Trabalho

Inteligncia
Artificial
Aplicada

1.

Do que tratam as metaheursticas?

As metaheuristicas tratam de atender problemas de otimizao problemas, onde o problema
nos tem uma soluo conhecida. A soluo que poder ser obtida atravs de algum algoritmo
Metaheuristico nem sempre pode ser a melhor soluo.

2.

Que caractersticas as metaheursticas apresentam:

As metaheuristicas de caracterizam por guiar outros algoritmos na busca de uma soluo
tima.

3. Quais as vantagens na utilizao de cada um dos tipos de busca local (otimizaes) Metaheursticas:
A vantagem pode variar dependendo do problema e algoritmo trabalha, em um problema onde,
necessrio um auxlio a um algoritmo principal de busca etc, para obter dados melhores,
otimizaes so o ideal para obter mais preciso nos dados.
4. As metaheursticas so formas de implementaes propostas para as buscas heursticas
Existentes. Justifique a afirmao.
Com essa afirmao podemos dizer que as metaheurisicas so algoritmos auxiliares para a
otimizao em algoritmos heursticos, com a viso de aumentar a preciso da busca onde pode-se
representar em palavras assim, as metaheuristicas percorrem o caminho, visualizam lugares,
colhem informaes ou no, logo a seguir o algoritmo heurstico ir se guiar a partir das
informaes recebidas ou sinalizadas pelo algoritmo metaheuristico.

Introduo

1.

O Objetivo deste trabalho apresentar uma anlise dos algoritmos de metaheuristicas

busca tabu, simulated annealing, otimizao de colnia de formiga e algoritmos
genticos, aplicando os mesmos ao mesmo problema afim de verificar resultados,
metodologias de cada algoritmo e caractersticas de cara um.
Problema apresentado Instalao de cmeras de segurana na cidade de so Paulo.

2.

Descrio do problema.
Na cidade so Paulo devido problemas na segurana pblica o prefeito decide por
aplicar uma medida para monitorar a cidade por meio de instalao de cmeras de
segurana na cidade inteira. Em uma reunio com os profissionais de T.I, foi montado
um esquema de rede de cmeras que poderiam percorrer a cidade inteira, porm era
necessrio algum tipo de estudo alocar de uma forma inteligente as cmeras pela
cidade. Em vista destes problemas os mesmos desenvolveram um programa que usaria
algoritmos de metaheuristicas para apresentar possveis resultados.
Algoritmos de metaheuristica:
Busca tabu
Simulated annealing
Otimizao de colnia de formiga
Algoritmos genticos

3.

Metodologias
A metodologia usada para confeco deste trabalho foi inspirada em exemplos,
explicaes e entendimento que obtive em sala de aula, relacionado aos tpicos a
seguir.

3.1 Na imagem abaixo uma representao da cidade de so Paulo, os ns significam

roteadores da prefeitura de so Paulo espalhados pela cidade, esses mesmos podero
servir de rota para cabear, verificar sinal, regio etc., afim de prover o melhor caminho
para um link com as cmeras, as numeraes nos caminhos so medidos em
quilmetros.
3.2 Busca Tabu

O problema da instalao das cmeras de segurana foi demostrado primeiro com a

metaheuristica busca tabu.
Caractersticas da busca tabu:

Evita percorrer os mesmos lugares.

Memria temporria para armazenamento de lugares visitados
Criao da lista Tabu (piores lugares)

Abaixo a aplicao do algoritmo ao problema:

Partindo do ponto P1(Central de monitoramento de cmeras) ao P15(Um bairro
qualquer). O resultado poderia ser qualquer outro, para o ponto final(Bairro), gerando
tabela de melhor caminho e tabela com lista tabu, piores lugares a se percorrer.

A partir do problema a busca tabu foi aplicada, gerando o melhor caminho acima dado como
melhor caminho, os dados podem ser visualizados nas tabelas abaixo:

Tabela melhor caminho mostrado:

P1
P2
P5
P9
P10
P12
P16

P2
P5
P9
P10
P12
P16
P15

Custo
5.0
5.0
5.0
5.0
5.0
4.0
6.0
35 quilmetros melhor neste caso

Tabela lista tabu gerada:

P1
P2
P2
P9
P9
P9

P6
P3
P4
P6
P8
P11

Custo
6.0
6.0
6.0
6.0
6.0
6.0

Para a escolha do melhor caminho a base foi o menor custo em quilmetros, com visto acima o
mesmo gerou o melhor caminho gerando assim a lista com os caminhos percorridos e a lista tabu
com os piores caminhos.

3.3 Otimizao de colnia de formigas

O problema da instalao das cmeras de segurana foi demostrado novamente com a

metaheuristica Otimizao de colnia de formigas.
Caractersticas Otimizao de colnia de formigas.

Busca aleatria de caminhos como formigas.

Marcao de melhor caminho com feromnio temporrio.
Guia de caminho por intensidade de feromnio.

Abaixo a aplicao do algoritmo ao problema:

Para representar esse algoritmo neste caso, para representar as formigas foram usadas
como guia a tabela de roteamento dos roteadores usam para compartilhar rotas, a cada
nova rota a lista atualizada por algum e compartilhada, isso indica que essas tabelas
tambm so temporrias.

Acima podemos visualizar o exemplo, onde a partir de P1(Central de monitoramento de

cmeras) que compartilha rotas com os demais, no caso a melhor rota at P15(Um
bairro qualquer). Neste exemplo seis formigas foram representadas partindo de P1,
onde as mesmas percorreram caminhos diferentes e o nico que prevaleceu por um
numero maior de formigas.
ROTAS

FCP = Formiga cor preta

FCV = Formiga cor vermelha
FCA =Formiga cor azul
FCC=Formiga cor cinza
FCM = Formiga cor marrom
FCVD= Formiga cor verde

Onde:
FCP percorre um primeiro caminho, logo em seguida uma segunda formiga FCV percorre
outro, depois FCA, FCC, FCM, FCVD. O melhor caminho indicado para pelas formigas foi
o central, onde FCC e FCM, combinando os nveis de feromnios guiaram FCV. No
exemplo dos roteadores a essa rota foi compartilhada na tabela de roteamento entre
os roteadores baseando-se no menor peso dos caminhos.

P1
P2
P5
P9
P10
P12
P16

P2
P5
P9
P10
P12
P16
P15

Custo
5.0
5.0
5.0
5.0
5.0
4.0
6.0
35 quilmetros melhor neste caso

3.4 Simulated Annealing

O problema da instalao das cmeras de segurana foi demonstrado novamente com

a metaheuristica Simulated Annealing.
Caractersticas Simulated Annealing.
Cozimento de substncia para iniciar:
Resfriamento rpido
Resfriamento lento

Abaixo a aplicao do algoritmo ao problema:

Para aplicao deste algoritmo o mtodo de cozimento foi usando
Apresentando trs diferentes solues.

Acima podemos visualizar trs caminhos gerados pelo algoritmo, a partir do cozimento
temos o resfriamento rpido, lento e o meio termo. De azul temos o caminho gerado
Pelo resfriamento rpido a partir de P1, o algoritmo expande para seus vizinhos de um
modo aleatrio no primeiro nvel at o P15. Logo no segundo nvel o meio termo, onde
existe a estabilizao, expandido atravs de vizinhos at P15. E por fim no
resfriamento lento onde a mesma situao acontece porm em um nvel abaixo.
Caminhos possveis simulados:

Resfriamento rpido:
Custo
P1
P6
P9
P11
P14

P6
P9
P11
P14
P15

6.0
6.0
6.0
6.0
8.0
32 quilmetros

Estabilizao no cozimento:
Custo
P1
P2
P5
P9
P11
P14

P2
P5
P9
P11
P14
P15

5.0
5.0
5.0
6.0
6.0
8.0
35 quilmetros

Resfriamento lento:
Custo
P1
P2
P3
P4
P8
P14

P2
P3
P4
P8
P14
P15

5.0
6.0
6.0
4.0
6.0
8.0
35 quilmetros

Neste caso o resfriamento rpido no Simulated Annealing obteve a melhor resposta, percorreu o mesmo
caminho que seus outros dois mtodos porm diminuiu o caminho entre P1 e P15.

3.5 Algoritmos genticos

O problema da instalao das cmeras de segurana foi demonstrado novamente com

a metaheuristica Algoritmos genticos.
Caracterstica algoritmos genticos:
Usa de meio de combinaes genes em busca de uma nova combinao.

Abaixo a aplicao do algoritmo ao problema:

Exemplo de combinao de rotas:

CP = caminho cor preta

CVE = caminho cor verde
CV = caminho cor vermelha
Acima temos as temos o CP, CVE e CV, notamos que CP e CV, fazem caminhos diferentes afim de
atingir o mesmo objetivo que P15. Logo CP e CV formam CVE, isso neste caso utilizando os
melhores pedaos de rotas de cada um.

Combinao de caminhos simulado CP e CV:

P1
P6
P9
P11

P6
P9
P11
P15

6.0
6.0
6.0
7.0
25 quilmetros

Resultados
Os resultados obtidos so em partes parecidos, a metodologia que necessria aplicar para cada
algoritmo bem diferente, cada um deles necessrio moldar o ambiente e adequar suas variveis
ao seu problema, tanto o algoritmo tabu, otimizao de colnia de formiga, Simulated Annealing e
algoritmo gentico tem suas particularidades. Para essa situao criada, o algoritmo gentico obteve
melhor desempenho, por ter a possibilidades de combinar outros resultados obtidos afim de obter
um resultado ainda melhor. A busca tabu aplicando seu mtodo obteve um bom caminho, assim
foram os outros algoritmos cada um trabalhando de uma forma afim de atingir o objetivo.