uma nova abordagem na resolução do problema do caixeiro viajante

computacional bem inferior em comparação aos demais métodos utilizados: Criação de
agrupamentos rápida (FastClust – FC), Auto-classificação (AutoClass – AC) e Análise das
relações entre os dados (Relational data analysis – RDA).
Com a modelagem apropriada para resolver determinados problemas de otimização,
algumas modificações na estrutura das Redes de Kohonen permitem a resolução de alguns
problemas clássicos, tais como o problema do Caixeiro Viajante (ARAS; OOMMEN;
ALTINEL, 1999, VIEIRA; DORIA NETO; COSTA, 2002a), o problema de Alocação de
Recursos (LOZANO et al., 1998, HSIEH; TIEN, 2004), e o problema de Roteamento de
Veículos (GOMES; VON ZUBEN, 2001).
Os trabalhos de Hsieh e Tien (2004) e Lozano et. al. (1998) mostram a implementação
da Rede de Kohonen na resolução do problema de Alocação de recursos. Hsieh e Tien (2004)
mostram a criação de uma metodologia que utiliza um refinamento nas soluções encontradas
com a inserção e a retirada de pontos durante o processo. Os resultados encontrados mostram
o alcance das soluções ótimas em quase todos os problemas testados. O trabalho de Lozano et.
al. (1998) comprova a eficiência da utilização da Rede de Kohonen para resolução do
problema de Alocação de recursos.
Com a topologia do tipo unidimensional, a entrada dos padrões utilizando o número de
veículos, as coordenadas das localizações dos consumidores e as suas demandas, o problema
de Roteamento de veículos é resolvido através da Rede de Kohonen em Gomes e Von Zuben
(2001). A proposta dos autores para a criação dos pesos iniciais utiliza informações sobre a
localização dos consumidores, com o objetivo de criar grupos similares para minimizar o
caminho da rota final de cada veículo.
Outras aplicações interessantes das Redes de Kohonen estão presentes na área médica,
como no artigo de Wyns et al. (2004), que mostra a aplicação da Rede de Kohonen para
previsão de diagnósticos em pacientes com artrite. Os autores comparam a Rede de Kohonen
com a Rede de Múltiplas Camadas, e os erros de classificação encontrados foram de 25% com
a Rede de Kohonen e de 46% com a Rede de Múltiplas Camadas.
A aplicação de Redes de Kohonen para prever o nível do mar pode ser encontrada em
Ultsch e Röske (2002). Utilizando características coletadas em diversos locais do mar, tais
como temperatura da água, direção do vento e direção das ondas, a previsão do nível do mar
pode ser feita em locais que possuem características semelhantes. Outras aplicações similares