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

metaheurísticas. São métodos inteligentes e extremamente flexíveis, adaptáveis ao problema
que se quer resolver. As metaheurísticas são estratégias inteligentes que buscam a otimalidade
global, apesar de dificilmente conseguirem esse objetivo para problemas muito grandes. As
estratégias utilizadas servem para fugir de ótimos locais na medida em que exploram o espaço
de soluções, permitindo a escolha estratégica de soluções, mesmo sendo piores que as já
encontradas. Mesmo não garantindo otimalidade global, as metaheurísticas podem encontrar
uma grande quantidade de ótimos locais. Dentre as metaheurísticas, pode-se citar a Busca
Tabu (BT), o Simulated Annealing (SA), os Algoritmos Genéticos (AG), os Algoritmos
Meméticos, as Nuvem de Partículas, a Colônia de Formigas, a Scatter Search, entre outras,
sendo as três primeiras as mais difundidas.
Assim como qualquer algoritmo heurístico, as metaheurísticas são técnicas muito
eficientes em conseguir soluções sub-ótimas para problemas NP-Hard em um tempo
aceitável. As metaheurísticas permitem uma modelagem precisa, entretanto não garantem o
ponto ótimo da solução. O prefixo “meta” advém do fato de uma heurística se sobrepor a
outra. Ou seja, em geral uma metaheurística constitui uma estrutura mais genérica baseada em
princípios e conceitos, sobreposta à outra heurística específica de um problema em estudo.
Uma vantagem das metaheurísticas é a flexibilidade, ou seja, a facilidade como
respondem bem aos mais diversos problemas. Zhihong et al. (2006) afirmam que o uso de
metaheurísticas diversificadas é muito comum, mesmo para problemas de uma mesma classe.
Relatam a aplicação das mais diversas heurísticas para problemas de programação de
produção.
Uma das principais características que proporcionou, também, o sucesso das
metaheurísticas é a possibilidade de combinar técnicas de busca local e de otimização não
convexas, no qual soluções de pior qualidade são aceitas durante o processo de busca. Devido
a isso, as metaheurísticas têm a possibilidade de fugir de ótimos locais, indo em busca de
ótimos globais por uma região mais ampla do espaço de busca.
Jans & Degraeve (2006, p. 6) afirmam que é possível obter soluções infactíveis em um
processo de busca de uma iteração para outra. Como tratar de tais situações? Uma opção
apresentada por Kimms (1999) e por Dellaert et al. (2000) apud Jans & Degraeve (2006, p. 6)
é descartar todas as soluções infactíveis ou atribuir um custo infinito a elas. Uma segunda
18