Made available in DSpace on 2016-06-02T19:51:30Z (GMT). No. of bitstreams: 1 DissARTT.pdf: 880718 bytes, checksum: 0ae01da081c025b6c842f9d50625c259 (MD5) Previous issue date: 2000-02-27 / Financiadora de Estudos e Projetos / Production scheduling finds in the most detailed and complex level of production planning and control systems. Due to its nature combinatorial, several methods have been proposed to solve it. Among them there are the techniques of simulation systems and artificial intelligence approaches. This work presents a procedure of solution of production scheduling, through a hybrid model of simulation systems and artificial neural networks. In this procedure, the purpose of the artificial neural network is to learn the relationships between the priority rules designated to the machines of a production system, and the values of performance measures used to evaluate the scheduling. The objective is to analyze the differentiation among a group of combinations of priority rules through the evaluation of four performance measures. Results are presented and commented, highlighting the capacity of generalization of the hybrid model in prescribing priority rules to the machines, based on values of performance measures established by the user. / A atividade da programação da produção, também chamada scheduling, encontra-se no nível mais detalhado e complexo de um sistema de planejamento e controle da produção. Devido à sua natureza combinatorial, vários métodos têm sido propostos como alternativas de solução para resolvê-la. Entre eles encontram-se a técnica de simulação de sistemas e abordagens por inteligência artificial. Este trabalho apresenta um procedimento de solução da programação da produção, através de um modelo híbrido de simulação de sistemas e redes neurais artificiais. Neste procedimento, o papel da rede neural artificial é aprender as relações entre as regras de prioridade designadas às máquinas de um ambiente de produção, e os valores das medidas de desempenho utilizados para avaliar as alternativas de programação. O objetivo é analisar a diferenciação entre um conjunto de combinações de regras de prioridade através da avaliação de quatro medidas de desempenho. Resultados são apresentados e comentados, destacando a capacidade de generalização do modelo híbrido em prescrever regras de prioridade às máquinas, a partir de valores de medidas de desempenho estabelecidos pelo usuário.

Os compiladores têm por função traduzir um programa em uma linguagem fonte para uma linguagem alvo, geralmente uma linguagem de máquina. Nessa tradução, encontrar a melhor correspondência entre as linguagens é um problema complexo, pelo tamanho do espaço de busca. Por tal complexidade, uma etapa de transformação de código é necessária, na qual algoritmos de transformação modificam o código tentando melhorá-lo sem alterar seu significado. O Problema de Seleção de Transformações (PST) consiste na busca das melhores transformações para um código de entrada, tal que o código final obtenha um bom desempenho. O estado-da-arte não possui estratégias que possibilitem soluções para o PST aplicáveis a usuários finais, pois o tempo de resposta é alto para tal aplicação. O objetivo deste trabalho é formular técnicas para encontrar efetivas sequências de transformações a serem aplicadas a um código de entrada, de forma a aumentar seu desempenho reduzindo o tempo de execução. Além disso, objetiva-se reduzir o tempo de resposta de forma que a solução para o PST se aproxime da utilização por usuários finais. Inicialmente, se explora a Variable Neighborhood Search (VNS) para solucionar o PST, compilando iterativamente cada código de entrada. A aplicação da VNS alcançou resultados até 15,72% melhores do que outra estratégia iterativa, conseguindo melhoria em todos os programas avaliados em relação ao melhor nível de transformação. Contudo, a compilação iterativa possui alto tempo de resposta. Assim, é necessário explorar técnicas de aprendizagem de máquina, que podem prover bons resultados baseadas em experiências anteriores do compilador. Dessa forma, esta dissertação explora diferentes caracterizações de programas para representar o conhecimento acumulado na aplicação de transformações, para então aplicar a um sistema de geração de código com Raciocínio Baseado em Casos (RBC), que escolhe determinada sequência para um programa de entrada. A representação do conhecimento é capaz de atingir 81% de proximidade do melhor resultado possível para os programas avaliados, enquanto o sistema RBC gera resultados 13,74% melhores do que o nível -O3, em um tempo de resposta 99% inferior ao de estratégias de compilação iterativa. A melhoria nas formas de recuperação de experiências anteriores conseguiu superar em 20,23% o desempenho obtido por outra estratégia comparada com um número de avaliações próximo. / Compilers aims to translate a source language program to a target language, usually a machine language. Find the best correspondence between programming languages is a complex problem, due to the size of search space. Because of this complexity, a code transformation step is needed, where transformation algorithms modify the code, trying to improve it without semantic alterations. Despite, the result of the application of these algorithms depends on code particularities. The Transformations Selection Problem (TSP) consists of the search for the best transformations to an input code, such that target code achieves a good performance. The state-of-art does not have strategies that allow the application of TSP solutions to final users, because the response time is very high to this. This work aims to formulate techniques to find effective transformations sequences to be applied to an input code, in a way to increase programs performance reducing its execution time. Furthermore, another objective is to reduce the compiler response time, to approximate a TSP solution to final users application. Initially, the metaheuristic Variable Neighborhood Search (VNS) is explored to solve TSP, compiling iteratively each input code. VNS achieved results up to 15.72% better than another iterative strategy, reaching improvement for all evaluated programs compared to the best compiler transformation level. However, the iterative compilation demands a high response time. Therefore, it is necessary to explore machine learning techniques, which can provide good results based on compiler previous experiences, with a cost of an initial training phase. Thus, this work explores different program characterizations to represent the cumulated knowledge on transformations application, to formulate a code generation system with Case-Based Reasoning (CBR), which chooses certain sequence to an input program. The knowledge representation is capable to reach 81% of proximity of the best possible result to evaluated programs, while the CBR system generates results 13.74% better than -O3 level, on a response time 99% lower than iterative compilation techniques. The improvement of previous experiences recovering method obtained performances over 20.23% compared to another strategy with a close evaluations number.

Apresenta-se neste trabalho uma abordagem para a otimização do scheduling do transporte de derivados escuros de petróleo, em uma malha dutoviária. A malha em questão possui 4 refinarias, 3 nós intermediários e um terminal marítimo. A movimentação dos derivados é influenciada por necessidades e restrições políticas e operacionais, o que torna o problema de scheduling complexo e motiva o desenvolvimento desta dissertação. Algumas características deste problema devem ser notadas, como a necessidade da realização de trocas de produtos nos tanques durante um horizonte de programação e da realização de misturas de dois produtos para obtenção de um terceiro. Descreve-se uma abordagem onde se contempla o tratamento de grupos de produtos com o estoque unificado. Onde também, no modelo de planejamento, o balanço de inventário é o fator determinante na otimização e se manipulam diferentes períodos devido a existência da troca de produtos nos tanques, manutenção nos tanques e períodos em que os dutos ficam sem movimentação. Onde também é tratada de forma mais precisa do que trabalhos anteriores a questão do parque de tancagem e onde são tratadas as restrições de aquecimento e misturas. Utiliza-se uma decomposição do problema e modelos de Programação Linear Inteira Mista (PLIM) e heurísticas para solução destes subproblemas em um tempo computacional aceitável (menos de 1 minuto). Utilizam-se dados reais de operação desta malha para experimentação. Conclui-se com a análise dos resultados que a abordagem aqui descrita para resolução do problema apresentado é viável em termos computacionais e que os resultados obtidos podem auxiliar os especialistas da rede no processo de tomada de decisões. / In this work it is presented an approach to the optimization of the scheduling of heavy oil derivatives transportation in a pipeline network. There are four refineries in this network, three intermediate nodes and one maritime terminal. The derivatives transport is influenced by practical constraints and political needs, and so the scheduling problem is complex, which encourages the development of the current work. Some characteristics of this problem should be noticed, like the necessity of products exchanges on tanks during a scheduling horizon and the necessity of products blends. It is described an approach in which groups of products with unified inventory are treated. An approach in which, on the planning model, the main objective to optimize is the balance of the inventory and different periods are handled due the existence of products exchange on tanks, maintenance of tanks and periods in which the pipelines should not be used due heating constraints. The tanking park problem is also addressed in a more precise way than previous works. Heating constraints and blends of products are also treated. To solve this problem in a reasonable computational time (less than 1 minute) it is utilized a decomposition approach and Mixed Integer Linear Programming (MILP) models and heuristics to solve these sub-problems. It is also used real operational data of this pipeline network for experimentation purposes. With the analysis of the results it is concluded that the approach here described for the solution of the presented problem is viable in computational times terms and that the obtained results can assist the specialists of the network in the decision-making process.

Os compiladores têm por função traduzir um programa em uma linguagem fonte para uma linguagem alvo, geralmente uma linguagem de máquina. Nessa tradução, encontrar a melhor correspondência entre as linguagens é um problema complexo, pelo tamanho do espaço de busca. Por tal complexidade, uma etapa de transformação de código é necessária, na qual algoritmos de transformação modificam o código tentando melhorá-lo sem alterar seu significado. O Problema de Seleção de Transformações (PST) consiste na busca das melhores transformações para um código de entrada, tal que o código final obtenha um bom desempenho. O estado-da-arte não possui estratégias que possibilitem soluções para o PST aplicáveis a usuários finais, pois o tempo de resposta é alto para tal aplicação. O objetivo deste trabalho é formular técnicas para encontrar efetivas sequências de transformações a serem aplicadas a um código de entrada, de forma a aumentar seu desempenho reduzindo o tempo de execução. Além disso, objetiva-se reduzir o tempo de resposta de forma que a solução para o PST se aproxime da utilização por usuários finais. Inicialmente, se explora a Variable Neighborhood Search (VNS) para solucionar o PST, compilando iterativamente cada código de entrada. A aplicação da VNS alcançou resultados até 15,72% melhores do que outra estratégia iterativa, conseguindo melhoria em todos os programas avaliados em relação ao melhor nível de transformação. Contudo, a compilação iterativa possui alto tempo de resposta. Assim, é necessário explorar técnicas de aprendizagem de máquina, que podem prover bons resultados baseadas em experiências anteriores do compilador. Dessa forma, esta dissertação explora diferentes caracterizações de programas para representar o conhecimento acumulado na aplicação de transformações, para então aplicar a um sistema de geração de código com Raciocínio Baseado em Casos (RBC), que escolhe determinada sequência para um programa de entrada. A representação do conhecimento é capaz de atingir 81% de proximidade do melhor resultado possível para os programas avaliados, enquanto o sistema RBC gera resultados 13,74% melhores do que o nível -O3, em um tempo de resposta 99% inferior ao de estratégias de compilação iterativa. A melhoria nas formas de recuperação de experiências anteriores conseguiu superar em 20,23% o desempenho obtido por outra estratégia comparada com um número de avaliações próximo. / Compilers aims to translate a source language program to a target language, usually a machine language. Find the best correspondence between programming languages is a complex problem, due to the size of search space. Because of this complexity, a code transformation step is needed, where transformation algorithms modify the code, trying to improve it without semantic alterations. Despite, the result of the application of these algorithms depends on code particularities. The Transformations Selection Problem (TSP) consists of the search for the best transformations to an input code, such that target code achieves a good performance. The state-of-art does not have strategies that allow the application of TSP solutions to final users, because the response time is very high to this. This work aims to formulate techniques to find effective transformations sequences to be applied to an input code, in a way to increase programs performance reducing its execution time. Furthermore, another objective is to reduce the compiler response time, to approximate a TSP solution to final users application. Initially, the metaheuristic Variable Neighborhood Search (VNS) is explored to solve TSP, compiling iteratively each input code. VNS achieved results up to 15.72% better than another iterative strategy, reaching improvement for all evaluated programs compared to the best compiler transformation level. However, the iterative compilation demands a high response time. Therefore, it is necessary to explore machine learning techniques, which can provide good results based on compiler previous experiences, with a cost of an initial training phase. Thus, this work explores different program characterizations to represent the cumulated knowledge on transformations application, to formulate a code generation system with Case-Based Reasoning (CBR), which chooses certain sequence to an input program. The knowledge representation is capable to reach 81% of proximity of the best possible result to evaluated programs, while the CBR system generates results 13.74% better than -O3 level, on a response time 99% lower than iterative compilation techniques. The improvement of previous experiences recovering method obtained performances over 20.23% compared to another strategy with a close evaluations number.

Fundação Carlos Chagas Filho de Amparo a Pesquisa do Estado do Rio de Janeiro / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste trabalho, é proposta uma nova família de métodos a ser aplicada à otimização de problemas multimodais. Nestas técnicas, primeiramente são geradas soluções iniciais com o intuito de explorar o espaço de busca. Em seguida, com a finalidade de encontrar mais de um ótimo, estas soluções são agrupadas em subespaços utilizando um algoritmo de clusterização nebulosa. Finalmente, são feitas buscas locais através de métodos determinísticos de otimização dentro de cada subespaço gerado na fase anterior com a finalidade de encontrar-se o ótimo local. A família de métodos é formada por seis variantes, combinando três esquemas de inicialização das soluções na primeira fase e dois algoritmos de busca local na terceira. A fim de que esta nova família de métodos possa ser avaliada, seus constituintes são comparados com outras metodologias utilizando problemas da literatura e os resultados alcançados são promissores. / In this thesis, a new family of methods designed for multimodal optimization is introduced. In these techniques, first of all, initial solutions are generated in order to explore the search space. Secondly, these solutions are grouped in clusters using a fuzzy-clustering algorithm so that multiple optima are found. Finally, an instance of deterministic optimization method is triggered within each cluster to reach for the local optimum. This family of methods is formed by six variants combining three initialization schemes in the first phase with two local search algorithms in the third. These methods are compared against other techniques in the literature using benchmarks, obtaining promising results.

Made available in DSpace on 2016-12-23T14:33:44Z (GMT). No. of bitstreams: 1 Dissertacao de Danuza Prada de Faria Alckmin.pdf: 676333 bytes, checksum: 0f5968628437ef878dc7f703ce48b8bf (MD5) Previous issue date: 2009-08-31 / Agrupamento de dados é uma tarefa que divide um conjunto de dados em subconjuntos de forma que elementos associados a um mesmo grupo sejam mais similares entre si do que em relação a elementos de outros grupos. Ao organizar os dados em grupos é possível identificar similaridades e diferenças entre eles, extrair informações relevantes e inferir conclusões úteis a respeito das características dos dados. O problema de agrupamento de dados pode ser considerado como uma tarefa de otimização, uma vez que se pretende encontrar a melhor combinação de partições dentre todas as combinações possíveis. Uma abordagem que pode ser aplicada para resolver o problema de agrupamento é o uso de metaheurísticas, que são procedimentos capazes de escapar de ótimos locais, pois o uso de métodos exatos se torna computacionalmente inviável. Entretanto, a maioria das metaheurísticas aplicadas ao problema de agrupamento não são escalonáveis para bases reais e comerciais, são mais efetivas nos casos em que a instância do problema é menor. O custo computacional necessário para calcular as soluções se torna maior em instâncias maiores do problema. Por esse motivo, procedimentos híbridos que exploram a combinação de metaheurísticas representam uma abordagem promissora para a resolução do problema de agrupamento. Este trabalho apresenta uma proposta de Algoritmo Genético Híbrido de Agrupamento que associa ao processo de busca global uma heurística de busca local e cuja população inicial é gerada por técnicas de agrupamento. Tais melhorias têm como objetivo direcionar a busca para soluções mais próximas do ótimo global. É realizada uma avaliação experimental em bases de dados reais e sintéticas com o objetivo de verificar se a abordagem proposta apresenta uma melhoria em relação aos algoritmos avaliados. O resultado dessa análise mostra que o algoritmo proposto apresenta um desempenho melhor do que quatro entre os seis algoritmos avaliados. Para complementar a análise é realizada uma avaliação do tempo de execução, cujo objetivo é quantificar a diferença entre a abordagem proposta e os demais algoritmos avaliados. O resultado mostra que o tempo de execução da abordagem proposta é viável, porém é consideravelmente maior do que os tempos de execução dos algoritmos considerados de rápida convergência / Clustering is a task that divides a data set in subgroups aiming that elements associated to one exactly group are more similar between themselves than elements of other groups. Organizing data in groups make it possible to identify similarities and differences between them, to extract useful information and conclusions regarding the data features. Clustering may be considered an optimization problem because it is intended to find the best combination of partitions among all possible combinations. An approach that can be applied to solve the clustering problem is the use of metaheuristics, which are procedures capable of escaping from local optima, once the use of exact methods is computationally infeasible. However, the majority of the metaheurísticas applied to clustering problem is not scalable for real or commercial bases. They are more effective for smaller instances of the problem trated. The computational cost necessary to calculate the solutions becomes greater in larger instances of the problem. For this reason, hybrid procedures that explore the combination of metaheuristics represent a promising approach for solving the clustering problem. This work shows a proposal of a Hybrid Genetic Clustering Algorithm that associates the process of global search to a local search heuristic and also initializes the population by different grouping techniques. Such improvements aim to direct the search for solutions next to the global optimal one. An experimental evaluation with real and synthetic databases is performed aiming to verify if the proposed approach presents an improvement in relation to the other evaluated algorithms. The result of this analysis shows that the proposed algorithm presents a better performance in four among the six evaluated algorithms. In addition, an analysis of the execution time shows that the execution time of our proposal is feasible, even though it is considerably longer than the execution times of the fast convergence algorithms

Orientador: Antônio Carlos Moretti / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-17T07:59:31Z (GMT). No. of bitstreams: 1 Pinto_LuisFrancodeCampos_M.pdf: 11074962 bytes, checksum: 1a81559fbea90f37c92a435180da70b3 (MD5) Previous issue date: 2010 / Resumo: Neste trabalho, foi desenvolvida uma aplicação prática de técnicas da pesquisa operacional para a resolução de um problema real de esquematização ou programação de máquinas. Este problema deriva de um flexible job shop scheduling, porém apresentando diversas características próprias, impossibilitando a aplicação de modelos disponíveis na literatura. O desempenho da utilização da combinação de um modelo de programação linear inteira mista com uma heurística de construção e uma heurística de melhoramento foi avaliado diante de cenários reais obtidos da indústria de produção de frascos plásticos. Estas técnicas provaram ser eficientes para a resolução dos casos propostos / Abstract: In this work, a practical application of operational research techniques was developed to solve a real machine scheduling or programming problem. This problem derives from a flexible job shop scheduling framework, but presents several unique characteristics, which makes it impossible to apply models available in literature. The performance of using a combination of a mixed integer programming model with a construction heuristic and a improvement heuristic was evaluated using real world scenarios obtained from the plastic bottle production industry. Theses techniques were proven efficient in resolving the proposed cases / Mestrado / Pesquisa Operacional / Mestre em Matemática Aplicada

Orientadores: Denis Jose Schiozer, Celio Maschio / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica e Instituto de Geociencias / Made available in DSpace on 2018-08-13T03:31:41Z (GMT). No. of bitstreams: 1 Sousa_SergioHenriqueGuerrade_M.pdf: 1592526 bytes, checksum: a308d06cf11fb891b71f7b3396952356 (MD5) Previous issue date: 2007 / Resumo: O problema do ajuste de histórico é uma das tarefas que mais demandam tempo em um estudo de reservatório baseado em simulações de fluxo, porque é um problema inverso onde os resultados (dados de produção) são conhecidos, porém os valores de entrada (a caracterização do reservatório) não são integralmente conhecidos. Adicionalmente, as funções objetivo que medem a qualidade do ajuste costumam ser expressões compostas por uma série de componentes que tornam a topologia do espaço de soluções complexa e repleta de não linearidades. A metodologia adotada neste trabalho foi a modelagem do problema de ajuste de histórico como um problema de otimização combinatória de modo que ele pudesse ser abordado através de processos metaheurísticos. Em particular, a metaheurística Busca Dispersa (Scatter Search) foi acoplada a um algoritmo de Busca Direta baseado no método de Hooke e Jeeves para resolver o problema do ajuste de histórico. Reservatórios sintéticos de solução conhecida foram utilizados para fazer a validação da metodologia e, em seguida, ela foi aplicada a outro reservatório, também sintético, mas com características de reservatórios reais onde a solução do ajuste é desconhecida. São discutidos ao longo do texto o uso da metodologia de forma automática e assistida e também os benefícios do uso da computação distribuída na execução do método. As maiores contribuições deste trabalho em relação à questão do ajuste de histórico são: a introdução de uma nova metodologia versátil para uso automático ou assistido, a discussão de algumas características que dificultam o processo de ajuste e de que forma eles podem ser contornados e também a abordagem do tema do ajuste automático vs. o ajuste assistido ilustrado com exemplos. / Abstract: The history matching problem is one of the most demanding tasks in a reservoir simulation study; because it's an inverse problem where the results (production data) are known but the input data (the reservoir characterization data) are not entirely known. Moreover, the objective function that guide the match is usually made out of a series of components that make the topology of the objective function both complex and full of non-linearities. The methodology adopted in this work was to model the history matching problem as a combinatorial optimization problem in order for it to be solved by metaheuristic processes. In particular, the Scatter Search metaheuristic was coupled with a direct search method based on Hooke and Jeeve's method to solve the history matching problem. Synthetic reservoirs of known solutions where used to validate the methodology and then the methodology was applied to another reservoir, also synthetic, but with characteristics of real reservoirs where the solution is not known in advance. Throughout the text, the mixed use of the methodology on both an assisted and automatic fashion is discussed along with the benefits attained by the use of distributed computing resources. The greatest contributions of this work related to the history matching problem are: the introduction of a new versatile methodology for both automatic and assisted matches, the discussion of some characteristics that burden the entire process and some ways to overcome the difficulties, and also the discussion of some tradeoffs between automatic versus assisted history matching with examples to illustrate the matter. / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

Orientador: Antonio Carlos Moretti / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-19T06:41:26Z (GMT). No. of bitstreams: 1 AraujoNeto_JoseEvangelista_M.pdf: 2884766 bytes, checksum: c57ca36e07463336bdf238ea6b35e234 (MD5) Previous issue date: 2011 / Resumo: Uma empresa de energia elétrica tem por obrigação garantir a continuidade e a qualidade do serviço prestado. A fim de incentivar a qualidade do serviço, a ANEEL introduziu penalidades nos contratos com as concessionárias de serviços públicos de transmissão de energia elétrica caso as instalações de transmissão sejam desligadas, por acidente, falha de equipamento ou manutenção programada. Abordagens tradicionais de manutenção em sistemas de transmissão de energia elétrica se baseiam em ações realizadas periodicamente, ou programadas, de acordo com uma análise de necessidades. Embora essas abordagens tenham o objetivo de melhorar o desempenho destes sistemas, geralmente não há uma avaliação precisa do impacto das ações de manutenção na confiabilidade dos mesmos relacionada aos recursos empregados, bem como penalidades legais decorrentes. O objeto assim formulado caracteriza-se como um problema de otimização combinatória com o objetivo de encontrar o encadeamento das ações de manutenções que minimizem os recursos utilizados em manutenções e garanta um nível de confiabilidade desejado para o Sistema Elétrico. Este trabalho propõe uma abordagem para enfrentar este problema baseada na relação confiabilidade/custo com a perspectiva de encontrar as melhores estratégias para a realização de manutenções em equipamentos (ativos) de transmissão de energia elétrica, apresentando um modelo matemático para a confecção de um calendário viável (que respeite às restrições do Sistema Elétrico) para programação de manutenção nestes ativos e metodologia de otimização para encontrar as melhores soluções em um determinado horizonte de planejamento / Abstract: A eletric power company is required to ensure continuity and quality of the provided service. To promote the quality of service, ANEEL introduced penalties in contracts with the electric power companies if transmission facilities are turned off by accident, equipment failure or programmed maintenance. Traditional approaches to maintenance of electric energy transmission systems are based on actions performed periodically, or programmed, in agreement with an analysis of needs. Although these approaches have the goal of improving the performance of these systems, generally there is not an accurate assessment of the impact of maintenance actions on the reliability of those actions related to the employed resources, as well as current legal penalties. The object thus formulated is characterized as a combinatorial optimization problem with the objective to find the sequence of maintenance actions that minimize the resources used in maintenance, ensuring a level of reliability desired for the Electric System. This work proposes an approach to address this problem based on the relationship reliability/ cost with the prospect of finding the best strategies for performing maintenance on equipment (assets) of electricity transmission, presenting a mathematical model for finding a feasible schedule (which respects the constraints of the Electric System) maintenance programming for these assets and optimization methodology to find the best solutions in a given planning horizon / Mestrado / Matematica Aplicada / Mestre em Matemática Aplicada

Orientadores: André Luiz Morelato França, Paulo Morelato França / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-20T08:47:23Z (GMT). No. of bitstreams: 1 Usberti_FabioLuiz_D.pdf: 2207082 bytes, checksum: 83078a448a40f75c373b989f9af006fb (MD5) Previous issue date: 2012 / Resumo:O problema de roteamento em arcos capacitado e aberto (open capacitated arc routing problem, OCARP) é um problema de otimização combinatorial NP-difícil em que, dado um grafo não-direcionado, o objetivo consiste em encontrar um conjunto de rotas de custo mínimo para veículos com capacidade restrita que atendam a demanda de um subconjunto de arestas. O OCARP está relacionado com o problema de roteamento em arcos capacitado (capacitated arc routing problem, CARP), mas difere deste pois o OCARP não possui um nó depósito e as rotas não estão restritas a ciclos. Aplicações da literatura para o OCARP são discutidas. Uma formula ção de programação linear inteira é fornecida junto com propriedades do problema. Uma metaheurística GRASP (greedy randomized adaptive search procedure) com reconexão por caminhos (path-relinking) é proposta e comparada com outras metaheurísticas bem-sucedidas da literatura. Algumas características do GRASP são: (i) ajuste reativo de parâmetros, cujos valores são estocasticamente selecionados com viés 'aqueles valores que produziram, em média, as melhores soluções; (ii) um filtro estatístico que descarta soluções iniciais caso estas tenham baixa probabilidade de superar a melhor solução incumbente; (iii) uma busca local infactível que gera soluções de baixo custo utilizadas para explorar fronteiras factíveis/infactíveis do espaço de soluções; (iv) a reconexão por caminhos evolutiva aprimora progressivamente um conjunto de soluções de elevada qualidade (soluções elites). Testes computacionais foram conduzidos com instâncias CARP e OCARP e os resultados mostram que o GRASP é bastante competitivo, atingindo os melhores desvios entre os custos das soluções e limitantes inferiores conhecidos. Este trabalho também propõe um algoritmo exato para o OCARP que se baseia no paradigma branch-and-bound. Três limitantes inferiores são propostos e um deles utiliza o método dos subgradientes para resolver uma relaxação lagrangeana. Testes computacionais comparam o algoritmo branch-and-bound com o CPLEX resolvendo um modelo reduzido OCARP de programa ção linear inteira. Os resultados revelam que o algoritmo branch-and-bound apresentou resultados melhores que o CPLEX no que diz respeito aos desvios entre limitantes e ao número de melhores soluções / Abstract: The Open Capacitated Arc Routing Problem (OCARP) is an NP-hard combinatorial optimization problem where, given an undirected graph, the objective is to find a minimum cost set of tours that services a subset of edges with positive demand under capacity constraints. This problem is related to the Capacitated Arc Routing Problem (CARP) but differs from it since OCARP does not consider a depot, and tours are not constrained to form cycles. Applications to OCARP from literature are discussed. An integer linear programming formulation is given, followed by some properties of the problem. A Greedy Randomized Adaptive Search Procedure (GRASP) with path-relinking (PR) solution method is proposed and compared with other successful metaheuristics. Some features of this GRASP with PR are (i) reactive parameter tuning, where the metaheuristic parameters values are stochastically selected biased in favor of those values which produced the best solutions in average; (ii) a statistical filter, which discards initial solutions if they are unlikely to improve the incumbent best solution; (iii) infeasible local search, where high-quality solutions, though infeasible, are used to explore the feasible/infeasible boundaries of the solution space; (iv) evolutionary PR, a recent trend in which a pool of elite solutions is progressively improved by relinking pairs of elite solutions. Computational tests were conducted for both CARP and OCARP instances, and results reveal that the GRASP with PR is very competitive, achieving the best overall deviation from lower bounds. This work also proposes an exact algorithm for OCARP, based on the branch-and-bound paradigm. Three lower bounds are proposed, one of them uses a subgradient method to solve a Lagrangian relaxation. The computational tests compared the proposed branch-and-bound with a commercial state-of-the-art ILP solver. Results reveal that the branch-and-bound outperformed CPLEX in the overall average deviation from lower bounds / Doutorado / Automação / Doutor em Engenharia Elétrica