Algoritmos evolutivos eficientes para um problema de roteamento de veículo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorOchi, Luiz Satoru-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9171815778534257-
Autor(es): dc.contributorDrummond, Lúcia Maria de Assumpção-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9314029648579658-
Autor(es): dc.contributorBarbosa, Valmir Carneiro-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4602221579308599-
Autor(es): dc.contributorFrança, Paulo Morelato-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8544120185521109-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9948124094657200-
Autor(es): dc.creatorDalboni, Fábio Linhares-
Data de aceite: dc.date.accessioned2024-07-11T17:31:36Z-
Data de disponibilização: dc.date.available2024-07-11T17:31:36Z-
Data de envio: dc.date.issued2021-03-10-
Data de envio: dc.date.issued2008-03-24-
Data de envio: dc.date.issued2021-03-10-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/17848-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/752095-
Descrição: dc.descriptionEste trabalho apresenta propostas que visam melhorar o desempenho de algoritmos evolutivos (AEs). Os AEs e em particular, os algoritmos genéticos (AGs), apesar de muito conhecidos, não têm alcançado resultados competitivos com suas versões básicas (AGB) na solução de diferentes problemas de otimização. Diferentes variações dos AGBs têm sido propostas na literatura, com o intuito de tentar reduzir algumas das limitações presentes nestes algoritmos, tais como: dificuldade em efetuar uma busca local de forma eficiente; e a exigência de um tempo computacional maior do que o exigido por outras metaheurísticas. Neste trabalho, propomos alternativas para melhorar o desempenho destes AGBs, que aborda: a substituição dos operadores básicos de reprodução por heurísticas no algoritmo chamado de AG; a inclusão no AG de módulos de busca local que chamaremos AG+BL; e finalmente a inclusão neste último algoritmo de módulos de Mineração de Dados que chamaremos de AG+BL+MD. Numa segunda etapa, passaremos a analisar o problema da redução dos tempos computacionais exigidos por um AG. Procuramos adequar as versões aqui propostas a um Problema de Roteamento de Veículos (PRV), onde buscamos encontrar um percurso otimizado para uma unidade móvel de pistoneio (UMP), de modo a maximizar a extração do petróleo dos poços terrestres não surgentes, respeitando as restrições do problema. Resultados computacionais mostram o bom desempenho dos algoritmos propostos neste trabalho, e em particular, a da versão com mineração de dados-
Descrição: dc.descriptionThis work proposes solutions for enhancing the performance of evolutionary algorithms (EAs). The EAs and, in particular, the genetic algorithms (GAs), although very well known, are not reaching comparably better results against their basic versions (BGA) when solving different hard optimization problems. Different variations of BGAs are being researched and presented, with the goal of reducing some of their limitations, such as: the difficulty on executing an efficient local search and the demand for more computing time than other metaheuristics. We propose alternatives to enhance the performance of these BGAs, which can be described as: replacement of the basic reproduction operators by heuristics called GA, inclusion of local search procedures, called GA+LS, and also, the inclusion of procedures of Data Mining, called GA+LS+DM. In a second phase of this research, we will analyze the problem of reducing the computation time of a GA. In this work, four versions of evolutionary algorithms are proposed to solve the Vehicle Routing Problem, where we try to find an optimized route for a Oil Collector Vehicle, to help maximize oil extraction from surgent oil fields, thus, considering the constraints of the problem. The results of this computational investigation showed that the proposed algorithms of this research outperformed the other basic versions of GAs, specially the algorithm with procedures of Data Mining-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherPrograma de Pós-Graduação em Computação-
Publicador: dc.publisherComputação-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCiência da computação-
Palavras-chave: dc.subjectAlgoritmo-
Palavras-chave: dc.subjectHeurística-
Palavras-chave: dc.subjectMetaheurística-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO-
Título: dc.titleAlgoritmos evolutivos eficientes para um problema de roteamento de veículo-
Tipo de arquivo: dc.typeDissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.