No description available.

Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. / Submitted by Oliveira Flávia (flavia@sisbin.ufop.br) on 2015-05-20T18:18:24Z No. of bitstreams: 2 license_rdf: 22741 bytes, checksum: 6d485fa57a2ebb95a6dd0efb0da258db (MD5) DISSERTAÇÃO_GrafoConflitosConstrução.pdf: 1083492 bytes, checksum: 9d93fcc467dfc82a2db43315dfc47e7d (MD5) / Approved for entry into archive by Gracilene Carvalho (gracilene@sisbin.ufop.br) on 2015-05-20T19:03:59Z (GMT) No. of bitstreams: 2 license_rdf: 22741 bytes, checksum: 6d485fa57a2ebb95a6dd0efb0da258db (MD5) DISSERTAÇÃO_GrafoConflitosConstrução.pdf: 1083492 bytes, checksum: 9d93fcc467dfc82a2db43315dfc47e7d (MD5) / Made available in DSpace on 2015-05-20T19:03:59Z (GMT). No. of bitstreams: 2 license_rdf: 22741 bytes, checksum: 6d485fa57a2ebb95a6dd0efb0da258db (MD5) DISSERTAÇÃO_GrafoConflitosConstrução.pdf: 1083492 bytes, checksum: 9d93fcc467dfc82a2db43315dfc47e7d (MD5) Previous issue date: 2015 / Este trabalho explora a informação estrutural de relações entre variáveis binárias em problemas de Programação Inteira por meio de grafos de conflitos. Tal estrutura possui um papel fundamental na construção de métodos exatos e heurísticos de resolução. Nesse sentido, o presente trabalho propõe e desenvolve técnicas baseadas na análise de grafos de conflitos para obtenção de soluções factíveis e limites duais fortes para problemas de Programação Inteira. Foram desenvolvidas otimizações nas técnicas de detecção de conflitos, que permitiram a construção rápida de grafos densos mediante a análise de restrições. A obtenção de limites duais fortes para programas inteiros é realizada por uma rotina desenvolvida para geração de desigualdades válidas. Essa rotina é responsável por gerar cortes de clique e ciclo ímpar e inseri-los na relaxação linear, reforçando os limites duais e acelerando a convergência para a solução ótima. Para obter soluções factíveis para programas binários foi desenvolvido um resolvedor heurístico, que utiliza as relações lógicas entre variáveis para construir uma solução inicial e melhorá-la por meio de uma busca local. A busca local executa uma cadeia de movimentos a cada iteração, que permite corrigir a infactibilidade de uma solução ou, até mesmo, saltar de uma solução factível para outra. Considerando a produção de limites duais fortes, os resultados obtidos pela rotina de geração de desigualdades desenvolvida mostraram uma convergência mais rápida em relação à rotina de separação de cortes do resolvedor COINOR Branch-and-Cut. Em relação à obtenção de factibilidade, o resolvedor heurístico foi apto a gerar soluções para um número significativo de problemas de Programação Inteira Binária, considerando tempos restritos de execução. _________________________________________________________________________________ / ABSTRACT: This work explores the structural information of relations between binary variables in Integer Programming problems using conflict graphs. Such structure has a fundamental role in the construction of exact and heuristic solving methods. In this sense, the present work proposes and develops techniques based on the analysis of conflict graphs to obtain feasible solutions and strong dual bounds for Integer Programming problems. Optimizations were developed in the conflict detection techniques that allowed the fast construction of dense graphs through the constraints analysis. The obtaining of strong dual bounds for integer programs is performed by a routine developed for the generation of valid inequalities. This routine is responsible for generating clique and odd hole cuts and insert them into the linear relaxation, strengthening the dual bounds and accelerating the convergence to the optimal solution. To obtain feasible solutions for binary programs it was developed a heuristic solver, which uses the logical relations between variables to build an initial solution and improve it through a local search. Local search performs chains of movements at each iteration, which allows to fix infeasibilities of a solution or even jump from a feasible solution to another. Considering the production of strong dual bounds, the results obtained by the developed routine for generating inequalities showed a faster convergence compared with the cut separation routine of COIN-OR Branch-and-Cut solver. Regarding the production of feasible solutions, the heuristic solver was able to generate solutions to a significant number of Integer Binary Programming problems considering restricted runtimes.

Made available in DSpace on 2014-06-11T19:26:18Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-10-26Bitstream added on 2014-06-13T19:33:57Z : No. of bitstreams: 1 silva_rt_me_guara.pdf: 445223 bytes, checksum: f6563e16194940a8f4f8abc7c03ac033 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A Organização Internacional do Trabalho estima que existem cerca de 650 milhões de pessoas com deficiência em idade produtiva. No entanto, esta parcela da população possui altos índices de desemprego devido a várias barreiras. Uma alternativa para facilitar a inclusão dessas pessoas é a criação de Centros de Trabalho para pessoas com Deficiência (CTD`s) onde as pessoas com deficiência tenham a oportunidade de experimentar um ambiente de trabalho real antes de irem para um emprego “normal”. Neste tipo de ambiente, onde é impossível ao gestor prever quais trabalhadores estarão disponíveis a cada dia devido às altas taxas de absenteísmo, há a necessidade de se definir uma organização mais produtiva diariamente. Neste contexto se torna oportuna a utilização do Problema de Balanceamento de Linha e Designação de Trabalhadores (em inglês ALWABP), onde se busca minimizar o tempo de ciclo a partir de um dado número de trabalhadores, alocando tarefas às estações de trabalho e trabalhadores às estações, tendo em vista que alguns trabalhadores podem ser muito lentos para executar certas tarefas ou até incapazes, devido a alguma deficiência que eles apresentam, e muito eficientes na execução de outras. O objetivo geral desta dissertação consiste em empregar diferentes meta-heurísticas para resolver o ALWABP, comparando com os melhores resultados das instâncias encontradas na literatura. Dentre várias meta-heurísticas disponíveis na literatura foram utilizados o Harmony Search (HS), o Adaptive Large Neighborhood Search (ALNS) e o Clustering Search (CS) utilizando o HS e o ALNS como heurísticas geradoras de soluções. Cada uma das quatro implementações foram testadas em 320 instâncias propostas na literatura divididas em quatro famílias. Os experimentos computacionais mostraram bons resultados... / The International Labour Organization estimates that there are approximately 650 million disabled people in working age. However, this population presents high rates of unemployment due to numerous barriers. An alternative to facilitate the inclusion of these people is the establishment of Centers for Working People with Disabilities where people with disabilities have the opportunity to experience a real work environment before going to a “normal” job. In this type of environment, where it is impossible to predict which workers will be available each day due to high rates of absence in this population, there is a need to define a more productive organization on a daily basis. In this context it becomes appropriate to use the Assembly Line Worker Assignment and Balancing Problem (ALWABP), which seeks to minimize the cycle time for a given number of workers, assigning tasks to workstations and workers to stations, considering that some workers may be too slow to perform certain tasks, or even unable due to some deficiency they present, and very efficient in performing others. The aim of this dissertation is to employ different meta-heuristics to solve the ALWABP, comparing with the best results of instances found in the literature. Among several meta-heuristics available in the literature were used Harmony Search (HS), Adaptive Large Neighborhood Search (ALNS) and Clustering Search (CS) using the HS and ALNS as heuristics for the generation of solutions. Each of the four implementations has been tested in 320 instances proposed in the literature, classified into four families. The computational experiments showed good results, and in some instances obtaining better solution values best known. Conclusions regarding... (Complete abstract click electronic access below)

Resumo: Problemas de otimização multiobjetivo (MOPs) sao problemas que possuem mais de uma função objetivo a ser minimizada ou maximizada. Entre as abordagens mais utilizadas atualmente para resolve-los destaca-se o uso de metaheurísticas populacionais. Esta popularidade se deve principalmente à natureza destas de lidar simultaneamente com diversas soluções (populacao) em uma única execucao. Um algoritmo muito utilizado para lidar com MOPs e chamado otimizacao por nuvem de partículas multiobjetivo (MOPSO), esta e uma abordagem derivada da otimizaçao por nuvem de partículas (PSO), que e uma metaheurística inspirada no comportamento de conjuntos de aves. Devido ao bom desempenho apresentado pelos MOPSOs ao resolver MOPs, esta abordagem vem sendo estendida para a resolucao de problemas de otimizaçao com muitos objetivos (MaOPs). Estes problemas sao caracterizados por apresentarem mais de tres funçoes objetivo e uma alta complexidade causada principalmente porque a proporçao de soluções não dominadas em uma populacao aumenta rapidamente com o número de objetivos, o que diminui a pressao de selecõo em direçao a fronteira de Pareto. Alem disso, o numero de pontos necessúrios para representar a fronteira aumenta exponencialmente de acordo com o numero de objetivos dificultando a obtençao de solucoes diversas o suficiente para cobri-la totalmente. Este trabalho apresenta algumas tecnicas aplicadas para melhorar o desempenho do MOPSO ao resolver MaOPs e tornú-lo menos sensível ao aumento no número de objetivos. Primeiramente estudaram-se duas tecnicas de controle da úrea de dominância das solucoes para aumentar a pressao de seleçõo, normalmente reduzida pelo aumento no numero de objetivos. Outra tecnica estudada foi a alteracao do metodo de selecao de líderes do MOPSO com a realizaçao de um estudo empírico usando seis metodos e os melhores foram destacados. Foi estudada tambem a influencia sofrida por esses metodos devido a alteracao na técnica de controle da área de dominância, e as melhores combinações foram identificadas através de estudos empíricos. Por último um novo MOPSO e proposto usando o conceito de pontos de referencia distribuindo melhor as soluções obtidas e com isso melhorando a convergencia a fronteira real. Estudos empíricos tambem foram realizados para comparar a nova abordagem a abordagem classica. A partir dos trabalhos realizados aqui tres artigos foram publicados, sendo o primeiro um estudo sobre os metodos de selecao de líderes, o segundo propondo um novo MOPSO que usa uma tecnica de controle da area de dominancia, e o terceiro que avalia a influencia das tecnicas de controle da area de dominância no desempenho dos metodos de selecõo de líder e identifica as melhores combinacoes entre tecnica de controle da area de dominância e metodo de seleçao de líder. Em geral todos os estudos realizados apresentaram melhorias de desempenho em relacao ao algoritmo original utilizado, especialmente no contexto de muitos objetivos.

Made available in DSpace on 2015-03-03T11:52:33Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-10-24Bitstream added on 2015-03-03T12:06:30Z : No. of bitstreams: 1 000808114.pdf: 869921 bytes, checksum: d49e859927277a17ca43ba9e2d635677 (MD5) / Neste trabalho é proposta a resolução de problemas multimodais usando duas diferentes meta-heurísticas: Algoritmo Genético de Chu-Beasley modificado e o Algoritmo Genético de Chaves Aleatórias Viciadas (BRKGA), com foco principal nos resultados obtidos por esta última. É feita especificamente a implementação das meta-heurísticas e comparação dos resultados obtidos por estas diferentes técnicas. Uma característica muito importante do BRKGA é a estruturação que permite separar o algoritmo em duas parcelas claramente diferenciadas, uma parcela que depende exclusivamente das características do BRKGA e, portanto, independente do problema que se pretende resolver e outra parcela que depende exclusivamente das características especificas do problema que pretendemos resolver. Essa característica geral do BRKGA permite que ele seja facilmente aplicado a uma grande variedade de problemas, já que a primeira parcela pode ser integralmente aproveitada na resolução de um novo problema. Por outro lado, o Algoritmo Genético de Chu-Beasley (AGCB) é caracterizado pela substituição de um único indivíduo no ciclo geracional e pelo controle máximo de diversidade, mas isto não é suficiente para resolução de problemas complexos e multimodais, sendo assim, é apresentado o AGCB modificado, onde o critério de diversidade é estendido, a população inicial e o descendente gerado no ciclo geracional passa por uma melhoria local. Essas características tornam-o competitivo justificando a comparação com o BRKGA / In this work it is proposed the resolution of multimodal problems using two different meta- heuristics: Chu-Beasley’s Genetic Algorithm and Biased Random Key Genetic Algorithm (BRKGA), focusing mainly on the results obtained by the latter. Specifically the imple- mentation and comparison of results obtained by these different techniques is made. There are several metaheuristics, each with its own specific characteristics which have advan- tages and disadvantages for the resolution of certain problems and in several ways in the implementation and results. A very important feature of the BRKGA is the structure that allows to separate the algorithm into two clearly different parts, one part that depends exclusively on the characteristics of BRKGA and therefore independent of the problem to be solved and another part that depends exclusively on the specific characteristics of the problem we intend to solve. This general feature of the BRKGA allows it to be readily applied to a variety of problems, because the first component part can be fully utilized to solve a new problem. On the other hand, Chu-Beasley’s Genetic Algorithm (AGCB) is characterized by the replacement of a single individual in the generation cycle and by maximum control of diversity, but this is not enough to solve complex and multimodal problems, therefore it is presented the modified AGCB, where the diversity criterion is extended, the initial population and the descendant generated in the generational cycle passes through a local improvement. These features make it competitive, justifying the comparison with BRKGA

Orientador: Rubén Augusto Romero Lázaro / Banca: Marina Lavorato de Oliveira / Banca: Marcelo Escobar de Oliveira / Resumo: Neste trabalho é proposta a resolução de problemas multimodais usando duas diferentes meta-heurísticas: Algoritmo Genético de Chu-Beasley modificado e o Algoritmo Genético de Chaves Aleatórias Viciadas (BRKGA), com foco principal nos resultados obtidos por esta última. É feita especificamente a implementação das meta-heurísticas e comparação dos resultados obtidos por estas diferentes técnicas. Uma característica muito importante do BRKGA é a estruturação que permite separar o algoritmo em duas parcelas claramente diferenciadas, uma parcela que depende exclusivamente das características do BRKGA e, portanto, independente do problema que se pretende resolver e outra parcela que depende exclusivamente das características especificas do problema que pretendemos resolver. Essa característica geral do BRKGA permite que ele seja facilmente aplicado a uma grande variedade de problemas, já que a primeira parcela pode ser integralmente aproveitada na resolução de um novo problema. Por outro lado, o Algoritmo Genético de Chu-Beasley (AGCB) é caracterizado pela substituição de um único indivíduo no ciclo geracional e pelo controle máximo de diversidade, mas isto não é suficiente para resolução de problemas complexos e multimodais, sendo assim, é apresentado o AGCB modificado, onde o critério de diversidade é estendido, a população inicial e o descendente gerado no ciclo geracional passa por uma melhoria local. Essas características tornam-o competitivo justificando a comparação com o BRKGA / Abstract: In this work it is proposed the resolution of multimodal problems using two different meta- heuristics: Chu-Beasley's Genetic Algorithm and Biased Random Key Genetic Algorithm (BRKGA), focusing mainly on the results obtained by the latter. Specifically the imple- mentation and comparison of results obtained by these different techniques is made. There are several metaheuristics, each with its own specific characteristics which have advan- tages and disadvantages for the resolution of certain problems and in several ways in the implementation and results. A very important feature of the BRKGA is the structure that allows to separate the algorithm into two clearly different parts, one part that depends exclusively on the characteristics of BRKGA and therefore independent of the problem to be solved and another part that depends exclusively on the specific characteristics of the problem we intend to solve. This general feature of the BRKGA allows it to be readily applied to a variety of problems, because the first component part can be fully utilized to solve a new problem. On the other hand, Chu-Beasley's Genetic Algorithm (AGCB) is characterized by the replacement of a single individual in the generation cycle and by maximum control of diversity, but this is not enough to solve complex and multimodal problems, therefore it is presented the modified AGCB, where the diversity criterion is extended, the initial population and the descendant generated in the generational cycle passes through a local improvement. These features make it competitive, justifying the comparison with BRKGA / Mestre

Orientador: Galeno José de Sena / Banca: Marcos Antonio Pereira / Banca: Anibal Tavares de Azevedo / Resumo: A Organização Internacional do Trabalho estima que existem cerca de 650 milhões de pessoas com deficiência em idade produtiva. No entanto, esta parcela da população possui altos índices de desemprego devido a várias barreiras. Uma alternativa para facilitar a inclusão dessas pessoas é a criação de Centros de Trabalho para pessoas com Deficiência (CTD's) onde as pessoas com deficiência tenham a oportunidade de experimentar um ambiente de trabalho real antes de irem para um emprego "normal". Neste tipo de ambiente, onde é impossível ao gestor prever quais trabalhadores estarão disponíveis a cada dia devido às altas taxas de absenteísmo, há a necessidade de se definir uma organização mais produtiva diariamente. Neste contexto se torna oportuna a utilização do Problema de Balanceamento de Linha e Designação de Trabalhadores (em inglês ALWABP), onde se busca minimizar o tempo de ciclo a partir de um dado número de trabalhadores, alocando tarefas às estações de trabalho e trabalhadores às estações, tendo em vista que alguns trabalhadores podem ser muito lentos para executar certas tarefas ou até incapazes, devido a alguma deficiência que eles apresentam, e muito eficientes na execução de outras. O objetivo geral desta dissertação consiste em empregar diferentes meta-heurísticas para resolver o ALWABP, comparando com os melhores resultados das instâncias encontradas na literatura. Dentre várias meta-heurísticas disponíveis na literatura foram utilizados o Harmony Search (HS), o Adaptive Large Neighborhood Search (ALNS) e o Clustering Search (CS) utilizando o HS e o ALNS como heurísticas geradoras de soluções. Cada uma das quatro implementações foram testadas em 320 instâncias propostas na literatura divididas em quatro famílias. Os experimentos computacionais mostraram bons resultados... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The International Labour Organization estimates that there are approximately 650 million disabled people in working age. However, this population presents high rates of unemployment due to numerous barriers. An alternative to facilitate the inclusion of these people is the establishment of Centers for Working People with Disabilities where people with disabilities have the opportunity to experience a real work environment before going to a "normal" job. In this type of environment, where it is impossible to predict which workers will be available each day due to high rates of absence in this population, there is a need to define a more productive organization on a daily basis. In this context it becomes appropriate to use the Assembly Line Worker Assignment and Balancing Problem (ALWABP), which seeks to minimize the cycle time for a given number of workers, assigning tasks to workstations and workers to stations, considering that some workers may be too slow to perform certain tasks, or even unable due to some deficiency they present, and very efficient in performing others. The aim of this dissertation is to employ different meta-heuristics to solve the ALWABP, comparing with the best results of instances found in the literature. Among several meta-heuristics available in the literature were used Harmony Search (HS), Adaptive Large Neighborhood Search (ALNS) and Clustering Search (CS) using the HS and ALNS as heuristics for the generation of solutions. Each of the four implementations has been tested in 320 instances proposed in the literature, classified into four families. The computational experiments showed good results, and in some instances obtaining better solution values best known. Conclusions regarding... (Complete abstract click electronic access below) / Mestre

Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T04:51:16Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T00:27:37Z : No. of bitstreams: 1 138027.pdf: 3951115 bytes, checksum: 1c1e6d46f5a5e96c80185f6a981bc136 (MD5)

Orientadora : Profª. Drª. Neida Maria Patias Volpi / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia. Defesa: Curitiba, 05/04/2011 / Inclui referências / Resumo: O problema de roteamento de veículos (PRV) é um dos mais estudados nas áreas de logística e otimização combinatória e consiste em determinar rotas de custo mínimo para uma frota de veículos, atendendo à demanda de um conjunto de clientes. Devido à complexidade computacional dos problemas de roteamento, torna-se inviável resolvê-los de forma exata, e em virtude disso, na maioria das vezes, a solução é obtida através de heurísticas. Mesmo sendo amplamente estudado o PRV carece de implementações práticas e nem sempre as soluções disponíveis resolvem satisfatoriamente os problemas das empresas, daí a necessidade de buscar soluções customizadas para cada problema. Dessa forma, o objetivo desse trabalho é desenvolver uma ferramenta que auxilie no processo de elaboração de roteiros de entrega de refeições feitas pela ASSEMCO - Associação dos Servidores Municipais de Colombo, localizada na região metropolitana de Curitiba, Paraná. A configuração atual dos roteiros de entrega não contempla todas as particularidades do problema, pois os clientes atendidos pela ASSEMCO possuem demanda variável e alguns destes precisam ser atendidos em horário fixo. Para resolução desse problema este trabalho apresenta duas abordagens: um programa computacional para o planejamento de rotasde entrega e um modelo estocástico que descreve o problema. Na abordagem determinística foi desenvolvido um programa em Visual Basic 6.0 que gera os roteiros de entrega através de métodos heurísticos de agrupamento e roteirização. Na odelagem estocástica do problema foram considerados a probabilidade de presença dos clientes, a probabilidade do veículo fazer o trajeto e o tempo de viagem entre os clientes, baseado na probabilidade de presença destes. Este modelo foi resolvido através do software Lingo 9.0 e através da meta-heurística Ant Colony System. Em relação à abordagem determinística, observou-se que os roteiros obtidos com a utilização do programa mostraram-se melhores em comparação com os roteiros normalmente praticados pela empresa. Em relação à abordagem estocástica, observou-seque o modelo proposto se adequou ao problema. Além disso, a meta-heurística Ant Colony System implementada para a resolução do modelo mostrou-se eficiente, visto que apresentou soluções de boa qualidade em tempo computacional viável. / Abstract: The vehicle routing problem (VRP) is one of the most studied in logistics and combinatorial optimization and it consists in determining minimum cost routes for a fleet of vehicles, in order to serve the demand of a set of customers. Due to the computational complexity of routing problems, it becomes impossible to solve them optimally, so in most cases, th solution is achieved by heuristics implementation. Even widely studied, PRV lacks practical implementation and not always available solutions solve satisfactorily companies problems, hence the necessity of seeking customized solutions for each problem. Thus, the purpose of this research is to assist in the meal delivery routes process made by ASSEMCO - Colombo Municipal Servers Association, great Curitiba, in Paraná. The current configuration of delivery routes does not include all the details of the problem because the customers served by ASSEMCO have variable demand and some of them need to be attendend at fixed times. To solve this problem this research presents two approaches: a software for planning delivery routes and a stochastic model that describes the problem. In a deterministic approach, it was developed a program in Visual Basic 6.0 that generates the delivery route through heuristic methods for clustering and routing. In the stochastic modeling, based on customers presence probability, vehicle probability traversing the path, and the travel time between customers were considered. This model was solved by Lingo 9.0 software and through the meta-heuristic Ant Colony System. Concerning deterministic approach, it was observed that obtained routes by the program proved to be better compared to the route normally adopted by the company. Concerning stochastic approach, it was observed that the proposed model is suitable to the problem. n addition, the metaheuristic Ant Colony System implemented for solving the model proved to be useful, because it produced good quality solutions in reasonable computational time.

Orientador : Prof. Dr. Silvia Regina Vergilio / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 23/02/2017 / Inclui referências : f. 90-98 / Área de concentração: Ciência da Computação / Resumo: Determinar um conjunto de casos de teste que possua alta probabilidade de revelar defeitos em um software é um dos principais objetivos da área de teste de software. Dentre os vários critérios propostos na literatura destaca-se a Análise de Mutantes, uma abordagem promissora devido a sua capacidade em revelar defeitos, embora possua um custo computacional relativamente alto. Com o intuito de reduzir o custo da Análise de Mutantes, estudos empregam a utilização de mutação de ordem superior (Higher Order Mutants, HOMs). O uso de HOMs tem se destacado por reduzir o número de mutantes equivalentes, reduzir o esforço do teste e simular defeitos próximos dos defeitos reais. Entretanto, a geração dos melhores HOMs é uma tarefa complexa, devido ao grande número de mutantes que podem existir e a outros fatores que influenciam a geração, tais como a eficácia dos HOMs gerados. Trabalhos têm aplicado com sucesso técnicas da área da Engenharia de Software baseada em busca por meio da utilização de técnicas de otimização para solucionar esse problema. Entretanto, há ainda a necessidade de possuir um conhecimento sobre o comportamento do problema, de modo a determinar a melhor estratégia a ser utilizada, como projetar e configurar os algoritmos, escolhendo os diferentes operadores de busca e definindo seus parâmetros, para assim melhorar o direcionamento da busca. Neste sentido, o uso de hiper-heurística possibilita uma abordagem mais flexível para automatizar estas tarefas. Além disso, o uso de uma hiper-heurística de seleção de diferentes estratégias existentes para geração de HOMs pode ser útil para reduzir o esforço do testador. Diante disso, este trabalho propõe uma abordagem multi-objetivo que utiliza o conceito de hiper-heurística para gerar conjuntos de HOMs, denominada Hyper-Heuristic for Generation of Higher Order Mutants (HG4HOM). O objetivo é selecionar a menor quantidade de HOMs, os mais difíceis de serem mortos e assim melhorar a eficácia do teste, além de também possibilitar que ao matar um HOM seus FOMs (First Order Mutants) constituintes também possam ser mortos. Para isso, a abordagem é implementada e avaliada com dois algoritmos multi-objetivos: NSGA-II e SPEA2, e três métodos de seleção: Choice-Function (CF), Fitness-Rate-Rank based Multi-Armed Bandit (FRR-MAB) e a seleção aleatória (Random). O algoritmo SPEA2 utilizando o conceito de hiper-heurística juntamente com o método de seleção CF obteve os melhores resultados. Quando comparado com as estratégias tradicionais, a abordagem obteve resultados próximos em relação ao escore de mutação e valor equivalente ao melhor em relação ao tamanho do conjunto de casos de teste adequado. A abordagem obteve as soluções com melhores valores de Euclidean Distance considerando os objetivos relacionados a encontrar a menor quantidade de HOMs, os mais difíceis de serem mortos e capazes de substituírem seus FOMs constituintes. Palavras-chave: Teste de Software, Análise de Mutantes, Mutação de Ordem Superior, Algoritmos Evolutivos Multi-Objetivos, Hiper-Heurística. / Abstract: One of the main testing goals is to determine test sets with a high probability of revealing faults. Mutant Analysis is a promising criterion due to its ability to reveal faults, although with a high computational cost. In order to decrease the mutation testing cost, studies employ the use of Higher Order Mutants (HOMs). The use of HOMs can contribute to decrease the number of equivalent mutants, decrease the test effort and simulate faults close to the real ones. However, the generation of the best HOMs is a complex task, due to the large number of mutants that may exist, and to other factors that influence the generation, such as the efficacy of the generated HOMs. To solve such a problem, some works have successfully applied Search-based Software Engineering techniques through the use of optimization techniques. However, it is still needed to have knowledge about the problem behavior, to determine the best strategy to be applied, and to know how to design and configure the algorithms by choosing the different search operators and defining their parameters in order to improve the search. In this sense, the use of hyper-heuristics allows a more flexible approach to automating these tasks. Also, the use of a hyper-heuristic for selection of different existing strategies to generate HOMs can be useful to reduce the tester's effort. Considering all these facts, this work proposes a multi-objective approach, called Hyper-Heuristic for Generation of Higher Order Mutants (HG4HOM), which uses the hyper-heuristic concept to generate sets of HOMs. The goal is to select a small number of HOMs which are difficult to kill, and that contribute to improve the test efficacy, that is, it is desired the test cases that kill the selects HOMs are also capable of killing their corresponding FOMs (First Order Mutants). The approach is implemented and evaluated with two multi-objective algorithms: NSGA-II and SPEA2, and three selection methods: Choice-Function (CF), Fitness-Rate-Rank based Multi-Armed Bandit (FRR-MAB ), and random selection (Random). The SPEA2 algorithm using the hyper-heuristic concept together with the CF selection method obtained the best results. In comparison with respect to the traditional strategies, the approach achieved similar results related to the mutation score and statically equivalent values to the best strategy considering the size of the adequate test case sets. The approach obtained the best results when considering the Euclidean Distance values of the solutions with respect to the goals proposed. Keywords: Software Testing, Mutation Analysis, Higher Order Mutation, Multi-objective Evolutionary Algorithms, Hyper-heuristic.