Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/18019
Title: Algoritomos transgenéticos aplicados ao problema da árvore geradora biobjetivo
Authors: Monteiro, Silvia Maria Diniz
Keywords: Algoritmos experimentais;Algoritmos transgenéticos;Computação evolucionária;Programação multiobjetivo;Árvore geradora multiobjetivo;Experimental algorithms;Transgenetic algorithms;Evolutionary computation;Multiobjective programming;Multiobjective spanning tree
Issue Date: 17-Feb-2011
Publisher: Universidade Federal do Rio Grande do Norte
Citation: MONTEIRO, Silvia Maria Diniz. Algoritomos transgenéticos aplicados ao problema da árvore geradora biobjetivo. 2011. 147 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Rio Grande do Norte, Natal, 2011.
Portuguese Abstract: A Árvore Geradora Multiobjetivo é um problema de Otimização Combinatória NP-árduo. Esse problema possui aplicação em diversas áreas, em especial, no projeto de redes. Nesse trabalho, propõe-se uma solução para o problema em sua versão biobjetivo por meio de um Algoritmo Transgenético, denominado ATIS-NP. A Transgenética Computacional é uma técnica metaheurística da Computação Evolucionária cuja inspiração está na cooperação (e não na competição) como fator de maior influência para a evolução. O algoritmo proposto é a evolução de um trabalho que já originou dois outros algoritmos transgenéticos. Nesse sentido, os algoritmos previamente desenvolvidos também são apresentados. Essa pesquisa compreende ainda uma análise experimental que visa obter informações quanto ao desempenho do ATIS-NP quando comparado a outros algoritmos. Para tanto, o ATIS-NP é comparado aos dois algoritmos anteriormente implementados, bem como a outro transgenético proposto na literatura para o problema tratado. Os experimentos computacionais abrangem ainda a comparação do algoritmo desenvolvido a duas abordagens recentes da literatura que obtêm excelentes resultados, um GRASP e um genético. A eficiência do método apresentado é avaliada com base em medidas de qualidade de solução e tempo computacional despendido. Uma vez que o problema se insere no contexto da Otimização Multiobjetivo, indicadores de qualidade são utilizados para inferir o critério de qualidade de soluções obtidas. Testes estatísticos avaliam a significância dos resultados obtidos nos experimentos computacionais
Abstract: The Multiobjective Spanning Tree is a NP-hard Combinatorial Optimization problem whose application arises in several areas, especially networks design. In this work, we propose a solution to the biobjective version of the problem through a Transgenetic Algorithm named ATIS-NP. The Computational Transgenetic is a metaheuristic technique from Evolutionary Computation whose inspiration relies in the conception of cooperation (and not competition) as the factor of main influence to evolution. The algorithm outlined is the evolution of a work that has already yielded two other transgenetic algorithms. In this sense, the algorithms previously developed are also presented. This research also comprises an experimental analysis with the aim of obtaining information related to the performance of ATIS-NP when compared to other approaches. Thus, ATIS-NP is compared to the algorithms previously implemented and to other transgenetic already presented for the problem under consideration. The computational experiments also address the comparison to two recent approaches from literature that present good results, a GRASP and a genetic algorithms. The efficiency of the method described is evaluated with basis in metrics of solution quality and computational time spent. Considering the problem is within the context of Multiobjective Optimization, quality indicators are adopted to infer the criteria of solution quality. Statistical tests evaluate the significance of results obtained from computational experiments
URI: https://repositorio.ufrn.br/jspui/handle/123456789/18019
Appears in Collections:PPGSC - Mestrado em Sistemas e Computação

Files in This Item:
File Description SizeFormat 
SilviaMDM_DISSERT.pdf1,5 MBAdobe PDFThumbnail
View/Open


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