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
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/19571 |
| Date | 14 November 2014 |
| Creators | Santi, ?verton |
| Contributors | 03553729406, http://lattes.cnpq.br/5093210888872414, D?ria Neto, Adri?o Duarte, 10749896434, http://lattes.cnpq.br/1987295209521433, Rocha, Caroline Thennecy de Medeiros, 62847279334, http://lattes.cnpq.br/8358112426847555, Urrutia, Sebasti?n Alberto, 05791955707, http://lattes.cnpq.br/6852348890045723, Blanchard, Simon J., 00000000000, Aloise, Daniel |
| Publisher | Universidade Federal do Rio Grande do Norte, PROGRAMA DE P?S-GRADUA??O EM ENGENHARIA EL?TRICA E DE COMPUTA??O, UFRN, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds