Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
ENP557 –Heur. e Metaheurísticas Aula 05 – Buscas em Vizinhança ESPAÇO DE SOLUÇÕES Conjunto de soluções viáveis para o problema Discreto e finito OTIMIZAÇÃO COMBINATÓRIA 𝑓 𝑠∗ = 𝑚𝑖𝑛 𝑓 𝑠 : 𝑠 ∈ 𝑆 𝑜𝑛𝑑𝑒 𝑆 é 𝑜 𝑒𝑠𝑝𝑎ç𝑜 𝑑𝑒 𝑠𝑜𝑙𝑢çõ𝑒𝑠 ALGORITMOS DE BUSCA Algoritmos que solucionam problemas de otimização combinatória através de uma amostragem do espaço de soluções EXEMPLOS Algoritmos de busca exaustiva Backtracking Algoritmos de enumeração implícita Branch-and-bound Metaheurísticas Busca em vizinhança Busca local, VND, Tabu Search, GRASP, VNS, ILS Populacionais Algoritmos genéticos e evolucionários VIZINHANÇA Qualquer função 𝑁: 𝑆 → 2𝑛 Mapeia uma solução 𝑠 ∈ 𝑆 a um conjunto 𝑁 𝑠 ⊆ 𝑆 VIZINHANÇA Qualquer função 𝑁: 𝑆 → 2𝑛 Mapeia uma solução 𝑠 ∈ 𝑆 a um conjunto 𝑁 𝑠 ⊆ 𝑆 VIZINHANÇA Introduz uma noção de proximidade entre as soluções de S Duas soluções em S podem ser vizinhos ou não ESPAÇO DE BUSCA Grafo que conecta as soluções do problema Os vértices representam as soluções viáveis As arestas representam a relação de vizinhança ESPAÇO DE BUSCA Grafo que conecta as soluções do problema Pode ter mais de uma componente conexa ESPAÇO DE BUSCA O espaço de busca é caracterizado por pequenas modificações na solução corrente, de forma que quando realizada: Gera uma nova solução para o problema Mantém a viabilidade para a solução gerada ESPAÇO DE BUSCA Vizinhança N1 para o espaço {0,1}³ ESPAÇO DE BUSCA Superfície definida pelo custo das soluções ESPAÇO DE BUSCA Superfície definida pelo custo das soluções ESPAÇO DE BUSCA Superfície definida pelo custo das soluções ótimo global ESPAÇO DE BUSCA Superfície definida pelo custo das soluções ótimo global ESPAÇO DE BUSCA Superfície definida pelo custo das soluções ótimo global ótimo local ESPAÇO DE BUSCA ó𝑡𝑖𝑚𝑜 𝑔𝑙𝑜𝑏𝑎𝑙 → 𝑓 𝑠∗ ≤ 𝑓 𝑠 , ∀𝑠 ∈ 𝑆 ESPAÇO DE BUSCA ó𝑡𝑖𝑚𝑜 𝑔𝑙𝑜𝑏𝑎𝑙 → 𝑓 𝑠∗ ≤ 𝑓 𝑠 , ∀𝑠 ∈ 𝑆 ó𝑡𝑖𝑚𝑜 𝑙𝑜𝑐𝑎𝑙 → 𝑓 𝑠∗ ≤ 𝑓 𝑠 , ∀𝑠 ∈ 𝑁 𝑠∗ FORMAS DE BUSCA A forma de explorar o espaço de soluções pode utilizar de qualquer critério definido ou, inclusive, com a ausência de critério algum Ao definir o modo de operação da busca, deve-se ter em mente as características do problema, bem como as características de suas restrições RANDOM WALK Inicio Qualquer solução viável Iteração Mover-se para um vizinho aleatório Parada Qualquer critério de convergência Tempo de execução Número de transições Quantidade de passos repetidos BUSCAL LOCAL Forma de explorar o espaço de soluções Início Qualquer solução viável Iteração Mover-se para um vizinho com custo melhor Busca exaustiva na vizinhança Parada Quando a solução corrente é um ótimo local CRITÉRIOS DE TRANSIÇÃO Primeiro aprimorante Mover-se para o primeiro vizinho que gerar uma solução melhor que a solução corrente Melhor aprimorante Avalia todos os vizinhos e move-se para o melhor vizinho encontrado CRITÉRIOS DE TRANSIÇÃO 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 0,0,0 = 5 𝑓 1,1,0 = 2 𝑓 0,0,0 = 5 𝑓 1,0,1 = 2 𝑓 1,1,1 = 1 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 1,0,1 = 2𝑓 0,1,1 = 1 𝑓 1,1,0 = 2 MELHOR APRIMORANTE 𝑓 0,0,0 = 5 MELHOR APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 MELHOR APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 1,1,0 = 2 𝑓 0,0,0 = 5 MELHOR APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 1,1,0 = 2 𝑓 0,0,0 = 5 𝑓 1,1,1 = 1 𝑓 0,1,0 = 2 𝑓 0,0,1 = 5 PRIMEIRO APRIMORANTE 𝑓 0,0,0 = 5 PRIMEIRO APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 PRIMEIRO APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 0,0,0 = 5 𝑓 1,1,0 = 2 PRIMEIRO APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 0,0,0 = 5 𝑓 1,1,0 = 2 𝑓 1,1,1 = 1 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 PRIMEIRO APRIMORANTE 𝑓 0,0,0 = 5 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 0,0,1 = 5 𝑓 0,1,1 = 1𝑓 0,0,0 = 5 𝑓 1,1,0 = 2 𝑓 1,1,1 = 1 𝑓 0,1,0 = 2𝑓 1,0,0 = 4 𝑓 1,0,1 = 2𝑓 0,1,1 = 1 𝑓 1,1,0 = 2 REGIÃO DE ATRAÇÃO REGIÃO DE ATRAÇÃO
Compartilhar