13.04.2013 Views

uma nova abordagem na resolução do problema do caixeiro viajante

uma nova abordagem na resolução do problema do caixeiro viajante

uma nova abordagem na resolução do problema do caixeiro viajante

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

⎛ solução obtida − solução ótima ⎞<br />

erro médio = 100 × ⎜<br />

⎟ . (5.1.1)<br />

⎝ solução ótima ⎠<br />

Para ajustar λ, as expressões utilizadas foram as seguintes expressões: (3.3.10) <strong>na</strong><br />

primeira e <strong>na</strong> última colu<strong>na</strong> da Tabela 5.1; (3.3.11) <strong>na</strong> segunda e quarta colu<strong>na</strong>s; (3.3.13) <strong>na</strong><br />

terceira colu<strong>na</strong>; (3.3.12) <strong>na</strong> quinta colu<strong>na</strong>. Para calcular τ, utilizou-se as seguintes expressões:<br />

(3.3.15) <strong>na</strong>s três primeiras colu<strong>na</strong>s; (3.3.16) <strong>na</strong> quarta colu<strong>na</strong>; (3.3.18) <strong>na</strong> quinta colu<strong>na</strong>; e<br />

(3.3.14) <strong>na</strong> última colu<strong>na</strong>. Os resulta<strong>do</strong>s da aplicação da Rede Neural de Wang, sem a<br />

utilização <strong>do</strong> ajuste proposto neste trabalho, encontram-se <strong>na</strong> última (sexta) colu<strong>na</strong> desta<br />

tabela.<br />

TABELA 5.1 – RESULTADOS PARA AS 32 MATRIZES COM ÚNICO ÓTIMO GLOBAL<br />

λ λ = η/Cmax λ = η/σ λi = η/ c i max λ = η/σ λi = η/σI λ = η/Cmax<br />

τ 5 ≤ τ ≤ 300 5 ≤ τ ≤ 300 5 ≤ τ ≤ 300<br />

µ i<br />

τ i = σ i<br />

µ<br />

− t<br />

τ i =<br />

⎛ − ⎞<br />

1.000 ≤ τ ≤<br />

ki<br />

ln ⎜<br />

⎟ ≤ 15.000<br />

⎝ λic<br />

max ⎠<br />

otimal. global 27 30 25 27 30 32<br />

otimal. local 5 2 7 5 2 0<br />

infactibilidade 0 0 0 0 0 0<br />

otimal. global (%) 84 94 78 84 94 100<br />

erro médio (%) 3,26 2,75 1,09 1,55 0,46 0,00<br />

iterações 31 42 33 39 42 3034<br />

Os resulta<strong>do</strong>s para este grupo de matrizes foram considera<strong>do</strong>s satisfatórios, pois a<br />

meto<strong>do</strong>logia proposta neste trabalho, juntamente com os parâmetros defini<strong>do</strong>s no Capítulo III<br />

estabelecem condições para que as soluções ótimas globais sejam encontradas em mais de<br />

78% destas matrizes, e o erro médio para estas matrizes encontras-se abaixo de 3,26%.<br />

Os ajustes <strong>do</strong>s parâmetros que definem melhores resulta<strong>do</strong>s para a técnica Winner<br />

Takes All são os que utilizam o desvio padrão entre os custos para λ, e as expressões (3.3.16)<br />

e (3.3.18) para τ; estes resulta<strong>do</strong>s encontram-se <strong>na</strong> segunda e <strong>na</strong> quinta colu<strong>na</strong>s da Tabela 5.1.<br />

A utilização <strong>do</strong>s parâmetros <strong>na</strong> forma vetorial também mostrou-se eficiente para estas<br />

matrizes, de acor<strong>do</strong> com os resulta<strong>do</strong>s da terceira, quarta e quinta colu<strong>na</strong>s da Tabela 5.1.<br />

O erro médio encontra<strong>do</strong> neste grupo de matrizes varia entre 0,46% a 3,26%,<br />

demonstran<strong>do</strong> que as soluções ótimas locais encontradas estão próximas das soluções ótimas<br />

globais. O percentual de soluções ótimas globais encontradas para este grupo de matrizes está

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!