Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
Texto Completo: | https://repositorio.ufersa.edu.br/handle/prefix/5216 |
Resumo: | The concept of hyperheuristics is somewhat new in the field of optimization, it is a method that proposes a strategy of resolution that operates in a new level of abstraction, where without the use of specific information of the treated problem the method is able to o er solutions through the management of a set of available heuristic methods, and learning and / or training mechanisms may be employed. These characteristics allow this type of approach to adapt to di erent problem domains or to di erent classes of instances. Especially in problems where having a set of heuristic methods is not known which technique of resolution is the most adequate. The present work proposes as approach a hyperheuristic with learning integrated to GRASP (Greedy Randomized Adaptive Search Procedure) Metaheuristic applied to a variant of the classic Vehicle Routing Problem (PRV), the Vehicle Routing with TimeWindow (PRVJT). Having this method as learning mechanism a Reinforcement Learning (RA) technique, the algorithm Q-Learning that will have the task of indicating which heuristic method is most suitable to compose the constructive phase of GRASP. Like hyperheuristics with learning, another hyperheuristic method of managing random heuristics was implemented, trying to compare and analyze the performance of the learning method. The algorithms were tested in computational experiments with known instances in the literature for the PRVJT and the results obtained compared to the cost of solution, execution time and choice of the constructive heuristic method used in the GRASP construction phase |
id |
UFER_b32cde18a28b0585f79010cbe5ad508a |
---|---|
oai_identifier_str |
oai:repositorio.ufersa.edu.br:prefix/5216 |
network_acronym_str |
UFER |
network_name_str |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
repository_id_str |
|
spelling |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempoHiperheurística com aprendizadoMetaheurística GRASPProblema de roteamento de veículos com janela de tempoAprendizado por reforçoHyperheuristics with learningGRASP metaheuristicsVehicle routing problem with time windowReinforcement learningCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOThe concept of hyperheuristics is somewhat new in the field of optimization, it is a method that proposes a strategy of resolution that operates in a new level of abstraction, where without the use of specific information of the treated problem the method is able to o er solutions through the management of a set of available heuristic methods, and learning and / or training mechanisms may be employed. These characteristics allow this type of approach to adapt to di erent problem domains or to di erent classes of instances. Especially in problems where having a set of heuristic methods is not known which technique of resolution is the most adequate. The present work proposes as approach a hyperheuristic with learning integrated to GRASP (Greedy Randomized Adaptive Search Procedure) Metaheuristic applied to a variant of the classic Vehicle Routing Problem (PRV), the Vehicle Routing with TimeWindow (PRVJT). Having this method as learning mechanism a Reinforcement Learning (RA) technique, the algorithm Q-Learning that will have the task of indicating which heuristic method is most suitable to compose the constructive phase of GRASP. Like hyperheuristics with learning, another hyperheuristic method of managing random heuristics was implemented, trying to compare and analyze the performance of the learning method. The algorithms were tested in computational experiments with known instances in the literature for the PRVJT and the results obtained compared to the cost of solution, execution time and choice of the constructive heuristic method used in the GRASP construction phaseO conceito de hiperheurística é um tanto novo no ramo da otimização, se trata de um método que propõe uma estratégia de resolução que opera em um novo nível de abstração, onde sem a utilização de informações específicas do problema tratado o método é capaz de oferecer soluções através do gerenciamento de um conjunto de métodos heurísticos disponíveis, podendo ainda serem empregados mecanismos de aprendizado e/ou treinamento. Essas características permitem que esse tipo de abordagem possa se adaptar a diversos domínios de problemas ou a diferentes classes de instâncias. Principalmente em problemas onde dispondo de um conjunto de métodos heurísticos não se sabe que técnica de resolução é a mais adequada. O presente trabalho propõe como abordagem uma hiperheurística com aprendizado integrada à Metaheurística GRASP (Greedy Randomized Adaptive Search Procedure) aplicada à uma variante do clássico Problema de Roteamento de Veículos (PRV), o Problema de Roteamento de Veículos com Janela de Tempo (PRVJT). Tendo esse método como mecanismo de aprendizado uma técnica de Aprendizado por Reforço (AR), o algoritmo Q-Learning, que terá a tarefa de indicar que método heurístico mais adequado irá compor a fase construtiva do GRASP. Assim como a hiperheurística com aprendizado foi implementado um outro método hiperheurístico de gerenciamento de heurísticas aleatório, buscando comparar e analisar o desempenho do método de aprendizado. Os algoritmos foram testados em experimentos computacionais com instâncias conhecidas da literatura para o PRVJT e os resultados obtidos comparados ao custo de solução, tempo de execução e escolha do método heurístico construtivo utilizado na fase de construção do GRASPCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESUniversidade Federal Rural do Semi-ÁridoBrasilCentro de Ciências Exatas e Naturais - CCENUFERSAPrograma de Pós-Graduação em Ciência da ComputaçãoLiberalino, Carlos Heitor Pereira02598913477http://lattes.cnpq.br/1635497235155150Lima Júnior, Francisco Chagas de75046105420http://lattes.cnpq.br/934204127618625Campos, Gustavo Augusto Lima de22171215291http://lattes.cnpq.br/7205705989244804Medeiros Neto, Francisco Dantas de00735640440http://lattes.cnpq.br/5525562330158282Fernandes Neto, André Pedro67306721453http://lattes.cnpq.br/6481909544754185Souza, Daniel Vieira2020-08-03T18:29:58Z2019-08-162020-08-03T18:29:58Z2019-03-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCitação com autor incluído no texto: Souza (2019) Citação com autor não incluído no texto: (SOUZA, 2019)https://repositorio.ufersa.edu.br/handle/prefix/5216porSOUZA, Daniel Vieira de. Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo. 2019. 79 f. Dissertação (Mestrado em Ciência da Computação), Universidade Federal Rural do Semi-Árido, Mossoró, 2019.CC-BY-SAinfo:eu-repo/semantics/openAccessreponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)instname:Universidade Federal Rural do Semi-Árido (UFERSA)instacron:UFERSA2023-10-30T20:28:00Zoai:repositorio.ufersa.edu.br:prefix/5216Repositório Institucionalhttps://repositorio.ufersa.edu.br/PUBhttps://repositorio.ufersa.edu.br/server/oai/requestrepositorio@ufersa.edu.br || admrepositorio@ufersa.edu.bropendoar:2023-10-30T20:28Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA)false |
dc.title.none.fl_str_mv |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
title |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
spellingShingle |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo Souza, Daniel Vieira Hiperheurística com aprendizado Metaheurística GRASP Problema de roteamento de veículos com janela de tempo Aprendizado por reforço Hyperheuristics with learning GRASP metaheuristics Vehicle routing problem with time window Reinforcement learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
title_full |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
title_fullStr |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
title_full_unstemmed |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
title_sort |
Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo |
author |
Souza, Daniel Vieira |
author_facet |
Souza, Daniel Vieira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Liberalino, Carlos Heitor Pereira 02598913477 http://lattes.cnpq.br/1635497235155150 Lima Júnior, Francisco Chagas de 75046105420 http://lattes.cnpq.br/934204127618625 Campos, Gustavo Augusto Lima de 22171215291 http://lattes.cnpq.br/7205705989244804 Medeiros Neto, Francisco Dantas de 00735640440 http://lattes.cnpq.br/5525562330158282 Fernandes Neto, André Pedro 67306721453 http://lattes.cnpq.br/6481909544754185 |
dc.contributor.author.fl_str_mv |
Souza, Daniel Vieira |
dc.subject.por.fl_str_mv |
Hiperheurística com aprendizado Metaheurística GRASP Problema de roteamento de veículos com janela de tempo Aprendizado por reforço Hyperheuristics with learning GRASP metaheuristics Vehicle routing problem with time window Reinforcement learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
Hiperheurística com aprendizado Metaheurística GRASP Problema de roteamento de veículos com janela de tempo Aprendizado por reforço Hyperheuristics with learning GRASP metaheuristics Vehicle routing problem with time window Reinforcement learning CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
The concept of hyperheuristics is somewhat new in the field of optimization, it is a method that proposes a strategy of resolution that operates in a new level of abstraction, where without the use of specific information of the treated problem the method is able to o er solutions through the management of a set of available heuristic methods, and learning and / or training mechanisms may be employed. These characteristics allow this type of approach to adapt to di erent problem domains or to di erent classes of instances. Especially in problems where having a set of heuristic methods is not known which technique of resolution is the most adequate. The present work proposes as approach a hyperheuristic with learning integrated to GRASP (Greedy Randomized Adaptive Search Procedure) Metaheuristic applied to a variant of the classic Vehicle Routing Problem (PRV), the Vehicle Routing with TimeWindow (PRVJT). Having this method as learning mechanism a Reinforcement Learning (RA) technique, the algorithm Q-Learning that will have the task of indicating which heuristic method is most suitable to compose the constructive phase of GRASP. Like hyperheuristics with learning, another hyperheuristic method of managing random heuristics was implemented, trying to compare and analyze the performance of the learning method. The algorithms were tested in computational experiments with known instances in the literature for the PRVJT and the results obtained compared to the cost of solution, execution time and choice of the constructive heuristic method used in the GRASP construction phase |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-08-16 2019-03-22 2020-08-03T18:29:58Z 2020-08-03T18:29:58Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Citação com autor incluído no texto: Souza (2019) Citação com autor não incluído no texto: (SOUZA, 2019) https://repositorio.ufersa.edu.br/handle/prefix/5216 |
identifier_str_mv |
Citação com autor incluído no texto: Souza (2019) Citação com autor não incluído no texto: (SOUZA, 2019) |
url |
https://repositorio.ufersa.edu.br/handle/prefix/5216 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
SOUZA, Daniel Vieira de. Uma abordagem por hiperheurística com aprendizado para o problema de roteamento de veículos com janela de tempo. 2019. 79 f. Dissertação (Mestrado em Ciência da Computação), Universidade Federal Rural do Semi-Árido, Mossoró, 2019. |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal Rural do Semi-Árido Brasil Centro de Ciências Exatas e Naturais - CCEN UFERSA Programa de Pós-Graduação em Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal Rural do Semi-Árido Brasil Centro de Ciências Exatas e Naturais - CCEN UFERSA Programa de Pós-Graduação em Ciência da Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) instname:Universidade Federal Rural do Semi-Árido (UFERSA) instacron:UFERSA |
instname_str |
Universidade Federal Rural do Semi-Árido (UFERSA) |
instacron_str |
UFERSA |
institution |
UFERSA |
reponame_str |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
collection |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
repository.name.fl_str_mv |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA) |
repository.mail.fl_str_mv |
repositorio@ufersa.edu.br || admrepositorio@ufersa.edu.br |
_version_ |
1809747470443347968 |