Escolar Documentos
Profissional Documentos
Cultura Documentos
Resolução de
Problemas
Complexos
Heurísticas
Problemas Complexos
Metaheurísticas
PAS
Referências
Carine Rodrigues da Costa
Mestranda em Ciência da Computação
Instituto de Informática
Universidade Federal de Goiás
http://www.inf.ufg.br
1 / 86
Técnicas para
Resolução de
Problemas
Complexos
1 Sumário
2 Definições Preliminares
Sumário
Def. Preliminares
Heurísticas
3 Heurísticas
Metaheurísticas
Heurísticas Construtivas
PAS
Busca Local
Referências
4 Metaheurísticas
Busca Tabu
GRASP
Algoritmos Genéticos
6 Referências
2 / 86
Técnicas para
Resolução de Otimização Combinatória
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
3 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
4 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Exemplo: Problema da Mochila
Metaheurísticas Dados um conjunto de n objetos e uma mochila com:
PAS
prj : prioridade do objeto j
Referências
pej : peso do objeto j
b : capacidade da mochila
Determinar quais objetos devem ser colocados na mochila
para maximizar o benefício total de tal forma que o peso da
mochila não ultrapasse sua capacidade.
5 / 86
Técnicas para
Resolução de Exemplo: Problema da Mochila
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
PAS
Referências
6 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Referências
Cada elemento possui uma prioridade e um valor.
Considerando que existam 5 itens, temos:
A [prioridade = 10, peso=3]
B [prioridade = 3, peso=4]
C [prioridade = 7, peso=6]
D [prioridade = 9, peso=4]
E [prioridade = 2, peso=2]
7 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Enumerando todas as soluções (peso máximo= 10kg)
Heurísticas
S1 [A] pr = 10 pe = 3 S17 [A,B,D] pr = 22 pe = 11
Metaheurísticas S2 [B] pr = 3 pe = 4 S18 [A,B,E] pr = 15 pe = 9
S3 [C] pr = 7 pe = 6 S19 [A,C,D] pr = 26 pe = 13
PAS S4 [D] pr = 9 pe = 4 S20 [A,C,E] pr = 19 pe = 11
Referências S5 [E] pr = 2 pe = 2 S21 [A,D,E] pr = 21 pe = 9
S6 [A,B] pr = 13 pe = 7 S22 [B,C,D] pr = 19 pe = 14
S7 [A,C] pr = 17 pe = 9 S23 [B,C,E] pr = 12 pe = 12
S8 [A,D] pr = 19 pe = 7 S24 [B,D,E] pr = 14 pe = 10
S9 [A,E] pr = 12 pe = 5 S25 [C,D,E] pr = 18 pe = 12
S10 [B,C] pr = 10 pe = 10 S26 [A,B,C,D] pr = 29 pe = 17
S11 [B,D] pr = 12 pe = 8 S27 [A,B,C,E] pr = 22 pe = 15
S12 [B,E] pr = 5 pe = 6 S28 [A,B,D,E] pr = 24 pe = 13
S13 [C,D] pr = 16 pe = 10 S29 [A,C,D,E] pr = 28 pe = 15
S14 [C,E] pr = 9 pe = 8 S30 [B,C,D,E] pr = 21 pe = 16
S15 [D,E] pr = 11 pe = 6 S31 [A,B,C,D,E] pr = 31 pe = 19
S16 [A,B,C] pr = 20 pe = 13
8 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Heurísticas n−1
X
Metaheurísticas nS = Cn,i + 1
PAS i=1
Referências
n= quantidade de elementos
e C é a combinação de n elementos tomados p a p:
n!
Cn,p =
p!(n − p)!
5! 5! 5! 5!
nS = + + + = 31
1!(5 − 1)! 2!(5 − 2)! 3!(5 − 3)! 4!(5 − 4)!
9 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
10 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
11 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Forma Geral de um Modelo de Otimização
PAS
Referências
min ou max (função objetivo)
sujeito a
restrições principais (equações ou inequações)
tipo das variáveis de decisão
12 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Referências
min f (x)
s.a. gi (x) ≥ 0, para i = 1, ..., m
hj (x) = 0, para j = 1, ..., p
13 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
14 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
PAS
Problema do Caixeiro Viajante - PCV
Referências Como transformá-lo num problema de enumeração?
Como determinar todas as rotas do caixeiro?
Como saber qual delas é a menor?
15 / 86
Técnicas para
Resolução de Problema do Caixeiro Viajante - PCV
Problemas
Complexos
Sumário
16 / 86
Técnicas para
Resolução de Problema do Caixeiro Viajante - PCV
Problemas
Complexos
Exemplo: PCV
Sumário
Def. Preliminares
A
Heurísticas
51
Metaheurísticas
B
PAS
Referências 31 50
E
39 6
65
44 85
D C
63
17 / 86
Técnicas para
Resolução de Definições Preliminares
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas Instância
Metaheurísticas
Valores dados aos parâmetros de entrada num
PAS
determinado momento, satisfazendo às restrições
Referências
impostas pelo problema.
O tamanho de uma instância corresponde ao total de
códigos (numéricos e alfanuméricos) necessários para
sua identificação, considerando o tipo e a estrutura dos
dados utilizados.
18 / 86
Técnicas para
Resolução de Problema do Caixeiro Viajante - PCV
Problemas
Complexos
Sumário
Def. Preliminares
Modelando o PCV
Heurísticas
Metaheurísticas
Variável de decisão: xij = 1 se a cidade i é visitada antes j.
PAS
0, caso contrário.
Referências Objetivo: Encontrar o circuito hamiltoniano de menor
custo.
Xn Xn
min cij xij
i=1 j=1
19 / 86
Técnicas para
Resolução de Problema do Caixeiro Viajante - PCV
Problemas
Complexos
Sumário
Def. Preliminares
Restrições do PCV
Heurísticas
n
Metaheurísticas
X
xij = 1, ∀j
PAS
i=1
Referências
De todas as cidades chega apenas uma.
n
X
xij = 1, ∀i
j=1
20 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário Heurísticas
Def. Preliminares
21 / 86
Técnicas para
Resolução de Heurísticas
Problemas
Complexos
Sumário
Def. Preliminares
Propósito Geral das Heurísticas
Heurísticas
Construtivas
Busca Local
Identificar soluções de um problema, onde o tempo é
Metaheurísticas mais importante que a qualidade da solução, ou o
PAS conhecimento da qualidade.
Referências São utilizados para identificar boas aproximações de
soluções, em menos tempo que um algoritmo exato
levaria para descobrir uma solução ótima.
O uso de métodos exatos pode tornar impraticável a
solução de diversos problemas.
22 / 86
Técnicas para
Resolução de Heurísticas
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Tipos de Heurísticas
Metaheurísticas
Construtiva: Consiste em construir uma solução de um problema
PAS
de forma incremental.
Referências
Melhoria: Iniciam com uma solução factível e então a
melhoram com uma sequência de passos como
intercalações ou trocas na vizinhança.
23 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Heurísticas
Metaheurísticas
PAS
24 / 86
Técnicas para
Resolução de Heurísticas Construtivas
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas Construtivas
Heurísticas
Construtivas
Busca Local
Consiste em construir uma solução de um problema de forma
Metaheurísticas
incremental.
PAS Adicionam componentes individuais (nós, arcos, variáveis).
Referências Método Guloso, procura o melhor componente.
Passo a passo, um componente é escolhido e depois inserido
na solução até gerar uma solução completa.
O componente escolhido em cada passo é, em geral, o
melhor candidato de acordo com algum critério.
25 / 86
Técnicas para
Resolução de Heurística de Construção Gulosa
Problemas
Complexos
Metaheurísticas
2 Inicialize o conjunto C de componentes candidatos;
PAS
3 enquanto (sp não for uma solução completa) faça
Referências 4 c ← melhor componente guloso;
5 sp ← sp ⊗ c ;
6 Atualize C;
7 s ← sp ;
8 Retorne a solução s.
26 / 86
Técnicas para
Resolução de Exemplo de Heurística Construtiva para o PCV
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local Heurística dos vizinhos mais próximos
Metaheurísticas
Ideia:
PAS
27 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Heurísticas
Metaheurísticas
PAS
28 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Operações básicas
Metaheurísticas
PAS
Partindo de uma solução inicial, consiste em “navegar”
Referências
interativamente pelo espaço de busca movendo-se em cada
passo, de uma solução para uma solução vizinha
(adjacente).
29 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Metaheurísticas
PAS
Referências
30 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
Def. Preliminares
Função de Vizinhança
Heurísticas
Construtivas Seja S o espaço de busca do problema
Busca Local
31 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
Movimento
Def. Preliminares
Heurísticas
Todo vizinho s0 ∈ N (s) é alcançado pela solução s
Construtivas
Busca Local
através de uma operação denominada de movimento.
Metaheurísticas
N (S) = {s1 , s2 , s3 , s4 }
PAS
Referências
32 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Exemplo de Movimentos na Vizinhança
Sumário 2-opt (ou 2-change): No PCV: N2 (s) = {s0 : s0 ∈ S e s0
Def. Preliminares pode ser obtida de s da seguinte maneira: remova duas
Heurísticas arestas do caminho e as substitua por outras duas arestas}.
Construtivas
Busca Local
Metaheurísticas
PAS
Referências
Def. Preliminares
Heurísticas
Construtivas
Busca Local
Metaheurísticas
PAS
Referências
Sumário
Def. Preliminares
Referências
Mínimo Global
Uma solução s ∈ S é chamada de mínimo global se
f (s) ≤ f (s0 )∀s0 ∈ S.
Este tipo de solução será indicada por s∗
35 / 86
Técnicas para
Resolução de Ótimo Local e Ótimo Global
Problemas
Complexos
Heurísticas
Construtivas
Busca Local
Metaheurísticas
PAS
Referências
36 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
Operações básicas
Def. Preliminares
Heurísticas
Baseado no método de tentativa e erro.
Construtivas
Busca Local O objetivo é encontrar ótimos locais, em sua forma mais
Metaheurísticas simples.
PAS
Partindo de uma solução inicial s, é feita uma busca no
Referências
subconjunto N (S) ⊂ S que contém soluções vizinhas de
s, e a melhor solução encontrada é escolhida.
Processo se repete enquanto soluções melhores forem
obtidas.
Método não garante que seja encontrado um ótimo
local, embora seja possível de ser encontrado.
37 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
Def. Preliminares
Referências
mapeamento, a vizinhança é dada por N : S −→ 2S em que
se busca um ponto s0 ∈ S que é melhorado pela sub-rotina:
38 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Sumário
39 / 86
Técnicas para
Resolução de Busca Local
Problemas
Complexos
Considerações importantes
Sumário
Def. Preliminares
Obter uma solução inicial factível (heurística
Heurísticas
construtiva).
Construtivas
Busca Local Escolher uma “boa” vizinhança para o problema.
Metaheurísticas
Escolher um bom método de busca.
PAS
Regras de seleção bem conhecidas: Primeira Melhoria
Referências
(First Improvement) e Melhor Melhoria (Best
Improvement).
Primeira Melhoria: Seleciona a primeira solução de menor
custo em relação à solução atual encontrada,
termina a iteração e o restante da vizinhança
não é avaliada, na mesma iteração.
Melhor Melhoria: São avaliadas todas as soluções vizinhas, e
após é escolhida a solução que traga a melhor
melhoria, e assim prossegue a busca.
40 / 86
Técnicas para
Resolução de Heurísticas Construtivas × Busca Local
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Construtivas
Busca Local
41 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Busca Tabu
GRASP
Alg. Genéticos
Metaheurísticas
PAS
Referências
42 / 86
Técnicas para
Resolução de Metaheurísticas
Problemas
Complexos
Sumário
43 / 86
Técnicas para
Resolução de Metaheurísticas
Problemas
Complexos
44 / 86
Técnicas para
Resolução de Metaheurísticas
Problemas
Complexos
45 / 86
Técnicas para
Resolução de Metaheurísticas
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Busca Tabu
GRASP
Metaheurísticas
Alg. Genéticos
PAS
1 Busca Tabu
Referências
2 GRASP
3 Algoritmos Genéticos
46 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas Metaheurísticas
Busca Tabu
GRASP
Alg. Genéticos
PAS
Busca Tabu
Referências
47 / 86
Técnicas para
Resolução de Busca Tabu
Problemas
Complexos
Sumário
Def. Preliminares
Busca Tabu
Heurísticas Criado por Glover [2] e Hansen.
Metaheurísticas
Busca Tabu Baseado em busca local.
GRASP
Alg. Genéticos
Diferença entre Busca Local e Tabu Search é a maneira de
PAS
explorar a vizinhança, pois na primeira as soluções melhores
Referências
que a atual são escolhidas da vizinhança e na segunda a
melhor solução vizinha é escolhida.
Estratégia de escolher o melhor vizinho (best improvement),
junto com uma estrutura de memória para armazenar as
soluções geradas tem como objetivo não deixar a busca presa
em um ótimo local.
48 / 86
Técnicas para
Resolução de Busca Tabu
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Busca Tabu
Metaheurísticas Guia a busca local utilizando uma estrutura de memória com
Busca Tabu
GRASP aceitação de movimentos que não são de melhora.
Alg. Genéticos
49 / 86
Técnicas para
Resolução de Busca Tabu
Problemas
Complexos
Sumário
Def. Preliminares
50 / 86
Técnicas para
Resolução de Busca Tabu
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Construção da Lista Tabu
Busca Tabu
GRASP Fila circular com tamanho máximo pré-fixado.
Alg. Genéticos
51 / 86
Técnicas para
Resolução de Busca Tabu
Problemas
Complexos
Sumário
Def. Preliminares
Algoritmo 3: Tabu Search
Heurísticas
1 T ← ∅;
Metaheurísticas
Busca Tabu
2 s ← alguma solução inicial;
GRASP 3 s∗ ← s;
Alg. Genéticos
4 repita
PAS
5 encontrar a melhor s0 ∈ N (S) \ T ;
Referências
6 se f (s0 ) < f (s∗ ) então
7 s∗ ← s;
8 s ← s0 ;
9 Atualize a lista tabu T ;
10 até critério de parada;
11 Retorne s∗ ;
52 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas Metaheurísticas
Busca Tabu
GRASP
Alg. Genéticos
PAS
GRASP
Referências
53 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Busca Tabu
GRASP GRASP - Greedy Randomized Adaptive Search Procedure -
Alg. Genéticos
PAS
Procedimento de Busca Adaptativa Gulosa e Randômica
Referências Proposto por Feo e Resende [2].
Baseada no processo chamado Multistart, para obter ótimos
locais de melhor qualidade.
54 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário
Def. Preliminares
Heurísticas
GRASP - Greedy Randomized Adaptive Search Procedure -
Metaheurísticas
Busca Tabu
Procedimento de Busca Adaptativa Gulosa e Randômica
GRASP
Alg. Genéticos Procedimento Iterativo
PAS
A cada iteração obtém-se uma solução.
Referências
As soluções são mantidas até o final.
Procedimento tem 2 fases:
Construir uma solução inicial usando uma função gulosa
aleatória.
Aplica uma busca local para melhorar a solução anterior.
55 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário
Def. Preliminares
Heurísticas
Algoritmo 4: GRASP
Metaheurísticas
Busca Tabu
GRASP
1 f ∗ ← ∞;
Alg. Genéticos 2 repita
PAS 3 Construção();
Referências 4 BuscaLocal(s);
5 se (f (s) < f ∗ ) então
6 s∗ ← s;
7 f ∗ ← f (s);
8 até critério de parada;
9 s ← s∗ ;
56 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário
Def. Preliminares
Fase de Construção
Heurísticas A solução inicia com um conjunto vazio. São inseridos
Metaheurísticas elementos nesse conjunto até que ele represente uma solução
Busca Tabu
GRASP viável para o problema.
Alg. Genéticos
57 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário
Referências
A cada iteração, a escolha do próximo elemento a ser
adicionado é determinado pela ordenação de todos os
elementos candidatos, em uma lista de candidatos;
Essa ordenação é feita mediante a avaliação de cada
elemento, conforme a função “gulosa”;
Heurística Adaptativa: Benefícios de cada elemento são
atualizados a cada iteração, as próximas soluções conterão
algumas características da solução anterior..
58 / 86
Técnicas para
Resolução de GRASP - Greedy Randomized Adaptive Search
Problemas
Complexos Procedure
Sumário Fase de Construção do GRASP
Def. Preliminares
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas Metaheurísticas
Busca Tabu
GRASP
Alg. Genéticos
PAS
Algoritmos Genéticos
Referências
60 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Algoritmos Genéticos
Busca Tabu
GRASP Criado por Holland e colegas [4].
Alg. Genéticos
61 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Elementos de Algoritmos Genéticos
Def. Preliminares
Heurísticas
Cromossomo
0 1 0 0 1
Metaheurísticas (indivíduo, solução)
Busca Tabu
GRASP 1 1 0 0 1
Alg. Genéticos População
(Conjunto de
PAS Soluções) 1 1 0 0 0
Referências
0 1 1 0 1
Alelo Gene
(possível valor (parte da representação
do gene) de uma solução)
62 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
63 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
64 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Referências filho 1
filho 1
Aplicação da
filho 2 mutação filho 2
(d) (c)
Gene alterado
pela mutação
65 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Processo de Reprodução
Metaheurísticas
Busca Tabu
GRASP
Existem várias formas de selecionar indivíduos para o
Alg. Genéticos processo de reprodução.
PAS
Referências
Binary Tournament Selection: indivíduos são
selecionados aleatoriamente e aquele que tiver o maior
valor para a função de aptidão é escolhido para ser o
pai, de forma análoga, o segundo pai é escolhido.
66 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
Busca Tabu
GRASP
Operações do Algoritmo Genético
Alg. Genéticos
Operação de Recombinação: Geração de filhos.
PAS
67 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Critérios para Escolha de Cromossomos Sobreviventes
Metaheurísticas
Busca Tabu Aleatório
GRASP
Alg. Genéticos
Roleta: chance de sobrevivência de cada cromossomo é
PAS
proporcional ao seu nível de aptidão.
Referências
Misto
O objetivo do uso destes critérios é escapar de
ótimos locais.
68 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Heurísticas
Algoritmo 6: Construção
Metaheurísticas
Busca Tabu
1 t ← 0;
GRASP
Alg. Genéticos 2 Gere a população inicial P (t);
PAS 3 Avalie P (t);
Referências 4 enquanto os critérios de parada não estiverem
satisfeitos faça
5 t ← t + 1;
6 Gere P (t) a partir de P (t − 1);
7 Avalie P (t);
8 Defina a população sobrevivente;
69 / 86
Técnicas para
Resolução de Algoritmos Genéticos
Problemas
Complexos
Sumário
Def. Preliminares
70 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
71 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
O que é
Metaheurísticas
PAS
Classroom Assignment - Parte integrante do Problema
Referências de Programação de Cursos Universitários (Couse
Timetabling ).
Atribuição de aulas, com horários previamente
estabelecidos, a salas, respeitando um conjunto de
restrições de várias naturezas [3].
72 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
73 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Restrições Fracas
Def. Preliminares
74 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Representação da Solução
Sumário Matriz S = (sij )m×n , onde m = total horários, n = total
Def. Preliminares
salas.
Heurísticas
sij contém a turma alocada no horário i e sala j.
Metaheurísticas
PAS
Referências
75 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
Estrutura de Vizinhança
Heurísticas
Metaheurísticas
PAS
Referências
76 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Metaheurísticas
PAS
Referências
77 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
Heurísticas
78 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
onde
K: número de medidas de inviabilidade
Ik : valor de k-ésima medida de inviabilidade
αk : peso associado à k-ésima medida de inviabilidade
79 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
Função de Qualidade
Heurísticas
Metaheurísticas
L
X
PAS h(s) = βl Ql
Referências l=1
onde
L: número de medidas de qualidade
Ql : valor de l-ésima medida de qualidade
βl : peso associado à l-ésima medida de qualidade
A solução s é viável quando g(s) = 0
80 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Def. Preliminares
81 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Sumário
Algoritmo 7: SA+BT
1 s0 ← ConstruaSolucaoInicial() ;
2 s1 ← SA(s0 ) ;
3 s∗ ← BT (s1 ) ;
82 / 86
Técnicas para
Resolução de Problema de Alocação de Salas - PAS
Problemas
Complexos
Resultados
Sumário
Def. Preliminares
Heurísticas
Metaheurísticas
PAS
Figura: Características das Instâncias Consideradas
Referências
D. De Werra, A. Hertz.
Tabu Search Techniques: A Tutorial and an Application to Neural
Networks.
OR Spectrum, 11(3):131–141, 1989.
D. E. Goldberg.
Genetics Algorithms in Search, Optimization, and Machine
Learning.
Addison-Wesley, Berkeley, 1989.
84 / 86
Técnicas para
Resolução de Bibliografia Básica
Problemas
Complexos
E. G. M. de Lacerda.
Busca Local.
Sumário
Slides, UFRN - DCA, 2006.
Def. Preliminares
Heurísticas
F. Glover.
Metaheurísticas
Future Paths for Integer Programming and Links to Artificial
PAS
Intelligence.
Referências
Computers and Operations Research, 5:553–549, 1986.
M. J. F. Souza.
Inteligência Computacional para Otimização.
Relatório Técnico - UFOP, 2009.
85 / 86
Técnicas para
Resolução de
Problemas
Complexos
Sumário
Bibliografia Básica
Def. Preliminares
Heurísticas
P. Hansen, N. Mladenovic.
Metaheurísticas
Variable Neighborhood Search..
PAS
Cap. 7, p. 145–184. Kluwer Academic Publishers, 2003.
Referências
T. A. Feo, M. G. Resende.
Greedy Randomized Adaptive Search Procedures.
Journal of Global Optimization, 6:109–133, 1995.
86 / 86