Algoritmos simheurísticos baseados em simulated annealing e iterated local search com aprendizado por reforço para a maximização da produção em um circuito de britagem.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSouza, Marcone Jamilson Freitas-
Autor(es): dc.contributorCota, Luciano Perdigão-
Autor(es): dc.contributorSouza, Marcone Jamilson Freitas-
Autor(es): dc.contributorCota, Luciano Perdigão-
Autor(es): dc.contributorMazzinghy, Douglas Batista-
Autor(es): dc.contributorMenezes, Gustavo Campos-
Autor(es): dc.creatorMorais, João Paulo Estêvão-
Data de aceite: dc.date.accessioned2026-08-11T11:24:07Z-
Data de disponibilização: dc.date.available2026-08-11T11:24:07Z-
Data de envio: dc.date.issued2026-08-05-
Data de envio: dc.date.issued2025-
Fonte completa do material: dc.identifierhttps://www.repositorio.ufop.br/handle/123456789/21511-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1187932-
Descrição: dc.descriptionPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.-
Descrição: dc.descriptionA otimização de processos na mineração é essencial para a eficiência produtiva e a re- dução de custos. Este trabalho propõe algoritmos meta-heurísticos baseados em simheurística para maximizar a produção em um circuito de britagem de minério de ferro. A pesquisa ocor- reu em duas etapas: inicialmente, o algoritmo simheurístico baseado em Simulated Annealing (SA-SIM) validou a otimização do processo produtivo em turnos de seis horas, superando al- goritmos heurísticos da literatura em quatro de seis instâncias com menor custo computaci- onal. Posteriormente, considerou-se um horizonte de planejamento de 24 horas. Para tratar essa variante, foram desenvolvidos dois algoritmos simheurísticos. O primeiro, denominado ILS-QVND, combina os procedimentos Iterated Local Search (ILS), Variable Neighborhood Descent (VND) e Aprendizado por Reforço (Q-Learning). O segundo, denominado ILS-Q- Roleta, utiliza uma política de seleção probabilística para favorecer a escolha de buscas locais nas vizinhanças mais bem-sucedidas. O desempenho desses algoritmos foi comparado ao do algoritmo de referência ILS-VND, que combina os procedimentos ILS e VND. Em comparação com o algoritmo ILS-VND, o ILS-Q-Roleta apresentou o melhor desempenho, com produtivi- dade competitiva e redução significativa no tempo de execução.-
Descrição: dc.descriptionProcess optimization in mining is essential for improving production efficiency and reducing costs. This work proposes metaheuristic algorithms based on simheuristics to maximize pro- duction in an iron ore crushing circuit. The research was conducted in two stages: initially, the simheuristic algorithm based on Simulated Annealing (SA-SIM) validated the optimization of the production process in six-hour shifts, outperforming heuristic algorithms in the literature in four out of six instances with lower computational cost. Subsequently, a 24-hour planning hori- zon was considered. To address this variant, two simheuristic algorithms were developed. The first, called ILS-QVND, combines Iterated Local Search (ILS), Variable Neighborhood Descent (VND), and Reinforcement Learning (Q-Learning). The second, called ILS-Q-Roleta, employs a probabilistic selection policy that favors local searches in the most successful neighborhoods. The performance of these algorithms was compared with that of the reference algorithm ILS- VND, which combines ILS and VND. Compared with the ILS-VND algorithm, ILS-Q-Roulette performed better, with competitive productivity and a significant reduction in execution time.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-sa/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 26/06/2026 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais.-
Palavras-chave: dc.subjectMetodologia - heurística-
Palavras-chave: dc.subjectOtimização matemática-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectPlanejamento da produção-
Palavras-chave: dc.subjectCominuição-
Título: dc.titleAlgoritmos simheurísticos baseados em simulated annealing e iterated local search com aprendizado por reforço para a maximização da produção em um circuito de britagem.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.