Algoritmos evolutivos eficientes para um problema de roteamento de veículo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/17848 |
Resumo: | Este trabalho apresenta propostas que visam melhorar o desempenho de algoritmos evolutivos (AEs). Os AEs e em particular, os algoritmos genéticos (AGs), apesar de muito conhecidos, não têm alcançado resultados competitivos com suas versões básicas (AGB) na solução de diferentes problemas de otimização. Diferentes variações dos AGBs têm sido propostas na literatura, com o intuito de tentar reduzir algumas das limitações presentes nestes algoritmos, tais como: dificuldade em efetuar uma busca local de forma eficiente; e a exigência de um tempo computacional maior do que o exigido por outras metaheurísticas. Neste trabalho, propomos alternativas para melhorar o desempenho destes AGBs, que aborda: a substituição dos operadores básicos de reprodução por heurísticas no algoritmo chamado de AG; a inclusão no AG de módulos de busca local que chamaremos AG+BL; e finalmente a inclusão neste último algoritmo de módulos de Mineração de Dados que chamaremos de AG+BL+MD. Numa segunda etapa, passaremos a analisar o problema da redução dos tempos computacionais exigidos por um AG. Procuramos adequar as versões aqui propostas a um Problema de Roteamento de Veículos (PRV), onde buscamos encontrar um percurso otimizado para uma unidade móvel de pistoneio (UMP), de modo a maximizar a extração do petróleo dos poços terrestres não surgentes, respeitando as restrições do problema. Resultados computacionais mostram o bom desempenho dos algoritmos propostos neste trabalho, e em particular, a da versão com mineração de dados |
id |
UFF-2_747b47ef3705ca00aed4990bc479cf04 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/17848 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Algoritmos evolutivos eficientes para um problema de roteamento de veículoCiência da computaçãoAlgoritmoHeurísticaMetaheurísticaCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAOEste trabalho apresenta propostas que visam melhorar o desempenho de algoritmos evolutivos (AEs). Os AEs e em particular, os algoritmos genéticos (AGs), apesar de muito conhecidos, não têm alcançado resultados competitivos com suas versões básicas (AGB) na solução de diferentes problemas de otimização. Diferentes variações dos AGBs têm sido propostas na literatura, com o intuito de tentar reduzir algumas das limitações presentes nestes algoritmos, tais como: dificuldade em efetuar uma busca local de forma eficiente; e a exigência de um tempo computacional maior do que o exigido por outras metaheurísticas. Neste trabalho, propomos alternativas para melhorar o desempenho destes AGBs, que aborda: a substituição dos operadores básicos de reprodução por heurísticas no algoritmo chamado de AG; a inclusão no AG de módulos de busca local que chamaremos AG+BL; e finalmente a inclusão neste último algoritmo de módulos de Mineração de Dados que chamaremos de AG+BL+MD. Numa segunda etapa, passaremos a analisar o problema da redução dos tempos computacionais exigidos por um AG. Procuramos adequar as versões aqui propostas a um Problema de Roteamento de Veículos (PRV), onde buscamos encontrar um percurso otimizado para uma unidade móvel de pistoneio (UMP), de modo a maximizar a extração do petróleo dos poços terrestres não surgentes, respeitando as restrições do problema. Resultados computacionais mostram o bom desempenho dos algoritmos propostos neste trabalho, e em particular, a da versão com mineração de dadosThis work proposes solutions for enhancing the performance of evolutionary algorithms (EAs). The EAs and, in particular, the genetic algorithms (GAs), although very well known, are not reaching comparably better results against their basic versions (BGA) when solving different hard optimization problems. Different variations of BGAs are being researched and presented, with the goal of reducing some of their limitations, such as: the difficulty on executing an efficient local search and the demand for more computing time than other metaheuristics. We propose alternatives to enhance the performance of these BGAs, which can be described as: replacement of the basic reproduction operators by heuristics called GA, inclusion of local search procedures, called GA+LS, and also, the inclusion of procedures of Data Mining, called GA+LS+DM. In a second phase of this research, we will analyze the problem of reducing the computation time of a GA. In this work, four versions of evolutionary algorithms are proposed to solve the Vehicle Routing Problem, where we try to find an optimized route for a Oil Collector Vehicle, to help maximize oil extraction from surgent oil fields, thus, considering the constraints of the problem. The results of this computational investigation showed that the proposed algorithms of this research outperformed the other basic versions of GAs, specially the algorithm with procedures of Data MiningPrograma de Pós-Graduação em ComputaçãoComputaçãoOchi, Luiz Satoruhttp://lattes.cnpq.br/9171815778534257Drummond, Lúcia Maria de Assumpçãohttp://lattes.cnpq.br/9314029648579658Barbosa, Valmir Carneirohttp://lattes.cnpq.br/4602221579308599França, Paulo Morelatohttp://lattes.cnpq.br/8544120185521109http://lattes.cnpq.br/9948124094657200Dalboni, Fábio Linhares2021-03-10T20:42:54Z2008-03-242021-03-10T20:42:54Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttps://app.uff.br/riuff/handle/1/17848porCC-BY-SAinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-06-07T18:49:04Zoai:app.uff.br:1/17848Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-06-07T18:49:04Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
title |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
spellingShingle |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo Dalboni, Fábio Linhares Ciência da computação Algoritmo Heurística Metaheurística CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
title_short |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
title_full |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
title_fullStr |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
title_full_unstemmed |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
title_sort |
Algoritmos evolutivos eficientes para um problema de roteamento de veículo |
author |
Dalboni, Fábio Linhares |
author_facet |
Dalboni, Fábio Linhares |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ochi, Luiz Satoru http://lattes.cnpq.br/9171815778534257 Drummond, Lúcia Maria de Assumpção http://lattes.cnpq.br/9314029648579658 Barbosa, Valmir Carneiro http://lattes.cnpq.br/4602221579308599 França, Paulo Morelato http://lattes.cnpq.br/8544120185521109 http://lattes.cnpq.br/9948124094657200 |
dc.contributor.author.fl_str_mv |
Dalboni, Fábio Linhares |
dc.subject.por.fl_str_mv |
Ciência da computação Algoritmo Heurística Metaheurística CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
topic |
Ciência da computação Algoritmo Heurística Metaheurística CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO |
description |
Este trabalho apresenta propostas que visam melhorar o desempenho de algoritmos evolutivos (AEs). Os AEs e em particular, os algoritmos genéticos (AGs), apesar de muito conhecidos, não têm alcançado resultados competitivos com suas versões básicas (AGB) na solução de diferentes problemas de otimização. Diferentes variações dos AGBs têm sido propostas na literatura, com o intuito de tentar reduzir algumas das limitações presentes nestes algoritmos, tais como: dificuldade em efetuar uma busca local de forma eficiente; e a exigência de um tempo computacional maior do que o exigido por outras metaheurísticas. Neste trabalho, propomos alternativas para melhorar o desempenho destes AGBs, que aborda: a substituição dos operadores básicos de reprodução por heurísticas no algoritmo chamado de AG; a inclusão no AG de módulos de busca local que chamaremos AG+BL; e finalmente a inclusão neste último algoritmo de módulos de Mineração de Dados que chamaremos de AG+BL+MD. Numa segunda etapa, passaremos a analisar o problema da redução dos tempos computacionais exigidos por um AG. Procuramos adequar as versões aqui propostas a um Problema de Roteamento de Veículos (PRV), onde buscamos encontrar um percurso otimizado para uma unidade móvel de pistoneio (UMP), de modo a maximizar a extração do petróleo dos poços terrestres não surgentes, respeitando as restrições do problema. Resultados computacionais mostram o bom desempenho dos algoritmos propostos neste trabalho, e em particular, a da versão com mineração de dados |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008-03-24 2021-03-10T20:42:54Z 2021-03-10T20:42:54Z |
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 |
https://app.uff.br/riuff/handle/1/17848 |
url |
https://app.uff.br/riuff/handle/1/17848 |
dc.language.iso.fl_str_mv |
por |
language |
por |
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 application/pdf |
dc.publisher.none.fl_str_mv |
Programa de Pós-Graduação em Computação Computação |
publisher.none.fl_str_mv |
Programa de Pós-Graduação em Computação Computação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1802135265773355008 |