???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://tede2.pucgoias.edu.br:8080/handle/tede/4361
Tipo do documento: Dissertação
Título: Plataforma Web Hybroo: ambiente experimental voltado à hibridização de algoritmos de otimização
Título(s) alternativo(s): Hybroo Web Platform: Experimental Environment for Optimization Algorithms Hybridization
Autor: Ancioto Junior, Edgar Marcos 
Primeiro orientador: Dantas, Maria José Pereira
Primeiro membro da banca: Vieira, Flávio Henrique Teles
Segundo membro da banca: Souza, Marcos Antônio
Resumo: Na otimização existem métodos aplicáveis a uma variedade de problemas de minimização. Ao definir o método a ser aplicado para um problema real, baseia-se na produção científica buscando similaridade com o problema e a eficiência de seus resultados. Surge uma lacuna no desafio de extrair informações de experimentos em trabalhos científicos que possibilitem a reprodução do estudo. Este trabalho tem como objetivo desenvolver um ambiente experimental online voltado à otimização, com a funcionalidade de realizar testes experimentais com algoritmos meta-heurísticos, com a possibilidade de hibridização, validando os conceitos desenvolvidos por meio da solução de problemas de benchmark e permitindo a comparação com outros métodos desenvolvidos na literatura. Todos os códigos são desenvolvidos na linguagem de programação Python e são de código aberto. O ambiente permitirá a configuração do algoritmo e demonstrará a resolução do problema, permitindo a compreensão da aplicação de métodos, a avaliação de hibridizações e a comparação entre todos os métodos. Para problemas de roteirização foram desenvolvidos os métodos metaheurísticos Algoritmo Genético (GA), Recozimento Simulado (SA) e Colônia de Formigas (ACO). Para otimização não linear os métodos GA e SA foram aplicados às funções e instâncias de benchmark para avaliação da eficiência dos métodos. Foram avaliadas as hibridizações dos métodos utilizando a lógica de trabalho colaborativo retransmitido. Os resultados demonstraram que as técnicas híbridas tem uma capacidade superior aos métodos convencionais para resolução dos problemas de instâncias para o Problema do Caixeiro Viajante (TSP) e Problema de Roteamento de Veículos Capacitado (CVRP), sendo que a hibridização ACO+GA foi a combinação que atingiu os melhores valores de eficiência média para os problemas com valores de 97,5% para o TSP e 96,66% para o CVRP, com destaque para as execuções que envolvem os maiores problemas entre as instâncias da biblioteca A-VRP. Um ambiente foi disponibilizado na web, http://hybroo.hopto.org:5000/ para acesso dos métodos e execução dos testes, permitindo a conferência dos dados desta pesquisa
Abstract: In optimization there are methods applicable to a variety of minimization problems. When defining the method to be applied to a real problem, it is based on the scientific production seeking similarity with the problem and the efficiency of its results. There is a gap in the challenge of extracting information from experiments in scientific works that make possible the reproduction of the study. This work aims to develop an online experimental environment focused on optimization, with the functionality of performing experimental tests with metaheuristic algorithms, with the possibility of hybridization, validating the concepts developed through the solution of benchmark problems and allowing the comparison with other methods developed in the literature. All codes are developed in the Python programming language and are open source. The environment will allow the configuration of the algorithm and will demonstrate the resolution of the problem, allowing the understanding of the application of methods, the evaluation of hybridizations and the comparison between all the methods. For metaheuristic methods, Genetic Algorithm (GA), Simulated Annealing (SA) and Ant Colony (ACO) were developed for routing problems. For non-linear optimization GA and SA methods were applied to the functions and benchmark instances to evaluate the efficiency of the methods. Hybridizations of the methods were evaluated using retransmitted collaborative work logic. The results demonstrated that the hybrid techniques have a superior capability to the conventional methods to solve the problems of instances for the Traveling Salesman Problem (TSP) and Vehicle Routing Problem (CVRP). The ACO + GA hybridization was the combination which reached the best average efficiency values for the problems with values of 97.5% for the TSP and 96.66% for the CVRP, highlighting the executions involving the biggest problems among the selected ones. An environment was made available on the web, http://hybroo.hopto.org:5000/ to access the methods and the execution of the tests, allowing the data conference of this research
Palavras-chave: Ambiente Web experimental; CVRP; TSP; Hibridização de metaheurísticas; Otimização não linear
Experimental Web environment; CVRP; TSP; Hybridization of metaheuristics; Nonlinear optimization
Área(s) do CNPq: ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO
Idioma: por
País: Brasil
Instituição: Pontifícia Universidade Católica de Goiás
Sigla da instituição: PUC Goiás
Departamento: Escola de Engenharia::Curso de Engenharia de Produção
Programa: Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
Citação: Ancioto Junior, Edgar Marcos. Plataforma Web Hybroo: ambiente experimental voltado à hibridização de algoritmos de otimização. 2019. 101 f. Dissertação( Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia.
Tipo de acesso: Acesso Aberto
URI: http://tede2.pucgoias.edu.br:8080/handle/tede/4361
Data de defesa: 17-Apr-2019
Appears in Collections:Mestrado em Engenharia de Produção e Sistemas

Files in This Item:
File Description SizeFormat 
Dissertação - Edgar Marcos Ancioto Junior.pdf2,35 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.