Made available in DSpace on 2015-04-14T14:50:13Z (GMT). No. of bitstreams: 1 458957.pdf: 14358950 bytes, checksum: 7458b8a1472071b48772b030a52573a6 (MD5) Previous issue date: 2014-02-25 / Analysis by Transcriptogram was developed as a solution to noise reduction, usually present in the microarray measuring technique of the Transcriptome, and has demonstrated potential to be applied as a method of disease diagnostics. The noise reduction in the measure is achived by the protein interaction network ordering, allowing gene expression analysis in whole genome scale. The Transcriptogram's efficiency to noise reduction was analyzed, however, it still lacks an analisys of the ordering quality, so that the best parameter setting for the ordering algorithm is used by the Transcriptogram. So far, this analysis is hindered by the high runtime of the ordering algorithm. In this work, an analysis of the ordering algorithm stages allows some optimizations, and consequent reduction in execution time, also allowing further analysis on which parameters settings have the greatest influence on the ordering quality. Applying the Transcriptogram to a diagnostic problem, the diagnostic measure is used to characterize the influence of the parameters of the ordering algorithm to achive better diagnoses. The results show that the protein network used in previous works doesn't produce the best diagnostics. Moreover, the ordering minimization, achieved by executing the ordering algorithm for longer periods, does not necessarily increase the probability to find better diagnosis compared to random ordering. Eventhough the experimental diagnostic results could not statistically difFerentiate random ordering from optimized ordering, these results cannot be considered conclusive since a single disease has been evaluated. / A an?lise por Transcriptograma foi desenvolvida como uma solu??o para a redu??o de ru?do, comum nas medidas do Transcriptoma provenientes da t?cnica de microarranjo, e tem demonstrando potencial se aplicada como m?todo para diagn?sticos de doen?as. A redu??o do ru?do existente nas medidas se d? pelo ordenamento da rede de intera??es proteicas do organismo, permitindo a an?lise da express?o g?nica em escala de genoma completo. A efici?ncia do Transcriptograma para a redu??o do ru?do j? foi analisada, entretanto, ainda carece a avalia??o da qualidade do ordenamento, definindo para isso, amelhor configura??o de par?metros para o algoritmo de ordenamento utilizado pelo Transcriptograma. At? o momento, essa an?lise ? dificultada pelo elevado tempo de execu??o do algoritmo de ordenamento. Neste trabalho, uma an?lise das etapas do algoritmo de ordenamento possibilita a realiza??o de otimiza??es, e consequente redu??o no tempo de execu??o, al?m de permitir a an?lise mais aprofundadadas configura??es dos par?metros que tem maior influ?ncia na qualidade do ordenamento. Aplicando o Transcriptograma a um problema de diagn?stico, utiliza-se a medida do diagn?stico para caracterizar a influ?ncia dos par?metros do algoritmo de ordenamento na obten??o de melhores diagn?sticos. Observa-se nos resultados, que a rede proteica utilizada em trabalhos anteriores n?o apresenta os melhores diagn?sticos. Al?m disso, a minimiza??o do ordenamento, alcan?ada por meio da execu??o prolongada do algoritmo de ordenamento, n?o necessariamente aumenta a probabilidade de encontrar um melhor diagn?stico comparado com o ordenamento aleat?rio. Mesmo que os resultados experimentais com o diagn?stico n?o diferenciem estatisticamente o ordenamento aleat?ria do ordenamento otimizado, estes resultados n?o podem ser considerados conclusivos pois uma ?nica doen?a foi avaliada.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-01-05T18:01:11Z No. of bitstreams: 1 EvertonSanti_TESE.pdf: 601652 bytes, checksum: 52767a19768856b40fcce8bb5611ef4b (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-01-11T18:20:39Z (GMT) No. of bitstreams: 1 EvertonSanti_TESE.pdf: 601652 bytes, checksum: 52767a19768856b40fcce8bb5611ef4b (MD5) / Made available in DSpace on 2016-01-11T18:20:39Z (GMT). No. of bitstreams: 1 EvertonSanti_TESE.pdf: 601652 bytes, checksum: 52767a19768856b40fcce8bb5611ef4b (MD5) Previous issue date: 2014-11-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Apresenta-se neste trabalho um novo modelo para o Problema das p-Medianas Heterog?neo (PPMH), proposto para recuperar a estrutura de categorias n?o-observadas presente em dados oriundos de uma tarefa de triagem, uma abordagem popular que possibilita entender a percep??o heterog?nea que um grupo de indiv?duos tem em rela??o a um conjunto de produtos ou marcas. Este novo modelo ? chamado Problema das p-Medianas Heterog?neo Livre de Penalidade (PPMHLP), uma vers?o mono-objetivo do problema original, o PPMH. O par?metro principal do modelo PPMH ? tamb?m eliminado, o fator de penalidade. Este par?metro ? respons?vel pela pondera??o dos termos de sua fun??o objetivo. O ajuste do fator de penalidade controla a maneira como o modelo recupera a estrutura de categorias n?o-observadas presente nos dados e depende de um amplo conhecimento do problema. Adicionalmente, duas formula??es complementares para o PPMHLP s?o apresentadas, ambas problemas de programa??o linear inteira mista. A partir destas formula??es adicionais, limitantes inferiores foram obtidos para o PPMHLP. Estes valores foram utilizados para validar um algoritmo de Busca em Vizinhan?a Variada (VNS), proposto para resolver o PPMHLP. Este algoritmo obteve solu??es de boa qualidade para o PPMHLP, resolvendo inst?ncias geradas de forma artificial por meio de uma Simula??o de Monte Carlo e inst?ncias reais, mesmo com recursos computacionais limitados. As estat?sticas analisadas neste trabalho sugerem que o novo algoritmo e modelo, o PPMHLP, pode recuperar de forma mais precisa que o algoritmo e modelo original, o PPMH, a estrutura de categorias n?o-observadas presente nos dados, relacionada ? percep??o heterog?nea dos indiv?duos. Por fim, uma exemplo de aplica??o do PPMHLP ? apresentado, bem como s?o consideradas novas possibilidades para este modelo, estendendo-o a ambientes fuzzy / This work presents a new model for the Heterogeneous p-median Problem (HPM), proposed to recover the hidden category structures present in the data provided by a sorting task procedure, a popular approach to understand heterogeneous individual?s perception of products and brands. This new model is named as the Penalty-free Heterogeneous p-median Problem (PFHPM), a single-objective version of the original problem, the HPM. The main parameter in the HPM is also eliminated, the penalty factor. It is responsible for the weighting of the objective function terms. The adjusting of this parameter controls the way that the model recovers the hidden category structures present in data, and depends on a broad knowledge of the problem. Additionally, two complementary formulations for the PFHPM are shown, both mixed integer linear programming problems. From these additional formulations lower-bounds were obtained for the PFHPM. These values were used to validate a specialized Variable Neighborhood Search (VNS) algorithm, proposed to solve the PFHPM. This algorithm provided good quality solutions for the PFHPM, solving artificial generated instances from a Monte Carlo Simulation and real data instances, even with limited computational resources. Statistical analyses presented in this work suggest that the new algorithm and model, the PFHPM, can recover more accurately the original category structures related to heterogeneous individual?s perceptions than the original model and algorithm, the HPM. Finally, an illustrative application of the PFHPM is presented, as well as some insights about some new possibilities for it, extending the new model to fuzzy environments

Made available in DSpace on 2014-12-17T15:47:03Z (GMT). No. of bitstreams: 1 GivanaldoRS_TESE.pdf: 2106802 bytes, checksum: 88486cf095bfcefea309b73b76e7de67 (MD5) Previous issue date: 2013-10-25 / This thesis proposes an architecture of a new multiagent system framework for hybridization of metaheuristics inspired on the general Particle Swarm Optimization framework (PSO). The main contribution is to propose an effective approach to solve hard combinatory optimization problems. The choice of PSO as inspiration was given because it is inherently multiagent, allowing explore the features of multiagent systems, such as learning and cooperation techniques. In the proposed architecture, particles are autonomous agents with memory and methods for learning and making decisions, using search strategies to move in the solution space. The concepts of position and velocity originally defined in PSO are redefined for this approach. The proposed architecture was applied to the Traveling Salesman Problem and to the Quadratic Assignment Problem, and computational experiments were performed for testing its effectiveness. The experimental results were promising, with satisfactory performance, whereas the potential of the proposed architecture has not been fully explored. For further researches, the proposed approach will be also applied to multiobjective combinatorial optimization problems, which are closer to real-world problems. In the context of applied research, we intend to work with both students at the undergraduate level and a technical level in the implementation of the proposed architecture in real-world problems / A presente tese prop?e uma arquitetura multiagente para hibridiza??o de metaheur?sticas, inspirada na t?cnica de Otimiza??o por Nuvem de Part?culas, e tem como principal contribui??o a proposta de uma abordagem efetiva para resolu??o de problemas de otimiza??o combinat?ria. A escolha da Otimiza??o por Nuvem de Part?culas como inspira??o deu-se pelo fato desta t?cnica ser inerentemente multiagente, permitindo explorar os recursos dos sistemas multiagente, tais como as t?cnicas de aprendizado e coopera??o. Na arquitetura proposta, as part?culas s?o agentes aut?nomos com mem?ria e m?todos de decis?o e de aprendizagem, utilizando estrat?gias de busca para se moverem no espa?o de solu??es. Os conceitos de posi??o e velocidade, originalmente definidos na Otimiza??o por Nuvem de Part?culas, s?o redefinidos para esta abordagem. A arquitetura proposta foi aplicada ao Problema do Caixeiro Viajante e ao Problema Quadr?tico de Aloca??o, realizando experimentos computacionais que comprovaram sua efetividade. Os resultados dos experimentos foram bastante promissores, apresentando desempenho satisfat?rio, considerando que o potencial da arquitetura proposta ainda n?o foi totalmente explorado. Em pesquisas futuras, a abordagem proposta ser? aplicada a problemas de otimiza??o combinat?ria multiobjetivo, os quais s?o mais pr?ximos aos problemas do mundo real. No ?mbito da pesquisa aplicada, pretende-se trabalhar tanto com alunos em n?vel de gradua??o como em n?vel t?cnico a aplica??o da arquitetura proposta em problemas pr?ticos do mundo real

Made available in DSpace on 2014-12-17T15:48:01Z (GMT). No. of bitstreams: 1 EdmilsonFMOJ_DISSERT.pdf: 4310075 bytes, checksum: c753f90b3f1afd654108edecd6a3fc70 (MD5) Previous issue date: 2012-02-27 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This work seeks to propose and evaluate a change to the Ant Colony Optimization based on the results of experiments performed on the problem of Selective Ride Robot (PRS, a new problem, also proposed in this paper. Four metaheuristics are implemented, GRASP, VNS and two versions of Ant Colony Optimization, and their results are analyzed by running the algorithms over 32 instances created during this work. The metaheuristics also have their results compared to an exact approach. The results show that the algorithm implemented using the GRASP metaheuristic show good results. The version of the multicolony ant colony algorithm, proposed and evaluated in this work, shows the best results / Este trabalho tem o objetivo de propor e avaliar uma variante para o algoritmo de col?nia de formigas baseando-se no resultado de experimentos executados sobre o problema do Passeio do Rob? Seletivo (PRS, um novo problema, tamb?m proposto neste trabalho. S?o implementadas quatro metaheur?sticas, GRASP, VNS, e duas vers?es do Otimiza??o por Col?nia de Formigas, e analisados seus resultados executando-os sobre 32 inst?ncias criadas no trabalho. As metaheur?sticas tamb?m tem seu resultado comparado com o de um algoritmo exato. Os resultados mostram que o algoritmo implementado utilizando a metaheur?stica GRASP apresenta bons resultados. A vers?o multi-col?nias do algoritmo de col?nia de formigas, proposta e avaliada no trabalho, apresenta os melhores resultados

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2015-11-27T13:12:56Z No. of bitstreams: 1 JoaoPauloQueirozDosSantos_TESE.pdf: 2943111 bytes, checksum: d4f55a9718f28707aa96893d2b66b4e5 (MD5) / Approved for entry into archive by Elisangela Moura (lilaalves@gmail.com) on 2015-11-27T14:58:26Z (GMT) No. of bitstreams: 1 JoaoPauloQueirozDosSantos_TESE.pdf: 2943111 bytes, checksum: d4f55a9718f28707aa96893d2b66b4e5 (MD5) / Made available in DSpace on 2015-11-27T14:58:26Z (GMT). No. of bitstreams: 1 JoaoPauloQueirozDosSantos_TESE.pdf: 2943111 bytes, checksum: d4f55a9718f28707aa96893d2b66b4e5 (MD5) Previous issue date: 2014-09-12 / T?cnicas de otimiza??o conhecidas como as metaheur?sticas tem conseguido resolversatisfatoriamente problemas conhecidos, mas desenvolvimento das metaheur?sticas ?caracterizado por escolha de par?metros para sua execu??o, na qual a op??o apropriadadestes par?metros (valores). Onde o ajuste de par?metro ? essencial testa-se os par?metrosat? que resultados vi?veis sejam obtidos, normalmente feita pelo desenvolvedor que estaimplementando a metaheuristica. A qualidade dos resultados de uma inst?ncia1 de testen?o ser? transferida para outras inst?ncias a serem testadas e seu feedback pode requererum processo lento de ?tentativa e erro? onde o algoritmo t?m que ser ajustado para umaaplica??o especifica. Diante deste contexto das metaheur?sticas surgiu a Busca Reativaque defende a integra??o entre o aprendizado de m?quina dentro de buscas heur?sticaspara solucionar problemas de otimiza??o complexos. A partir da integra??o que a BuscaReativa prop?e entre o aprendizado de m?quina e as metaheur?sticas, surgiu a ideia dese colocar a Aprendizagem por Refor?o mais especificamente o algoritmo Q-learning deforma reativa, para selecionar qual busca local ? a mais indicada em determinado instanteda busca, para suceder uma outra busca local que n?o pode mais melhorar a solu??ocorrente na metaheur?stica VNS. Assim, neste trabalho propomos uma implementa??o reativa,utilizando aprendizado por refor?o para o auto-tuning do algoritmo implementado,aplicado ao problema do caixeiro viajante sim?trico e ao problema escalonamento sondaspara manuten??o de po?os.

Made available in DSpace on 2014-12-17T15:47:45Z (GMT). No. of bitstreams: 1 GivanaldoRS.pdf: 1524067 bytes, checksum: d73e18e4ae3a0bffab7711efc808bffa (MD5) Previous issue date: 2006-05-19 / Combinatorial optimization problems have the goal of maximize or minimize functions defined over a finite domain. Metaheuristics are methods designed to find good solutions in this finite domain, sometimes the optimum solution, using a subordinated heuristic, which is modeled for each particular problem. This work presents algorithms based on particle swarm optimization (metaheuristic) applied to combinatorial optimization problems: the Traveling Salesman Problem and the Multicriteria Degree Constrained Minimum Spanning Tree Problem. The first problem optimizes only one objective, while the other problem deals with many objectives. In order to evaluate the performance of the algorithms proposed, they are compared, in terms of the quality of the solutions found, to other approaches / Os problemas de otimiza??o combinat?ria t?m como objetivo maximizar ou minimizar uma fun??o definida sobre um certo dom?nio finito. J? as metaheur?sticas s?o procedimentos destinados a encontrar uma boa solu??o, eventualmente a ?tima, consistindo na aplica??o de uma heur?stica subordinada, a qual tem que ser modelada para cada problema espec?fico. Este trabalho apresenta algoritmos baseados na t?cnica de otimiza??o por nuvem de part?culas (metaheur?stica) para dois problemas de otimiza??o combinat?ria: o Problema do Caixeiro Viajante e o Problema da ?rvore Geradora M?nima Restrita em Grau Multicrit?rio. O primeiro ? um problema em que apenas um objetivo ? otimizado, enquanto o segundo ? um problema que deve lidar com m?ltiplos objetivos. Os algoritmos propostos s?o comparados a outras abordagens para o mesmo problema em quest?o, em termos de qualidade de solu??o, a fim de verificar a efici?ncia desses algoritmos

Made available in DSpace on 2014-12-17T15:48:01Z (GMT). No. of bitstreams: 1 PatriciaMLLD_DISSERT.pdf: 2062279 bytes, checksum: edf20f81d921e118846850abb8ec8a1d (MD5) Previous issue date: 2012-03-05 / The Multiobjective Spanning Tree Problem is NP-hard and models applications in several areas. This research presents an experimental analysis of different strategies used in the literature to develop exact algorithms to solve the problem. Initially, the algorithms are classified according to the approaches used to solve the problem. Features of two or more approaches can be found in some of those algorithms. The approaches investigated here are: the two-stage method, branch-and-bound, k-best and the preference-based approach. The main contribution of this research lies in the fact that no research was presented to date reporting a systematic experimental analysis of exact algorithms for the Multiobjective Spanning Tree Problem. Therefore, this work can be a basis for other research that deal with the same problem. The computational experiments compare the performance of algorithms regarding processing time, efficiency based on the number of objectives and number of solutions found in a controlled time interval. The analysis of the algorithms was performed for known instances of the problem, as well as instances obtained from a generator commonly used in the literature / O Problema da ?rvore Geradora Multiobjetivo ? NP-?rduo e modela aplica??es em diversas ?reas. Esta pesquisa apresenta uma an?lise experimental de diferentes estrat?gias utilizadas na literatura para desenvolver algoritmos exatos para resolver o problema. Inicialmente, os algoritmos s?o classificados de acordo com as abordagens utilizadas para resolver o problema. Caracter?sticas de duas ou mais abordagens podem ser encontradas em alguns desses algoritmos. As abordagens aqui investigadas s?o: o m?todo duas fases, branch-and-bound, k-best e a abordagem baseada em prefer?ncia. A principal contribui??o deste trabalho est? no fato de que nenhuma pesquisa desenvolvida at? o momento relata uma an?lise sistem?tica experimental de algoritmos exatos para o problema da ?rvore Geradora Multiobjetivo. Portanto, este trabalho pode ser uma base para outras pesquisas que lidam com o mesmo problema. Os experimentos computacionais comparam o desempenho de algoritmos em rela??o ao tempo de processamento, ? efici?ncia com base no n?mero de objetivos e no n?mero de solu??es encontradas em um intervalo de tempo controlado. A an?lise dos algoritmos foi realizada para inst?ncias conhecidas do problema, bem como para inst?ncias obtidas a partir de um gerador bastante utilizado na literatura

Made available in DSpace on 2015-03-03T15:47:46Z (GMT). No. of bitstreams: 1 LeonardoCTB_DISSERT.pdf: 2119704 bytes, checksum: 5bdd21de8bfa668bba821593cdd5289f (MD5) Previous issue date: 2011-02-07 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Multi-objective combinatorial optimization problems have peculiar characteristics that require optimization methods to adapt for this context. Since many of these problems are NP-Hard, the use of metaheuristics has grown over the last years. Particularly, many different approaches using Ant Colony Optimization (ACO) have been proposed. In this work, an ACO is proposed for the Multi-objective Shortest Path Problem, and is compared to two other optimizers found in the literature. A set of 18 instances from two distinct types of graphs are used, as well as a specific multiobjective performance assessment methodology. Initial experiments showed that the proposed algorithm is able to generate better approximation sets than the other optimizers for all instances. In the second part of this work, an experimental analysis is conducted, using several different multiobjective ACO proposals recently published and the same instances used in the first part. Results show each type of instance benefits a particular type of instance benefits a particular algorithmic approach. A new metaphor for the development of multiobjective ACOs is, then, proposed. Usually, ants share the same characteristics and only few works address multi-species approaches. This works proposes an approach where multi-species ants compete for food resources. Each specie has its own search strategy and different species do not access pheromone information of each other. As in nature, the successful ant populations are allowed to grow, whereas unsuccessful ones shrink. The approach introduced here shows to be able to inherit the behavior of strategies that are successful for different types of problems. Results of computational experiments are reported and show that the proposed approach is able to produce significantly better approximation sets than other methods / Problemas de otimiza??o combinat?ria multiobjetivo apresentam caracter?sticas peculiares que exigem que t?cnicas de otimiza??o se adaptem a esse contexto. Como muitos desses problemas s?o NP-?rduos, o uso de metaheur?sticas tem crescido nos ?ltimos anos. Particularmente, muitas abordagens que utilizam a Otimiza??o por Col?nias de Formigas t?m sido propostas. Neste trabalho, prop?e-se um algoritmo baseado em col?nias de formigas para o Problema do Caminho mais Curto Multiobjetivo, e compara-se o algoritmo proposto com dois otimizadores encontrados na literatura. Um conjunto de 18 inst?ncias oriundas de dois tipos de grafos ? utilizado, al?m de uma metodologia espec?fica para a avalia??o de otimizadores multiobjetivo. Os experimentos iniciais mostram que o algoritmo proposto consegue gerar conjuntos de aproxima??o melhores que os demais otimizadores para todas as inst?ncias. Na segunda parte do trabalho, uma an?lise experimental de diferentes abordagens publicadas para col?nias de formigas multiobjetivo ? realizada, usando as mesmas inst?ncias. Os experimentos mostram que cada tipo de inst?ncia privilegia uma abordagem algor?tmica diferente. Uma nova met?fora para o desenvolvimento deste tipo de metaheur?stica ? ent?o proposta. Geralmente, formigas possuem caracter?sticas comuns e poucos artigos abordam o uso de m?ltiplas esp?cies. Neste trabalho, uma abordagem com m?ltiplas esp?cies competindo por fontes de comida ? proposta. Cada esp?cie possui sua pr?pria estrat?gia de busca e diferentes esp?cies n?o tem acesso ? informa??o dada pelo ferom?nio das outras. Como na natureza, as popula??es de formigas bem sucedidas tem a chance de crescer, enquanto as demais se reduzem. A abordagem apresentada aqui mostra-se capaz de herdar o comportamento de estrat?gias bem-sucedidas em diferentes tipos de inst?ncias. Resultados de experimentos computacionais s?o relatados e mostram que a abordagem proposta produz conjuntos de aproxima??o significativamente melhores que os outros m?todos

Made available in DSpace on 2014-12-17T14:52:44Z (GMT). No. of bitstreams: 1 WernerKSS.pdf: 2229557 bytes, checksum: 7a64dc1b94612cd78d88c6eb822d29e6 (MD5) Previous issue date: 2009-10-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The SONET/SDH Ring Assignment Problem (PALAS) treats to group localities in form of some rings, being respected the traffic's limitations of the equipment. Each ring uses a DXC (Digital Cross Connect) to make the communication with the others, being the DXC the equipment most expensive of the net, minimizing the number total of rings, will minimize the total net cost, problem's objective . This topology in rings provides a bigger capacity of regeneration. The PALAS is a problem in Combinatorial Optimization of NP-hard Class. It can be solved through Heuristics and Metaheuristics. In this text, we use Taboo Search while we keep a set of elite solutions to be used in the formation of a part of the collection of vocabulary's parts that in turn will be used in the Vocabulary Building. The Vocabulary Building will be started case Taboo Search does not reach the best solution for the instance. Three approaches had been implemented: one that only uses vocabulary's parts deriving of Taboo Search, one that it only uses vocabulary's parts randomly generated and a last one that it uses half come of the elite and half randomly generated / O Problema da Atribui??o de Localidades a An?is em Redes SONET/SDH (PALAS) trata de agrupar localidades em forma de v?rios an?is, respeitando as limita??es de tr?fego dos equipamentos. Cada anel utiliza um DXC (Digital Cross Connect) para fazer a comunica??o com os outros, sendo o DXC o equipamento mais caro da rede, minimizando o total de an?is, minimizaremos o custo total, objetivo do problema. Essa topologia em an?is proporciona uma maior capacidade de regenera??o. O PALAS ? um problema de Otimiza??o Combinat?ria da Classe NP-dif?cil. Pode ser resolvido atrav?s de Heur?sticas e Metaheur?sticas. Neste trabalho, utilizamos a Busca Tabu enquanto guardamos um conjunto de solu??es elite para serem utilizadas na forma??o de uma parte da cole??o de voc?bulos que por sua vez ser?o usados na Constru??o de Vocabul?rio para a solu??o desse problema. A Constru??o de Vocabul?rio ser? acionada caso a Busca Tabu n?o atinja o ?timo para a inst?ncia. Foram implementadas tr?s abordagens: uma que utiliza somente voc?bulos oriundos da Busca Tabu, uma que utiliza somente voc?bulos gerados aleatoriamente e uma ?ltima que utiliza metade vinda da elite e metade aleat?ria

Made available in DSpace on 2014-12-17T14:53:02Z (GMT). No. of bitstreams: 1 JoaoPLN_DISSERT.pdf: 2086259 bytes, checksum: 2a57554e118e00d9a44cdf572e29af7a (MD5) Previous issue date: 2010-12-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This paper presents metaheuristic strategies based on the framework of evolutionary algorithms (Genetic and Memetic) with the addition of Technical Vocabulary Building for solving the Problem of Optimizing the Use of Multiple Mobile Units Recovery of Oil (MRO units). Because it is an NP-hard problem, a mathematical model is formulated for the problem, allowing the construction of test instances that are used to validate the evolutionary metaheuristics developed / O presente trabalho apresenta estrat?gias metaheur?sticas baseadas no framework dos Algoritmos Evolutivos (Gen?ticos e Mem?ticos) com a adi??o da t?cnica Vocabulary Building para a resolu??o do Problema de Otimiza??o do Emprego de Unidades M?veis de Pistoneio (UMPs). Por se tratar de um problema NP-?rduo, uma modelagem matem?tica ? formulada para o problema, permitindo a constru??o de inst?ncias testes que s?o utilizadas para validar as metaheur?sticas evolutivas desenvolvidas