Melhorando o Desempenho de Algoritmos Evolutivos por Meio de Mineração de Dados: uma Aplicação na Área de Petróleo
DOI:
https://doi.org/10.5540/tema.2005.06.01.0021Resumo
A solução de problemas das classes NP-Completo e NP-Hard tem sido um grande desafio para pesquisadores da área de Otimização Combinatória. Um dos caminhos promissores tem sido reunir conceitos das áreas de Otimização e Inteligência Artificial (IA), procurando conjugar a rigidez dos métodos exatos de otimização com a flexibilidade dos métodos de busca em IA para desenvolver o que chamamos de técnicas inteligentemente flexíveis. As metaheurísticas são resultados desta união e podem ser vistas como heurísticas genéricas que procuram reduzir limitaçôes históricas encontradas em heurísticas tradicionais, como por exemplo, a dificuldade em escapar de ótimos locais muitas vezes ainda distantes de um ótimo global. Neste trabalho são apresentadas alternativas para melhorar o desempenho de Algoritmos Evolutivos no que se refere à qualidade das soluções geradas para o Problema de Roteamento de Unidades Móveis de Pistoneio. São propostos módulos de busca local e mineração de dados para serem incorporados a um Algoritmo Genético (AG). Os resultados demonstraram uma melhora significativa com relação ao AG que continha somente os operadores genéticos.Referências
[1] R. Agrawal, T. Imielinski e A. Swami, Mining association rules between sets of items in large databases, em “Proc. of the ACM SIGMOD Conf. on Management of Data”, Washington, DC, USA, pp. 207-216, 1993.
R. Aiex, M.G.C. Resende e C.C. Ribeiro, Probability distribution of solution time in GRASP: An experimental investigacion, J. of Heuristics, 8 (2002), 343-373.
D.J. Aloise, J.A. Barros e M. Souza, A genetic algorithm for a Oil Retrieval System, (In Portuguese), em “Proc. of the XXXII Brazilian Symposium on Operations Research”, São Paulo, Brasil, 2000.
J. Beasley, “Population Heuristics”, Handbook of Applied Optimization, Oxford University Press, Oxford, 2002, pp. 138-157.
J.L. Bresina, Heuristic-biased stochastic sampling, em “Proc. of the Thirteenth National Conference on Artificial Inteligence”, Portland, pp. 271-278, 1996.
A.A. Freitas, A survey of evolutionary algorithms for data mining and knowledge discovery, em “ Advances in Evolutionary Computation”(A. Ghosh e S. Tsutsui, eds.), Springer-Verlag, 2002.
F. Glover, M. Laguna e R. Marti, Fundamentals of Scatter Search and Path Relinking, Control and Cybernetics, 39, No. 3 (2000), 653-684.
D.E. Goldberg, “Genetic Algorithms in Search Optimization & Machine Learning”, Addison-Wesley, Menlo Park, 1989.
J.H. Holland, “Adaptation in Natural and Artificial Systems”, University of Michigan Press, Ann Arbor, 1975.
P.Moscato, “On Evolution, Search, Optimization Algorithms andMartial Arts: Towards Memetic Algorithms”, Report 826, Caltech Concurrent Computation Program, California Institute Technology, 1989.
G. Reinelt, TSPLIB - A Traveling Salesman Problem Library, ORSA J. Comput., 3 (1991), 376-384.
M.G.C. Resende e C.C. Ribeiro, Greedy randomized adaptive search procedures, em “Handbook of Metaheuristics”(F. Glover e G. Kochenberger, eds.), Kluwer, pp. 219-249, 2002.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Esta é uma revista de acesso aberto, o que significa que todo o conteúdo é livremente disponível gratuitamente para o usuário ou sua instituição. Os usuários estão autorizados a ler, baixar, copiar, distribuir, imprimir, pesquisar ou vincular os textos completos dos artigos, ou usá-los para qualquer outro propósito legal, sem pedir permissão prévia do editor ou do autor. Isso está de acordo com a definição de acesso aberto do BOAI.
Todo o conteúdo do periódico está licenciado sob uma Licença Creative Commons do tipo atribuição BY.