Busca avançada
Ano de início
Entree

Desenvolvimento de um método híbrido flexível com calibração automática de parâmetros

Processo: 16/07135-7
Linha de fomento:Bolsas no Exterior - Pesquisa
Vigência (Início): 09 de janeiro de 2017
Vigência (Término): 08 de novembro de 2017
Área do conhecimento:Engenharias - Engenharia de Produção - Pesquisa Operacional
Pesquisador responsável:Antônio Augusto Chaves
Beneficiário:Antônio Augusto Chaves
Anfitrião: Jose Fernando Goncalves
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Local de pesquisa : Universidade do Porto (UP), Portugal  
Assunto(s):Meta-heurística   Otimização combinatória   Algoritmos genéticos

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 calibração adequada de seus parâmetros. Este processo é geralmente árduo devido a relação que há entre os parâmetros, dificultando a escolha dos melhores parâmetros independente dos casos de teste analisados. Desta forma, este projeto tem como ideia central o desenvolvimento e aperfeiçoamento do método híbrido Clustering Search (CS), utilizando o conceito de chaves aleatórias do método Biased Random-Key Genetic Algorithms (BRKGA) e estudando novas formas automáticas de detectar regiões promissoras e calibrar os parâmetros em tempo de execução. Assim, pretendemos construir um método rápido e fácil de implementar, mas que seja eficiente em termos de qualidade de solução e tempo computacional. Para avaliar o método proposto serão estudados dois problemas de otimização com diversas aplicações práticas: problema de alocação de navios em berços e atribuição de guindastes e problema de localização de rótulos cartográficos. Para validação dos estudos realizados neste projeto, deverão ser utilizados problemas testes disponíveis na literatura e, se possível, alguns problemas testes reais. Na avaliação experimental do método proposto serão utilizados testes estatísticos para comparação com o estado da arte.

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ARAUJO, ELISEU J.; CHAVES, ANTONIO A.; LORENA, LUIZ A. N. Improving the Clustering Search heuristic: An application to cartographic labeling. APPLIED SOFT COMPUTING, v. 77, p. 261-273, APR 2019. Citações Web of Science: 0.
BIAJOLI, FABRICIO LACERDA; CHAVES, ANTONIO AUGUSTO; NOGUEIRA LORENA, LUIZ ANTONIO. A biased random-key genetic algorithm for the two-stage capacitated facility location problem. EXPERT SYSTEMS WITH APPLICATIONS, v. 115, p. 418-426, JAN 2019. Citações Web of Science: 5.
CHAVES, ANTONIO AUGUSTO; GONCALVES, JOSE FERNANDO; NOGUEIRA LORENA, LUIZ ANTONIO. Adaptive biased random-key genetic algorithm with local search for the capacitated centered clustering problem. COMPUTERS & INDUSTRIAL ENGINEERING, v. 124, p. 331-346, OCT 2018. Citações Web of Science: 3.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.