METAHEURÍSTICAS HÍBRIDAS PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM COLETA DE PRÊMIOS
|
|
- Matilde Fragoso Filipe
- 6 Há anos
- Visualizações:
Transcrição
1 METAHEURÍSTICAS HÍBRIDAS PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM COLETA DE PRÊMIOS Valdir A. Melo, Carlos A. Martinhon Departamento de Ciência da Computação / Instituto de Computação Universidade Federal Fluminense (UFF) Rua Passo da Pátria 156, São Domingos, Niterói, RJ, , Brasil spiff_rj@yahoo.com, mart@dcc.ic.uff.br Resumo: O Problema do Caixeiro Viajante com Coleta de Prêmios (PCVCP) é uma generalização do Problema do Caixeiro Viajante. Pode ser associado a um caixeiro viajante que coleta um premio não negativo, em cada cidade que ele visita e paga uma penalidade para cada cidade que não visita, com um custo de deslocamento entre as cidades. O problema encontra-se em minimizar o somatório dos custos da viagem e penalidades, enquanto inclui na sua rota um número suficiente de cidades que o permitam coletar um prêmio preestabelecido. Este trabalho introduz o conceito de distribuição de soluções progressivas (GRASP-Progressivo) como fase de construção para metaheurísticas híbridas, que combinam o GRASP e o VNS, para solucionar aproximadamente o PCVCP. Palavras-Chaves: Otimização Combinatória, Caixeiro Viajante com Coleta de Prêmios, GRASP, VNS, GRASP-Progressivo. Abstract: The Prize-Collecting Traveling Salesman Problem (PCTSP) is a generalization of Traveling Salesman Problem. In PCTSP, we have to determine a tour visiting each vertex in the graph at most one time. If a given vertex is selected then an associated prize is collected, if a vertex is unrouted a penalty must be paid. We want to minimize an objective function balancing between the travel cost and the total penalties in a such way that a sufficiently large prize is collected. In this work we present a progressive solutions distribution (Progressive GRASP) as a construction phase and a hybrid metaheuristic that combines Greedy Randomized Adaptive Search Procedure (GRASP) and Variable Neighborhood Search (VNS) procedure to solve a generalized version of the Prize-Collecting Traveling Salesman Problem. Key words: Combinatorial Optimization, Prize-Collecting Traveling Salesman Problem, GRASP, VNS, Progressive GRASP. 1 Introdução Escolheu-se o PCVCP, pois pelo que é de conhecimento até o momento, poucos são os trabalhos relacionados a este problema, que é de fácil adaptação a situações da vida real. Em linhas gerais, pode ser descrito como um universo de clientes em potencial, onde existe associado a cada cliente, quando não for atendido, uma penalidade pela expectativa de crescimento ou importância, e quando este for atendido, um ganho relativo. Deseja-se a partir de uma origem, montar um percurso contendo alguns clientes visitados uma única vez e retornando ao ponto de partida, minimizar o custo da distância total percorrida e soma das penalidades, garantindo um ganho mínimo que justifique o investimento. O PCVCP foi formulado inicialmente em 1985, por Balas [01] como um modelo para a programação da operação diária de uma fábrica que produzia lâminas de aço. Por razões que tinham a ver com o desgaste dos rolos e também por outros fatores, a seqüência na ordem do processamento era essencial. A programação consistia na escolha de um número de lâminas associadas às suas ordens de execução, que satisfizessem o limite inferior do peso total, e que ordenadas numa seqüência apropriada, minimizasse a função de seqüência. As tarefas de escolha das lâminas e das opções
2 disponíveis para o seu seqüenciamento, necessitavam ser resolvidas em conjunto. Chamado então de Prize Collecting Traveling Salesman Problem, ou seja, Problema do Caixeiro Viajante com Coleta de Prêmios, serviu como base para o desenvolvimento de um software, implementado por Balas e Martin [02] no ano de 1986, que utilizava a combinação de várias heurísticas para encontrar soluções próximas do ótimo local, organizando-as em programações diárias. Um grande número de problemas de roteamento e planejamento podem ser formulados como uma generalização do Problema do Caixeiro Viajante. Neste caso, o PCVCP pode ser associado a um caixeiro viajante que coleta um prêmio w k, não negativo, em cada cidade k que ele visita e paga uma penalidade p l para cada cidade l que não visita, com um custo c ij de deslocamento entre as cidades i e j. O problema encontra-se em minimizar o somatório dos custos da viagem e penalidades, enquanto inclui na sua rota um numero suficiente de cidades que o permitam coletar um prêmio mínimo, w 0, preestabelecido. Caso o valor de w 0 seja igual ao somatório de todos os prêmios w k, para cada cidade k, teremos o Problema do Caixeiro Viajante, conhecido na literatura como Traveling Salesman Problem (TSP), o que nos faz considerar o PCVCP como NP-difícil. Para resolver o PCVCP, faz-se uso de conceitos de metaheurísticas mais recentes, que tem se destacado na solução de problemas altamente combinatórios pelos seus resultados obtidos em diversas aplicações, tais como: Greedy Randomized Adaptive Search Procedure (GRASP) [03] e Variable Neighborhood Search (VNS) [04]. Há, certamente, outras metaheurísticas que poderiam ser empregadas, mas preferiu-se selecionar o GRASP e o VNS, tendo em vista o número não extenso de trabalhos desenvolvidos. Foge ao seu escopo, qualquer comparação entre as metaheurísticas escolhidas e as não utilizadas. Este trabalho está organizado da seguinte forma: na Seção 2, faz-se uma resenha da literatura, na Seção, 3 uma abordagem sucinta das metaheurísticas que serão utilizadas nos algoritmos propostos. Na Seção 4, apresenta-se os algoritmos propostos para a fase de construção e na Seção 5, algoritmos propostos para a fase de busca local. Na Seção 6 os resultados dos testes computacionais. Na Seção 7, encontram-se as conclusões deste trabalho, na Seção 8, nossos agradecimentos e na última Seção, as referências bibliográficas. 2 Resenha da Literatura Podemos citar como problemas análogos ao PCVCP o Selective Traveling Salesman Problem [05], que também possui um prêmio w k, não negativo, associado a cada vértice k do grafo e consiste na construção de uma rota através de um subconjunto destes vértices, mas que busca a maximização total de prêmios coletados pela rota, cujo comprimento total não deve exceder a certo valor R, e o Generalized Traveling Salesman Problem [05], onde dado um conjunto de cidades separadas em grupos, deseja-se encontrar a menor rota parcial através de pelo menos uma cidade em cada agrupamento. Mesmo existindo grande aplicabilidade para problemas do mundo real, pouca atenção tem sido atribuída ao PCVCP, desde que foi introduzido em Por exemplo, em 1992, Goemans e Willianson [06], desenvolveram um procedimento de 2-approximation para uma versão do PCVCP no qual o prêmio mínimo a ser coletado foi removido e o objetivo passou a ser simplesmente minimizar o custo da rota. Em 1994, Dell Amico et al. [07], propuseram o uso da relaxação lagrangeana para solucionar a ordem de visitas a clientes de uma empresa num determinado período, cujo objetivo era maximizar o total de valor das solicitações dos clientes menos o custo de deslocamento e venda, estando sujeitos a restrições de tempo. O limite inferior era obtido primeiro removendo as restrições de conectividade, obtendo um problema de associação com restrições de tempo; e depois, através da relaxação lagrangeana, movendo as restrições de tempo para a função objetivo. 1296
3 Para aproximar o PCVCP de Balas, Awerbuch et al. [08], em 1995, desenvolveram o primeiro algoritmo de aproximação para o PCVCP possuindo um desempenho polilogaritmo. Também na literatura, encontramos a Coleta de Prêmios associada ao problema da árvore de Steiner em Grafos, onde uma destas formas foi descrita no desenho de redes locais por Canuto et al. [10], de modo a equilibrar a receita potencial que pode ser obtida através do oferecimento de serviços aos consumidores e o custo em construí-las. Neste tipo de aplicação, seria construída uma rede de fibra ótica que oferece serviço local aos consumidores. Em 2000, Martinhon et al. [11], desenvolveram um trabalho que utiliza metaheurísticas híbridas para o PCVCP, no caso, o GRASP associado ao VNS. Nele, também foi investigado o uso de filtragem na fase de construção, ou seja a utilização de soluções elites, bem como a adoção, no VNS, de estruturas de vizinhança baseadas na troca de nós (inserções e remoções) e troca de arestas. 3.1 Greedy Randomized Adaptive Search Procedures - GRASP Proposta em 1995, por Tom Feo e Maurício Resende [03], pode ser visto como uma metaheurística que se utiliza das boas características dos algoritmos puramente gulosos e dos procedimentos aleatórios na fase de construção de soluções viáveis. o GRASP é um processo iterativo, no qual cada iteração consiste em duas fases distintas, a fase de construção, onde uma solução viável é construída, e a fase de busca local, onde um ótimo local na vizinhança da solução inicial construída é encontrado e, se necessário, é feita a atualização da melhor solução encontrada até o momento. Na fase de construção, a geração da solução viável é construída iterativamente, um elemento por vez. A cada iteração, o próximo elemento a ser adicionado é determinado pela ordenação de todos os elementos numa lista de candidatos C, isto é, todos que podem ser adicionados a solução, respeitando uma função gulosa g : C R. Esta função estima os benefícios na escolha de cada elemento. A heurística é adaptativa, por que os benefícios associados a cada elemento, são atualizados a cada iteração da fase de construção e refletem nas mudanças trazidas através da seleção do elemento anterior. O componente probabilístico do GRASP é caracterizado pela escolha aleatória de um dos melhores candidatos da lista, não necessariamente do melhor. A lista dos melhores candidatos é chamada de Restricted Candidate List (RCL), isto é, Lista Restrita de Candidatos. Como no caso de vários métodos de construção, as soluções geradas a partir da fase de construção do GRASP não garantem alcançar um ótimo local. Por isso é quase sempre benéfico aplicar uma busca local na tentativa de melhorar cada solução construída. O algoritmo de busca local trabalha de uma maneira iterativa, através de sucessivas trocas na solução corrente por uma solução melhor na sua vizinhança. Esta termina, quando nenhuma solução melhor é encontrada na vizinhança. 3.2 Variable Neighborhood Search - VNS Em 1997, Hansen e Mladenovic [04], propuseram uma metaheurística que se baseia em uma sistemática troca de vizinhança, associada a um algoritmo aleatório na determinação de pontos iniciais da busca local, chamada de Busca em vizinhança Variável, conhecida na literatura como Variable Neighborhood Search (VNS). Contrariamente a outras metaheurísticas baseadas em métodos de busca local, VNS não segue uma trajetória, mas explora incrementalmente vizinhanças distantes da solução corrente, indo da solução atual para a nova, se e somente se, uma melhora possa ser realizada. Desta maneira, freqüentes características da solução atual são guardadas e utilizadas para a obtenção de soluções vizinhas promissoras, o que não ocorre com as heurísticas que utilizam apenas uma única estrutura de vizinhança, pois restringem a qualidade da heurística e, caso a estrutura escolhida não seja adequada, a qualidade das soluções obtidas pode ser comprometida. 1297
4 Em 1998, Hansen e Mladenovic [11], propuseram uma variação do VNS, que foi denominada de Variable Neighborhood Descent (VND), ou seja, máxima Descida em Vizinhanças Variáveis. Justifica-se pelo fato de que um ótimo local dentro de uma vizinhança não necessariamente fique contido em outra vizinhança. Na prática, as mudanças de estrutura de vizinhança somente ocorrem quando não há melhora na função objetivo, caso contrário, permanece-se na estrutura de vizinhança atual, não havendo retorno a primeira estrutura como no VNS. A idéia de permanecer numa estrutura de vizinhança enquanto esta trouxer melhora, em alguns casos pode ser crucial. Todas as vizinhanças serão verificadas incrementalmente, e após analisada a última, ocorre o critério de parada. 4.1 Algoritmo Proposto de Construção GRASP-Progressivo Para o problema em estudo, considera-se a distância entre dois vértices simétrica, ou seja, c ij = c ji. Será utilizado uma matriz de distâncias, com uma estrutura de dados que considera apenas a parte diagonal inferior. A métrica utilizada será a distância euclidiana. Para os casos onde i = j, será considerado sempre o valor c ij = 0. A qualidade da solução inicial é de grande importância, uma vez que bons pontos de partida permitem acelerar a busca local. Considerando a principal característica do problema em estudo, procura-se compor um rota parcial, garantindo que o somatório dos prêmios coletados seja maior ou igual ao prêmio mínimo exigido, para tal, os cálculos para inserção de um vértice propostos a seguir, baseiam-se no Método das Economias, conhecido na literatura como Savings, originalmente proposto por Clarke e Wright [12] para o Problema de Roteamento de Veículos e utilizado posteriormente, em 1981, por Golden et al. [13]. Segundo Resende [14], mesmo que formalmente seja difícil analisar a qualidade das soluções encontradas, contudo, existe uma justificativa intuitiva de que a cada iteração, o GRASP produz soluções a partir da distribuição dos resultados obtidos durante o processamento. O valor e a variância desta distribuição são funções da natureza restritiva da lista de candidatos. Por exemplo, se a cardinalidade da RCL (Lista Restrita de Candidatos) for limitada apenas a um elemento α = 0, somente uma solução será produzida e a variância da distribuição será zero, gerando uma função efetivamente gulosa, cuja solução poderá ser boa, mas provavelmente um subótimo. Se o limite da cardinalidade for menos restritivo α [(0,1]), muitas soluções diferentes serão produzidas, sugerindo uma variância maior, e conforme discutido por Feo e Resende [03], valores de α muito próximos da escolha gulosa, implicarão em soluções de qualidade muito próxima daquela puramente gulosa, com um esforço computacional proporcionalmente maior, mas com uma pequena diversidade de soluções construídas. Já uma escolha de α próxima da solução aleatória (α = 1), leva a uma grande diversidade de soluções construídas, porém muitas destas soluções terão qualidade inferior, tornando mais lento o processo de busca local. Intuitivamente, porém, através de estatísticas e do fato de que as amostras são produzidas aleatoriamente, o melhor valor encontrado no GRASP supera o valor esperado de uma escolha puramente gulosa. O parâmetro α, que determina o tamanho da lista restrita de candidatos, e o número total de iterações, são basicamente os únicos parâmetros a serem ajustados na implementação de um procedimento GRASP. Feo e Resende [03] discutiram também o efeito do valor de α na qualidade da solução e na diversidade das soluções geradas durante a fase de construção, com o resultado apresentado para diferentes valores de cardinalidade. Prais e Ribeiro [15] constataram para os problemas de Decomposição de Matrizes, Recobrimento, MAXSAT com Pesos e Problemas de Planarização de Grafos, cujas descrições podem ser obtidas diretamente na referência, que o uso de uma valor fixo para o parâmetro α, frequentemente impede a construção de soluções de melhor qualidade, que poderiam ser obtidas utilizando-se outros valores para o parâmetro α. Decidiram investigar algumas estratégias de variação do parâmetro α ao longo das iterações do GRASP, 1298
5 estratégia conhecida como GRASP-Reativo, onde concluíram que as variações introduzem um maior grau de diversificação nas soluções construídas na primeira fase. Entretanto, levam em geral a maiores tempos de processamento, já que as soluções de qualidade inferior são construídas, o que torna mais lenta a busca local. Os resultados obtidos mostraram que a estratégia de se utilizar um valor fixo próximo da escolha gulosa para α em todas as iterações, produz resultados que são em média de boa qualidade, com esforço computacional reduzido em relação às demais estratégias. Porém, comparativamente com as estratégias onde se varia o valor de α nas iterações do GRASP, estas jamais conseguem superar as demais na qualidade das soluções obtidas, já que o grau de diversidade das soluções construídas é extremamente baixo. Também segundo Prais e Ribeiro [15], normalmente as aplicações de GRASP relatadas na literatura, utilizam sempre um único valor fixo para o parâmetro α durante a execução de todas as iterações do procedimento. Este valor fixo é simplesmente arbitrado ou resultante de um processo de calibragem para as instâncias do objeto de estudo, em geral próximo do valor correspondente a escolha puramente gulosa. O processo de calibragem, que além de dispendioso e exaustivo, está associado às instâncias consideradas. Com base nos resultados obtidos na literatura, resolvemos neste trabalho investir em uma nova abordagem, apostando em todas as variações para o parâmetro α, isto é, o parâmetro α começará com valor α = 0 indo até o valor α = 1, com variação de 0.1 a cada incremento. Um dificuldade foi definir qual seria o numero ideal de soluções para todo e qualquer, pois se este total de soluções for grande e conforme visto anteriormente, para as soluções muito próximas de α = 0, produzirão resultados com pouca variância, o que para pequenas instâncias, possivelmente acarretará em soluções repetidas. No caso do número de soluções for um valor pequeno, será pouco explorada a possibilidade de examinar regiões mais diversas, o que ocorre à medida que α tende a 1, mesmo que contemplando regiões de péssima qualidade, o que pode ser tratado posteriormente. Isto motivou, para fase de construção, uma proposta de distribuição que garantisse no mínimo uma solução para o α corrente, principalmente quando α = 0, e no máximo um número igual ao número de cidades, o que ocorre quando α = 1. Espera-se com isso, que a geração de um número maior de soluções distintas para cada variação de α, auxilie na convergência para regiões mais promissoras na fase da busca local. Uma maneira de se conseguir uma distribuição progressiva das soluções na fase de construção, seria a cada incremento de α, multiplicá-lo pelo número de cidades (α x Numero_Cidades). Descartou-se esta possibilidade, pois o número de soluções a cada novo α mostrou um crescimento muito agressivo, o que na prática favorecia apenas a diversidade, por acarretar uma variância grande. A fim de amenizar este crescimento linear, examinou-se a possibilidade da sua substituição por uma curva suave, onde foram feitos teste preliminares com os seguintes valores para α: α 2, α 3 e α 4. Dentre estes, optou-se pelo valor de referência α 3, pois comparativamente, em α 2, ter-se-ia uma concentração maior de valores próximos a α = 0, o que para estes casos ainda seria uma distribuição muito próxima da nossa idéia anterior. Também em valor relativo, o valor α 4 foi descartado por apresentar como principal característica, apenas uma grande variância, à medida que α tende a 1. A partir de tais afirmações, propomos o algoritmo de construção demonstrado na Figura 5.1, então chamado de construção GRASP com distribuição progressiva de soluções, referido neste trabalho como: GRASP-Progressivo (Progressive GRASP). No algoritmo GRASP-Progressivo, Figura 4.1, encontramos na linha 2 o laço mais externo, que é responsável pelo incremento a cada iteração de 0.1 de α, inicia com α = 0, indo até α = 1, inclusive. Após isto, o algoritmo calcula o número total de soluções para o α atual, considerando para o cálculo o máximo entre 1 e (α 3 * Numero_Cidades), garantindo pelo menos uma solução para o α atual. Na linha 4, existe outro laço, cuja função é a geração do número total de soluções viáveis para o α atual, 1299
6 utilizando-se o algoritmo básico de construção GRASP, descrito na Seção 3. O algoritmo termina quando forem geradas todas as soluções para as respectivas variações de α. Algoritmo GRASP-Progressivo(Numero_Cidades) 01. ƒ(r) = ; 02. Para ( α = 0; α <= 1; 0.1) 03. Total_Solucao = Maximo(1, (α 3 * Numero_Cidades)); 04. Para ( Solucao = 1; Solucao <= Total_Solucao ; Solução ++) 05. R = ; 06. Aplicar o procedimento de construção básica GRASP para obter um solução viável R; 07. Aplicar busca local GRASP em R gerando uma nova solução R ; 08 Se (ƒ(r ) < ƒ(r)) 09. R := R ; fim Se fim Para fim Para 10. Retornar R; Figura 4.1: Algoritmo GRASP-Progressivo básico Outra característica importante do algoritmo proposto de construção GRASP-Progressivo é que o total geral de soluções viáveis geradas, se adapta à quantidade de vértices de cada instância. 4.2 Algoritmos Propostos de Busca Local Os resultados obtidos através dos algoritmos de construção, não garantem necessariamente a obtenção de um ótimo local, por isso, é sempre benéfica à fase de busca local, que por ser um procedimento de refinamento, procura uma melhoria na qualidade das soluções obtidas na fase de construção, o que geralmente envolve um grande gasto computacional Algoritmos Add_Drop Estes algoritmos baseiam-se nos critérios de inserção e remoção de vértices. Funcionando de maneira iterativa, através de sucessivas tentativas de troca da solução corrente por uma solução melhor na sua vizinhança, o que é conseguido através de uma ou mais inserções seguida de uma ou mais remoções, conforme mostrado a seguir: SeqAdd as inserções ocorrerão enquanto houver redução no valor da função objetivo; 1Add ocorrerá sempre uma inserção, independente de existir melhora ou não no valor da função objetivo; SeqDrop as remoções ocorrerão enquanto houver redução no valor da função objetivo; 1Drop ocorrerá sempre uma remoção, independente de existir melhora ou não no valor da função objetivo. As variações criadas a partir dos parâmetros acima permitem a criação das seguintes estruturas de vizinhança: SeqAdd_SeqDrop, SeqAdd_1Drop, 1Add_SeqDrop e 1Add_1Drop. 1300
7 4.2.2 Algoritmos Drop_Add Estes algoritmos também se baseiam nos critérios de remoção e inserção de vértices vistos anteriormente. Funcionando de maneira análoga algoritmo de busca local Add_Drop, através de sucessivas tentativas de troca da solução corrente por uma solução melhor na sua vizinhança, o que é conseguido através de uma ou mais remoções seguida de uma ou mais inserções. Também faz uso dos tipos de movimentos: SeqAdd, 1Add, SeqDrop e 1Drop, vistos previamente, não permitindo que o prêmio coletado seja menor que o prêmio mínimo preestabelecido. As variações criadas a partir dos parâmetros acima permitem a criação das seguintes estruturas de vizinhança: SeqDrop_SeqAdd, SeqDrop_1Add, 1Drop_SeqAdd e 1Drop_1Add Algoritmo 3-Optimal Executada a fase de construção, o desejo agora é que definidas as cidades, seja possível conseguir uma melhora na função objetivo, através da tentativa de mudança na sua ordem de visitas, o que será conseguido realizando-se possíveis trocas das suas arestas. Para tal, usaremos a heurística 3-Optimal, descrita inicialmente por Steiglitz e Weiner [16] Algoritmo VNS A qualidade das soluções obtidas nos procedimentos que utilizam apenas uma única estrutura de vizinhança pode ser comprometida se a estrutura escolhida não for adequada. Visando verificar o desempenho de procedimentos que fazem uso de várias estruturas de vizinhança, resolveu-se utilizar o VNS aplicados ao nosso problema em estudo. A principal característica do VNS, é que a cada melhora obtida na estrutura de vizinhança atual, retorna-se a primeira vizinhança, caso contrário, passa-se para a próxima vizinhança, até chegar à última estrutura, o que após sua verificação, encerra-se a busca local lgoritmo VND A principal característica do VND, e que difere do VNS, é que caso haja uma melhora na estrutura de vizinhança atual, permanece-se na mesma, caso contrário, passa-se para a próxima vizinhança, até chegar à última estrutura, o que após sua verificação, encerra-se a busca local. 5 Metaheurísticas Propostas A carência de métodos aproximados que solucionem instâncias de larga escala, tem conduzido pesquisas no desenvolvimento de métodos mais eficientes, o que justifica o uso das metaheurísticas. Para o PCVCP, apresenta-se uma metaheurística híbrida, ou seja, GRASP + VNS, onde a fase de construção baseia-se na heurística GRASP-Progressivo e a busca local, na metaheurística VNS. O número de vizinhanças para o VNS foi definido obtendo-se tipos de estruturas de vizinhanças distintas umas das outras, que o nosso problema em estudo, foi fixado um número máximo de estruturas de vizinhança igual a três. Em uma determinada estrutura de vizinhança, tem-se apenas troca de arestas (3-Optimal), em outro tipo, permitem-se inserções e remoções de vértices com uma piora no valor da função objetivo (1Add_1Drop e 1Drop_1Add) e por último, procura-se através de inserções e remoções de vértices apenas melhorar o valor da função objetivo (SeqDrop_SeqAdd, e SeqAdd_SeqDrop). Como justificativa para o número de vizinhanças, pode-se exemplificar a não utilização do algoritmo proposto Swap, que implica num procedimento ao mesmo tempo de remoção (drop) e de inserção 1301
8 (add), pois este ser um caso particular da estrutura de vizinhança 1Add_1Drop. Por sua vez, mesmo sendo a estrutura de vizinhança 1Add_1Drop um caso particular da estrutura de vizinhança SeqAdd_SeqDrop, explica-se o seu uso, por ela permitir um aumento no valor da função objetivo a um baixo custo computacional. Situação idêntica, ocorre entre as estruturas de vizinhança 1Drop_1Add e SeqDrop_SeqAdd. A tabela da Figura 5.1 relaciona às metaheurísticas que serão aplicadas ao PCVCP. Na primeira coluna, encontram-se às metaheurísticas utilizadas, bem como na última coluna, estão os procedimentos que farão parte da busca local A segunda coluna mostra o procedimento irá compor a fase de construção, onde em todos os casos, será utilizado o algoritmo GRASP-Progessivo. Para este algoritmo, bons resultados foram obtidos em testes preliminares, quando associados a uma filtragem. Metaheurística Construção Busca Local - VNS GraspVns-01 GRASP-Progressivo 3-Optimal - SeqAddSeqDrop - 1Drop1Add GraspVns-02 GRASP-Progressivo 3-Optimal - 1Drop1Add - SeqAddSeqDrop GraspVns-03 GRASP-Progressivo 1Drop1Add - 3-Optimal - SeqAddSeqDrop GraspVns-04 GRASP-Progressivo 1Drop1Add - SeqAddSeqDrop - 3-Optimal GraspVns-05 GRASP-Progressivo SeqAddSeqDrop - 1Drop1Add - 3-Optimal GraspVns-06 GRASP-Progressivo SeqAddSeqDrop - 3-Optimal - 1Drop1Add GraspVns-07 GRASP-Progressivo 3-Optimal - SeqDropSeqAdd - 1Add1Drop GraspVns-08 GRASP-Progressivo 3-Optimal - 1Add1Drop - SeqDropSeqAdd GraspVns-09 GRASP-Progressivo 1Add1Drop - 3-Optimal - SeqDropSeqAdd GraspVns-10 GRASP-Progressivo 1Add1Drop - SeqDropSeqAdd - 3-Optimal GraspVns-11 GRASP-Progressivo SeqDropSeqAdd - 1Add1Drop - 3-Optimal GraspVns-12 GRASP-Progressivo SeqDropSeqAdd - 3-Optimal - 1Add1Drop 6 Resultados Computacionais Figura 5.1: Versões de metaheurísticas propostas Embora seja um problema com inúmeras aplicações, o PCVCP é uma generalização do Problema do Caixeiro Viajante ainda pouco explorado pela literatura afim. Ao que é de nosso conhecimento, dos poucos trabalhos associados ao PCVCP, não existe nenhuma biblioteca pública de problemas testes. Neste trabalho, utilizaremos instâncias de um outro trabalho desenvolvido recente por Martinhon et al. [11], cujas principais características encontram-se na Tabela da Figura 8.1. Cada instância foi testada nas 12 versões da tabela da Figura 6.1. Para cada combinação possível, instância x versão de metaheurística, foram realizados 10 testes, cujo critério de parada foi por número de iterações. Todos os algoritmos foram implementados na linguagem C e os testes computacionais foram realizados sob o Sistema Operacional Linux, num microcomputador com processador Pentium III de 733 Mhz e 128 Mb de memória RAM. Instância pc50a pc50b pc50c pc50d pc69a pc75a pc75b pc100 pc120a pc130 V Pr Min Figura 6.1: Instâncias utilizadas de Martinhon et al. Após a realização dos testes, verificou-se para as instâncias consideradas, que a metaheurística GraspVns-12, que possui as seguintes estruturas de vizinhança: SeqDropSeqAdd 3Optimal 1302
9 1Add1Drop, apresentou o melhor desempenho médio entre as 12 metaheurísticas proposta. De posse dessa informação, utilizamos as estruturas de vizinhança do GraspVns-12, com o mesmo conjunto de instâncias, para a realização dos testes com os seguintes algoritmos propostos: ApenasVns Deseja-se verificar a qualidade das soluções encontradas quando não se é utilizado uma metaheurística híbrida, no caso o GRASP associado ao VNS. Para tal, a fase de construção foi obtida de maneira totalmente aleatória; GraspVns-TP A intenção é observar o comportamento da heurística, permanecendo na busca local, enquanto um tempo máximo de uso de cpu, não for alcançado; GraspVnd A idéia é observar o desempenho do VND para o PCVCP, aplicado apenas a melhor versão média do GRASP+VNS; GraspVns-SF Mesmo observando os bons resultados médios obtidos nas versões propostas que se utilizam da filtragem na fase de construção, procurou-se validar a proposta básica da distribuição progressiva das soluções (GRASP-Progressivo) sem filtragem, onde cada solução viável gerada na fase de construção é utilizada na busca local. A seguir, na Figura 6.2, mostra-se um comparativo do erro médio das metaheurísticas propostas acima. Estas, encontram-se numeradas no eixo X. Os valores relativos ao erro médio compõem o eixo Y. 0,0120 Erro médio 0,0100 0,0080 0,0060 0,0040 0,0020 pc50 pc75a pc75b pc100a pc120a pc130a 0, GraspVns-12 ApenasVns GraspVns-TP GraspVnd GraspVns-SF Figura 6.2: Erro médio x tempo médio de cpu Notar que conforme dito anteriormente, as instâncias utilizadas foram as mesmas dos testes iniciais. Neste caso, a fim de melhorar a visualização, as instâncias pc50a, pc50b, pc50c e pc50d, formam os valores de pc50, obtidos através de média, já que o comportamento destes mostrou-se semelhante. Propositadamente, não utilizamos no gráfico da Figura 8.3 a instância pc69a, pois para esta instância, todos os testes convergiram para a melhor solução local, acarretando um erro médio nulo para todos os casos. Este fato, pode se justificado talvez pela boa distribuição das coordenadas e penalidades associadas a instância em questão. Considerando-se o gráfico visto na Figura 6.2, a metaheurística GraspVns-12, mostrou-se a de melhor resultado médio entre todas as metaheurísticas propostas. Pode-se notar que a versão ApenasVns, apresentou em sua grande maioria, os piores resultados médios. Observa-se a importância da qualidade das soluções iniciais para a busca local, já que todas as soluções iniciais desta metaheurística foram construídas de forma totalmente aleatória. A versão GraspVns-TP, não justificou o acréscimo de utilização de cpu e a versão GraspVnd, apresentou uma redução no tempo médio de execução, mas na média seu desempenho foi modesto. 1303
10 O desempenho obtido pela última versão de metaheurística GraspVns-SF contribuiu na verificação do benefício da utilização da filtragem na fase de construção, onde cada solução disponibilizada para a fase de busca local é escolhida a partir de um subconjunto de soluções, de onde se escolhe a que possui o menor valor da função objetivo. Atribui-se o aumentou do esforço computacional na fase de busca local, a qualidade inferior das soluções iniciais da versão GraspVns- SF em relação a versão de metaheurística GraspVns-12. 0,0060 0,0050 0,0040 0,0030 0,0020 0,0010 0, Erro Tempo Figura 6.3: Erro médio x tempo médio de cpu Na Figura 6.3, mostra-se um comparativo do erro médio versus o tempo médio de utilização de cpu das metaheurísticas propostas GraspVns-12, ApenasVns, GraspVns-TP, GraspVnd e GraspVns-SF para instâncias com até 130 cidades, encontrando-se numeradas no eixo X. Os valores relativos ao tempo foram ajustados para uma escala menor, possibilitando sua comparação com os valores do erro médio que compõem o eixo Y. Sua principal função é permitir uma análise de alternativas de utilização das versões quando o principal fator a ser considerado for o tempo de utilização de cpu. Novamente a metaheurística GraspVns-12, mostra-se como sendo a melhor relação erro médio x tempo médio de cpu entre todas as metaheurísticas propostas. A metaheurística com o pior aproveitamento foi a ApenasVns, apresentando um erro médio com o dobro do valor visto na melhor versão. 7 Conclusões Apresenta-se neste trabalho algumas contribuições para o Problema do Caixeiro Viajante com Coleta de Prêmios, fazendo uso de metaheuristicas híbridas, onde se associa o GRASP ao VNS. Foram verificadas diferentes versões tanto para a fase de construção quanto para a busca local. Através dos testes realizados, notou-se benefícios com sua utilização, já que foram combinados os pontos mais fortes de cada metaheurística. Os algoritmos metaheurísticos propostos apresentaram resultados médios promissores, principalmente os que utilizaram na fase de construção o procedimento proposto GRASP-Progressivo. Foi introduzido neste trabalho, mais precisamente na fase construção GRASP, o conceito de distribuição progressiva de soluções, referido também como GRASP-Progressivo. A idéia básica reside na variação do valor do parâmetro α, onde cada incremento do valor de α está associado a um aumento progressivo de soluções iniciais viáveis. Nosso sentimento era que a geração de um número maior de soluções distintas para cada variação de α, pudesse auxiliar na convergência para melhores regiões, facilitando assim, a fase da busca local. Nos testes realizados para o PCVCP, esta versão apresentou resultados médios promissores. 1304
11 Também foi notado que o uso de um subconjunto de soluções iniciais viáveis, de onde se escolhe a que possui o menor valor da função objetivo, chamado neste trabalho de filtragem, contribuiu significativamente na qualidade da busca local. 8 Agradecimentos Os autores agradecem ao Professor Dr. Luiz Satoru Ochi por sua contribuição na elaboração deste artigo. 9 Bibliografia [01] E. Balas, The Prize Collecting Salesman Problem, ORSA/TIMS (1985). [02] E. Balas and Martin, Roll-a-Round: Software Package for Scheduling the Rounds of a Rolling Mill, Copyright Balas and Martin Associates (1986). [03] M. G. C. Resende, and T. A. Feo, Greedy Randomized Adaptative Search Procedures, Journal of Global Optimization 6 (1995), [04] P. Hansen, and N. Mladenovic, Variable Neighborhood Search, Computers Operations Research 24 (1997), [05] G. Laporte and S. Martello, The Selective Traveling Salesman Problem, Discrete Appl. Math. 26 (1990), [06] M. Goemans, and D. Willianson, A General Approximation Tchnique for Constrained Forest Problems, In Proceedings of the 3rd Annual ACM-SIAM Symposium on Discrete Algorithms (1992), [07] M. Dell'Amico, F. Maffioli, and P. Varbrand, On Prize-Collecting Tours and the Asymmetric Traveling Salesman Problem, Dipartamento di Elettronica Compu\-ters, Politecnico di Milano 53 (1994). [08] B. Awerbuch, Y. Azar, A. Blum, and S. Vempala, New Approximations Guarantees for minimum-weight k-trees and Prize-Collecting Salesman, In Proceedings of the 27th Annual ACM Symposium on Theory of Computing (1995), [09] S. A. Canuto, M. G. C. Resende, and C. C. Ribeiro, Local Search with pertubations for the Prize- Collecting Tree Problem in Graphs, Working Paper, DCS, Catholic University of Rio de Janeiro, (1999), [10] Carlos A. Martinhon, Leonardo M. Gomes, and Viviane B. Diniz, An Hybrid GRASP+VNS Metaheuristic for the Prize-Collecting Traveling Salesman Pro\-blem, Technical Report, Universidade Federal Fluminense, (2000), RT-06/00. [11] P. Hansen, N. Mladenovic and D. Perez-Brito, Variable Neighborhood Decomposition Search, GERAD (1998), G [12] G. Clarke and J. W. Wright, Scheduling of Vehicles from a Central Depot to a Number of Delivery Points, Operations Research 12 (1963), [13] B. Golden, L. Levy, and R. Dahl, Two Generalizations of Traveling Salesman Problem, OMEGA 9 (1981), [14] M. G. C. Resende, Greedy Randomized Adaptative Search Procedures (GRASP), Technical Report, AT&T Labs Research (1998), [15] M. Prais, and C. C. Ribeiro, Variação de Parâmetros em Procedimentos GRASP, Working Paper, DCS, Catholic University of Rio de Janeiro, (1999),
12 [16] K. Steiglitz, and P. Weiner, Some Improved Algirithms for Computer Solution of the Traveling Salesman Problem, Annual Allerton Conference on Circuit Theory 6 (1968),
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Leia maisDEPARTAMENTO DE COMPUTAÇÃO
DEPARTAMENTO DE COMPUTAÇÃO D E C O M Modelagens Exata e Heurística para Resolução do Problema do Caixeiro Viajante com Coleta de Prêmios U F O P UNIVERSIDADE FEDERAL DE OURO PRETO UNIVERSIDADE FEDERAL
Leia maisProblemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
Leia maisMetaheurísticas híbridas para resolução do problema do caixeiro viajante com coleta de prêmios
Metaheurísticas híbridas para resolução do problema do caixeiro viajante com coleta de prêmios ANTONIO AUGUSTO CHAVES FABRÍCIO LACERDA BIAJOLI Instituto Nacional de Pesquisas Espaciais OTÁVIO MASSASHI
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 mais5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
Leia maisALGORITMOS HÍBRIDOS PARA UMA GENERALIZAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE
ALGORITMOS HÍBRIDOS PARA UMA GENERALIZAÇÃO DO PROBLEMA DO CAIXEIRO VIAJANTE Antônio Augusto Chaves Instituto Nacional de Pesquisas Espaciais INPE São José dos Campos SP, Brasil chaves@lac.inpe.br Luiz
Leia maisAPLICAÇÃO DO ALGORITMO CLUSTERING SEARCH AOS TRAVELING SALESMAN PROBLEMS WITH PROFITS
APLICAÇÃO DO ALGORITMO CLUSTERING SEARCH AOS TRAVELING SALESMAN PROBLEMS WITH PROFITS Antonio Augusto Chaves Instituto Nacional de Pesquisas Espaciais (INPE) Av. dos Astronautas, 1758 São José dos Campos
Leia maisHEURÍSTICAS HÍBRIDAS COM BUSCA ATRAVÉS DE AGRUPAMENTOS PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM COLETA DE PRÊMIOS
INPE HEURÍSTICAS HÍBRIDAS COM BUSCA ATRAVÉS DE AGRUPAMENTOS PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM COLETA DE PRÊMIOS Antonio Augusto Chaves Proposta de Mestrado do Curso de Pós-graduação em Computação
Leia maisNuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH Optimization and decision support techniques PDEEC 2007 Introdução A meta-heurística VNS (Variable Neighbourhood Search) é bastante recente
Leia maisMETAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima
METAHEURÍSTICAS METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima Consiste em aplicar iterativamente uma heurística subordinada (busca local) Tem algum mecanismo para escapar de ótimos locais (vales)
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 maisGRASP para o Problema do Caixeiro Viajante com Limite de Calado
GRASP para o Problema do Caixeiro Viajante com Limite de Calado Victor Mouffron Carvalho Machado, Luiz Satoru Ochi Universidade Federal Fluminense Rua Passo da Pátria, 156, São Domingos-Niterói - RJ E-mail:
Leia maisIterated Local Search. Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE
I Iterated Local Search Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE Idéias Metaheurística deve ser simples, eficiente e mais genérica possível. Problema específico deve ser incorporado à metaheurística.
Leia maisRESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START
RESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START Gustavo Marques Zeferino, Flaviana M. de S. Amorim, Marcone Jamilson Freitas Souza, Moacir F. de F. Filho
Leia maisNOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016
NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de
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 maisAplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados
Aplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados Marcelo Lisboa Rocha, Sóstenes Pereira Gomes Departamento de Ciência da Computação Fundação UNIRG Alameda
Leia maisUniversidade Federal Fluminense
Universidade Federal Fluminense Um GRASP com Reconexão de Caminhos para a Solução do Problema da Maximização da Diversidade Marcos Ribeiro Quinet de Andrade Niterói, RJ BRASIL Dezembro de 2004 Marcos Ribeiro
Leia maisO Problema da Diversidade Máxima: Proposta e
Submetido para TEMA O Problema da Diversidade Máxima: Proposta e Análise de Metaheurística GRASP Geiza C. SILVA 1, Luiz S. OCHI 2, Simone L. MARTINS 3, Instituto de Computação, Universidade Federal Fluminense,
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
Leia maisUma Introdução à Busca Tabu André Gomes
Uma Introdução à Busca Tabu André Gomes Departamento de Ciência da Computação, Instituto de Matemática e Estatística, Universidade de São Paulo, SP, Brasil Novembro de 2009 INTRODUÇÃO Método de Busca Local
Leia mais1 - INTRODUÇÃO. Tabu) [17]; Greedy Randomized Adaptive Search Procedure (GRASP) [12]; Variable
1 - INTRODUÇÃO Nas últimas décadas, observou-se a uma grande evolução na capacidade de processamento dos computadores e o desenvolvimento de diversos pacotes matemáticos, em particular para área de otimização.
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 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Leia maisAnálise de Desempenho da Paralelização do Problema de Caixeiro Viajante
Análise de Desempenho da Paralelização do Problema de Caixeiro Viajante Gabriel Freytag Guilherme Arruda Rogério S. M. Martins Edson L. Padoin Universidade Regional do Noroeste do Estado do Rio Grande
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 maisTópicos em Métodos Heurísticos META-HEURÍSTICAS
Tópicos em Métodos Heurísticos META-HEURÍSTICAS MÉTODOS HEURÍSTICOS QUE PERMITEM A CONTINUIDADE DAS EXPLORAÇÕES ALÉM DA OTIMALIDADE LOCAL, EM PARTICULAR, SUPERPONDO-SE A HEURÍSTICAS DE BUSCA LOCAL I) SIMULATED
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 mais1_1 1_2 2_1 1_ _ _ Fonte: Autor
75 7. Resultados Os resultados aqui apresentados utilizam o modelo proposto na Seção 6.2, resolvido através do software de otimização AIMMS para os problemas com Datas prometidas. Já para o problema sem
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 maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN)
DESENVOLVIMENTO E ANÁLISE EXPERIMENTAL DE HEURÍSTICAS GRASP PARA O PRO- BLEMA DO CAIXEIRO VIAJANTE COM GRUPAMENTOS MÁRIO MESTRIA, LUIZ SATORU OCHI, SIMONE DE LIMA MARTINS Instituto de Computação - Universidade
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 19 ACO - Ant Colony Optimization 2 de 15 Sumário Problema do Caixeiro
Leia maisANÁLISE DE RESULTADOS NA CONSTRUÇÃO DE ROTA PARA O PROBLEMA DO CAIXEIRO VIAJANTE
ANÁLISE DE RESULTADOS NA CONSTRUÇÃO DE ROTA PARA O PROBLEMA DO CAIXEIRO VIAJANTE Luiz Antonio Kretzschmar, Luiz Fernando Nunes, Paula Francis Benevides Departamento de Matemática Universidade Tecnológica
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 maisO PROBLEMA DO CICLO DOMINANTE
O PROBLEMA DO CICLO DOMINANTE Lucas Porto Maziero Instituto de Computação Universidade Estadual de Campinas (UNICAMP) Campinas - SP - Brasil lucasporto1992@gmail.com Fábio Luiz Usberti Instituto de Computação
Leia maisUma heurística híbrida para o Problema do Caixeiro Viajante com Coleta e Entrega envolvendo um único tipo de produto
Uma heurística híbrida para o Problema do Caixeiro Viajante com Coleta e Entrega envolvendo um único tipo de produto Bruno Cordeiro Paes, Anand Subramanian, Luiz Satoru Ochi Instituto de Computação - Universidade
Leia maisUM ALGORITMO HÍBRIDO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA E JANELA DE TEMPO
UM ALGORITMO HÍBRIDO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA E JANELA DE TEMPO Aline Aparecida de Carvalho Gonçalves, Sérgio Ricardo de Souza Centro Federal de Educação
Leia maisUMA HEURÍSTICA EFICIENTE PARA O PROBLEMA DE COBERTURA DE CONJUNTO POR PARES
UMA HEURÍSTICA EFICIENTE PARA O PROBLEMA DE COBERTURA DE CONJUNTO POR PARES Luciana Brugiolo Gonçalves, Simone de Lima Martins, Luiz Satoru Ochi Universidade Federal Fluminense Instituto de Computação
Leia maisUMA METAHEURÍSTICA HÍBRIDA GRASP+TABU PARA O PROBLEMA DE ROTEAMENTO PERIÓDICO DE UMA FROTA DE VEÍCULOS
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN UMA METAHEURÍSTICA HÍBRIDA GRASP+TABU PARA O PROBLEMA DE ROTEAMENTO PERIÓDICO DE UMA FROTA DE VEÍCULOS Aloísio Carlos
Leia maisALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS.
ALGORITMO DE BUSCA TABU APLICADO NA SOLUÇÃO DO PROBLEMA DE MÚLTIPLAS MOCHILAS MÜLLER, M. R. 1 ; FRANCO, E. M. C. 2 1,2 Universidade Estadual do Oeste do Paraná - UNIOESTE/Pós-Graduação em Engenharia de
Leia maisArtigo aceito para o XXXVII SBPO 2005 Gramado/RS HEURÍSTICAS E METAHEURÍSTICAS PARA O PROBLEMA DO CAIXEIRO VIAJANTE BRANCO E PRETO
HEURÍSTICAS E METAHEURÍSTICAS PARA O PROBLEMA DO CAIXEIRO VIAJANTE BRANCO E PRETO André Cordeiro Macedo Maciel, Carlos Alberto Martinhon, Luis Satoru Ochi. Instituto de Computação - Universidade Federal
Leia maisAnálise Comparativa de Algoritmos Heurísticos para Resolução do Problema do Caixeiro-Viajante em Grafos Não Clusterizados
Análise Comparativa de Algoritmos Heurísticos para Resolução do Problema do Caixeiro-Viajante em Grafos Não Clusterizados Daniela Brandão Nascimento (UNISUL) danibra@unisul.br João Neiva de Figueiredo
Leia maisResolução de problemas difíceis de programação linear através da relaxação Lagrangeana
problemas difíceis de programação linear através da relaxação Lagrangeana Ana Maria A.C. Rocha Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho arocha@dps.uminho.pt http://www.norg.uminho.pt/arocha
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
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
Leia maisHeurísticas para o Problema do Caixeiro Viajante Branco e Preto
Universidade Federal Fluminense ANDRÉ CORDEIRO MACEDO MACIEL Heurísticas para o Problema do Caixeiro Viajante Branco e Preto NITERÓI 2005 ANDRÉ CORDEIRO MACEDO MACIEL Heurísticas para o Problema do Caixeiro
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 maisUMA HEURÍSTICA GRASP PARA O PROBLEMA DO CAIXEIRO VIAJANTE PERIÓDICO
UMA HEURÍSTICA GRASP PARA O PROBLEMA DO CAIXEIRO VIAJANTE PERIÓDICO Luciana Brugiolo Gonçalves, Simone de Lima Martins, Luiz Satoru Ochi Instituto de Computação - Universidade Federal Fluminense Niterói,
Leia maisUM ALGORITMO EVOLUTIVO HÍBRIDO PARA O PROBLEMA DE RECOBRIMENTO DE ROTAS COM COLETA DE PRÊMIOS
UM ALGORITMO EVOLUTIVO HÍBRIDO PARA O PROBLEMA DE RECOBRIMENTO DE ROTAS COM COLETA DE PRÊMIOS MATHEUS S. A. SILVA, MARCIO T. MINE, LUIZ S. OCHI, Instituto de Computação - Universidade Federal Fluminense
Leia maisUM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO
UM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO Bruno Mota Avelar Almeida, Túlio Ângelo Machado Toffolo, Marcone Jamilson Freitas Souza
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 maisAlgoritmo Aproximação. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximação Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas NP- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
Leia maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto de Outubro de 2009
METAHEURÍSTICAS COM MEMÓRIA ADAPTATIVA PARA O PROBLEMA DE RECOBRIMENTO DE ROTAS Luciene C. S. Motta, Luiz S. Ochi Instituto de Computação - Universidade Federal Fluminense Rua Passo da Pátria 156 - Bloco
Leia maisAnálise e Implementação de Algoritmos para o Roteamento de Veículos
Análise e Implementação de Algoritmos para o Roteamento de Veículos Milton Roberto Heinen 1 1 Universidade do Vale do Rio dos Sinos (UNISINOS) Mestrado em Computação Aplicada CEP 93022-000 - São Leopoldo
Leia maisOtimização: O melhor
Otimização: O melhor Modelos Matemáticos para Tomada de Decisões Luidi Gelabert Simonetti luidi@cos.ufrj.br PESC - COPPE - UFRJ 2017 Luidi G. Simonetti (PESC/UFRJ) Otimização: O melhor 2017 1 / 53 Otimização?
Leia maisAula 12: Programação Inteira
Aula 12: Programação Inteira Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Programação Inteira: A Formulação
Leia maisAPLICAÇÃO DE UMA HEURÍSTICA GRASP PARALELA AO PROBLEMA DA P-MEDIANA
APLICAÇÃO DE UMA HEURÍSTICA GRASP PARALELA AO PROBLEMA DA P-MEDIANA Celso Louça Junior (IC), Cláudia Maria Pereira Barros (IC), Marcelo Lisboa Rocha (PQ) Departamento de Ciência da Computação, UNIRG Alameda
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 maisUniversidade Federal Fluminense
Universidade Federal Fluminense MATHEUS DE SOUZA ALVES SILVA Problema de Recobrimento de Rotas com Coleta de Prêmios NITERÓI-RJ 2009 Universidade Federal Fluminense MATHEUS DE SOUZA ALVES SILVA Problema
Leia maisAlgoritmos para o problema da árvore de Steiner com coleta de prêmios
Algoritmos para o problema da árvore de Steiner com coleta de prêmios Camila Mari Matsubara Orientador: Prof. Dr. José Coelho de Pina Defesa de mestrado Instituto de Matemática e Estatística Universidade
Leia maisALGORITMOS HEURÍSTICOS UTILIZANDO BUSCA LOCAL ALEATÓRIA EM VIZINHANÇA VARIÁVEL PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM GRUPAMENTOS
ALGORITMOS HEURÍSTICOS UTILIZANDO BUSCA LOCAL ALEATÓRIA EM VIZINHANÇA VARIÁVEL PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM GRUPAMENTOS Mario Mestria (IFES ) mmestria@uol.com.br Nesse trabalho são propostos
Leia maisHeurística GRASP-VND para o Problema de Roteamento de Veículos com Cross-Docking
Heurística GRASP-VND para o Problema de Roteamento de Veículos com Cross-Docking Lucas Abritta Costa, Fernando Afonso Santos Universidade Federal de Itajubá Campus Itabira Rua São Paulo, 377 Bairro Amazonas
Leia maisBusca Local Iterada. Universidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial
Universidade Federal do Paraná UFPR Curso de Ciência da Computação CI801 Tópicos em Inteligência Artificial Busca Local Iterada Kelly Rodrigues Abreu Federico Luis Losco 28 de Maio de 2007. Sumário Introdução
Leia maisde palavras cruzadas
Heurísticas para geração automática de palavras cruzadas Denis P. Pinheiro 1, Isaac D. Gamarano 1 e Rodrigo G. Ribeiro 1 1 Departamento de Ciência da Computação Universidade Federal de Minas Gerais {denis,rribeiro,isaac}@dcc.ufmg.br
Leia maisAlgoritmo Aproximado. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximado Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas N P- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 1 de novembro de 2018 Marco Antonio
Leia maisRelatório Técnico: Busca Tabu Aplicada ao Problema do Caixeiro Viajante
Relatório Técnico: Busca Tabu Aplicada ao Problema do Caixeiro Viajante André Britto de Carvalho, Rodolfo Barriveira, Carlos Tavares, Kelly Rodrigues, Frederico Losco Resumo. Este relatório apresenta uma
Leia maisOtimização de horários Seminário. Clarisse Resende 25/01/2013
Otimização de horários Seminário Clarisse Resende 25/01/2013 O problema dos horários consiste numa sequência de atividades de programação, satisfazendo um conjunto de restrições de recursos. Pretende-se
Leia maisHeurística GRASP para o problema de p-medianas aplicado à localização de concentradores
Heurística GRASP para o problema de p-medianas aplicado à localização de concentradores Heurística GRASP para o problema de p-medianas aplicado à localização de concentradores GRASP heuristic for p-median
Leia maisTeoria da Complexidade Computacional
Teoria da Complexidade Computacional Letícia Rodrigues Bueno UFABC Motivação Motivação I can t find an efficient algorithm, I guess I m just too dumb. Fonte: GAREY, M. R. e JOHNSON, D. S. Computers and
Leia maisOtimização por Colônia de Formigas (ACO)
Otimização por Colônia de Formigas (ACO) Inspiração Biológica Proposto por Dorigo e Gambardella em 1997 ACO (Ant Colony Optimization) Principal aplicação no PCV Programação do algoritmo Inspiração Biológica
Leia maisHEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME
HEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME Gilberto Vinícius P. Nunes Departamento de Informática, Universidade Federal de
Leia maisBCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Leia maisGRASP com Memória Adaptativa na solução de um Problema de Roteamento de Veículos com Múltiplas Origens
GRASP com Memória Adaptativa na solução de um Problema de Roteamento de Veículos com Múltiplas Origens Tiago Araújo Neves Instituto de Computação Universidade Federal Fluminense Niterói Rio de Janeiro
Leia maisUM GRASP PARA O PROBLEMA DE ATRIBUIÇÃO DE LOCALIDADES A ANÉIS SONET
UM GRASP PARA O PROBLEMA DE ATRIBUIÇÃO DE LOCALIDADES A ANÉIS SONET Lucas de Oliveira Bastos Instituto de Computação, Universidade Federal Fluminense Endereço: Rua Passo da Pátria, 156, 24210-240, Niterói
Leia maisCAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
Leia maisTeoria da Computação. Complexidade computacional classes de problemas
Teoria da Computação Complexidade computacional classes de problemas 1 Universo de problemas Problemas indecidíveis ou não-computáveis Não admitem algoritmos Problemas intratáveis Não admitem algoritmos
Leia maisArtigo aceito para o XXXVII SBPO 2005 Gramado/RS DESENVOLVIMENTO E ANÁLISE EXPERIMENTAL DA HEURÍSTICA GRASP APLICADA A UM PROBLEMA DE COLETA SELETIVA
Artigo aceito para o XXXVII SBPO 2005 Gramado/RS DESENVOLVIMENTO E ANÁLISE EXPERIMENTAL DA HEURÍSTICA GRASP APLICADA A UM PROBLEMA DE COLETA SELETIVA Márcia Cristina Valle Zanetti Instituto de Computação
Leia maisGRASP COM MEMÓRIA ADAPTATIVA PARA O PROBLEMA DA ÁRVORE DE COBERTURA MÍNIMA GENERALIZADO
GRASP COM MEMÓRIA ADAPTATIVA PARA O PROBLEMA DA ÁRVORE DE COBERTURA MÍNIMA GENERALIZADO Cristiane Maria Santos Ferreira Instituto de Computação - Universidade Federal Fluminense Rua Passo da Pátria 156
Leia maisFabiano Vieira de Alvarenga, Marcelo Lisboa Rocha
Melhorando o Desempenho da Metaheurística GRASP Utilizando a Técnica Path-Relinking: Uma Aplicação para o Problema da Árvore Geradora de Custo Mínimo com Grupamentos Fabiano Vieira de Alvarenga, Marcelo
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 mais4 GRASP com Filtro e Reconexão por Caminhos
4 GRASP com Filtro e Reconexão por Caminhos A metaheurística GRASP (Greedy Randomized Adaptive Search Procedures) foi proposta por Feo e Resende [17], onde cada iteração do algoritmo é composta por duas
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 maisEXPLORANDO A HEURÍSTICA DM-GRASP PARA O PROBLEMA DAS P-MEDIANAS
EXPLORANDO A HEURÍSTICA DM-GRASP PARA O PROBLEMA DAS P-MEDIANAS Thales W. Barra, Luis F. M. Santos, Richard Fuchshuber Alexandre Plastino, Simone L. Martins Universidade Federal Fluminense Niterói RJ Brasil
Leia maisUtilização de Times Assíncronos na Solução do Problema de Cobertura de Conjuntos
Utilização de Times Assíncronos na do Problema de Cobertura de Conjuntos Edison L. Bonotto 1, Marcelo Lisboa Rocha 2. 1 Programa de Pós-graduação em Informática Universidade Federal da Paraíba (UFPB) 58059-900
Leia maisUm Algoritmo Simulated Annealing Eficiente para o Problema de Roteamento de Veículos com Janela de Tempo
Um Algoritmo Simulated Annealing Eficiente para o Problema de Roteamento de Veículos com Janela de Tempo Aloísio de Castro Gomes Júnior (UFOP) algomesjr2004@yahoo.com.br Marcone Jamilson Freitas Souza
Leia maisOdivaney Ramos Pedro. Uma abordagem de Busca Tabu para o Problema do Caixeiro Viajante com Coleta de Prêmios
Odivaney Ramos Pedro Uma abordagem de Busca Tabu para o Problema do Caixeiro Viajante com Coleta de Prêmios Minas Gerais 2013 Odivaney Ramos Pedro Uma abordagem de Busca Tabu para o Problema do Caixeiro
Leia maisProjeto e Análise de Algoritmos
Projeto e Análise de Algoritmos Aula 02 Técnicas de Projeto de Algoritmos (Força Bruta) Edirlei Soares de Lima Tipos Importantes de Problemas Problemas de Ordenação: Reorganizar
Leia maisAprimorando o Corte Peças com Forma Irregular em Chapas Retangulares
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares Leandro Resende Mundim, leandroresendemundim@gmail.com Thiago Alves de Queiroz, th.al.qz@catalao.ufg.br Resumo: Esta pesquisa lida com
Leia maisUMA HEURISTICA APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE
UMA HEURISTICA APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE Flávio Martins Colares Faculdade Lourenço Filho, flaviocolares@yahoo.com José Lassance de Castro Silva Universidade Federal do Ceará, lassance@lia.ufc.br
Leia maisMétodos Exatos para PI - Parte 1: Branch-and-Bound
Introdução à Otimização Combinatória Métodos Exatos para PI - Parte 1: Professora: Rosiane de Freitas (rosiane@icomp.ufam.edu.br) Bruno Raphael Cardoso Dias Prof. Estágio em Docência (bruno.dias@icomp.ufam.edu.br)
Leia maisHEURÍSTICA GRASP PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA
HEURÍSTICA GRASP PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA Lia Mara Borges de Freitas 1,3, José Elias Cláudio Arroyo 2, 4, Fermín Alfredo Tang Montané 1, 5 e Dalessandro
Leia maisPALAVRAS CHAVE. Metaheurística Híbrida, 1-PDTSP, Mineração de Dados, Área de classificação principal (Metaheurística).
Incorporando Mineração de Dados a uma Heurística GRASP/VND para o Problema do Caixeiro Viajante com Coleta e Entrega Envolvendo Único Tipo de Produto Marcos Guerine, Isabel Rosseti, Alexandre Plastino
Leia maisProblema do Caminho Mínimo
Departamento de Engenharia de Produção UFPR 63 Problema do Caminho Mínimo O problema do caminho mínimo ou caminho mais curto, shortest path problem, consiste em encontrar o melhor caminho entre dois nós.
Leia maisDalessandro Soares Vianna. Heurísticas híbridas para o problema da filogenia TESE DE DOUTORADO. Informática DEPARTAMENTO DE INFORMÁTICA
Dalessandro Soares Vianna Heurísticas híbridas para o problema da filogenia TESE DE DOUTORADO DEPARTAMENTO DE INFORMÁTICA ProgramadePós graduação em Informática Rio de Janeiro Fevereiro de 2004 Dalessandro
Leia maisProblema do Caixeiro Viajante
Problema do Caixeiro Viajante 1 Introdução Minimizar o custo de um ciclo hamiltoniano em um grafo completo (William R. Hamilton,1857,Around The World); Solução por enumeração: R( n ) = ( n - 1 )! Um computador
Leia maisHEURÍSTICAS GRASP PARA O PROBLEMA DE ALOCAÇÃO DINÂMICA DE ESPAÇOS
!" #$% # &('*)+'-,.0/ 13204+'658709:'316;0,@?*7BAC4+5D=0/ E-F 70.07HG-70I0,-?-70MN;0,7PO
Leia maisOtimização Combinatória - Parte 3
Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas
Leia maisProposta e Avaliação Experimental de Heurísticas GRASP para um Problema de Escalonamento de Veículos
Proposta e Avaliação Experimental de Heurísticas GRASP para um Problema de Escalonamento de Veículos Viviane de Aragão Trindade Instituto de Computação Universidade Federal Fluminense Rua Passo da Pátria,
Leia mais