Navegando por Palavras-chave "Metaheuristics"

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Algoritmos híbridos para a solução do "Team Orienteering Problem"
    (Universidade Federal de São Paulo, 2023-06-28) Macêdo, Eduardo Állysson Alves Gonçalves [UNIFESP]; Senne, Edson Luiz França [UNIFESP]; http://lattes.cnpq.br/1338008237590056; https://lattes.cnpq.br/6111444839287695
    Neste trabalho, o Team Orienteering Problem (TOP) é resolvido utilizando dois métodos híbridos resultantes da integração da metaheurística Iterated Local Search (ILS) com a matheuristic Fix-and-Optimize (F&O) e da metaheurística Biased Random-Key Genetic Algorithm (BRKGA) com o F&O. O Team Orienteering Problem é um problema de otimização combinatória NP-difícil pertencente à classe de problemas de roteamento com prêmios. Seu objetivo é maximizar um prêmio total coletado por uma frota de veículos, determinando quais localidades são visitadas por cada veículo e em que sequência, restrito ao tempo máximo de duração de cada rota. A implementação do ILS contou com heurísticas de busca local contendo métricas específicas para a inclusão ou substituição de localidades. De modo semelhante, um decoder específico para o TOP foi proposto na implementação do BRKGA. Quanto ao F&O, foi utilizada, para a solução dos subproblemas, uma definição de subconjuntos de variáveis baseada em nós adjacentes, priorizando a inclusão dos nós e variáveis associadas em cada subconjunto baseada na distância dos nós não visitados aos nós pertencentes às rotas. Todas as implementações foram realizadas em linguagem de programação Julia e o Gurobi foi utilizado como pacote de otimização para a solução dos problemas de programação inteira mista no âmbito do F&O. Para analisar a efetividade dos métodos propostos, foram realizados experimentos computacionais com 3 conjuntos de instâncias de maior porte constantes da literatura, contendo ao todo 179 instâncias com número de localidades variando de 100 a 400 e os algoritmos foram executados 20 vezes para cada uma das instâncias. O ILS + F&O obteve resultados idênticos aos das melhores soluções conhecidas em 94 instâncias e um desvio percentual médio de 0,53% com melhor desempenho nas instâncias de menor porte. Já o BRKGA + F&O alcançou um melhor desempenho nas instâncias de grande porte e obteve resultados idênticos aos das melhores soluções conhecidas em 92 instâncias e um desvio percentual médio de 0,50%. Verificou-se que os métodos demonstraram efetividade na solução do problema, sendo comparáveis a outros métodos apresentados na literatura.
  • Nenhuma Miniatura disponível
    Item
    Somente Metadadados
    Evaluating differential evolution with penalty function to solve constrained engineering problems
    (Elsevier B.V., 2012-07-01) Melo, Vinicius Veloso de [UNIFESP]; Costa Carosio, Grazieli Luiza; Universidade Federal de São Paulo (UNIFESP); Univ Ribeirao Preto
    Over the the years, several metaheuristics have been developed to solve hard constrained and unconstrained optimization problems. in general, a metaheuristic is proposed and following researches are made to improve the original algorithm. in this paper, we evaluate a not so new metaheuristic called differential evolution (DE) to solve constrained engineering design problems and compare the results with some recent metaheuristics. Results show that the classical de with a very simple penalty function to handle constraints is still very competitive in the tested problems. (C) 2012 Elsevier B.V. All rights reserved.
  • Nenhuma Miniatura disponível
    Item
    Somente Metadadados
    Investigating Multi-View Differential Evolution for solving constrained engineering design problems
    (Elsevier B.V., 2013-07-01) Melo, Vinicius V. de [UNIFESP]; Carosio, Grazieli L. C.; Universidade Federal de São Paulo (UNIFESP); Inst Aeronaut & Espaco
    Several constrained and unconstrained optimization problems have been adequately solved over the years thanks to advances in the metaheuristics area. in the last decades, different metaheuristics have been proposed employing new ideas, and hybrid algorithms that improve the original metaheuristics have been developed. One of the most successfully employed metaheuristics is the Differential Evolution. in this paper it is proposed a Multi-View Differential Evolution algorithm (MVDE) in which several mutation strategies are applied to the current population to generate different views at each iteration. the views are then merged according to the winner-takes-all paradigm, resulting in automatic exploration/exploitation balance. MVDE was tested to solve a set of well-known constrained engineering design problems and the obtained results were compared to those from many state-of-the-art metaheuristics. Results show that MVDE was very competitive in the considered problems, largely outperforming several of the compared algorithms. (C) 2012 Elsevier B.V. All rights reserved.