Orientador: Fernando Antônio Campos Gomide

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação

Resumo: Esta dissertação introduz um sistema nebuloso genético (SNG) para adaptação de parâmetros em meta-heurísticas. Duas meta-heurísticas entre as mais usadas foram consideradas como exemplos, algoritmo genético e busca tabu. Os parâmetros trabalhados na busca tabu são relacionados às memórias,...

Resumo: Esta dissertação introduz um sistema nebuloso genético (SNG) para adaptação de parâmetros em meta-heurísticas. Duas meta-heurísticas entre as mais usadas foram consideradas como exemplos, algoritmo genético e busca tabu. Os parâmetros trabalhados na busca tabu são relacionados às memórias, de curto prazo e de longo prazo. Já os parâmetros do algoritmo genético a sofrer adaptação são as taxas de reprodução e mutação. Sistemas baseados em regras nebulosas oferecem um mecanismo natural para descrever comportamentos globais como combinação de regras de controle. Eles também herdam um meio de gradualmente alternar entre regras que conjuntamente definem uma estratégia de controle. Dessa forma, esses sistemas são candidatos naturais para construir estratégias de controle de parâmetro porque eles proveem um maneira de desenvolver mecanismos baseados na natureza específica de uma região de busca e as transições entre suas fronteiras. Uma aplicação usando o problema clássico de roteamento de veículos com janela de tempo foi incluído para avaliar o desempenho do sistema nebuloso genético. Resultados experimentais mostram que meta-heurísticas com o mecanismo de adaptação com SNG melhoram o comportamento da busca e a qualidade das soluções quando comparado à versões padrões ( sem SNG ) e com parâmetros constantes dos algoritmos genético e busca tabu. Eles também geram boas soluções sub-ótimas mais rápidas que métodos exatos desenvolvidos para o problema e que são reportados na literatura

Abstract: This dissertation introduces a genetic fuzzy system for parameter adaptation of metaheuristics. Two metaheuristics, among the most used ones, have been considered as examples, genetic algorithm and tabu search. The considered parameters of the tabu search are related to the short and long...

Abstract: This dissertation introduces a genetic fuzzy system for parameter adaptation of metaheuristics. Two metaheuristics, among the most used ones, have been considered as examples, genetic algorithm and tabu search. The considered parameters of the tabu search are related to the short and long term memories. Parameters of the genetic algorithm under adaptation are the mutation and reproduction rates. Fuzzy rule-based models offer a natural mechanism to describe global behavior as a combination of control rules. They also inherit a means to gradually shift between control rules which jointly defines a control strategy. They are a natural candidate to construct parameter control strategies because they provide a way to develop decision mechanisms based on the specific nature of search regions and transitions between their boundaries. An application using the classic vehicle routing problem with time windows is included to evaluate the genetic fuzzy system performance. Experimental results show that metaheuristics with GFS improve search behavior and solution quality when compared against standard, constant parameters genetic and tabu search approaches. It also provides reasonably good suboptimal solutions faster than specially tailored exact methods reported in the literature