Metaheurística e sistema de suporte à decisão no gerenciamento de recursos florestais

• Autor(a) principal: Rodrigues, Flávio Lopes
• Data de Publicação: 2001
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/11178
• topic: Métodos quantitativos; Otimização florestal; Pesquisa operacional; Regulação florestal; Recursos naturais; Dendrometria inventário; Manejo florestal; Ciências Agrárias

Os objetivos gerais deste trabalho foram: avaliar a contribuição dos modelos, dados, tecnologias e recursos humanos no processo de tomada de decisão para o gerenciamento florestal; desenvolver e apresentar um sistema de suporte à decisão com novas abordagens para o gerenciamento de florestas eqüiâneas; e desenvolver e testar as metaheurísticas Algoritmo Genético (AG), Busca Tabu (BT) e Simulated Annealing (SA) para a solução de problemas de planejamento florestal com restrições de inteireza. Para alcançar seus objetivos, este estudo foi dividido em seis capítulos. No capítulo 1, fez-se uma revisão sobre o uso de modelos, dados, tecnologias e recursos humanos para tomada de decisão no gerenciamento florestal. O estudo revela a necessidade de se considerar a integração desses recursos, apontando ainda as principais falhas e equívocos nos seus usos pelas empresas florestais. No capítulo 2 é apresentado o SisFlor, um Sistema de Suporte à Decisão (SSD) flexível e amigável, que permite formular e resolver, através de modelos de Programação Linear (PL) e Programação Inteira (PI) importantes questões do gerenciamento de florestas equiâneas. As limitações do algoritmo exato branch and bound para solução dos modelos de PI, formulados através do SSD SisFlor é a principal motivação para desenvolvimento dos capítulos seguintes. No capitulo 3 é apresentada uma revisão sobre as heurísticas, as mais promissoras abordagens para solução de problemas de PI. Dentre as abordagens heurísticas, foram selecionadas as metaheurísticas AG, BT e SA, discutidas à luz dos seus princípios básicos e de algumas aplicações no gerenciamento florestal. Nos capítulos 4, 5 e 6 foram formuladas e implementadas em um código computacional as metaheurísticas AG, BT e SA. Para testar estas três metaheurísticas foram selecionados cinco problemas, contendo entre 12 e 423 variáveis de decisão, com restrições de singularidade, produção mínima e produção máxima. Todos os problemas tiveram como objetivo a maximização do valor presente líquido. O problema um foi utilizado para ilustração de uma corrida das respectivas metaheurísticas. Os demais problemas foram utilizados para avaliar os efeitos de diversos parâmetros dessas metaheurísticas, avaliados segund o medida de eficácia, dada pela relação entre o melhor valor da função objetivo obtida pela metaheurística e o ótimo matemático obtido pelo algoritmo exato branch and bound. Os parâmetros das metaheurísticas avaliadas foram comparados através do teste L&O e a análise por estatísticas descritivas. Os melhores valores dos parâmetros selecionados para as respectivas metaheurísticas forneceram eficácia média de 95,97% para a BT, 95,36% para a SA e 94,28% para o AG. Em relação aos valores máximos de eficácia obtidos, SA foi a metaheurística que apresentou maior valor para um dos problemas (100%), seguida pela BT (98,84%) e AG (98,48%). O maior coeficiente de variação foi obtido pela SA (3,18%), seguida pela BT (2,48%) e AG (2,08%). A eficiência, medida pelo tempo de processamento para obtenção da solução, obtida pela BT, AG e SA foram cerca de duas, cinco e dez vezes superior ao algoritmo branch and bound, respectivamente. As três metaheurísticas apresentaram-se como abordagens atrativas para solução de problemas combinatoriais importantes no contexto do gerenciamento florestal, problemas esses, de difícil solução ou até mesmo impossíveis de serem solucionados pelos algoritmos exatos da atualidade.