Multi-point search for combinatorial optimization problems

Detalhes bibliográficos
Autor(a) principal: Zubaran, Tadeu Knewitz
Data de Publicação: 2013
Tipo de documento: Trabalho de conclusão de curso
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/70140
Resumo: Neste trabalho propomos e testamos maneiras de aplicar os princípios por traz do go with the winners, em problemas de otimização combinatória. Go with the winners foi proposto como um algorítimo para mover partículas em árvores abstratas, e é comprado com um algorítimo, simple restart, onde diversas partículas são soltas na raiz da árvore e deixadas à descender sem interagirem umas com as outras. O técnica go with the winners permite que as partículas utilizem informação das outras de forma a aumentar a chance delas chegarem em níveis mais baixos da árvore. Nós desenvolvemos um algorítimo que utiliza as idéias chave do go with the winners para três problemas distintos. Primeiramente desenvolvemos um problema artificial para testes preliminares do algorítimo para verificarmos como as previsões teóricas são traduzidas para um ponto intermediário entre um verdadeiro problema de otimização e o framework abstrato. Nós então implementamos e testamos o go with the winners no clássico problema de otimização do caixeiro viajante e por último no moderno machine reassignment. Para cada uma de nossas implementações nós fazemos uma bateria completa de testes e comparamos com a performance contra o simple restart e as meta-heurísticas comumente utilizadas GRASP e simulated annealing.
id UFRGS-2_cd2d843626671c467e67be4298609551
oai_identifier_str oai:www.lume.ufrgs.br:10183/70140
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Zubaran, Tadeu KnewitzRitt, Marcus Rolf Peter2013-04-10T01:42:11Z2013http://hdl.handle.net/10183/70140000876242Neste trabalho propomos e testamos maneiras de aplicar os princípios por traz do go with the winners, em problemas de otimização combinatória. Go with the winners foi proposto como um algorítimo para mover partículas em árvores abstratas, e é comprado com um algorítimo, simple restart, onde diversas partículas são soltas na raiz da árvore e deixadas à descender sem interagirem umas com as outras. O técnica go with the winners permite que as partículas utilizem informação das outras de forma a aumentar a chance delas chegarem em níveis mais baixos da árvore. Nós desenvolvemos um algorítimo que utiliza as idéias chave do go with the winners para três problemas distintos. Primeiramente desenvolvemos um problema artificial para testes preliminares do algorítimo para verificarmos como as previsões teóricas são traduzidas para um ponto intermediário entre um verdadeiro problema de otimização e o framework abstrato. Nós então implementamos e testamos o go with the winners no clássico problema de otimização do caixeiro viajante e por último no moderno machine reassignment. Para cada uma de nossas implementações nós fazemos uma bateria completa de testes e comparamos com a performance contra o simple restart e as meta-heurísticas comumente utilizadas GRASP e simulated annealing.In this work we propose and test ways to apply the principles of go with the winners in combinatorial optimization problems. Go with the winners was proposed as an algorithm to move particles in abstract trees, and is compared with an algorithm, the simple restart, where several particles are released at the root of the tree and let to descend the tree without interacting with one another. The go with the winners approach lets particles use information from other particles in order to increase the chance that they will reach deeper levels of the tree. We develop an algorithm that use the core ideas of the go with the winners in three distinct problems. First we define an artificial optimization problem to test a preliminary algorithm and see how the theoretical predictions are translated in a mid point between an actual optimization problem and the abstract framework. We proceed, then, to implement and test the go with the winners in a classic optimization problem, the travelling salesperson problem, and finally in the modern problem machine reassignment. For each of our implementations we perform a comprehensive set of benchmark tests and compare the performance against the simple restart and the commonly used metaheuristics GRASP and simulated annealing.application/pdfengInteligência artificialAlgorítmoOtimizacao combinatoriaCombinatorial optimizationHeuristicsUFRGSGo with the winnersMulti-point search for combinatorial optimization problemsBusca multi-ponto para problemas de otimização combinatória info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2013Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000876242.pdf000876242.pdfTexto completo (inglês)application/pdf619458http://www.lume.ufrgs.br/bitstream/10183/70140/1/000876242.pdfa78f822660e7e1133c99c75a738c9c00MD51TEXT000876242.pdf.txt000876242.pdf.txtExtracted Texttext/plain87233http://www.lume.ufrgs.br/bitstream/10183/70140/2/000876242.pdf.txtc8d2a0f665be5a218e0a6c74c2e9e39cMD52THUMBNAIL000876242.pdf.jpg000876242.pdf.jpgGenerated Thumbnailimage/jpeg969http://www.lume.ufrgs.br/bitstream/10183/70140/3/000876242.pdf.jpgbbb8e8e0840c611ddd36192a76fc8868MD5310183/701402018-10-15 08:25:21.963oai:www.lume.ufrgs.br:10183/70140Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-15T11:25:21Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Multi-point search for combinatorial optimization problems
dc.title.alternative.pt_BR.fl_str_mv Busca multi-ponto para problemas de otimização combinatória
title Multi-point search for combinatorial optimization problems
spellingShingle Multi-point search for combinatorial optimization problems
Zubaran, Tadeu Knewitz
Inteligência artificial
Algorítmo
Otimizacao combinatoria
Combinatorial optimization
Heuristics
UFRGS
Go with the winners
title_short Multi-point search for combinatorial optimization problems
title_full Multi-point search for combinatorial optimization problems
title_fullStr Multi-point search for combinatorial optimization problems
title_full_unstemmed Multi-point search for combinatorial optimization problems
title_sort Multi-point search for combinatorial optimization problems
author Zubaran, Tadeu Knewitz
author_facet Zubaran, Tadeu Knewitz
author_role author
dc.contributor.author.fl_str_mv Zubaran, Tadeu Knewitz
dc.contributor.advisor1.fl_str_mv Ritt, Marcus Rolf Peter
contributor_str_mv Ritt, Marcus Rolf Peter
dc.subject.por.fl_str_mv Inteligência artificial
Algorítmo
Otimizacao combinatoria
topic Inteligência artificial
Algorítmo
Otimizacao combinatoria
Combinatorial optimization
Heuristics
UFRGS
Go with the winners
dc.subject.eng.fl_str_mv Combinatorial optimization
Heuristics
UFRGS
Go with the winners
description Neste trabalho propomos e testamos maneiras de aplicar os princípios por traz do go with the winners, em problemas de otimização combinatória. Go with the winners foi proposto como um algorítimo para mover partículas em árvores abstratas, e é comprado com um algorítimo, simple restart, onde diversas partículas são soltas na raiz da árvore e deixadas à descender sem interagirem umas com as outras. O técnica go with the winners permite que as partículas utilizem informação das outras de forma a aumentar a chance delas chegarem em níveis mais baixos da árvore. Nós desenvolvemos um algorítimo que utiliza as idéias chave do go with the winners para três problemas distintos. Primeiramente desenvolvemos um problema artificial para testes preliminares do algorítimo para verificarmos como as previsões teóricas são traduzidas para um ponto intermediário entre um verdadeiro problema de otimização e o framework abstrato. Nós então implementamos e testamos o go with the winners no clássico problema de otimização do caixeiro viajante e por último no moderno machine reassignment. Para cada uma de nossas implementações nós fazemos uma bateria completa de testes e comparamos com a performance contra o simple restart e as meta-heurísticas comumente utilizadas GRASP e simulated annealing.
publishDate 2013
dc.date.accessioned.fl_str_mv 2013-04-10T01:42:11Z
dc.date.issued.fl_str_mv 2013
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/70140
dc.identifier.nrb.pt_BR.fl_str_mv 000876242
url http://hdl.handle.net/10183/70140
identifier_str_mv 000876242
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/70140/1/000876242.pdf
http://www.lume.ufrgs.br/bitstream/10183/70140/2/000876242.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/70140/3/000876242.pdf.jpg
bitstream.checksum.fl_str_mv a78f822660e7e1133c99c75a738c9c00
c8d2a0f665be5a218e0a6c74c2e9e39c
bbb8e8e0840c611ddd36192a76fc8868
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224444183576576

Registros relacionados