Problema do vendedor: uma abordagem via algoritmos genéticos
|
|
- Maria de Lourdes Miranda Alencastre
- 6 Há anos
- Visualizações:
Transcrição
1 Problema do vendedor: uma abordagem via algoritmos genéticos Dandara de Almeida Machado 1, Juliana Verga Shirabayashi 1 1 Universidade Federal do Paraná (UFPR) Campus Jandaia do Sul dandaraalmeidaa@gmail.com; juliana.verga@ufpr.br Resumo: Neste trabalho, estudamos o problema do vendedor, que é uma variante do Problema do Caixeiro Viajante (PCV). O PCV resume-se em um determinado vendedor partindo de uma cidade inicial que deseja visitar todas as cidades listadas, e voltar à cidade de origem, com o objetivo de percorrer essas cidades uma única vez e com o menor caminho possível. Ele é um problema de otimização combinatória que serve de plataforma de teste para diversos métodos de resolução na mesma. Primeiramente foi feita a modelagem para o problema do vendedor, que diferentemente do problema do caixeiro viajante, não necessita retornar à cidade de origem. Para resolver tal problema, primeiramente utilizamos um algoritmo clássico de caminhos mínimos, que mostrou-se eficiente apenas para problemas pequenos; posteriormente utilizamos algoritmos genéticos, que são mais versáteis e encontram soluções boas e factíveis para diversos problemas, inclusive problemas do tipo do PCV, como é o caso do problema do vendedor. Palavras-Chave: Problema do Vendedor; Algoritmo Genético; 1. Introdução A pesquisa por técnicas que resultem em implementações computacionais eficientes é bastante ativa e possibilita a resolução de diversos problemas, desde os mais simples até os maiores e mais complexos (Ahuja,1993; Arenales,2006). O interesse por técnicas de otimização é de grande importância no mundo atual, por exemplo, empresas sempre querem maximizar seus lucros ou diminuir seus custos, e nesse sentido a pesquisa se faz necessária para que sempre tenhamos métodos mais eficientes para resolver os problemas. Através de um estudo de técnicas de otimização, como por exemplo: otimização linear e não linear, é possível modelar diferentes problemas reais e compreender a obtenção de suas soluções (Ford,1962; Beveridge,1970; Gondran,1984; Edgar, 1989; Berthold,1999).
2 O problema mais clássico e o mais conhecido na literatura que é um problema de programação linear (PPL) é o do caixeiro viajante (PCV), onde um vendedor percorre várias cidades uma só vez e volta obrigatoriamente para origem, com o objetivo de percorrer a menor distancia, ou o menor tempo de viagem (Simon,2013). Difícil falar sobre PCV, e não pensar na teoria de grafos. Geralmente estes tipos de problemas de otimização de rotas terrestre e aéreas são modelados através da teoria de grafos, que pode resolver vários tipos de problemas reais e é muito utilizada em criações de aplicativos para celular e computador, e também para a interatividade entre as pessoas que utilizam redes sociais (Ford,1962; Goldbarg, 2000). O problema que vamos tratar neste trabalho é uma variante do PCV, e é chamado de problema do vendedor. Resumidamente, consiste em um vendedor sair de uma cidade de origem, por exemplo, São Paulo, e fazer entregas de produtos em Ourinhos, Cornélio Procópio, Bandeirantes e seu destino final é Londrina. Para descobrirmos qual o caminho ideal para este vendedor percorrer, é necessário obter o caminho mínimo entre as cidades. Nem sempre a menor distância em quilômetros vai ser a melhor solução, pois obrigatoriamente o vendedor precisa deixar todas as suas encomendas, não podendo deixar nem um cliente sem seu pedido. O grafo abaixo representa o exemplo descrito acima. Neste caso, o nó 1 representa a cidade de São Paulo, o nó 2 representa a cidade de Ourinhos, o nó 3 representa a cidade de Cornélio Procópio e o nó 4 representa a cidade de Londrina. Os pesos, em km, utilizados foram: 1 2: 374, 1 3: 473, 1 4: 537, 2 3: 94, 2 4: 161, 3 4: 66. Para encontrar o melhor caminho para o vendedor neste exemplo, utilizamos o algoritmo de caminho mínimo de Ford-Moore-Bellman (Ahuja,1993; Arenales, 2006), implementado no Matlab, que forneceu o seguinte caminho: com custo 534 (km). O algoritmo Ford-Moore-Bellman é um algoritmo de caminho mínimo, e ao usá-lo no problema do vendedor, percebemos que, para um número maior de cidades (mais que 10) o mesmo é inviável.
3 A seguir, apresentamos a modelagem para o problema do vendedor. 2. Modelagem do problema A formulação matemática para o problema do vendedor é dada pelas equações a seguir (Lawler,1985; Simon,2013): sujeito a: onde: número de cidades. Onde a variável binária assume valor igual a um, se o arco for escolhido para integrar a solução, e em caso contrário, e é um subgrafo de G, e é o número de vértices do subgrafo. Segue abaixo uma descrição detalhada das restrições do problema Garante que todo fluxo que chega ao nó deve ser igual a um. Garante que todo fluxo que sai do ao nó deve ser igual a um. subciclos. Garante que as outras duas restrições são validas, evitando
4 3. Metodologia de solução Ao resolver o problema apresentado na introdução, através do algoritmo de Ford-Moore- Bellman, vimos que o mesmo resolve com eficiência problemas de pequeno porte (até 10 cidades), logo não é o algoritmo mais indicado para resolver problemas como o apresentado neste trabalho. Diante disso, optamos por utilizar algoritmos genéticos (AGs), o qual está brevemente descrito a seguir. Os AGs são algoritmos probabilísticos de busca e otimização baseados nos princípios da evolução natural e genética natural. Fala-se que ele funciona de forma semelhante à teoria da seleção natural, pois usa o mesmo conceito, onde os melhores indivíduos sobrevivem, e partir destes geram descendentes que carregam suas características, por tanto tendem a ter o mesmo fenótipo de seus ancestrais (Simon, 2013). Os AGs buscam soluções sub-ótimas, a partir da criação de uma população de indivíduos mais aptos, levando à otimização da função objetivo. Para criar essa população, o AG, através de configurações iniciais gera indivíduos aleatoriamente, a partir disso é feita uma avaliação de cada indivíduo, selecionando os mais aptos, e por mutação ou cruzamento, que são os operadores genéticos do algoritmo, cria-se as novas gerações de indivíduos. Cada indivíduo na população é uma possível solução para um determinado problema.
5 O AG gera uma solução candidata a solução utilizando uma estrutura parecida com a de um cromossomo, e aplica os operadores genéticos a essa estrutura para manter informações importantes para a solução do problema (Simon,2013). Segue abaixo um fluxograma que resume e mostra o funcionamento de um AG. Para maiores detalhes, consultar (Lawler, 1985; Simon, 2013). Figura 1: Fluxograma do funcionamento de um AG. Função custo A função custo, ou função de avaliação, calcula numericamente o valor do parâmetro associado ao cromossomo. Em geral, os parâmetros do problema entram em conflito, por isso cria-se a função de aptidão ou função objetivo, a fim de encontrar o ponto ótimo. Escolha da população inicial Uma das formas de inicializar a população é escolher aleatoriamente cada indivíduo dentro do espaço de busca. A aleatoriedade permite uma diversidade e boa distribuição da população inicial. Com essa técnica, permite criar uma boa distribuição, pois procura a solução em um maior espaço de busca, sem importar se são soluções boas ou não, assim criando uma maior diversidade e a população evoluindo. Isso é muito importante para uma população, pois sem diversidade, a população estará cada vez mais semelhante, e assim não ocorrendo à evolução.
6 Seleção O AG, como já dito antes, é baseado na seleção natural, onde sobrevivem os mais fortes, então os mais aptos geram mais filhos. Vale ressaltar que o algoritmo seleciona de forma aleatória, então nem sempre só sobrevivem os melhores, permitindo que os indivíduos menos aptos gerem filhos, porém os melhores têm as maiores probabilidades de sobreviverem. E dentro do AG, existem vários mecanismos para utilizar na hora de selecionar, como roleta, roleta viciada, torneio, sorteio, elitismo, entre outros, onde a escolha de qual método utilizar vai depender de qual é mais eficiente para o seu problema e suas restrições. Cruzamento - Crossover Através do cruzamento acontece a troca do material genético, ou seja, a recombinação de determinadas partes das sequências de caracteres dos pares de cromossomos, assim gerando um novo indivíduo, garantindo a recombinação da população e uma maior probabilidade de se produzir uma população de indivíduos mais evoluídos que seus pais. Como na seleção, no cruzamento também há vários mecanismos que permitem fazer o crossover, como por exemplo: Operador Patially Mapped Crossover (PMX), Operador Order Crossover (OX) e o Operador Cycle Crossover (CX). E todos eles escolhem aleatoriamente dois pais e troca parte de seu padrão genético, a diferença é como cada um deles faz na hora dessa troca. Mutação Após o cruzamento é feito a mutação, que é utilizada como um método para manter a diversidade genética na população. O operador mutação percorre toda a cadeia de bits do cromossomo, invertendo os valores deles, e assim mudando o valor de um determinado bit de 1 para 0 ou de 0 para 1, com o intuito de resgatar algum indivíduo que possa ter perdido durante a evolução. A taxa de mutação, que é um comando inicial do algoritmo, geralmente é baixa, a fim de não impactar muito nas alterações de genes da população. Por fim, o AG tem muitas vantagens, principalmente para problemas de otimização, pois é versátil para se obter soluções ótimas globais. Ele também trabalha baseado na codificação do problema e oferece suporte para a elaboração de um programa computacional abrangente, resolve uma diversidade grande de problemas complexos de forma rápida e confiável, e é considerado um algoritmo simples por conta de ser facilmente implementado e flexível, podendo ser aplicado nos mais diversos tipos de problemas. Por
7 outro lado, ele tem grande dificuldade para obter o ótimo global exato, e requer um grande número de avaliações de funções de aptidão. Para ilustrar o funcionamento de um AG no problema do vendedor, segue um exemplo. O AG foi implementado em Matlab 7.0, com as seguintes configurações: População inicial: aleatória; Seleção: roleta; Crossover: PMX; Mutação: inversão; Taxa de mutação: 0.05; Tamanho da população: 53; Número de gerações: 50; Critério de parada: número de gerações; Os dados abaixo são referentes à instância Berlin52 do TSPLib ( que é um repositório com instâncias para o problema do caixeiro viajante e suas variantes. Esta instância contém 52 locais da cidade de Berlin, Alemanha.
8 Figura 2: 52 locais da cidade de Berlin representados por pontos. Após a execução do algoritmo implementado, obtemos o seguinte resultado para este problema. Figura 3: Menor caminho para o problema Berlin52. A distância total percorrida foi de 8925 (em 13 segundos de execução), que representa o quanto o vendedor irá percorrer até atender todos os clientes. 4. Considerações Finais Após estudar o problema do vendedor, concluímos que o mesmo não pode ser resolvido através de métodos exatos, por isso optou-se por utilizar métodos heurísticos. O algoritmo genético mostrou-se eficiente para resolver o problema do vendedor, outras instâncias estão sendo testadas a fim de realizar comparações com resultados encontrados em trabalhos da literatura. Como trabalhos futuros, pretendemos fazer testes com dados reais referentes ao problema aqui estudado, programar outros tipos de operadores de cruzamento, seleção, mutação a fim de comparar os resultados obtidos. Outra perspectiva é lidar com algoritmo híbrido, unindo as técnicas de AG com a teoria dos conjuntos fuzzy.
9 Referências AHUJA, T. L.; MAGNANTI, R. K.. Network Flows. Prentice Hall, Philadelphia, PA, USA, 846p ARENALES, M. N.; ARMENTANO, V.; MORABITO, R., YANASSE, H.. Pesquisa Operacional. 1 a Edição. Rio de Janeiro: Editora Campus, BERTHOLD, M.; HAND, D. J.. Intelligent Data Analysis: An introduction, Springer-Verlag. 515p, BEVERIDGE, G.; SCHECHTER, R.. Optimization: Theory and Practice, McGraw-Hill, New York, EDGAR, T.E.; HIMMELBLAU, M.. Optimization of chemical processes, McGraw-Hill, New York, 666p, FORD, D. R.; FULKERSON, L.R.. Flows in networks. Princeton University Press, New York, GOLDBARG, H.P.L.; LUNA, M. C.. Otimização Combinatória e Programação Linear. Editora Campus, Rio de Janeiro, 518p, GONDRAN, M.; MINOUX, M.. Graphs and Algorithms. John Wiley and Sons, New York, 650p, LAWLER, E. L.; RINNOOY-KAN, A. H. G.; LENSTRA, J. K.; SHMOYS, D. B. The Traveling salesman problem: a guided tour of combinatorial optimization. [S.l.]: Edição de Wiley, p. SIMON, D.. Evolutionary Optimization Algorithms - biologically inspired and population - based approaches to computer intelligence. John Wley & Sons, 742p, 2013.
Algoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisOTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL RESUMO INTRODUÇÃO
OTIMIZAÇÃO FUNÇÕES UTILIZANDO ALGORITMOS GENÉTICOS NO APLICATIVO MS EXCEL Miquéias Augusto Ferreira Nantes 1, Douglas Peixoto de Carvalho 1 (Alunos do Curso de Matemática da Universidade Anhanguera - Uniderp)
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisMétodos de Busca. Inteligência Artificial. Algoritmos Genéticos. Algoritmos Evolucionários. Prof. Ms. Luiz Alberto Contato:
Inteligência Artificial Prof. Ms. Luiz Alberto Contato: lasf.bel@gmail.com Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido. Apenas distingue o estado objetivo
Leia maisMétodos de pesquisa e Optimização
Métodos de pesquisa e Optimização Victor Lobo Importância para os SAD Definir o caminho a tomar depois de se ter trabalhado os dados 1ª Fase: Analisar os dados disponíveis Visualização OLAP, relatórios
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisImplementação De Um Algoritmo Genético Codificado Para A Solução do Problema do Caixeiro Viajante
Implementação De Um Algoritmo Genético Codificado Para A Solução do Problema do Caixeiro Viajante 1 Resumo Neste trabalho será realizada a codificação do algoritmo genético para a solução do problema do
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisExemplo de Aplicação de Algoritmos Genéticos. Prof. Juan Moisés Mauricio Villanueva cear.ufpb.br/juan
Exemplo de Aplicação de Algoritmos Genéticos Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br cear.ufpb.br/juan Estrutura do Algoritmo Genético Algoritmo genético Inicio t = 0 inicializar P(t)
Leia maisMetahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.
Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos
Leia maisOtimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados
Otimização Jaime Arturo Ramírez Conteúdo 1. Introdução 2. Analogia de mecanismos de seleção natural com sistemas artificiais 3. Algoritmo genético modelo 4. Um GA simples 5. Representação, genes e cromossomos
Leia maisIntrodução a Algoritmos Genéticos
Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca
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 mais4 Métodos Existentes. 4.1 Algoritmo Genético
61 4 Métodos Existentes A hibridização de diferentes métodos é em geral utilizada para resolver problemas de escalonamento, por fornecer empiricamente maior eficiência na busca de soluções. Ela pode ser
Leia maisOtimização com Algoritmos Genéticos no MATLAB. Prof. Rafael Saraiva Campos CEFET-RJ
Otimização com Algoritmos Genéticos no MATLAB Prof. Rafael Saraiva Campos CEFET-RJ Conteúdo do Mini-Curso PARTE 1 Teoria PARTE 2 Prática Conteúdo do Mini-Curso PARTE 1 Teoria 1.1. Conceitos Básicos de
Leia maisPrática 00. Total 04. Pré-requisitos. No. De Créditos 04
Disciplina Otimização Combinatória Departamento Carga Horária Semanal MINISTÉRIO DA EDUCAÇÃO E CULTURA PRÓ-REITORIA DE GRADUAÇÃO 1 PROGRAMA DE DISCIPLINA Departamento de Computação Teórica Pré-requisitos
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
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 maisAlgoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs
Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus
Leia maisPROBLEMA DE ROTEAMENTO DE VEÍCULO UNIVERSIDADE PRESIDENTE ANTONIO CARLOS
PROBLEMA DE ROTEAMENTO DE VEÍCULO UNIVERSIDADE PRESIDENTE ANTONIO CARLOS FLÁVIO JOSE VIANA ORIENTADOR: GUSTAVO CAMPOS BANCA EXAMINADORA: EDUARDO BHERING FREDERICO COELHO Resumo Neste trabalho foi descrito
Leia maisOtimização com Algoritmos Evolutivos
Otimização com Algoritmos Evolutivos Francisco Pereira (xico@dei.uc.pt) ELBCE 2016 (Setembro 2016) Resumo Problem Optimization Method Solution } Algoritmos Evolutivos } Propriedades e funcionamento } Exemplos
Leia maisOtimização por Enxame de Partículas (PSO) e Otimização por Colônias de Formigas (ASO) aplicadas ao Problema do Caixeiro Viajante (TSP)
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Otimização por Enxame de Partículas (PSO) e Otimização por Colônias de Formigas (ASO) aplicadas ao Problema do Caixeiro Viajante
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisSOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS
Universidade Federal do Tocantins SOLUÇÕES HEURÍSTICAS PARA O JOGO DE DAMAS Diogo Rigo de Brito Guimarães Alexandre Tadeu Rossini da Silva Objetivo Implementar soluções heurísticas para o Jogo de Damas
Leia maisGT-JeDi - Curso de Desenv. de Jogos IA para Jogos. Gustavo Pessin 2007
GT-JeDi - Curso de Desenv. de Jogos IA para Jogos Gustavo Pessin 2007 Cronograma Base conceitual Exemplo: Achando o máximo de uma função... Como criar uma pequena aplicação: Exercício-Exemplo [Animal selvagem...]
Leia maisAPLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO
APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material
Leia mais3. ALGORITMOS GENÉTICOS
1 3. ALGORITMOS GENÉTICOS PARTE 1 3.1 Analogia Física: a evolução das espécies 3.2 A Tradução Matemática: o algoritmo básico 3.3 Codificação dos Indivíduos 3.4 Avaliação da Aptidão de um Indivíduo 3.5
Leia maisAlgoritmos Evolutivos Canônicos
Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição
Leia maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Leia maisAlgoritmos Genéticos Fundamentos e Aplicações. Prof. Juan Moisés Mauricio Villanueva
Algoritmos Genéticos Fundamentos e Aplicações Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br Conteúdo Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de Algoritmos
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 06 Algoritmos Genéticos Prof. Augusto Baffa Métodos de Busca Busca Cega ou Exaustiva: Não sabe qual o melhor nó da fronteira a ser expandido.
Leia mais04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II
04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2011/1 Moacir Ponti Jr.
Leia maisPesquisa Operacional. Evanivaldo Castro Silva Júnior
Evanivaldo Castro Silva Júnior Conteúdo Fundamentos da Pesquisa Operacional. Modelos Lineares. Métodos de solução gráfica e algoritmo simplex. Aplicações de Programação Linear. Análise de Sensibilidade.
Leia maisProgramação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO
Programação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO Tipos de Problemas 1. Dada uma variedade de alimentos, escolher uma dieta de menor custo que atenda as necessidades nutricionais de um indivíduo?
Leia maisComputação Evolutiva Parte 2
Computação Evolutiva Parte 2 Fabricio Breve fabricio@rc.unesp.br 29/03/2017 Fabricio Breve 1 Computação Evolutiva Evolução pode ser visto como: Processo capaz de localizar soluções para problemas oferecidos
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia maisPrática 02. Total. Pré-requisitos 2 MTM112. N o
Disciplina Pesquisa Operacional I MINISTÉRIO DA Departamento DEPARTAMENTO DE COMPUTAÇÃO Carga Horária Semanal Pré-requisitos 1 CIC170 Teórica EDUCAÇÃO E CULTURA DIRETORIA DE ENSINO 1 PROGRAMA DE DISCIPLINA
Leia maisUMA COMPARAÇÃO EMPÍRICA DE OPERADORES DE CROSSOVER PARA O PROBLEMA DE JOB SHOP COM DATAS DE ENTREGAS
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
Leia maisC o m p u t a ç ã o M ó v e l. André Siqueira Ruela
C o m p u t a ç ã o M ó v e l André Siqueira Ruela Sumário Revisão sobre AGs. Codificação de uma Rede Neural. AG em treinamento supervisionado. AG em treinamento não supervisionado. Revisão: Algoritmos
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y
Leia maisENG-418 OTIMIZAÇÃO DE PROCESSOS QUÍMICOS
Universidade Federal da Bahia - UFBA Escola Politécnica EP Departamento de Engenharia Química - DEQ Laboratório de Controle e Otimização de Processos Industriais - LACOI Disciplina: Otimização de Processos
Leia maisProgramação Matemática
Programação Matemática Professoras: Franklina Toledo e Maristela Santos* Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP *Estes slides foram feitos em colaboração
Leia maisDESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI
DESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI BIONDI C. O.¹, VIANNA S. S. V. 2, RODRIGUES M. T. M.³ 1 Universidade Estadual de Campinas, Departamento de Engenharia de Sistemas Químicos
Leia maisOptimização Não-linear
Optimização Não-linear Problemas de optimização não-linear A função a minimizar (maximizar) não é linear Exemplo: Z=43x 2 +log(x 2 )*sin(x x3 ), com x 3 -x 2! < 0 Não existem métodos universais para este
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 de caminho mínimo para grafos coloridos aplicado a redes de transporte multimodal
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Algoritmo de caminho mínimo para grafos coloridos aplicado a redes de transporte multimodal Juliana V. Shirabayashi Universidade Federal do Paraná -
Leia maisÁrvore Binária de Busca Ótima
MAC 5710 - Estruturas de Dados - 2008 Referência bibliográfica Os slides sobre este assunto são parcialmente baseados nas seções sobre árvore binária de busca ótima do capítulo 4 do livro N. Wirth. Algorithms
Leia mais4 Metáforas de Optimização
4 Metáforas de Optimização O gigantesco avanço tecnológico que vem sofrendo os sistemas de computação, mais precisamente as unidades de processamento, criou a base para o uso efetivo da Inteligência Computacional,
Leia mais3. ALGORITMOS GENÉTICOS
1 3. ALGORITMOS GENÉTICOS PARTE 2 3.7 Aspectos de Implementação do Algoritmo 3.8 Seleção da Codificação 3.9 Operadores Genéticos Modificados 3.10 Outros operadores: elitismo, reinicialização e niching
Leia maisANÁLISE ESTATÍSTICA DA DECISÃO PARA TRATAR O PROBLEMA DE ROTEAMENTO E COBERTURA COM MÁXIMO RETORNO ÀS ÁREAS SENSÍVEIS
ANÁLISE ESTATÍSTICA DA DECISÃO PARA TRATAR O PROBLEMA DE ROTEAMENTO E COBERTURA COM MÁXIMO RETORNO ÀS ÁREAS SENSÍVEIS Maria José Pinto, Mônica Maria De Marchi Instituto de Estudos Avançados (IEAv) E-mails:
Leia maisEstrutura comum dos AEs Seleção
Estrutura comum dos AEs Seleção Todos os AEs mantém uma população de tamanho m por: Utilizando uma população como fonte de pais para produzir n descendentes Reduzindo o tamanho da população expandida de
Leia mais5COP096 TeoriadaComputação
Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 13 Prof. Dr. Sylvio Barbon Junior Sumário - Problemas NP-Completo Algoritmos Não-deterministas; Classes NP-Completo e NP-Dificil; Teorema
Leia maisInteligência Artificial
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação
Leia 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 maisResolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Lagrangeana
Resolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Ana Maria A.C. Rocha e João Luís C. Soares Departamento de Produção e Sistemas Escola de Engenharia Universidade
Leia maisAlgoritmos Genéticos em Ambientes Paralelos
Algoritmos Genéticos em Ambientes Paralelos Michele Alves de Freitas Batista Instituto Nacional de Pesquisas Espaciais michele.afreitas@gmail.com Lamartine Nogueira Frutuoso Guimarães Instituto Nacional
Leia maisPesquisa Operacional II. Professor João Soares de Mello
Pesquisa Operacional II Professor João Soares de Mello http://www.uff.br/decisao/notas.htm Ementa Teoria dos grafos (pré-requisitos: PO I, Álgebra Linear) Programação não linear (pré-requisitos: PO I,
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisINFORMAÇÕES GERAIS DO TRABALHO
INFORMAÇÕES GERAIS DO TRABALHO Título do Trabalho: APLICATIVO EM SCILAB PARA SOLUÇÃO DO PROBLEMA DE ROTEAMENTO DE VEÍCULOS Autor (es): André Monteiro Klen e Vanessa Sabino Palavras-chave: Roteamento de
Leia maisAlgoritmos Genéticos. Indivíduos em uma população competem por recursos e parceiros. Os indivíduos mais bem sucedidos em cada competição vão produzir
Algoritmos Genéticos Algoritmos Genéticos (GA) são algoritmos de busca heurística baseados em ideias de seleção natural e genética. Dessa forma, eles representam uma forma inteligente de se fazer uma busca
Leia maisAnálise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível
Análise da Performance de um Modelo de Escalonamento Baseado em Pesquisa Tabu Aplicado em um Sistema de Manufatura Flexível Antonio G. RODRIGUES, Leandro T. HOFFMANN e Arthur T. GÓMEZ Universidade do Vale
Leia maisIntrodução ao Algoritmo Genético
Introdução ao Algoritmo Genético Sadao Massago Agosto de 2013 1 Introdução O algoritmo genético é um método de otimização bio insperado, desenvolvida por John Henry Holland em 1975. Segundo a teoria evolucionária
Leia maisEscola Básica e Secundária Mouzinho da Silveira. MACS 11.º Ano Problema do Caixeiro Viajante
Escola Básica e Secundária Mouzinho da Silveira MACS 11.º Ano Problema do Caixeiro Viajante Problema do Caixeiro Viajante Trata-se de um problema matemático que consiste, sendo dado um conjunto de cidades
Leia maisALGORITMOS GENÉTICOS SEMINÁRIO APRESENTADO PARA A DISCIPLINA OTIMIZAÇÃO COMBINATÓRIA E
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA MESTRADO EM INFORMÁTICA RÔMULO FERREIRA DOURO ALGORITMOS GENÉTICOS SEMINÁRIO APRESENTADO PARA A DISCIPLINA OTIMIZAÇÃO COMBINATÓRIA
Leia maisx y Grafo Euleriano Figura 1
Grafo Euleriano Um caminho simples ou um circuito simples é dito euleriano se ele contém todas as arestas de um grafo. Um grafo que contém um circuito euleriano é um grafo euleriano. Um grafo que não contém
Leia maisCURSO DE ENGENHARIA DE PRODUÇÃO PESQUISA OPERACIONAL FLUXO MÁXIMO
CURSO DE ENGENHARIA DE PRODUÇÃO PESQUISA OPERACIONAL FLUXO MÁXIMO Email: marcosdossantos_coppe_ufrj@yahoo.com.br SUMÁRIO Introdução; Aplicações; Premissas; Teorema de Ford-Fulkerson; Fluxo Máximo como
Leia maisTeoria da Complexidade Computacional
Teoria da Complexidade Computacional 25 de novembro de 2011 Enquanto a teoria de análise de algoritmos estuda a análise de complexidade de algoritmos, a teoria da complexidade estuda a classificação de
Leia maisTeoria dos Grafos AULA
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br AULA Caminho mínimo - Algoritmo de Djskstra Preparado a partir
Leia maisRicardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb
Ricardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb Aprendizado de Máquina IA Estatística Computação Diz-se que um algoritmo é capaz de aprender de uma
Leia maisCap. 2 Conceitos Básicos em Teoria dos Grafos
Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os
Leia maisObjetivo: Encontrar uma combinação de produtos que dê o maior lucro possível. Decisão a ser tomada Objetivo: Maximizar o lucro total
Brincando com a Otimização Linear ou Lego of my simplex ( Pendegraft,199) Socorro Rangel DCCE - IBILCE - UNESP O Problema Matéria Prima Disponível 6 peças grandes 8 peças pequenas Especificação do produto
Leia maisCiclos hamiltonianos e o problema do caixeiro viajante
Ciclos hamiltonianos e o problema do caixeiro viajante Algoritmos em Grafos Marco A L Barbosa cba Este trabalho está licenciado com uma Licença Creative Commons - Atribuição-CompartilhaIgual 4.0 Internacional.
Leia maisPesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear
Pesquisa Operacional aplicada ao Planejamento e Controle da Produção e de Materiais Programação Linear Introdução à Pesquisa Operacional Origens militares Segunda guerra mundial Aplicada na alocação de
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 maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisUtilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real
Utilizando um Algoritmo Genético para Encontrar os Zeros de uma Função Real Amarildo de Vicente 1, Rogério Luis Rizzi 1 1 Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade
Leia maismeio de busca Seções 3.1, 3.2 e 3.3
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reativos não funcionam em ambientes para quais o número de regras condição
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + y s.a x + y x + y 5 b) Max z = x + y s.a x + y 0 x + y 5 c) Max z = x + y s.a x + 9y 6 8 x +
Leia maisBenemar Alencar de Souza
Benemar Alencar de Souza Métodos de Otimização Aplicados Questões introdutórias O que é otimização? i Por que otimização é importante? Como tratar a otimização i como um problema? Quais objetivos são usuais?
Leia maisProjeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão
Projeto e Análise de Algoritmos NP Completude Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas versão da aula: 0.4 Introdução Problemas intratáveis ou difíceis são comuns
Leia maisAlgoritmos Genéticos. Luis Martí LIRA/DEE/PUC-Rio. Algoritmos Genéticos
Luis Martí LIRA/DEE/PUC-Rio Baseado nas transparências dos professores: Teresa B. Ludermir (UFPE) Ricardo Linden (CEPEL) Marco Aurélio Pacheco (PUC-Rio) Conteúdo! Introdução! O Algoritmo Genético Binário!
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Bibliografia ARENALES, ARMENTANO, MORABITO e YANASSE. Pesquisa Operacional, Campus, 2007. BERTSIMAS,
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada.
Teoria dos Grafos Valeriano A de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilceunespbr, socorro@ibilceunespbr Grafos Hamiltonianos Preparado a partir do texto: Rangel, Socorro
Leia maisUMA ABORDAGEM DIDÁTICA DO SIMULATED ANNEALING USANDO O MODELO MARKOVIANO APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN UMA ABORDAGEM DIDÁTICA DO SIMULATED ANNEALING USANDO O MODELO MARKOVIANO APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE Iloneide
Leia maisResolução de problemas por meio de busca. Inteligência Artificial
1 Resolução de problemas por meio de busca (Capítulo 3 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto 2 Estrutura 1. Agente de resolução de problema 2. Tipos de problema
Leia maisQuinta-feira, 11 de abril
15.053 Quinta-feira, 11 de abril Mais alguns exemplos de programação inteira Técnicas de planos de corte para obter melhores limitações Entregar: Observações de Aula 1 Exemplo: Localização do corpo de
Leia maisConstrução de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros
Construção de uma Ferramenta para Evoluir Estratégias e Estudar a Agressividade/Cooperação de uma População submetida ao Dilema dos Prisioneiros generalizá-lo para várias outras situações, como em problemas
Leia maisMODELOS PROBABILÍSTICOS
Disciplina de BIOLOGIA COMPUTACIONAL Mestrado em ENGENHARIA BIOMÉDICA 4º Ano, 1º Semestre 2007/08 MODELOS PROBABILÍSTICOS Relatório 4 Ana Calhau Ângela Pisco Nuno Santos 54605 55748 55746 Palavras-Chave:
Leia maisAplicação do algoritmo de Dijkstra para o problema de roteamento da frota de táxis partindo de um ponto fixo
Aplicação do algoritmo de Dijkstra para o problema de roteamento da frota de táxis partindo de um ponto fixo Heverton Ramos dos Santos 1 Alamir Rodrigues Rangel Jr 2 O presente artigo visa demonstrar uma
Leia maisInteligência Artificial. Conceitos Gerais
Inteligência Artificial Conceitos Gerais Inteligência Artificial - IA IA é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento.
Leia maisCOMPLEMENTAÇÃO DE CARGA HORÁRIA: 1 aula de 1h40min PLANO DE ENSINO
CURSO: Graduação em Matemática 1º semestre de 2016 DISCIPLINA: PESQUISA OPERACIONAL 2 PROFESSOR(ES): Vincent Gérard Yannick Guigues & Elivelton Ferreira Bueno CARGA HORÁRIA: 60h PRÉ-REQUISITO: CÁLCULO
Leia maisGrafos: caminhos mínimos
quando o grafo é sem pesos, a determinação de um caminho mais curto pode ser feita através de uma busca em largura caminho mais curto é aquele que apresenta o menor número de arestas quando o grafo tem
Leia maisAndré Andrade Costa. Otimização do Gas Lift Contínuo com Restrições por Algoritmo Genético
André Andrade Costa Otimização do Gas Lift Contínuo com Restrições por Algoritmo Genético Monografia apresentada ao Departamento de Engenharia Elétrica da PUC/Rio como parte dos requisitos para a obtenção
Leia maisINVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Leia maisAula 10: Tratabilidade
Teoria da Computação DAINF-UTFPR Aula 10: Tratabilidade Prof. Ricardo Dutra da Silva Na aula anterior discutimos problemas que podem e que não podem ser computados. Nesta aula vamos considerar apenas problemas
Leia mais