EXPLORANDO A HEURÍSTICA DM-GRASP PARA O PROBLEMA DAS P-MEDIANAS
|
|
- Inês Machado Caiado
- 5 Há anos
- Visualizações:
Transcrição
1 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 {tbarra, lsantos, rfuchshuber, plastino, simone}@ic.uff.br RESUMO Metaheurísticas representam uma importante classe de técnicas para resolver, aproximadamente, problemas de otimização combinatória para os quais o uso de métodos exatos é impraticável. Uma versão híbrida da metaheurística GRASP, que incorpora técnicas de mineração de dados, chamada DM-GRASP, tem obtido resultados promissores. Um dos principais parâmetros desta heurística é o tamanho do conjunto que armazena as melhores soluções obtidas, chamado conjunto elite. O objetivo deste trabalho é investigar os efeitos da variação deste parâmetro na heurística e determinar seu melhor valor. Para este estudo, o problema das p-medianas foi utilizado. PALAVRAS CHAVE. Metaheurística Híbrida, GRASP, Mineração de Dados. Áreas: Metaheurística, Otimização Combinatória, Mineração de Dados. ABSTRACT Metaheuristics represent an important class of techniques to solve, approximately, hard combinatorial optimization problems for which the use of exact methods is impractical. A hybrid version of the GRASP metaheuristic that incorporates a data mining process, called DM-GRASP, has achieved promising results. One of the main parameters in this heuristic is the size of the set that stores the best solutions, called elite set. The objective of this work is to investigate the effects of variation of this parameter and to determine its best value. For this study, the p-median problem was used. KEYWORDS. Hybrid Metaheuristic, GRASP, Data Mining. Areas: Metaheuristics, Combinatorial Optimization, Data Mining. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1131
2 1. Introdução Metaheurísticas representam uma importante classe de técnicas para resolver, aproximadamente, problemas de otimização combinatória para os quais o uso de métodos exatos é impraticável. Pesquisas demonstraram que a combinação desses métodos com técnicas e conceitos de outras áreas tem o potencial de melhorar o desempenho e a robustez dos mesmos (Talbi (2002)). A heurística DM-GRASP (Data Mining GRASP) é uma versão híbrida da metaheurística GRASP (Greedy Randomized Adaptative Search Procedure) (Resende e Ribeiro (2003)) que incorpora técnicas de mineração de dados e que tem apresentado resultados promissores (Plastino et al. (2009), Ribeiro et al. (2006), Santos et al. (2005), Santos et al. (2006), Santos et al. (2008)). A metaheurística GRASP já foi aplicada com sucesso a diversos problemas (Festa e Resende (2002)). Nesse método, a busca por soluções é realizada através de um processo iterativo, no qual cada iteração é composta de duas fases: construção e busca local. Na fase de construção, uma solução completa é gerada, e então, na fase de busca local, a sua vizinhança é explorada até que se obtenha uma solução que seja ótima localmente. Processos de mineração de dados são caracterizados pela extração automática de informações úteis, implícitas em bases de dados, sob a forma de regras e padrões (Han (2006)). No contexto do DM-GRASP, um algoritmo de mineração é utilizado para reconhecer padrões em soluções sub-ótimas, os quais são utilizados para guiar a busca por melhores soluções. A heurística híbrida DM-GRASP é dividida em duas partes. Na primeira, um conjunto de n iterações, como definidas no GRASP, é executado. Em seguida, um algoritmo de mineração de dados é executado sobre o conjunto elite, que contém as melhores soluções obtidas, para extrair os padrões que caracterizam as soluções sub-ótimas. Na segunda fase, são executadas outras n iterações adaptadas, nas quais os padrões são utilizados para guiar a construção das soluções. Essa proposta híbrida foi utilizada com sucesso em quatro problemas de otimização combinatória: problema de empacotamento de conjuntos (Ribeiro et al. (2006)), problema da maximização da diversidade (Santos et al. (2005)), problema de replicação de servidores em transmissão multicast confiável (Santos et al. (2006)) e o problema das p-medianas (Plastino et al. (2009)). Na versão original do DM-GRASP, o processo de mineração de dados é executado apenas uma vez, exatamente na metade do número total de iterações. O MDM-GRASP (Multi Data Mining) é uma versão adaptativa do DM-GRASP onde o algoritmo de mineração é executado diversas vezes, em momentos determinados dinamicamente, conforme o comportamento de cada instância do problema em questão. Em todas as aplicações realizadas anteriormente, o tamanho do conjunto elite foi fixado inicialmente e arbitrariamente em 10, o que não necessariamente caracteriza a melhor escolha. O objetivo deste trabalho é avaliar o desempenho do DM-GRASP e do MDM-GRASP variando o tamanho do conjunto elite, na tentativa de se identificar uma cardinalidade ideal para este conjunto. Para esse estudo inicial, será utilizado o problema das p-medianas. O restante deste artigo está organizado da seguinte forma. A metaheurística GRASP, a sua versão híbrida DM-GRASP, e a variante adaptativa do DM-GRASP, chamada MDM- GRASP, são descritas na Seção 2. Na Seção 3, define-se o problema das p-medianas. Nas Seções 4 e 5, são apresentados e analisados os resultados dos experimentos computacionais obtidos pelo DM-GRASP e MDM-GRASP, respectivamente. Finalmente, na Seção 6, são apresentadas as conclusões e direções para trabalhos futuros. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1132
3 2. As Metaheurísticas GRASP, DM-GRASP e MDM-GRASP Esta seção apresenta a metaheurística GRASP e as suas variantes híbridas DM-GRASP e MDM-GRASP GRASP Greedy Randomized Adaptive Search Procedures A metaheurística GRASP é um método para obtenção de soluções de boa qualidade para problemas de otimização combinatória. Desde sua criação, essa metaheurística vem sendo utilizada com considerável sucesso em diversos problemas computacionalmente intratáveis (Festa e Resende (2002)). Sua idéia central é combinar um algoritmo guloso com um componente aleatório. Algoritmos gulosos são geralmente iterativos e, a cada iteração, incluem na solução em construção o elemento que traz o melhor incremento possível na sua qualidade. Apesar de levarem a boas soluções, normalmente não atingem soluções ótimas. O objetivo da introdução do componente aleatório é possibilitar a diversificação das soluções construídas. O GRASP é um processo iterativo, sendo cada iteração composta de duas fases: construção e busca local. Na primeira fase, uma solução é construída, sem que seja necessariamente um ótimo local. Na segunda fase, a vizinhança dessa solução é percorrida até que se encontre uma solução que seja um ótimo local. O processo é repetido até que um critério de parada seja atingido. A melhor solução encontrada dentre todas as iterações é retornada como resultado. A Figura 2.1 contém o pseudocódigo do GRASP para um problema de maximização. A fase de construção, ilustrada pela Figura 2.2, constrói a solução elemento por elemento. A cada passo, os elementos que não estão na solução são avaliados por uma função gulosa. Os elementos com melhor avaliação são incluídos numa lista, chamada Lista Restrita de Candidatos (LRC). O critério para inclusão de um elemento na lista pode ser definido usando-se um parâmetro α [0, 1]. Suponha que, num problema de maximização, o elemento com melhor avaliação tenha o valor maior_val. A LRC pode ser composta por todos os elementos com avaliação no intervalo [α maior_val, maior_val]. Um elemento é selecionado aleatoriamente dessa lista e inserido na solução. Note que esse processo seria puramente guloso se α = 1, e puramente aleatório se α = 0. procedimento GRASP(α) 1. melhor_sol ø; 2. repita 3. sol Fase_de_Construcao(α); 4. sol Busca_Local(sol); 5. se Aval(sol) > Aval(melhor_sol) então 6. melhor_sol sol; 7. fim-se 8. até Criterio_de_Parada(); 9. retorne melhor_sol; Figura 2.1: Pseudocódigo da metaheurística GRASP A fase de busca local está baseada no conceito de vizinhança de uma solução. A vizinhança N de uma solução s é definida a partir de uma operação O que se realiza sobre s para se gerar uma nova solução. O conjunto de todas as soluções que podem ser geradas a partir de s por O constitui a vizinhança N de s. Nessa fase, a vizinhança da solução é percorrida e, se uma solução melhor for encontrada, é realizada uma nova busca local nessa solução. Quando não se XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1133
4 encontram mais soluções melhores dentro de uma vizinhança, conclui-se que um ótimo local foi atingido e a busca local termina. procedimento Fase_de_Construcao(α) 1. sol ø; 2. candidatos elementos do domínio 3. repita 4. LRC Constroi_LRC(α, candidatos); 5. s Escolha_Aleatoria(LRC); 6. sol sol U {s}; 7. candidatos candidatos \ {s} 8. até Solucao_Completa(sol); 9. retorne sol; Figura 2.2: Pseudocódigo da fase de construção do GRASP 2.2 A Heurística Híbrida DM-GRASP Processos de mineração de dados são caracterizados pela extração automática de informações úteis a partir de bases de dados, na forma de regras e padrões. A idéia que motiva a aplicação desta nova técnica em conjunto com o GRASP é a possibilidade de se encontrar padrões que representem características das melhores soluções geradas, o que pode auxiliar a busca por soluções mais próximas do valor ótimo em um menor tempo computacional, como já demonstrado em alguns trabalhos que utilizam outros métodos para obter estas boas características das soluções (Fleurent e Glover (1999), Lin e Kernighan (1973), Lodi e Libling (1999)). A versão híbrida do GRASP que incorpora um módulo de mineração de dados, denominada DM-GRASP, encontra-se ilustrada na Figura 2.3. Sua execução é dividida em duas etapas: na primeira, chamada fase de geração do conjunto elite, é executada uma determinada quantidade de iterações do GRASP (num_it_conj_elite), e um conjunto de soluções, chamado conjunto elite, é criado para armazenar as melhores tam_elite soluções encontradas ao longo dessas iterações. Em seguida, é executado um algoritmo de mineração de dados para extrair padrões (conjuntos frequentes) das soluções desse conjunto elite. Os padrões extraídos são conjuntos de elementos que aparecem frequentemente em soluções do conjunto elite. A quantidade de padrões a serem minerados é definida pelo parâmetro qtd_padroes. O parâmetro chamado suporte mínimo (sup_min) indica o número mínimo de vezes que um trecho de solução deve aparecer para ser considerado um padrão. Na etapa seguinte, chamada fase híbrida, são executadas novas iterações do GRASP. Nessas iterações, a fase de construção é modificada para usar os padrões encontrados como soluções iniciais parciais. A fase de busca local permanece igual. 2.3 A Heurística Híbrida MDM-GRASP Na versão original do DM-GRASP, o processo de mineração de dados é executado apenas uma vez, exatamente na metade do número total de iterações. O MDM-GRASP (Multi Data Mining) é uma versão adaptativa do DM-GRASP, que tem se destacado por obter soluções de maior qualidade, com um tempo computacional menor. A idéia principal desta estratégia é executar o processo de mineração de dados: (a) assim que o conjunto elite se torna estável o que significa a não alteração do conjunto elite durante um determinado número de iterações e (b) sempre que o conjunto elite sofrer alterações e se tornar, novamente, estável. Acredita-se que executar a mineração de dados mais de uma vez aproveita a evolução gradual do conjunto elite e permite a extração de padrões refinados. No XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1134
5 MDM-GRASP, não existem momentos predeterminados para a extração de padrões; os momentos são determinados dinamicamente, conforme o comportamento de cada instância do problema. Na implementação corrente, considera-se que o conjunto elite está estável se ele não sofreu nenhuma alteração durante o número de iterações equivalente a 5% do total de iterações. Por exemplo, para um total de 500 iterações, o conjunto elite deve ficar 25 iterações sem ser modificado para ser considerado estável. Este valor foi obtido após a execução de experimentos utilizando diversos valores. 3. O Problema das p-medianas Esta seção define o problema das p-medianas e descreve as instâncias utilizadas nos experimentos computacionais. 3.1 A Definição do Problema O problema das p-medianas é um problema NP-Difícil amplamente conhecido (Kariv e Hakimi (1979)) e que já foi aplicado a muitos problemas reais de localização (Tansel et al. (1983)). É definido como se segue. Definimos F como um conjunto de m facilidades em potencial e C um conjunto de n clientes. A função d : C F R avalia a distância entre um cliente e uma facilidade em potencial. Dado um inteiro positivo, p, p m, o problema das p-medianas consiste em identificar um subconjunto R de F tal que R = p e a soma das distâncias de cada cliente em C até a facilidade mais próxima em R seja minimizada. Sem perder a generalização, consideramos F = C, isto é, em cada posição de cliente, existe uma facilidade em potencial. procedimento GRASP_Hibrido(num_it_conj_elite, tam_elite, qtd_padroes, sup_min, α) 01. melhor_sol ø; 02. Conjunto_Elite ø; 03. para it 1 até num_it_conj_elite faça 04. sol Fase_de_Construcao(α); 05. sol Busca_Local(sol); 06. Atualiza_Conjunto_Elite(Conjunto_Elite, sol, tam_elite); 07. se Aval(sol) > Aval(melhor_sol) 08. melhor_sol sol; 09. fim se 10. fim para 11. Padroes MCF(Conjunto_Elite, qtd_padroes, sup_min); 12. p Proximo_Padrao(Padroes); 13. repita 14. sol Fase_de_Construcao_Adaptada(p, α); 15. sol Busca_Local(sol); 16. se Aval(sol) > Aval(melhor_sol) 17. melhor_sol sol; 18. fim se 19. p Proximo_Padrao(Padroes); 20. até Critério_de_Parada(); 21. retorne melhor_sol; Figura 2.3: Pseudocódigo do DM-GRASP XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1135
6 3.2 Instâncias do problema Foram utilizadas oitenta instâncias para o problema das p-medianas, as mesmas que foram adotadas nos experimentos realizados em Gamal e Salhi (2003). Existem quatro grupos, com 20 instâncias cada. As instâncias do primeiro grupo (G50) possuem 50 clientes e p variando de seis até 25, com incremento de um. No segundo (G287), terceiro (G654) e quarto (G1060) grupos, as instâncias possuem, respectivamente, 287, 654 e 1060 clientes, com p variando de cinco até cem, com incremento de cinco. Para todas as instâncias os valores ótimos são conhecidos. 4. Resultados experimentais para o DM-GRASP Nesta seção, os resultados dos experimentos computacionais obtidos pelo DM-GRASP são apresentados. Os algoritmos foram implementados em C++ e compilados com g++ (gcc) Os testes foram realizados em um computador Intel Core 2 Quad Q6600 (2.4GHz) com 3GB de memória RAM, executando Linux (kernel ). Foram utilizados 15 tamanhos diferentes para o conjunto elite, variando entre 2 e 60. Para cada tamanho, foram realizadas 10 execuções do DM-GRASP, com sementes aleatórias diferentes (1-10). O parâmetro α foi definido como 0,2 e cada execução constituiu-se de iterações. As Figuras 4.1 e 4.2 apresentam os resultados relacionados à qualidade das soluções obtidas por cada tamanho de conjunto elite. A Figura 4.1 exibe o número de vezes (eixo das ordenadas) que cada tamanho de conjunto elite (eixo das abcissas) obteve o melhor resultado, isto é, o menor desvio em relação ao ótimo, para cada grupo de instâncias, desconsiderando as instâncias onde os resultados foram sempre os mesmos. O conjunto elite de tamanho 10 destacase, claramente, por obter o melhor resultado geral. Figura 4.1: Número de vezes que cada tamanho de conjunto elite alcançou a melhor solução. A Figura 4.2, que mostra a soma dos desvios em relação ao ótimo de cada instância, indica que, embora o tamanho do conjunto elite igual a dez tenha se destacado por alcançar mais vezes as melhores soluções, a diferença entre as soluções obtidas com os diferentes tamanhos de conjunto elite são pequenas. Tal fato indica que o tamanho do conjunto elite não influencia significantemente na qualidade das soluções obtidas pelo DM-GRASP. A Figura 4.3 ilustra a variação no custo das soluções obtidas nas fases de construção e busca local, ao longo das iterações de uma execução do DM-GRASP com instância G287, p = 70 e conjunto elite de tamanho: (a) 2, (b) 10, (c) 35 e (d) 60. A queda existente na milésima iteração dos quatro gráficos coincide com o ponto onde o algoritmo de mineração de dados é acionado. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1136
7 Após a extração dos padrões, a qualidade das soluções geradas tanto na fase de construção quanto na busca local aumenta significativamente, conforme observado em outros trabalhos (Plastino et al. (2009), Ribeiro et al. (2006), Santos et al. (2005), Santos et al. (2006), Santos et al. (2008)). É possível observar, contudo, que a variação no tamanho do conjunto elite não gera uma mudança significativa na qualidade das soluções geradas na fase híbrida, isto é, após a extração de padrões. Este comportamento também foi observado nas execuções para outras instâncias. Figura 4.2: Diferença em relação à solução ótima para cada tamanho de conjunto elite. A Tabela 4.4 apresenta os tempos computacionais das execuções do DM-GRASP com os diferentes tamanhos de conjunto elite. A primeira coluna indica o tamanho do conjunto elite utilizado. As quatro colunas seguintes contêm os tempos computacionais de cada grupo. A última coluna indica o tempo total gasto na execução dos quatro grupos, para cada tamanho do conjunto elite. Nota-se que os tempos de execução aumentam à medida que o tamanho do conjunto elite aumenta. Isto se deve ao aumento no tempo gasto no processo de mineração de dados, já que um conjunto elite com mais elementos torna mais complexa a identificação de padrões. 5. Resultados experimentais para o MDM-GRASP Nesta seção, os resultados dos experimentos computacionais obtidos pelo MDM-GRASP são apresentados. As instâncias e os parâmetros utilizados foram os mesmos usados na Seção 4. As Figuras 5.1 e 5.2 apresentam os resultados relacionados à qualidade das soluções obtidas por cada tamanho de conjunto elite. A Figura 5.1 exibe o número de vezes (eixo das ordenadas) que cada tamanho de conjunto elite (eixo das abcissas) obteve o melhor resultado, isto é, o menor desvio em relação ao ótimo, para cada grupo de instâncias, desconsiderando as instâncias onde os resultados foram sempre os mesmos. É possível observar que, de maneira geral, conjuntos elite menores tendem a obter resultados melhores e que, à medida que o tamanho do conjunto elite aumenta, os resultados tendem a piorar. A Figura 5.2, que mostra a soma dos desvios em relação ao ótimo de cada instância, indica que o MDM-GRASP é mais sensível à variação no tamanho do conjunto elite, sendo significativamente mais eficiente com tamanhos de conjunto elite menores. À medida que se aumenta o tamanho do conjunto elite, é possível observar uma tendência de afastamento em relação aos valores ótimos. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1137
8 (a) (b) (c) (d) Figura 4.3: Execução do DM-GRASP com conjunto elite de tamanho: (a) 2, (b) 10, (c) 35 e (d) 60. Tamanho do conj. elite G50 G287 G654 G1060 Total 2 9,14 625, , , ,33 3 9,51 640, , , ,08 4 9,63 641, , , ,30 5 9,57 627, , , , ,07 612, , , , ,01 614, , , , ,09 635, , , , ,36 701, , , , ,69 857, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,14 Tabela 4.4: Tempos computacionais do DM-GRASP XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1138
9 A Figura 5.3 ilustra a variação no custo das soluções obtidas nas fases de construção e busca local, ao longo das iterações de uma execução do MDM-GRASP com instância G287, p = 70 e conjunto elite de tamanho: (a) 2, (b) 10, (c) 35 e (d) 60. É possível notar que, quanto menor o conjunto elite, mais cedo este se torna estável, e como consequência, a fase híbrida é antecipada. Além disso, a rápida estabilização dos conjuntos elite faz com que a identificação de padrões seja processada com maior freqüência ao longo da execução. Na instância exibida na Figura 5.3, a execução com conjunto elite de tamanho 2 (a) processou cinco vezes o algoritmo de mineração, ao passo que com conjunto de elite de tamanho 10 (b) foram três execuções. Já com os tamanhos 35 (c) e 60 (d), o algoritmo de mineração foi acionado apenas uma vez. Figura 5.1: Número de vezes que cada tamanho de conjunto elite alcançou a melhor solução. Figura 5.2: Diferença em relação à solução ótima para cada tamanho de conjunto elite. A Tabela 5.4 apresenta os tempos computacionais das execuções do MDM-GRASP com os diferentes tamanhos de conjunto elite, e está organizada da mesma forma que a Tabela 4.4. Nota-se um aumento mais regular nos tempos computacionais conforme o tamanho do conjunto elite aumenta, em relação ao que foi observado na Tabela 4.4. Tal fato ocorre porque, além do XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1139
10 aumento no tempo gasto na execução do algoritmo de mineração de dados conforme o tamanho do conjunto elite aumenta, existe uma redução no tempo necessário para se executar cada iteração da fase híbrida, quando comparada com as iterações da fase de geração do conjunto elite. Esta redução ocorre por dois motivos: primeiramente, o tempo gasto na construção de uma solução é menor, pois esta tem como ponto de partida um padrão, e portanto menos elementos precisam ser selecionados e adicionados à solução sendo gerada. Segundo, as soluções geradas na fase de construção com padrões são, em geral, melhores, o que reduz o esforço necessário para a fase de busca local encontrar um ótimo local. (a) (b) (c) (d) Figura 5.3: Execução de uma instância com conjunto elite de tamanho: (a) 2, (b) 10, (c) 35 e (d) Conclusões O objetivo deste trabalho foi avaliar o comportamento das heurísticas DM-GRASP e MDM-GRASP de acordo com a variação do tamanho do conjunto elite utilizado, que corresponde a um dos principais parâmetros destas heurísticas e que, em estudos anteriores, foi pouco explorado. O problema das p-medianas foi utilizado como caso de teste. XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1140
11 De acordo com os resultados experimentais, considerando-se a qualidade das soluções obtidas, o DM-GRASP mostrou-se pouco sensível às variações no tamanho do conjunto elite, pois os desvios dos resultados obtidos em relação aos valores ótimos foram bastante similares para todos os tamanhos de conjunto elite avaliados. Já o MDM-GRASP mostrou-se bastante sensível às variações do tamanho do conjunto elite. À medida que estes tamanhos aumentaram, a qualidade das soluções obtidas foi significativamente degradada. Surpreendentemente, conjuntos elite com apenas duas soluções levaram aos melhores resultados. Isto se deve ao fato de que, quanto menor o conjunto elite, mais rapidamente este se estabiliza, o que traz dois benefícios: a fase híbrida, que explora regiões mais promissoras do espaço de busca, é antecipada e a identificação de padrões é realizada com maior freqüência, o que possibilita o uso de padrões mais refinados. Foi observado também, tanto para o DM-GRASP quanto para o MDM-GRASP, que conjuntos elite maiores tornam mais complexa a execução do algoritmo de mineração de dados, e que, a partir de certo ponto, o tempo gasto na identificação de padrões causa um aumento considerável para o tempo total de execução da heurística, o que evidencia que grandes conjuntos elite devem ser evitados. Os experimentos realizados neste trabalho utilizaram as mesmas instâncias para o problema das p-medianas adotadas em Gamal e Salhi (2003). Uma avaliação complementar seria realizar os mesmos experimentos utilizando-se as instâncias disponíveis em Beasley (1990) com o objetivo de ratificar os resultados. Os resultados apresentados neste trabalho foram obtidos no contexto de um problema de otimização combinatória específico, o problema das p-medianas, e, portanto, como trabalhos futuros, os mesmos experimentos poderiam ser realizados para problemas com características distintas, de forma a verificar se os resultados observados neste trabalho, no comportamento das heurísticas, podem ser generalizados. Agradecimentos: Este trabalho foi parcialmente financiado pelo CNPq e FAPERJ. Tamanho do conj. elite G50 G287 G654 G1060 Total 2 6,26 425, , , ,08 3 7,09 463, , , ,61 4 7,54 489, , , ,36 5 7,77 476, , , , ,70 506, , , , ,33 554, , , , ,96 619, , , , ,90 711, , , , ,76 913, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,05 Tabela 5.4: Tempos computacionais do MDM-GRASP XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1141
12 Referências Beasley, J.E. (1990), OR-Library: distributing test problems by electronic mail, Journal of the Operational Research Society 41(11) pp Festa, P. e Resende, M. (2002), GRASP: An annotated bibliography, em Ribeiro, C. C. e Hansen, P. (Eds.), Essays and Surveys in Metaheuristics, Kluwer Academic Publishers, Fleurent, C. e Glover, F. (1999),Improved Constructive Multistart Strategies for the Quadratic Assignment Problem Using Adaptive Memory, INFORMS J. on Computing, 2, Gamal, M. D. H. e Salhi S. (2003), A cellular heuristic for the multisource Weber problem, Computers & Operations Research, 30, pp Han, J. e Kamber, M. (2006), Data Mining: Concepts and Techniques, Morgan Kaufmann. Plastino, A., Fonseca, E. R., Fuchshuber, R., Martins, S. L., Freitas, A. A., Luis, M., e Salhi, S. (2009), A hybrid data mining metaheuristic for the p-median problem. SIAM International Conference on Data Mining (SDM). Kariv, O. e Hakimi, L. (1979), An algorithmic approach to network location problems, part ii: The p-medians, SIAM Journal of Applied Mathematics, 37, Lodi, K. A e Liebling, T.M. (1999), An evolutionary heuristic for quadratic 0-1 programming, European Journal of Operational Research, 119, Lin, S. e Kernighan, B.W. (1973), An effective heuristic algorithm for the traveling salesman problem.,operations Research, 21: Resende, M e Ribeiro, C., Greedy Randomized Adaptive Search Procedures, em Glover, F. e Kochenberger, G. (Eds.), Handbook of Metaheuristics, , Ribeiro, M. H., Plastino, A. e Martins, S. L. (2006), Hybridization of GRASP Metaheuristic with Data Mining Techniques, Journal of Mathematical Modeling and Algorithms, 5:1, Santos, L. F. M., Milagres, R., Albuquerque, C., Plastino, A. e Martins, S. L. (2006), A Hybrid GRASP with Data Mining for Efficient Server Replication for Realiable Multicast, Proceedings of the IEEE GLOBECOM Conference. Santos, L. F. M., Plastino, A. e Martins, S. L. (2008), Applications of the DM-GRASP Heuristic: A Survey, International Transactions in Operational Research, 15, Santos, L. F. M., Ribeiro, M. H., Plastino, A. e Martins, S. L. (2005), A Hybrid GRASP with Data Mining for the Maximum Diversity Problem, Proceedings of the International Workshop on Hybrid Metaheuristics, Talbi, E. G. (2002), A Taxonomy of Hybrid Metaheuristics, Journal of Heuristics, 8:5, Tansel B. C., Francis, R. L. e Lowe, T. J. (1983), Location on networks: A survey, Management Science, 29, XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág. 1142
EXPLORANDO A METAHEURÍSTICA HÍBRIDA DM-GRASP PARA O PROBLEMA DE MULTICAST CONFIÁVEL
EXPLORANDO A METAHEURÍSTICA HÍBRIDA DM-GRASP PARA O PROBLEMA DE MULTICAST CONFIÁVEL Erick R. Fonseca, Richard Fuchshuber, Luis F. M. Santos, Alexandre Plastino, Simone de L. Martins Universidade Federal
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 maisEXPLORANDO A HIBRIDIZAÇÃO DA HEURÍSTICA ILS COM MINERAÇÃO DE DADOS 1
EXPLORANDO A HIBRIDIZAÇÃO DA HEURÍSTICA ILS COM MINERAÇÃO DE DADOS 1 Pedro Yusim, Rafael Braga Morett,Alexandre Plastino, Simone L. Martins Universidade Federal Fluminense Niterói RJ Brasil pedroyusim@hotmail.com,
Leia maisAlgoritmos Multi-Start, GRASP e ILS Aplicados ao Problema de P-Medianas
Algoritmos Multi-Start, GRASP e ILS Aplicados ao Problema de P-Medianas Gustavo Zeferino 1, Flaviana M. de S. Amorim 1, Moacir F. de F. Filho 1 1 Programa de Pós-Graduação em Modelagem Matemática e Computacional
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 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 C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
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 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 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 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 maisReferências Bibliográficas
Referências Bibliográficas [Alba e Domínguez, 2006] ALBA, E.; DOMÍNGUEZ, E.. Comparative analysis of modern optimization tools for the p-median problem. Statistical Computing, 16:251 260, 2006. 3.2.3 [Avella
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 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 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 maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
Incorporando Mineração de Dados a uma Heurística Multi-Start ILS para o Problema de Roteamento de Veículos com Frota Heterogênea Marcelo Rodrigues de Holanda Maia Instituto de Computação - Universidade
Leia maisUm GRASP Simples e Robusto para o Job Shop Scheduling Problem
Um GRASP Simples e Robusto para o Job Shop Scheduling Problem Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 514 Goiabeiras 29075910 Vitória/ES Brasil dcbissoli@inf.ufes.br
Leia maisUM ALGORITMO GRASP PARA O SALBP-2
UM ALGORITMO GRASP PARA O SALBP-2 Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 54 Goiabeiras 2907590 Vitória/ES Brasil dayan.bissoli@ufes.br André Renato
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 maisGRASP com Memória Adaptativa Aplicado ao Problema de Roteamento e Scheduling de Sondas de Manutenção
GRASP com Memória Adaptativa Aplicado ao Problema de Roteamento e Scheduling de Sondas de Manutenção Tiago Araújo Neves 1, Luiz Satoru Ochi 1 1 Instituto de Computação Universidade Federal Fluminense (UFF)
Leia maisUm algoritmo pseudo-periférico genérico para a heurística de Snay
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um algoritmo pseudo-periférico genérico para a heurística de Snay
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 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 maisHEURÍSTICAS GRASP PARA O PROBLEMA DE ALOCAÇÃO DINÂMICA DE ESPAÇOS
!" #$% # &('*)+'-,.0/ 13204+'658709:'316;0,@?*7BAC4+5D=0/ E-F 70.07HG-70I0,-?-70MN;0,7PO
Leia maisAprimorando o Corte Peças com Forma Irregular em Chapas Retangulares
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares Leandro Resende Mundim, leandroresendemundim@gmail.com Thiago Alves de Queiroz, th.al.qz@catalao.ufg.br Resumo: Esta pesquisa lida com
Leia maisTópicos em Métodos Heurísticos META-HEURÍSTICAS
Tópicos em Métodos Heurísticos META-HEURÍSTICAS MÉTODOS HEURÍSTICOS QUE PERMITEM A CONTINUIDADE DAS EXPLORAÇÕES ALÉM DA OTIMALIDADE LOCAL, EM PARTICULAR, SUPERPONDO-SE A HEURÍSTICAS DE BUSCA LOCAL I) SIMULATED
Leia maisMETA-HEURÍSTICA GRASP APLICADA AO PROBLEMA DO CORTE BIDIMENSIONAL NÃO-GUILHOTINADO
META-HEURÍSTICA GRASP APLICADA AO PROBLEMA DO CORTE BIDIMENSIONAL NÃO-GUILHOTINADO Thiago Nascimento Rodrigues Universidade Federal do Espírito Santo Av. Fernando Ferrari, 541, 29075-910, Vitória, ES,
Leia maisFabiano Vieira de Alvarenga, Marcelo Lisboa Rocha
Melhorando o Desempenho da Metaheurística GRASP Utilizando a Técnica Path-Relinking: Uma Aplicação para o Problema da Árvore Geradora de Custo Mínimo com Grupamentos Fabiano Vieira de Alvarenga, Marcelo
Leia maisAplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados
Aplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados Marcelo Lisboa Rocha, Sóstenes Pereira Gomes Departamento de Ciência da Computação Fundação UNIRG Alameda
Leia maisOPEN DIMENSIONAL CUTTING PROBLEM: UMA ABORDAGEM HÍBRIDA VIA GRASP E ILS
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& OPEN DIMENSIONAL CUTTING PROBLEM: UMA ABORDAGEM
Leia maisUma Heurística GRASP Híbrida para um Problema de Otimização Combinatória Multiobjetivo
Uma Heurística GRASP Híbrida para um Problema de Otimização Combinatória Multiobetivo Dalessandro Soares Vianna (UCAM-Campos) dalessandro@ucam-campos.br Marcilene de Fátima Dianin Vianna (UCAM-Campos)
Leia maisO PROBLEMA DA ALOCAÇÃO DINÂMICA DE ESPAÇOS: APLICAÇÃO DAS METAHEURÍSTICAS GRASP E BUSCA TABU
O PROBLEMA DA ALOCAÇÃO DINÂMICA DE ESPAÇOS: APLICAÇÃO DAS METAHEURÍSTICAS GRASP E BUSCA TABU Geiza Cristina da Silva 1 Departamento de Ciências Exatas e Aplicadas Universidade Federal de Ouro Preto e-mail:
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 maisDESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
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 maisUm algoritmo genético híbrido para o problema quadrático binário irrestrito
Um algoritmo genético híbrido para o problema quadrático binário irrestrito Bruno de Athayde Prata (UNIFOR) bprata@unifor.br Resumo O problema quadrático binário irrestrito (Unconstrained Quadratic Binary
Leia maisLaboratório de Engenharia Virtual. LEV - Caderno de Atividades. CA 2015/001 Implementação da Meta-heurística GRASP no Framework de Otimização do LEV
Laboratório de Engenharia Virtual LEV - Caderno de Atividades Relatório de andamento de trabalho CA 2015/001 Implementação da Meta-heurística GRASP no Framework de Otimização do LEV Wakim Saba, Carlos
Leia maisMÉTODOS EXATO E HEURÍSTICO PARA O PROBLEMA DE LOCALIZAÇÃO DAS P-MEDIANAS COM DOIS OBJETIVOS
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. MÉTODOS EXATO E HEURÍSTICO PARA O PROBLEMA DE LOCALIZAÇÃO DAS P-MEDIANAS COM DOIS OBJETIVOS Paula Mariana dos Santos (UFV) paula-marianna@hotmail.com JOSE
Leia maisAlgoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte
Algoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte Henrique A. Kobersztajn 1, Kelly C. Poldi 2, Instituto de Ciência e Tecnologia, Unifesp
Leia maisSIMULATED ANNEALING APLICADO AO PROBLEMA DE ORDENAÇÃO EM LINHAS PARALAELAS
SIMULATED ANNEALING APLICADO AO PROBLEMA DE ORDENAÇÃO EM LINHAS PARALAELAS Bernardo De Polli Cellin Mestrando em Informática - Universidade Federal do Espírito Santo Av. Fernando Ferrari, Nº 514, CEP:
Leia maisUMA METAHEURÍSTICA HÍBRIDA GRASP-ILS APLICADA À SOLUÇÃO DO PROBLEMA DE CORTE BI-DIMENSIONAL GUILHOTINADO
UMA METAHEURÍSTICA HÍBRIDA GRASP-ILS APLICADA À SOLUÇÃO DO PROBLEMA DE CORTE BI-DIMENSIONAL GUILHOTINADO Elias Carlos Correa Temponi Centro Federal de Educação Tecnológica de Minas Gerais Av. Amazonas
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 maisINFORMAÇÕES GERAIS DO TRABALHO
INFORMAÇÕES GERAIS DO TRABALHO Título do Trabalho: Investigação de abordagens heurísticas para resolução de projeto de redes eixo-raio com alocação simples Autor (es): Rodrigo Ferreira de Brito; Bruno
Leia maisGeração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita
Geração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita Geraldo R. Mauri Universidade Federal do Espírito Santo - UFES mauri@cca.ufes.br Luiz A. N. Lorena
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 maisUMA HEURÍSTICA BASEADA EM GRASP PARA O PROBLEMA DO CLIQUE MÁXIMO. Daniel C. Miranda DCC-UFMG
UMA HEURÍSTICA BASEADA EM GRASP PARA O PROBLEMA DO CLIQUE MÁXIMO Isabel G. Barbosa DCC-UFMG isabarbo@dcc.ufmg.br Daniel C. Miranda DCC-UFMG danielcm@dcc.ufmg.br Rone Ilídio DCC-UFMG rone@dcc.ufmg.br Abstract
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 maisAPLICAÇÃO DO MÉTODO GRASP NO PROBLEMA DE POSICIONAMENTO DE RADARES DE VIGILÂNCIA
APLICAÇÃO DO MÉTODO GRASP NO PROBLEMA DE POSICIONAMENTO DE RADARES DE VIGILÂNCIA Mônica Maria De Marchi Centro Técnico Aeroespacial (CTA) Instituto de Estudos Avançados (IEAv) Departamento de Informática
Leia maisHEURÍSTICA PARA O PROBLEMA DE SINTERIZAÇÃO DE LIGA METÁLICA E DIAMANTE PARA A PRODUÇÃO DE FERRAMENTAS DIAMANTADAS
5, 6 e 7 de Agosto de 2010 ISSN 1984-9354 HEURÍSTICA PARA O PROBLEMA DE SINTERIZAÇÃO DE LIGA METÁLICA E DIAMANTE PARA A PRODUÇÃO DE FERRAMENTAS DIAMANTADAS Eglon Rhuan Salazer Quimaraes (Universidade Candido
Leia maisMETA-HEURÍSTICA CLUSTERING SEARCH APLICADA AO PROBLEMA DE ROTULAÇÃO CARTOGRÁFICA DE PONTOS
META-HEURÍSTICA CLUSTERING SEARCH APLICADA AO PROBLEMA DE ROTULAÇÃO CARTOGRÁFICA DE PONTOS Rômulo Louzada Rabello Universidade Federal do Espírito Santo UFES romulolouzada@gmail.com Geraldo Regis Mauri
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 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 maisHeurística Híbrida com Mineração de Dados para o Problema de Agrupamento Capacitado com Centro Geométrico
Heurística Híbrida com Mineração de Dados para o Problema de Agrupamento Capacitado com Centro Geométrico Marcos Guerine Instituto de Computação - Universidade Federal Fluminense Av. General Milton Tavares
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 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 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 maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DE CORTE BIDIMENSIONAL NÃO-GUILHOTINADO Gelinton Pablo Mariano Mestrando em Informática - Universidade Federal do Espírito Santo Av. Fernando Ferrari,
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 maisOTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER
OTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER Luiz Carlos de Abreu Rodrigues e Hideson Alves da Silva CPGEI CEFET/PR Centro Federal de Educação Tecnológica do Paraná, Av. Sete de
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisGRASP COM PATH RELINKING PARA UM PROBLEMA DE PLANEJAMENTO FLORESTAL
GRASP COM PATH RELINKING PARA UM PROBLEMA DE PLANEJAMENTO FLORESTAL Antonio Almeida de Barros Junior Departamento de Informática - Universidade Federal de Viçosa Caixa Postal 216 36.570-000 Viçosa MG Brasil
Leia maisUMA METAHEURÍSTICA GRASP PARA O PROBLEMA DA ÁRVORE GERADORA DE CUSTO MÍNIMO COM GRUPAMENTOS UTILIZANDO GRAFOS FUZZY
UMA METAHEURÍSTICA GRASP PARA O PROBLEMA DA ÁRVORE GERADORA DE CUSTO MÍNIMO COM GRUPAMENTOS UTILIZANDO GRAFOS FUZZY FABIANO VIEIRA DE ALVARENGA MARCELO LISBOA ROCHA Departamento de Ciência da Computação
Leia maisGRASP: a influência da lista restrita de candidatos nas soluções iniciais para otimização do corte unidimensional
Recebido em: 03/04/09 Aprovado em: 14/05/10 GRASP: a influência da lista restrita de candidatos nas soluções iniciais para otimização do corte unidimensional Euclydes Vieira Neto (ISECENSA RJ/Brasil) -
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
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 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 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 maisHEURÍSTICAS GRASP PARA O PROBLEMA DE ALOCAÇÃO DINÂMICA DE ESPAÇOS HEURISTIC GRASP TO THE PROBLEM OF ALLOCATION DYNAMICS OF SPACES
Universidade Tecnológica Federal do Paraná - UTFPR Campus Ponta Grossa - Paraná - Brasil ISSN 1808-0448 / v. 04, n. 01: p. 160-174, 2008 D.O.I.: 10.389/S1808-04482008000100011 HEURÍSTICAS GRASP PARA O
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 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 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 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 maisProgramação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo
Programação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo Lucas Yamada Scardoelli (EESC/USP) scarty@terra.com.br R. General Glicério, 340, Centro, CEP 15900-000, Taquaritinga,
Leia maisHEURÍSTICA ITERATED LOCAL SEARCH PARA RESOLVER O PROBLEMA MINIMUM BRANCH VERTICES
HEURÍSTICA ITERATED LOCAL SEARCH PARA RESOLVER O PROBLEMA MINIMUM BRANCH VERTICES Jorge Moreno Ramírez, Alexandre Plastino, Simone de L. Martins Universidade Federal Fluminense Niterói RJ Brasil {jmoreno,
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 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 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 maisUma heurística GRASP para o Problema da Sequência mais Próxima
Uma heurística GRASP para o Problema da Sequência mais Próxima Válber Laux 1, Adria Lyra 1 1 Universidade Federal Rural do Rio de Janeiro (UFRRJ) Av. Governador Roberto Silveira, Centro, Nova Iguaçu -
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 maisAlgoritmos eficientes para o projeto de uma rede de telecomunicações com topologia em anel
V ERMAC-R3 5 o Encontro Regional de Matemática Aplicada e Computacional 19-21 de outubro de 2005 Universidade Potiguar Natal/RN Algoritmos eficientes para o projeto de uma rede de telecomunicações com
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 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 maisSumário. Referências utilizadas. Introdução. MAFIA: Merging of Adaptive Finite Intervals. Introdução Visão Geral e Objetivos do MAFIA
Sumário : Merging of Adaptive Finite Intervals Elaine Ribeiro de Faria Análise de Agrupamento de Dados ICMC-USP Dezembro 2010 Introdução Visão Geral e Objetivos do Algoritmo Grid Adaptativo Algoritmo Algoritmo
Leia maisRio de Janeiro- Brasil, 05 e 06 de agosto de 2009. ISSN 2175-6295 SPOLM 2009
ISSN 175-695 Rio de Janeiro- Brasil, 05 e 06 de agosto de 009. SPOLM 009 034/009 - HEURÍSTICA GRASP BI-OBJETIVO PARA O PROBLEMA DAS P-MEDIANAS NÃO CAPACITADO Paula Mariana dos Santos Departamento de Engenharia
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 maisROTULAÇÃO CARTOGRÁFICA DE PONTOS: NOVAS SOLUÇÕES COM UM ALGORITMO GULOSO E UM GRASP
ROTULAÇÃO CARTOGRÁFICA DE PONTOS: NOVAS SOLUÇÕES COM UM ALGORITMO GULOSO E UM GRASP Gildásio Lecchi Cravo 1 Glaydston Mattos Ribeiro 1,2 (Orientador) Luiz Antonio Nogueira Lorena 2 (Orientador) 1 Faculdade
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 maisAlgoritmo heurístico para agrupamento de ordens de serviço em concessionárias de distribuição de energia elétrica considerando priorização
1/5 Title Algoritmo heurístico para agrupamento de ordens de serviço em concessionárias de distribuição de energia elétrica considerando priorização Registration Nº: (Abstract) xxx Company 1. Universidade
Leia maisUM ALGORITMO HEURÍSTICO APLICADO AO PROBLEMA DE CORTE UNIDIMENSIONAL
UM ALGORITMO HEURÍSTICO APLICADO AO PROBLEMA DE CORTE UNIDIMENSIONAL Flávio Barreiro Landes, Gustavo Silva Semaan Instituto do Noroeste Fluminense de Educação Superior, Universidade Federal Fluminense
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 maisESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS João Vitor Moccellin Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
Leia maisUm Algoritmo Genético Paralelo Aplicado ao Problema de Cobertura de Conjuntos
Um Algoritmo Genético Paralelo Aplicado ao Problema de Cobertura de Conuntos Francisco Jhonatas M. da Silva, Antonio C. de Oliveira, Rodrigo de M. S. Veras Departamento de Computação DC Universidade Federal
Leia mais1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador
1 Introdução 1.1 Descrição do problema A programação genética (PG) é uma meta-heurística utilizada para gerar programas de computadores, de modo que o computador possa resolver problemas de forma automática
Leia maisMETAHEURÍSTICAS SIMULATED ANNEALING E BUSCA TABU APLICADAS NA RESOLUÇÃO DO QUEBRA-CABEÇA SUDOKU
METAHEURÍSTICAS SIMULATED ANNEALING E BUSCA TABU APLICADAS NA RESOLUÇÃO DO QUEBRA-CABEÇA SUDOKU SIMONE S. F. DE SOUZA¹, RUBEN ROMERO¹ ¹ Departamento de Engenharia Elétrica, Faculdade de Engenharia de Ilha
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 maisPOSICIONAMENTO DE SENSORES CONSIDERANDO FACILIDADES COM CARACTERÍSTICAS DISTINTAS
POSICIONAMENTO DE SENSORES CONSIDERANDO FACILIDADES COM CARACTERÍSTICAS DISTINTAS Maria José Pinto Lamosa Mônica Maria De Marchi Instituto de Estudos Avançados (IEAv) Divisão de Geo-Inteligência (EGI)
Leia maisALESPLOT Algoritmos eficientes para sistemas de produção, localização e transportes
ALESPLOT Algoritmos eficientes para sistemas de produção, localização e transportes Processo CNPq # 300837/89-5 Ref.: Bolsa de Produtividade em Pesquisa Luiz Antonio Nogueira Lorena lorena@lac.inpe.br
Leia maisUm algoritmo heurístico baseado na GRASP para o problema de corte bidimensional guilhotinado e restrito
Um algoritmo heurístico baseado na GRASP para o problema de corte bidimensional guilhotinado e restrito André Soares Velasco (UENF RJ/Brasil) andresv@uenf.br R. Professor Reis, 78, Centro, CEP 28013-320,
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
EXPERIÊNCIAS COM SIMULATED ANNEALING E BUSCA TABU NA RESOLUÇÃO DO PROBLEMA DE ALOCAÇÃO DE SALAS Marcone Jamilson Freitas Souza Departamento de Computação, Universidade Federal de Ouro Preto Campus Universitário,
Leia maisGRASP COM MEMÓRIA ADAPTATIVA PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM GRUPAMENTOS
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. GRASP COM MEMÓRIA ADAPTATIVA PARA O PROBLEMA DO CAIXEIRO VIAJANTE COM GRUPAMENTOS Mário Mestria (IFES) mmestria@ic.uff.br Luiz Satoru Ochi (UFF) satoru@ic.uff.br
Leia mais