15 - programa de pós graduação em métodos numéricos da ufpr ...
15 - programa de pós graduação em métodos numéricos da ufpr ...
15 - programa de pós graduação em métodos numéricos da ufpr ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Os autores advert<strong>em</strong> ain<strong>da</strong> que essas duas características são conflitantes. Nos<br />
algoritmos heurísticos iterativos há parâmetros que ag<strong>em</strong> diretamente para a convergência <strong>de</strong><br />
uma solução final. Há a necessi<strong>da</strong><strong>de</strong> <strong>de</strong> um equilíbrio entre o esforço computacional (número<br />
<strong>de</strong> iterações) e a eficácia <strong>da</strong> solução (quali<strong>da</strong><strong>de</strong> <strong>da</strong> solução final). O projeto <strong>de</strong> boas<br />
heurísticas equilibra esses dois critérios. Uma convergência lenta evita ótimos locais,<br />
permitindo a exploração <strong>de</strong> um espaço maior <strong>de</strong> busca, aumentando-se a probabili<strong>da</strong><strong>de</strong> <strong>de</strong> que<br />
a solução final seja um ótimo global. Entretanto, quanto mais lenta a convergência, maior é o<br />
t<strong>em</strong>po computacional para se chegar a uma solução. Essa afirmação é compartilha<strong>da</strong> por<br />
Azimi (2005) que reitera que a probabili<strong>da</strong><strong>de</strong> <strong>de</strong> se encontrar uma melhor solução no método<br />
heurístico aumenta com o t<strong>em</strong>po permitido para se realizar a busca.<br />
Youssef et al. (2001, p.167) salientam que o interesse nas heurísticas cresceu <strong>de</strong>vido a<br />
sua generali<strong>da</strong><strong>de</strong>, facili<strong>da</strong><strong>de</strong> <strong>de</strong> impl<strong>em</strong>entação e, principalmente, sua robustez <strong>em</strong> resolver<br />
uma gran<strong>de</strong> varie<strong>da</strong><strong>de</strong> <strong>de</strong> probl<strong>em</strong>as. To<strong>da</strong>s as heurísticas, segundo os autores, têm diversas<br />
similari<strong>da</strong><strong>de</strong>s:<br />
- São algoritmos <strong>de</strong> aproximação, ou seja, não garant<strong>em</strong> encontrar a melhor solução global;<br />
- São “cegos”, pois não sab<strong>em</strong> quando estão alcançando uma solução ótima. Portanto eles<br />
<strong>de</strong>v<strong>em</strong> ser avisados sobre o momento <strong>de</strong> parar;<br />
- Apresentam a proprie<strong>da</strong><strong>de</strong> “Hill/Down climbing”, ou seja, melhoram a solução a ca<strong>da</strong><br />
passo <strong>em</strong> uma busca local (Esta proprie<strong>da</strong><strong>de</strong> não é váli<strong>da</strong> na sua íntegra para as<br />
metaheurísticas);<br />
- São generalistas, ou seja, po<strong>de</strong>m ser impl<strong>em</strong>entados para resolver probl<strong>em</strong>a <strong>de</strong> otimização<br />
combinatória;<br />
- Requer<strong>em</strong> uma representação <strong>da</strong> solução a<strong>de</strong>qua<strong>da</strong>, uma função custo e um mecanismo<br />
para investigar o espaço <strong>de</strong> busca;<br />
- Sob certas condições, converg<strong>em</strong> para uma boa solução.<br />
Goldbarg & Luna (2000) classificam as heurísticas <strong>em</strong> três classes: clássicas,<br />
estocásticas e analógicas, sendo que estas duas últimas englobam as metaheurísticas. Arroyo<br />
(2002), <strong>em</strong> sua obra, classifica as heurísticas sob outro ponto <strong>de</strong> vista. Subdivi<strong>de</strong>-as, também,<br />
<strong>em</strong> três classes. Na primeira classe engloba as heurísticas construtivas, caracteriza<strong>da</strong>s por<br />
construír<strong>em</strong> uma solução a partir <strong>de</strong> regras basea<strong>da</strong>s nos <strong>da</strong>dos do probl<strong>em</strong>a. Na segun<strong>da</strong><br />
classe os autores englobam as heurísticas <strong>de</strong> busca local, as quais, partindo <strong>de</strong> uma solução<br />
inicial, criam uma vizinhança e, por <strong>métodos</strong> iterativos <strong>de</strong> busca, encontram a solução ótima<br />
para aquela região pesquisa<strong>da</strong>. A terceira classe <strong>de</strong> heurísticas são as chama<strong>da</strong>s<br />
17