09.05.2013 Views

aplicação de buscas heurísticas ao problema de determinação de ...

aplicação de buscas heurísticas ao problema de determinação de ...

aplicação de buscas heurísticas ao problema de determinação de ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

B.5.4.2 Estratégias “Best-First” Especializadas<br />

Se a função <strong>de</strong> avaliação f (.) é computada recursivamente, estes algoritmos<br />

assumem nomes especiais, <strong>de</strong> acordo com uma “padronização” vigente na<br />

literatura. O algoritmo BF passa a ser <strong>de</strong>nominado Z e o algoritmo GBF passa<br />

a ser <strong>de</strong>nominado AO. Se, além disso, o teste <strong>de</strong> finalização for postergado, o<br />

algoritmo Z passa a ser <strong>de</strong>nominado Z * e o algoritmo AO passa a ser<br />

<strong>de</strong>nominado AO * .<br />

A motivação para postergar o teste <strong>de</strong> terminação até que seja selecionado,<br />

baseia-se na esperança <strong>de</strong> obter uma solução ótima quando se <strong>de</strong>seja<br />

uma. A obtenção <strong>de</strong> uma solução ótima será concretizada para AO * se a<br />

estimativa heurística h das folhas for otimista, ou seja, se os méritos forem<br />

superestimados e os custos subestimados. Nestas condições, os resultados<br />

retornados pela função <strong>de</strong> avaliação heurística f1(G’) também são otimistas<br />

para todas as bases <strong>de</strong> solução e, utilizando conceitos associados <strong>ao</strong><br />

algoritmo GBF * , AO * não po<strong>de</strong> retornar uma solução sub-ótima [13].<br />

A condição <strong>de</strong> otimalida<strong>de</strong> para o algoritmo Z * é um pouco mais<br />

complicada, <strong>de</strong>vido <strong>ao</strong> passo <strong>de</strong> seleção do ancestral das estratégias<br />

BF . Além <strong>de</strong> ser necessário que as estimativas g(n) sejam otimistas, também<br />

é necessário garantir que o <strong>de</strong>scarte do ancestral com menor valor <strong>de</strong> f(.) não<br />

resulte em eliminar o caminho ótimo. Isto é garantido quando o rank <strong>de</strong> dois<br />

ancestrais permanece in<strong>de</strong>pen<strong>de</strong>nte do caminho percorrido até seu<br />

<strong>de</strong>scen<strong>de</strong>nte. Assim, é necessário garantir que F, a função <strong>de</strong> “rollback”, que<br />

<strong>de</strong>fine o custo associado a qualquer caminho, satisfaça a<br />

F E , h)<br />

≥ F(<br />

E , h)<br />

⇒ F(<br />

E , h′<br />

) ≥ F(<br />

E , h′<br />

)<br />

( 1<br />

2<br />

1<br />

2<br />

para todo E1, E2, h e h’. Se a <strong>de</strong>finição <strong>de</strong> custo do caminho satisfaz à<br />

condição <strong>de</strong> preservação <strong>de</strong> or<strong>de</strong>m enunciada acima e se as estimativas h(n)<br />

são otimistas, Z* termina com uma solução ótima (menor<br />

custo). Felizmente, os medidas <strong>de</strong> peso mais utilizadas são custo aditivo<br />

(on<strong>de</strong> F=c(n,n’)+h(n’) e custo máximo (on<strong>de</strong> F=max[c(n,n’),h(n’)] satisfazem à<br />

condição <strong>de</strong> preservação <strong>de</strong> or<strong>de</strong>m [13].<br />

Apêndice B 199

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

Saved successfully!

Ooh no, something went wrong!