITMO GENÉTICO APLICADO AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
ALGORITMO GENÉTICO APLICADO AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Jadson José Monteiro Oliveira 1 Bruno Ramon de Almeida e Silva 2 Junior Marcos Bandeira 3 Resumo: O presente trabalho descreve
Leia maisAplicação de algoritmos genéticos. Problema da Mochila (knapsack problem)
Aplicação de algoritmos genéticos Problema da Mochila (knapsack problem) Algoritmos genéticos Passos inspirados no processo biológico de evolução Ideia de sobrevivência dos mais adaptados Soluções cada
Leia maisProf. Marco Aurélio C. Pacheco. 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Desenvolvimento de um Algoritmo Genético Prof. Marco Aurélio C. Pacheco 1 Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros
Leia maisXLVI Pesquisa Operacional na Gestão da Segurança Pública
SELEÇÃO DE OBJETIVOS NO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELAS DE TEMPO Lucas Carvalho Oliveira Matsueda Departamento de Computação - Universidade Federal de Ouro Preto Campus Universitário, Morro
Leia maisUm Estudo da Aplicação de Heurísticas Construtivas e de Melhoramento para um Problema de PRV
Um Estudo da Aplicação de Heurísticas Construtivas e de Melhoramento para um Problema de PRV Eliseu Celestino Schopf 1, Claudio Schepke 1, Marcus Lucas da Silva 1, Pablo Furlan da Silva 1 1 Centro de Eletrônica
Leia mais4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roteirização e Programação de Veículos PNV-2450 André Bergsten Mendes HEURÍSTICA DE INSERÇÃO DE SOLOMON (VRPTW) Exercício Para o problema de roteirização com janela de tempo
Leia maisProblema do vendedor: uma abordagem via algoritmos genéticos
Problema do vendedor: uma abordagem via algoritmos genéticos Dandara de Almeida Machado 1, Juliana Verga Shirabayashi 1 1 Universidade Federal do Paraná (UFPR) Campus Jandaia do Sul dandaraalmeidaa@gmail.com;
Leia mais4 Algoritmo Genético com Chaves Aleatórias
4 Algoritmo Genético com Chaves Aleatórias Neste capítulo é apresentado um algoritmo genético com chaves aleatórias [9] para o problema min-rwa. A opção por esta classe de algoritmos genéticos é motivada
Leia maisUniversidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial. Algoritmo Memético
Universidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial Algoritmo Memético aplicação para o problema do caixeiro viajante Kelly Rodrigues Abreu Federico
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia maisProblema de Roteamento de Veículos (VRP)
Problema de Roteamento de Veículos (VRP) 1 Definição Um PRV consiste basicamente em estabelecer e organizar rotas ou itinerários eficientes para veículos realizarem entrega/captação de mercadorias. Dispondo
Leia mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisELABORAÇÃO DE UMA HEURÍSTICA PARA O PROBLEMA DE QUADRO DE HORÁRIOS DOS PROFESSORES DA UNIVERSIDADE ESTADUAL DO PARANÁ CAMPUS CAMPO MOURÃO
ELABORAÇÃO DE UMA HEURÍSTICA PARA O PROBLEMA DE QUADRO DE HORÁRIOS DOS PROFESSORES DA UNIVERSIDADE ESTADUAL DO PARANÁ CAMPUS CAMPO MOURÃO Marcos Oliveira dos Santos (IC, FUNDAÇÃO ARAUCÁRIA), (UNESPAR/FECILCAM),
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisInteligência Artificial - IA. Resolução de problemas por meio de busca
Resolução de problemas por meio de busca 1 Agente reativo - definido por ação reação Agente de resolução de problemas (ou baseado em objetivos) encontra sequencias de ações que leva ao estado desejável.
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 04 Algoritmos Genéticos Introdução Algoritmos genéticos são bons para abordar espaços de buscas muito grandes e navegálos
Leia mais5 Detalhamento da solução
5 Detalhamento da solução Partindo das equações estabelecidas no capítulo 3 e da técnica de otimização definida no capítulo 4, chega-se a uma solução concreta para o problema que será detalhado nesse capítulo.
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisDECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes
DECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes Agosto/2013 Problemas de roteirização e programação de veículos (RPV) Objetivo geral: Determinar rotas de
Leia mais6 Estudos de Casos Porta Lógica OU de 4 Entradas
6 Estudos de Casos Com o objetivo de avaliar a síntese automática de circuitos de QCA usando técnicas de Hardware Evolucionário (EHW), alguns circuitos foram sintetizados e serão apresentados a seguir.
Leia maisUm Estudo Empírico de Métodos Hiper-Heurísticos
Um Estudo Empírico de Métodos Hiper-Heurísticos Igor Ribeiro Sucupira (Aluno de Mestrado) Flávio Soares Corrêa da Silva (Orientador) Departamento de Ciência da Computação Instituto de Matemática e Estatística
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisAlgoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio
Algoritmo Genético aplicado ao Sistema de Análise de Concessão de Crédito (SACC) Rosini Antonio Monteiro Bezerra Professor Marco Aurélio ICA, DEE, PUC-RIO CEP: 22453-900 ramb@ele.puc-rio.br ica@ele.puc-rio.br
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia maisDepartamento de Engenharia de Produção UFPR 22
Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar
Leia maisUnidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
5 CAPÍTULO BUSCA EM VIZINHANÇA VARIÁVEL PARA LOCALIZAÇÃO E ROTEAMENTO Silva, Lorrany Cristina da 1 *; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional
Leia maisFigura 4.1: Módulos que compõe o sistema de otimização do OCTOPUS
4 Modelo de Solução O plano de drenagem de um determinado campo de petróleo é construído a partir de algumas informações prévias, como por exemplo, a composição geológica do campo. A partir dessa informação
Leia maisCOMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO E A FUNÇÃO SOLVER
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ARTES, CIÊNCIAS E HUMANIDADES SISTEMAS DE INFORMAÇÃO COMPOSIÇÃO DE UMA CARTEIRA DE AÇÕES COM RISCO MÍNIMO E RETORNO ESPECIFICADO: UM ESTUDO UTILIZANDO ALGORITMO GENÉTICO
Leia maisCOMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia maisABORDAGEM MONO-OBJETIVO E MULTIOBJETIVO PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS
ABORDAGEM MONO-OBJETIVO E MULTIOBJETIVO PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS Lucas Carvalho Oliveira Matsueda Departamento de Computação - Universidade Federal de Ouro Preto Campus Universitário,
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia maisUMA COMPARAÇÃO EMPÍRICA DE OPERADORES DE CROSSOVER PARA O PROBLEMA DE JOB SHOP COM DATAS DE ENTREGAS
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
Leia maisAbordagem Multiobjetivo para o Problema de Roteamento de Veículos com Transporte Reativo a Demanda
Abordagem Multiobjetivo para o Problema de Roteamento de Veículos com Transporte Reativo a Demanda Renan Santos Mendes Programa de Pós-Graduação em Modelagem Matemática e Computacional CEFET-MG, MG, Brasil
Leia mais3 Metaeurísticas e Resolvedores MIP
3 Metaeurísticas e Resolvedores MIP A combinação entre metaeurísticas e resolvedores MIP é uma estratégia relativamente recente, tendo seus primeiros estudos realizados ao longo da última década. O survey
Leia maisMetahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos
Leia maisPesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Leia maisUMA SOLUÇÃO DO PROBLEMA DE ROTEAMENTO ABERTO DE VEÍCULOS COM JANELAS DE TEMPO UTILIZANDO METAHEURÍSTICAS GRASP E ILS
UMA SOLUÇÃO DO PROBLEMA DE ROTEAMENTO ABERTO DE VEÍCULOS COM JANELAS DE TEMPO UTILIZANDO METAHEURÍSTICAS GRASP E ILS Jose Mauricio Costa (CEFET-MG) jmcosta25@gmail.com Sergio Ricardo de Souza (CEFET-MG)
Leia maisMODELAGEM E SOLUÇÃO DO PROBLEMA DE SELEÇÃO DE PONTOS DE PARADA DE ÔNIBUS CONTRATADOS PARA TRANSPORTE DE FUNCIONÁRIOS
MODELAGEM E SOLUÇÃO DO PROBLEMA DE SELEÇÃO DE PONTOS DE PARADA DE ÔNIBUS CONTRATADOS PARA TRANSPORTE DE FUNCIONÁRIOS Denis Ferreira da Silva Filho 1 ; Tatiana Balbi Fraga 2 1 Estudante do Curso de Engenharia
Leia maisUm AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições
> REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-10 1 Um AG Baseado em Ordem para o Problema do Ladrão de Jóias com Múltiplas Restrições Jarbas Silva Abstract Neste
Leia maisGAs são indicados em problemas complexos de otimização- onde se busca uma solução melhor:
Componentes de um Algoritmo Genético 1. Problema 2. Representação 3. Decodificação 4. Avaliação 5. Operadores 6. Técnicas 7. Parâmetros 1. PROBLEMA GAs são indicados em problemas complexos de otimização-
Leia maisUnidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
1 CAPÍTULO O MÉTODO SIMULATED ANNEALING APLICADO EM LOCALIZAÇÃO E ROTEAMENTO Ferreira, Kamyla Maria 1 * ; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás
Leia maisUMA ARQUITETURA MULTIAGENTES PARA SOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO COMBINATÓRIA: APLICAÇÃO AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELA DE TEMPO
UMA ARQUITETURA MULTIAGENTES PARA SOLUÇÃO DE PROBLEMAS DE OTIMIZAÇÃO COMBINATÓRIA: APLICAÇÃO AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELA DE TEMPO Filipe Costa Fernandes Centro Federal de Educação
Leia maispor exemplo, a natureza dos bens que são transportados pela frota, bem como a qualidade com que o serviço deva ser prestado, seja ele de entrega ou
1 Introdução Este capítulo tem por objetivo explanar acerca da motivação que impulsionou a realização deste trabalho, bem como expor, em linhas gerais, o problema que é abordado nessa tese e suas diversas
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisFigura 4.1: Módulos que compõem o modelo de solução
4 Modelo de Solução Para construir o plano de drenagem de um determinado campo de petróleo são necessárias algumas informações prévias como, por exemplo, a composição geológica do campo. A partir dessas
Leia maisAlgoritmos Exatos 3.1. Relaxação Lagrangeana
3 Algoritmos Exatos Nesse capítulo, apresenta-se alguns algoritmos exatos para o CVRP que são baseados em diferentes técnicas e formulações para a obtenção de limites inferiores para a solução ótima do
Leia maisProblema de Roteamento com Janelas de Tempo: Uma Abordagem via Geração de Colunas
Problema de Roteamento com Janelas de Tempo: Uma Abordagem via Geração de Colunas Rúbia M. Oliveira Universidade Federal de Mato Grosso do Sul - UFMS Departamento de Matemática - DMT 79070-900 Campo Grande-MS,
Leia maisCréditos. Introdução a Sistemas Inteligentes. Agenda Introdução Breve Histórico. Introdução. Introdução aos Algoritmos Evolutivos
Introdução a Sistemas Inteligentes Introdução aos Algoritmos Evolutivos Créditos Este material consiste de adaptações e extensões dos originais gentilmente cedidos: pelo Prof. Dr. Eduardo Raul Hruschka
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisAlgoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela.
Algoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela. Marlos A. S. Lima 1, Davi Magalhães 2, F. C. de Lima Júnior 3, Rommel W.
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisEstruturas de Dados II. Caixeiro Viajante
Estruturas de Dados II Prof. a Mariella Berger Caixeiro Viajante 1. Objetivo O objetivo deste trabalho é implementar diferentes soluções para o problema clássico do Caixeiro Viajante. 2. Introdução O Problema
Leia maisÁrvores de Agregação Média para a Análise e Otimização do Problema de Roteamento de Veículos com Muitos Objetivos e Janelas de Tempo Flexíveis
Árvores de Agregação Média para a Análise e Otimização do Problema de Roteamento de Veículos com Muitos Objetivos e Janelas de Tempo Flexíveis Lucas Carvalho Oliveira Matsueda Departamento de Computação
Leia maisAplicação da Metaheurística Algoritmos Genéticos na solução do problema das n Rainhas
Aplicação da Metaheurística Algoritmos Genéticos na solução do problema das n Rainhas Resumo Gardiego Luiz da Silva 1 Henrique Faria de Oliveira 2 Faculdade
Leia maisResolução de Problemas de Busca
Resolução de Problemas de Busca 1 Ao final desta aula a gente deve Compreender o que é um problema de busca em IA Ser capaz de formulá-lo Conhecer algumas aplicações Entender como buscar a solução do problema
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisUm Modelo Híbrido Estocástico para Tratamento do Problema de Roteamento de Veículos com Janela de Tempo
Um Modelo Híbrido Estocástico para Tratamento do Problema de Roteamento de Veículos com Janela de Tempo Dissertação de mestrado (CIn-UFPE) Humberto César Brandão de Oliveira Orientador: Germano Crispim
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisINVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Leia mais