Resumo
O estudo de meta-heurísticas eficientes para resolver problemas de otimização tem sido alvo de muitas pesquisas por parte da comunidade científica. Para obter bons resultados em termos de qualidade de soluções e tempo computacional é importante haver uma boa configuração da meta-heurística. Este processo de especificação do fluxo de controle e dos valores dos parâmetros de um método é uma tarefa árdua. Desta forma, este projeto tem como ideia central o desenvolvimento e aperfeiçoamento do método adaptativo Biased Random-key Genetic Algorithm (A-BRKGA) para escolher quais componentes serão utilizados e em qual sequência (fluxo do A-BRKGA) e quais parâmetros utilizar enquanto uma instância de um problema esteja sendo resolvida. Para tal, serão estudadas técnicas de aprendizagem de máquinas e mecanismos adaptativos e reativos para construir um A-BRKGA com configuração on-line de parâmetros e fluxo de controle. O principal objetivo é gerar um algoritmo eficiente para resolver problemas de otimização combinatória e que o código seja fácil de ser reutilizado. Para avaliar o método proposto serão estudados quatro problemas de otimização com aplicações industriais e logísticas: problema de escalonamento de técnicos em campo, problema do caixeiro viajante multiproduto com prioridades, problema de localização de facilidades capacitadas em dois níveis, problema de localização de facilidades com sobreposição de cobertura. Os testes computacionais utilizarão problemas testes disponíveis na literatura e estudos de casos reais. O método será comparado com algoritmos estado-da-arte por meio de análises estatísticas. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |