15 - programa de pós graduação em métodos numéricos da ufpr ...

Os autores advertem ainda que essas duas características são conflitantes. Nos
algoritmos heurísticos iterativos há parâmetros que agem diretamente para a convergência de
uma solução final. Há a necessidade de um equilíbrio entre o esforço computacional (número
de iterações) e a eficácia da solução (qualidade da solução final). O projeto de boas
heurísticas equilibra esses dois critérios. Uma convergência lenta evita ótimos locais,
permitindo a exploração de um espaço maior de busca, aumentando-se a probabilidade de que
a solução final seja um ótimo global. Entretanto, quanto mais lenta a convergência, maior é o
tempo computacional para se chegar a uma solução. Essa afirmação é compartilhada por
Azimi (2005) que reitera que a probabilidade de se encontrar uma melhor solução no método
heurístico aumenta com o tempo permitido para se realizar a busca.
Youssef et al. (2001, p.167) salientam que o interesse nas heurísticas cresceu devido a
sua generalidade, facilidade de implementação e, principalmente, sua robustez em resolver
uma grande variedade de problemas. Todas as heurísticas, segundo os autores, têm diversas
similaridades:
- São algoritmos de aproximação, ou seja, não garantem encontrar a melhor solução global;
- São “cegos”, pois não sabem quando estão alcançando uma solução ótima. Portanto eles
devem ser avisados sobre o momento de parar;
- Apresentam a propriedade “Hill/Down climbing”, ou seja, melhoram a solução a cada
passo em uma busca local (Esta propriedade não é válida na sua íntegra para as
metaheurísticas);
- São generalistas, ou seja, podem ser implementados para resolver problema de otimização
combinatória;
- Requerem uma representação da solução adequada, uma função custo e um mecanismo
para investigar o espaço de busca;
- Sob certas condições, convergem para uma boa solução.
Goldbarg & Luna (2000) classificam as heurísticas em três classes: clássicas,
estocásticas e analógicas, sendo que estas duas últimas englobam as metaheurísticas. Arroyo
(2002), em sua obra, classifica as heurísticas sob outro ponto de vista. Subdivide-as, também,
em três classes. Na primeira classe engloba as heurísticas construtivas, caracterizadas por
construírem uma solução a partir de regras baseadas nos dados do problema. Na segunda
classe os autores englobam as heurísticas de busca local, as quais, partindo de uma solução
inicial, criam uma vizinhança e, por métodos iterativos de busca, encontram a solução ótima
para aquela região pesquisada. A terceira classe de heurísticas são as chamadas
17