Escolar Documentos
Profissional Documentos
Cultura Documentos
Uberlndia, Brasil
2018
UNIVERSIDADE FEDERAL DE UBERLNDIA
Uberlndia, Brasil
2018
Hugo Gustavo Valin Oliveira da Cunha
Professor
Professor
Uberlndia, Brasil
2018
Lista de ilustraes
AG Algoritmos Genticos
SA Simulated Anneling
Sumrio
1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 ALGORITMOS GENTICOS . . . . . . . . . . . . . . . . . . . . . . 9
5 TRABALHOS CORRELATOS . . . . . . . . . . . . . . . . . . . . . 20
6 CRONOGRAMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
REFERNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7
1 Introduo
1.1 Objetivo
O presente trabalho tem como objetivo realizar um comparativo entre as tcnicas
de otimizao computacional - o conhecido Algoritmo Gentico e o recente Algoritmo de
Vaga-lumes no contexto do tradicional Problema do Caixeiro Viajante, analisando resul-
tados e o efeito de cada parmetro usado nas tcnicas, definindo assim uma configurao
mais adequada.
1.2 Justificativa
O Problema do Caixeiro Viajante dos principais problemas de otimizao compu-
tacional que pode ser facilmente adaptado para problemas combinatrios do mundo real,
como fabricao de placas de circuitos eletrnicos, sequenciamento de tarefas, serializao
em arqueologia, roteamento IP, trfego urbano, distribuio de rede eltrica e entre tantos
outros. Dado sua importncia e sua complexidade computacional, tal problema deve-se
uma abordagem sofisticada como a utilizao de algoritmos genticos e o algoritmo de
vaga-lumes em busca de uma otimizao e/ou soluo.
9
2 Algoritmos Genticos
A inspirao dos algoritmos genticos na Biologia fez com que certas expresses
fossem herdadas desta cincia. Para um melhor entendimento, uma lista de termos espe-
cficos apresentada com os seus respectivos significados(DELBEM; GABRIEL, 2008):
Captulo 2. Algoritmos Genticos 10
Tendo conhecimento desses termos, podemos discutir cada um dos passos deste
algoritmo.
Um AG processa sua populao de indivduos, onde cada um codificado de uma
forma que possa ser manipulado, em que, geralmente, usado a representao binria ou
real. Para cada indivduo atribuda uma aptido, isto , uma informao de quo boa
sua soluo.
A partir de sua populao, o AG seleciona alguns indivduos, para gerar novos
filhos (ou variantes dos pais) por mutao e/ou crossover.
Algoritmo 1: Algoritmo Gentico.
Entrada: Parmetros necessrios
Sada: Populao de solues
incio
criao da populao inicial;
avaliao de cada indivduo da populao inicial;
repita
seleo dos pais;
combinao entre os pais;
mutao dos descentes gerados;
avaliao de novos candidatos;
seleo de indivduos para nova gerao;
at condio seja satisfeita;
fim
2
() = 0 (3.1)
2
() = 0 (3.2)
Captulo 3. Algortimo de Vaga-lumes (AVL) 14
, )2
, = = (, (3.3)
=1
2
= + 0 , ( ) + (3.4)
Por exemplo, para um grafo de 30 vrtices, o nmero de rotas ser dado por
30!, isto , 265252859812191058636308480000000 caminhos possveis, o que caracteriza o
Captulo 4. Problema do Caixeiro Viajante 17
1
= ,+1 + ,1 (4.2)
=1
= (1 ) + + ( 0.5)) (4.3)
A soluo inicial, isto , a permutao (1, 2, ..., n) pode ser eleita de forma rand-
mica. O clculo da distncia para o caso de variveis discretas pode ser realizada com o
clculo da distncia de Hamming, que definida como o nmero de elementos que no se
correspondem entre duas permutaes de mesmo tamanho (KOIDE, 2016). Por exemplo,
dado as permutaes 1 = [1, 2, 3, 4, 5] e 2 = [1, 2, 3, 5, 4], a distncia de Hamming
(1 , 2 ) = 2.
No decorrer das iteraes do algoritmo, as distncias dos vaga-lumes em relao a
outros vaga-lumes tendem a diminuir. Utilizando a distncia de Hamming, as quantidades
de elementos comuns devem aumentar para obterem-se as menores distncias. Deste modo,
o inicia com a anlise dos elementos comuns entre as permutaes (KOIDE,
2016). Para explicao, considere as seguintes permutaes 1 = [4, 9, 3, 7, 6, 8, 2, 1, 5]
e 2 = [4, 1, 3, 2, 5, 9, 7, 8]. Verifique que 1 2 = [ 4, _, 3, _, 6, _, _, _, _ ].
Captulo 4. Problema do Caixeiro Viajante 19
5 Trabalhos Correlatos
fim, o trabalho tambm mostra como o AVL fornece melhores resultados em relao a
outras heursticas.
Sureja e Chawda (2012) apresenta o Problema do Caixeiro Viajante Aleatrio
(PCVA) por meio do modelo do algoritmo gentico. O PCVA basicamente um PCV
com todas as instncias geradas aleatoriamente. Ao resolver esse problema usando o al-
goritmo gentico (AG), utilizado um esquema de codificao normal juntamente com o
mecanismo de cruzamento bsico.
Gupta (2013) utiliza oito algoritmos bioinspirados para comparao de resultados,
dentre estes esto o AVL e o AG, mostrando uma base de dados para experimentos com
seis casos. Este artigo pode ser um trabalho para possvel benchmark.
Saraei e Mansouri (2015) apresenta o Problema de Mltiplos Caixeiros Viajantes
(PMCV), que uma generalizao do PCV. Nesta nova abordagem tem uma restrio
na tarefa de otimizao, onde cada caixeiro viaja um conjunto nico de cidades. Como
tambm, este trabalho avalia como o algoritmo gentico pode ser aplicado para resolver
esse problema e prope uma soluo eficiente.
22
6 Cronograma
Referncias
DARWIN, C. On the origin of species by means of natural selection, or, the preservation
of favoured races in the struggle for life. Londres, Reino Unido: [s.n.], 1859. Citado 2
vezes nas pginas 7 e 9.
GUPTA, D. Solving tsp using various meta-heuristic algorithms. 2013. Disponvel em:
<http://online-journals.org/index.php/i-jes/article/download/3233/2930>. Citado na
pgina 21.
LUKASIK, S.; AK, S. Firefly algorithm for continuous constrained optimization tasks.
2010. Disponvel em: <http://home.agh.edu.pl/~slukasik/pub/016_Lukasik_Zak_
LNAI_ICCCI2009.pdf>. Citado na pgina 20.
NILSSON, C. Heuristics for the traveling salesman problem. 2003. Disponvel em: <http:
//citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.104.9895&rep=rep1&type=pdf>.
Citado na pgina 20.
YANG, X.-S. Firefly algorithms for multimodal optimization. 2009. Disponvel em:
<https://arxiv.org/pdf/1003.1466.pdf>. Citado na pgina 7.