Algoritmo genético para problema generalizado de atribuição
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/217533 |
Resumo: | Este trabalho aborda o Problema Generalizado de Atribuição. Visto que é um problema clássico de otimização, cujo objetivo é minimizar os custos de atribuir n tarefas a m agentes, a resolução do problema a ser estudada será pelo Algoritmo Genético. O desenvolvimento deste, consiste em construir soluções através do princípio da seleção natural e sobre os trabalhos de Mendel sobre a genética. A teoria da evolução natural consiste na ideia onde o mais apto sobreviva e este se reproduza, resultando na obtenção de uma nova geração. A resolução será testada nas instâncias de Yagiura (2021) e a implementação foi utilizando o software R, obtendo a melhor solução para as instâncias testadas. |
id |
UNSP_babb46a93e6a857800f1367015b2565b |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/217533 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Algoritmo genético para problema generalizado de atribuiçãoGenetic algorithm for generalized attribution problemProblema generalizado de atribuiçãoProblema de otimizaçãoAlgoritmo genéticoGeneralized assignment problemOptimization problemGenetic algorithmEste trabalho aborda o Problema Generalizado de Atribuição. Visto que é um problema clássico de otimização, cujo objetivo é minimizar os custos de atribuir n tarefas a m agentes, a resolução do problema a ser estudada será pelo Algoritmo Genético. O desenvolvimento deste, consiste em construir soluções através do princípio da seleção natural e sobre os trabalhos de Mendel sobre a genética. A teoria da evolução natural consiste na ideia onde o mais apto sobreviva e este se reproduza, resultando na obtenção de uma nova geração. A resolução será testada nas instâncias de Yagiura (2021) e a implementação foi utilizando o software R, obtendo a melhor solução para as instâncias testadas.This work addresses the Generalized Attribution Problem. Since it is a classical optimization problem, whose objective is to minimize the costs of assigning n tasks to m agents, the solution of the problem to be studied will be by the Genetic Algorithm. The development of this consists of building solutions through the principle of natural selection and on Mendel's work on genetics. The theory of natural evolution consists of the idea where the fittest survives and it reproduces, resulting in a new generation. The resolution will be tested in the instances of Yagiura (2021) and the implementation was using the R software, obtaining the best solution for the tested instances.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Néia, Silvely Nogueira de Almeida Salomão [UNESP]Universidade Estadual Paulista (Unesp)Montini, Beatriz de Barros2022-03-31T12:28:22Z2022-03-31T12:28:22Z2022-03-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/217533porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-11T06:32:18Zoai:repositorio.unesp.br:11449/217533Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-01-11T06:32:18Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Algoritmo genético para problema generalizado de atribuição Genetic algorithm for generalized attribution problem |
title |
Algoritmo genético para problema generalizado de atribuição |
spellingShingle |
Algoritmo genético para problema generalizado de atribuição Montini, Beatriz de Barros Problema generalizado de atribuição Problema de otimização Algoritmo genético Generalized assignment problem Optimization problem Genetic algorithm |
title_short |
Algoritmo genético para problema generalizado de atribuição |
title_full |
Algoritmo genético para problema generalizado de atribuição |
title_fullStr |
Algoritmo genético para problema generalizado de atribuição |
title_full_unstemmed |
Algoritmo genético para problema generalizado de atribuição |
title_sort |
Algoritmo genético para problema generalizado de atribuição |
author |
Montini, Beatriz de Barros |
author_facet |
Montini, Beatriz de Barros |
author_role |
author |
dc.contributor.none.fl_str_mv |
Néia, Silvely Nogueira de Almeida Salomão [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Montini, Beatriz de Barros |
dc.subject.por.fl_str_mv |
Problema generalizado de atribuição Problema de otimização Algoritmo genético Generalized assignment problem Optimization problem Genetic algorithm |
topic |
Problema generalizado de atribuição Problema de otimização Algoritmo genético Generalized assignment problem Optimization problem Genetic algorithm |
description |
Este trabalho aborda o Problema Generalizado de Atribuição. Visto que é um problema clássico de otimização, cujo objetivo é minimizar os custos de atribuir n tarefas a m agentes, a resolução do problema a ser estudada será pelo Algoritmo Genético. O desenvolvimento deste, consiste em construir soluções através do princípio da seleção natural e sobre os trabalhos de Mendel sobre a genética. A teoria da evolução natural consiste na ideia onde o mais apto sobreviva e este se reproduza, resultando na obtenção de uma nova geração. A resolução será testada nas instâncias de Yagiura (2021) e a implementação foi utilizando o software R, obtendo a melhor solução para as instâncias testadas. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-03-31T12:28:22Z 2022-03-31T12:28:22Z 2022-03-26 |
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/11449/217533 |
url |
http://hdl.handle.net/11449/217533 |
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 Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1803650232128372736 |