The work proposed in this dissertation is the field of combinatorial optimization, which aims to find a solution to these types of problems at a low computational time and effectively. The combinatorial optimization studies a set of discrete solutions, which have a finite number of elements, to find the best viable solution to the problems of this magnitude. One of the main approaches that area is the Traveling Salesman Problem (TSP), mainly due to the size of possible solutions to the problem, so that is intractable computation by exhaustive search methods. Given all these features, this work is to study and develop evolutionary strategies for the resolution of the Problem of Traveling Salesman with Heterogeneous Demands (TSPHD), a variation of the classic TSP. The evolutionary strategies belong to the class of evolutionary computation, and methods of search based on the theory of the evolution of species, where the best individuals compete for survival. The evolutionary strategies differ from other optimization techniques, as the search is conducted in a population of solutions, not a single point. To solve the problem are proposed four evolutionary algorithms, using heuristics techniques and metaheurísticas for its implementation. The results were obtained from tests using instances of low density (low connection), and compared with the exact solution (optimal solution) and other progressive methods in the literature. These results are evaluated on the basis of their quality and time for its implementation. / O trabalho proposto nessa dissertação pertence à área de otimização combinatória, a qual visa encontrar uma solução para esses tipos de problema em um tempo computacional baixo e de forma eficaz. A otimização combinatória estuda um conjunto discreto de soluções, os quais possuem um número finito de elementos, para se poder encontrar a melhor solução viável para os problemas dessa grandeza. Uma das principais abordagens dessa área é o Problema do Caixeiro Viajante (PCV), principalmente devido à dimensão de possíveis soluções para o problema, fazendo com que seja intratável computacionalmente por métodos de buscas exaustivas. Face a todas essas características, este trabalho tem por objetivo estudar e desenvolver estratégias evolutivas para a resolução do Problema do Caixeiro Viajante com Demandas Heterogêneas (PCVDH), uma variação do PCV clássico. As estratégias evolutivas pertencem à classe da computação evolutiva, sendo métodos de busca inspirados na teoria da evolução das espécies, onde os melhores indivíduos competem pela sobrevivência. As estratégias evolutivas diferem das demais técnicas de otimização, pois a busca é realizada em uma população de soluções, não em um único ponto. Para a resolução do problema são propostos quatro algoritmos evolutivos, utilizando técnicas heurísticas e metaheurísticas para sua aplicação. Os resultados foram obtidos com testes utilizando instâncias de baixa densidade (baixa conexão), e comparados com a sua solução exata (solução ótima) e com outros métodos evolutivos encontrados na literatura. Esses resultados são avaliados com base na sua qualidade e tempo decorrido para sua execução.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-08-12T12:19:01Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) TESE_LEANDRO WILLER P COIMBRA.pdf: 1061880 bytes, checksum: 11f8b239ae17788ee3e063586ea2e919 (MD5) / Made available in DSpace on 2016-08-12T12:19:01Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) TESE_LEANDRO WILLER P COIMBRA.pdf: 1061880 bytes, checksum: 11f8b239ae17788ee3e063586ea2e919 (MD5) Previous issue date: 2015-11-30 / FACEPE / Este trabalho foi dividido em trˆes ensaios que se complementam na mesma tem´atica: a discriminac¸ ˜ao salarial. O objetivo ´e a constatac¸ ˜ao do comportamento discriminat´orio no mercado de trabalho brasileiro e a compreens˜ao das motivac¸ ˜oes e efeitos deste comportamento a partir de uma perspectiva econˆomica. Primeiramente, ´e utilizado o m´etodo de Propensity Score Matching para comparar trabalhadores com mesmos n´ıveis de esforc¸os, ocupac¸ ˜ao social, background familiar e outras vari´aveis de circunstˆancias, de forma a evidenciar a discriminac¸ ˜ao salarial baseada na cor da pele. A an´alise aponta para uma remunerac¸ ˜ao por hora trabalhada cerca de 14% menor para os trabalhadores “n˜ao brancos”. Al´em disso, ´e observado uma tendˆencia “elitista”da discriminac¸ ˜ao. Na segunda parte, ´e proposta a modelagem do mercado de trabalho baseada no Modelo de Search de Dale Mortensen, caracterizado por uma distribuic¸ ˜ao de ofertas de sal´ario cont´ınua. Este modelo ´e modificado de forma a introduzir trabalhadores heterogˆeneos quanto a habilidade produtiva e um grau de assimetria informacional entre os agentes. Observou-se que o n´ıvel de assimetria de informac¸ ˜ao de um mercado n˜ao ´e apenas precursor da discriminac¸ ˜ao mas definidor da magnitude desta. Por fim, foca-se na evoluc¸ ˜ao e sobrevivˆencia do comportamento discriminat´orio. Para isto, utilizou-se de um modelo com equil´ıbrio dinˆamico evolutivo, dividido em dois casos diferentes, de forma a endogeneizar o n´ıvel de assimetria de informac¸ ˜ao e da capacidade produtiva dos trabalhadores. Observou-se que o mercado possui possibilidades diferentes de equil´ıbrio, enquanto no primeiro caso, o percentual de trabalhadores de alta habilidade est´a ligado ao maior interesse das firmas selecionarem, no outro, o elevado percentual de trabalhadores de alta habilidade no mercado indica menor necessidade de selec¸ ˜ao. Na realidade, a diferenc¸a entre os dois casos se resume aos prˆemios e punic¸ ˜oes relativos a detenc¸ ˜ao de informac¸ ˜ao por parte dos trabalhadores de baixa habilidade. / This thesis was divided into three works that complement each other with the same theme: wage discrimination. The objective of this study is investigate the discriminatory behavior in the Brazilian labor market and understand the motivations and effects from an economic perspective. First, it is used the method of Propensity Score Matching to compare workers with the same level of effort, social occupation, family background and others variables of circumstances, it highlights wage discrimination based on skin color. The analysis found a wage per hour worked about 14% lower for workers “non-white”. Moreover, a tendency “elite”discrimination is observed. Next, it is proposed to model the labor market based on the Search Model of Dale Mortensen, characterized by a continuous distribution of wage offers. This model is modified to introduce heterogeneous productive ability and a degree of information asymmetry between agents. It was observed that the asymmetric information level of a market is not only the precursor of discrimination but defining the magnitude. Finally, focuses on the evolution and survival of discriminatory behavior. For this, we used a model with evolutionary dynamic equilibrium, divided into two different cases, in order to endogenize the level of asymmetric information and the productive capacity of workers. It was observed that the market has different possibilities to balance, in the first case, the percentage of high-skill labor is linked to higher interest selecting firms, on the other, the high percentage of high-skill labor market indicates less need for selection. In fact, the difference between the two cases comes down to rewards and punishments for the possession of information on the part of low-skill workers.

Submitted by (ana.araujo@ufrpe.br) on 2016-06-28T16:05:18Z No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) / Made available in DSpace on 2016-06-28T16:05:18Z (GMT). No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) Previous issue date: 2011-07-01 / The techniques for Time Series Analysis and Forecasting have great presence on the literature over the years. The computational resources combined with statistical techniques are improving the predictive results, and these results have been become increasingly accurate. Computational methods base on Artificial Neural Networks (ANN) and Evolutionary Computing (EC) are presenting a new approach to solve the Time Series Analysis and Forecasting problem. These computational methods are contained in the branch of Artificial Intelligence (AI), and they are biologically inspired, where the ANN models are based on the neural structure of intelligent organism, and the EC uses the concept of nature selection of Charles Darwin. Both methods acquire experience from prior knowledge and example of the given problem. In particular, for the Time Series Forecasting Problem, the objective is to find the predictive model with highest forecast perfomance, where the performance measure are statistical errors. However, there is no universal criterion to identify the best performance measure. Since the ANNs are the predictive models, the EC will constantly evaluate the forecast performance of the ANNs, using a fitness functions to guide the predictive model for an optimal solution. The Data Envelopment Analysis (DEA) was employed to predictive determine the best combination of variables based on the relative efficiency of the best models. Therefore, this work to study the optimization Fitness Function process with Data Envelopment Analysis applied the Intelligence Hybrid System for time series forecasting problem. The data analyzed are composed by financial data series, agribusiness and natural phenomena. The C language program was employed for implementation of the hybrid intelligent system and the R Environment version 2.12 for analysis of DEA models. In general, the perspective of using DEA procedure to evaluate the fitness functions were satisfactory and serves as an additional resource in the branch of time series forecasting. Researchers need to compute the results under different perspectives, whether in the matter of the computational cost of implementing a particular function or which function was more efficient in the aspect of assessing which combinations are unwanted saving time and resources. / As técnicas de análise e previsão de séries temporais alcançaram uma posição de distinção na literatura ao longo dos anos. A utilização de recursos computacionais, combinada com técnicas estatísticas, apresenta resultados mais precisos quando comparados com os recursos separadamente. Em particular, técnicas que usam Redes Neurais Artificiais (RNA) e Computação Evolutiva (CE), apresenta uma posição de destaque na resolução de problemas de previsão na análise de séries temporais. Estas técnicas de Inteligência Artificial (AI) são inspiradas biologicamente, no qual o modelo de RNA é baseado na estrutura neural de organismos inteligentes, que adquirem conhecimento através da experiência. Para o problema de previsão em séries temporais, um fator importante para o maior desempenho na previsão é encontrar um método preditivo com a melhor acurácia possível, tanto quanto possível, no qual o desempenho do método pode ser analisado através de erros de previsão. Entretanto, não existe um critério universal para identificar qual a melhor medida de desempenho a ser utilizada para a caracterização da previsão. Uma vez que as RNAs são os modelos de previsão, a CE constantemente avaliará o desempenho de previsão das RNAs, usando uma função de fitness para guiar o modelo preditivo para uma solução ótima. Desejando verificar quais critérios seriam mais eficientes no momento de escolher o melhor modelo preditivo, a Análise Envoltória de Dados (DEA) é aplicada para fornecer a melhor combinação de variáveis visando a otimização do modelo. Portanto, nesta dissertação, foi estudado o processo de otimização de Funções de Fitness através do uso da Análise Envoltória de Dados utilizando-se de técnicas hibridas de Inteligência Artificial aplicadas a área de previsão de séries temporais. O banco de dados utilizado foi obtido de séries históricas econômico- financeiras, fenômenos naturais e agronegócios obtidos em diferentes órgãos específicos de cada área. Quanto à parte operacional, utilizou-se a linguagem de programação C para implementação do sistema híbrido inteligente e o ambiente R versão 2.12 para a análise dos modelos DEA. Em geral, a perspectiva do uso da DEA para avaliar as Funções de Fitness foi satisfatório e serve como recurso adicional na área de previsão de séries temporais. Cabe ao pesquisador, avaliar os resultados sob diferentes óticas, quer seja sob a questão do custo computacional de implementar uma determinada Função que foi mais eficiente ou sob o aspecto de avaliar quais combinações não são desejadas poupando tempo e recursos.