Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/15221 |
Resumo: | The metaheuristics techiniques are known to solve optimization problems classified as NP-complete and are successful in obtaining good quality solutions. They use non-deterministic approaches to generate solutions that are close to the optimal, without the guarantee of finding the global optimum. Motivated by the difficulties in the resolution of these problems, this work proposes the development of parallel hybrid methods using the reinforcement learning, the metaheuristics GRASP and Genetic Algorithms. With the use of these techniques, we aim to contribute to improved efficiency in obtaining efficient solutions. In this case, instead of using the Q-learning algorithm by reinforcement learning, just as a technique for generating the initial solutions of metaheuristics, we use it in a cooperative and competitive approach with the Genetic Algorithm and GRASP, in an parallel implementation. In this context, was possible to verify that the implementations in this study showed satisfactory results, in both strategies, that is, in cooperation and competition between them and the cooperation and competition between groups. In some instances were found the global optimum, in others theses implementations reach close to it. In this sense was an analyze of the performance for this proposed approach was done and it shows a good performance on the requeriments that prove the efficiency and speedup (gain in speed with the parallel processing) of the implementations performed |
id |
UFRN_7058487051290a3a4d7084363f355961 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/15221 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Santos, João Paulo Queiroz doshttp://lattes.cnpq.br/2413250851590746http://lattes.cnpq.br/7325007451912598Dória Neto, Adrião Duartehttp://lattes.cnpq.br/1987295209521433Medeiros Júnior, Manoel Firmino dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781378J1Valentim, Ricardo Alexsandro de MedeirosMelo, Jorge Dantas de2014-12-17T14:55:11Z2009-05-262014-12-17T14:55:11Z2009-03-06SANTOS, João Paulo Queiroz dos. Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço. 2009. 73 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009.https://repositorio.ufrn.br/jspui/handle/123456789/15221The metaheuristics techiniques are known to solve optimization problems classified as NP-complete and are successful in obtaining good quality solutions. They use non-deterministic approaches to generate solutions that are close to the optimal, without the guarantee of finding the global optimum. Motivated by the difficulties in the resolution of these problems, this work proposes the development of parallel hybrid methods using the reinforcement learning, the metaheuristics GRASP and Genetic Algorithms. With the use of these techniques, we aim to contribute to improved efficiency in obtaining efficient solutions. In this case, instead of using the Q-learning algorithm by reinforcement learning, just as a technique for generating the initial solutions of metaheuristics, we use it in a cooperative and competitive approach with the Genetic Algorithm and GRASP, in an parallel implementation. In this context, was possible to verify that the implementations in this study showed satisfactory results, in both strategies, that is, in cooperation and competition between them and the cooperation and competition between groups. In some instances were found the global optimum, in others theses implementations reach close to it. In this sense was an analyze of the performance for this proposed approach was done and it shows a good performance on the requeriments that prove the efficiency and speedup (gain in speed with the parallel processing) of the implementations performedAs metaheurísticas são técnicas conhecidas para a resolução de problemas de otimização, classificados como NP-Completos e vêm obtendo sucesso em soluções aproximadas de boa qualidade. Elas fazem uso de abordagens não determinísticas que geram soluções que se aproximam do ótimo, mas no entanto, sem a garantia de que se encontre o ótimo global. Motivado pelas dificuldades em torno da resolução destes problemas, este trabalho propôs o desenvolvimento de métodos paralelos híbridos utilizando a aprendizagem por reforço e as metaheurísticas GRASP e Algoritmos Genéticos. Com a utilização dessas técnicas em conjunto, objetivou-se então, contribuir na obtenção de soluções mais eficientes. Neste caso, ao invés de utilizar o algoritmo Q-learning da aprendizagem por reforço, apenas como técnica de geração das soluções iniciais das metaheurísticas, este também aplicado de forma cooperativa e competitiva com o Algoritmo Genético e o GRASP, em uma implementação paralela. Neste contexto, foi possível verificar que as implementações realizadas neste trabalho apresentaram resultados satisfatórios, tanto na parte de cooperação e competição entre os algoritmos Q-learning, GRASP a Algoritmos Genéticos, quanto na parte de cooperação e competição entre grupos destes três algoritmos. Em algumas instâncias foi encontrado o ótimo global; quando não encontrado, conseguiu-se chegar bem próximo de seu valor. Neste sentido foi realizada uma análise do desempenho da abordagem proposta e verificou-se um bom comportamento em relação aos quesitos que comprovam a eficiência e o speedup (ganho de velocidade com o processamento paralelo) das implementações realizadasapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Engenharia ElétricaUFRNBRAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesMetaheurísticas GRASPAlgoritmos genéticosQ-learningSistemas paralelos e distribuídosGRASP metaheuristicsGenetic algorithmQ-learningParallel and distributed systemsCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAUma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforçoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALJoaoPQS.pdfapplication/pdf1464588https://repositorio.ufrn.br/bitstream/123456789/15221/1/JoaoPQS.pdfad1e7b6af306b0ce9b1ccb1fb510c4abMD51TEXTJoaoPQS.pdf.txtJoaoPQS.pdf.txtExtracted texttext/plain115445https://repositorio.ufrn.br/bitstream/123456789/15221/6/JoaoPQS.pdf.txt7f0cf72e2257b6595e6f8b1adae6559bMD56THUMBNAILJoaoPQS.pdf.jpgJoaoPQS.pdf.jpgIM Thumbnailimage/jpeg4452https://repositorio.ufrn.br/bitstream/123456789/15221/7/JoaoPQS.pdf.jpg40783f29a63967c41997ae32bac46b47MD57123456789/152212017-11-02 08:11:59.664oai:https://repositorio.ufrn.br:123456789/15221Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-02T11:11:59Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.fl_str_mv |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
title |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
spellingShingle |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço Santos, João Paulo Queiroz dos Metaheurísticas GRASP Algoritmos genéticos Q-learning Sistemas paralelos e distribuídos GRASP metaheuristics Genetic algorithm Q-learning Parallel and distributed systems CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
title_full |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
title_fullStr |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
title_full_unstemmed |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
title_sort |
Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço |
author |
Santos, João Paulo Queiroz dos |
author_facet |
Santos, João Paulo Queiroz dos |
author_role |
author |
dc.contributor.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/2413250851590746 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/7325007451912598 |
dc.contributor.advisor-co1ID.por.fl_str_mv |
|
dc.contributor.referees1.pt_BR.fl_str_mv |
Medeiros Júnior, Manoel Firmino de |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4781378J1 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Valentim, Ricardo Alexsandro de Medeiros |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Santos, João Paulo Queiroz dos |
dc.contributor.advisor-co1.fl_str_mv |
Dória Neto, Adrião Duarte |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/1987295209521433 |
dc.contributor.advisor1.fl_str_mv |
Melo, Jorge Dantas de |
contributor_str_mv |
Dória Neto, Adrião Duarte Melo, Jorge Dantas de |
dc.subject.por.fl_str_mv |
Metaheurísticas GRASP Algoritmos genéticos Q-learning Sistemas paralelos e distribuídos |
topic |
Metaheurísticas GRASP Algoritmos genéticos Q-learning Sistemas paralelos e distribuídos GRASP metaheuristics Genetic algorithm Q-learning Parallel and distributed systems CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
GRASP metaheuristics Genetic algorithm Q-learning Parallel and distributed systems |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
The metaheuristics techiniques are known to solve optimization problems classified as NP-complete and are successful in obtaining good quality solutions. They use non-deterministic approaches to generate solutions that are close to the optimal, without the guarantee of finding the global optimum. Motivated by the difficulties in the resolution of these problems, this work proposes the development of parallel hybrid methods using the reinforcement learning, the metaheuristics GRASP and Genetic Algorithms. With the use of these techniques, we aim to contribute to improved efficiency in obtaining efficient solutions. In this case, instead of using the Q-learning algorithm by reinforcement learning, just as a technique for generating the initial solutions of metaheuristics, we use it in a cooperative and competitive approach with the Genetic Algorithm and GRASP, in an parallel implementation. In this context, was possible to verify that the implementations in this study showed satisfactory results, in both strategies, that is, in cooperation and competition between them and the cooperation and competition between groups. In some instances were found the global optimum, in others theses implementations reach close to it. In this sense was an analyze of the performance for this proposed approach was done and it shows a good performance on the requeriments that prove the efficiency and speedup (gain in speed with the parallel processing) of the implementations performed |
publishDate |
2009 |
dc.date.available.fl_str_mv |
2009-05-26 2014-12-17T14:55:11Z |
dc.date.issued.fl_str_mv |
2009-03-06 |
dc.date.accessioned.fl_str_mv |
2014-12-17T14:55:11Z |
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.citation.fl_str_mv |
SANTOS, João Paulo Queiroz dos. Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço. 2009. 73 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/15221 |
identifier_str_mv |
SANTOS, João Paulo Queiroz dos. Uma implementação paralela híbrida para o problema do caixeiro viajante usando algoritmos genéticos, GRASP e aprendizagem por reforço. 2009. 73 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/15221 |
dc.language.iso.fl_str_mv |
por |
language |
por |
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.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Automação e Sistemas; Engenharia de Computação; Telecomunicações |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/15221/1/JoaoPQS.pdf https://repositorio.ufrn.br/bitstream/123456789/15221/6/JoaoPQS.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/15221/7/JoaoPQS.pdf.jpg |
bitstream.checksum.fl_str_mv |
ad1e7b6af306b0ce9b1ccb1fb510c4ab 7f0cf72e2257b6595e6f8b1adae6559b 40783f29a63967c41997ae32bac46b47 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117554002460672 |