Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-07-11T14:27:34Z No. of bitstreams: 1 texto completo.pdf: 1464244 bytes, checksum: 203c989fb237b6365047afc9e133c07c (MD5) / Made available in DSpace on 2017-07-11T14:27:34Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1464244 bytes, checksum: 203c989fb237b6365047afc9e133c07c (MD5) Previous issue date: 2001-10-02 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Os objetivos gerais deste trabalho foram: avaliar a contribuição dos modelos, dados, tecnologias e recursos humanos no processo de tomada de decisão para o gerenciamento florestal; desenvolver e apresentar um sistema de suporte à decisão com novas abordagens para o gerenciamento de florestas eqüiâneas; e desenvolver e testar as metaheurísticas Algoritmo Genético (AG), Busca Tabu (BT) e Simulated Annealing (SA) para a solução de problemas de planejamento florestal com restrições de inteireza. Para alcançar seus objetivos, este estudo foi dividido em seis capítulos. No capítulo 1, fez-se uma revisão sobre o uso de modelos, dados, tecnologias e recursos humanos para tomada de decisão no gerenciamento florestal. O estudo revela a necessidade de se considerar a integração desses recursos, apontando ainda as principais falhas e equívocos nos seus usos pelas empresas florestais. No capítulo 2 é apresentado o SisFlor, um Sistema de Suporte à Decisão (SSD) flexível e amigável, que permite formular e resolver, através de modelos de Programação Linear (PL) e Programação Inteira (PI) importantes questões do gerenciamento de florestas equiâneas. As limitações do algoritmo exato branch and bound para solução dos modelos de PI, formulados através do SSD SisFlor é a principal motivação para desenvolvimento dos capítulos seguintes. No capitulo 3 é apresentada uma revisão sobre as heurísticas, as mais promissoras abordagens para solução de problemas de PI. Dentre as abordagens heurísticas, foram selecionadas as metaheurísticas AG, BT e SA, discutidas à luz dos seus princípios básicos e de algumas aplicações no gerenciamento florestal. Nos capítulos 4, 5 e 6 foram formuladas e implementadas em um código computacional as metaheurísticas AG, BT e SA. Para testar estas três metaheurísticas foram selecionados cinco problemas, contendo entre 12 e 423 variáveis de decisão, com restrições de singularidade, produção mínima e produção máxima. Todos os problemas tiveram como objetivo a maximização do valor presente líquido. O problema um foi utilizado para ilustração de uma corrida das respectivas metaheurísticas. Os demais problemas foram utilizados para avaliar os efeitos de diversos parâmetros dessas metaheurísticas, avaliados segund o medida de eficácia, dada pela relação entre o melhor valor da função objetivo obtida pela metaheurística e o ótimo matemático obtido pelo algoritmo exato branch and bound. Os parâmetros das metaheurísticas avaliadas foram comparados através do teste L&O e a análise por estatísticas descritivas. Os melhores valores dos parâmetros selecionados para as respectivas metaheurísticas forneceram eficácia média de 95,97% para a BT, 95,36% para a SA e 94,28% para o AG. Em relação aos valores máximos de eficácia obtidos, SA foi a metaheurística que apresentou maior valor para um dos problemas (100%), seguida pela BT (98,84%) e AG (98,48%). O maior coeficiente de variação foi obtido pela SA (3,18%), seguida pela BT (2,48%) e AG (2,08%). A eficiência, medida pelo tempo de processamento para obtenção da solução, obtida pela BT, AG e SA foram cerca de duas, cinco e dez vezes superior ao algoritmo branch and bound, respectivamente. As três metaheurísticas apresentaram-se como abordagens atrativas para solução de problemas combinatoriais importantes no contexto do gerenciamento florestal, problemas esses, de difícil solução ou até mesmo impossíveis de serem solucionados pelos algoritmos exatos da atualidade. / The objectives of this work were: to evaluate the contribution of models, data, technologies and human resources in the process of decision making for forest management; to develop and present a decision support system with new approaches to even-age forest management; and to develop and test the metaheuristic Genetic Algorithm (GA), Tabu Search (TS) and Simulated Annealing (SA) to solve problems of forest planning with intiger constraints. To accomplish these objectives, this study was divided in six chapters. Chapter 1 comprises a review on the use of models, data, technologies and human resources to make decision in forest management. The study reveals the need of considering the integration of those resources, showing still the major drawbacks and misunderstandings in their use by forest companies. Chapter 2 presents SisFlor, which is a flexible Decision Support System (DSS) with a friendly interface to the user that allows to formulate and solve via Linear Programming (LP) and Integer Programming (IP) models important issues of even-age forest management. The limitations of the exact algorithm branch and bound to solve IP models, formulated through SisFlor DSS, is the main reason to develop the following chapters. Chapter 3 presents a review on the heuristics, the most promising approaches for solving IP problems. Among the heuristic approaches, the metaheuristic GA, TS and SA were selected and discussed on the basis of their basic principles and of some applications to forest management. In chapters 4, 5 and 6 the metaheuristic GA, TS and SA were formulated and implemented into a computational code. To test these metaheuristics, five problems were selected containing between 12 and 423 decision variables, with constraints of singularity and minimum and maximum production. All the problems had the objective of maximizing the net present value. Problem one was used for illustrating a race of the concerning metaheuristics. The other problems were used to evaluate the effects of several parameters of those metaheuristics, that were evaluated according to a efficacy measure given by the relation between the best value of the objective function obtained by the metaheuristic and the mathematical optimum obtained by the exact algorithm branch and bound. The parameters of the evaluated metaheuristics were compared by the L&O test and the analysis by descriptive statistics. The best parameter values selected for the concerning metaheuristics gave average efficacy of 95.97% for TS, 95.36% for SA and 94.28% for GA. In relation to the maximum efficacy values obtained, SA presented larger value for one of the problems (100%), followed by TS (98.84%) and GA (98.48%). The largest coefficient of variation was obtained by SA (3.18%), followed by TS (2.48%) and AG (2.08%). The efficiency, which was measured by the processing time for obtaining the solution through TS, GA and SA, was about two, five and ten times superior to the algorithm branch and bound respectively. Those metaheuristics were shown as attractive approaches for the solution of important combinatorial problems within the forest management context, problems of difficult or even impossible solution by the current exact algorithms.