OTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER

Slides:



Advertisements
Apresentações semelhantes
Algoritmo de Caminho Mínimo
Advertisements

Árvores 2010/1 Teoria dos Grafos (INF 5037/INF2781)
Árvores CC/EC/Mestrado Teoria dos Grafos ‏ 1.
Algoritmos em Grafos.
AULA 02 PROGRAMAÇÃO LINEAR INTEIRA
Antonio Dirceu Rabelo de Vasconcelos Filho
Inteligência Artificial
Inteligência Artificial
Celso C. Ribeiro Caroline T. Rocha
O Problema de Roteamento de Veículos (PRV)
MÁQUINAS UNIVERSAIS Fabrício Dias
Exercícios PAA- Grafos
Exercícios PAA- Grafos
Celso C. Ribeiro Caroline T. Rocha
Pontes Seja (G) o número de componentes conexas de G. Uma ponte é uma aresta a tal que (G - a) > (G)
UFES CC/EC/Mestrado Teoria dos Grafos Árvores. UFES CC/EC/Mestrado Teoria dos Grafos Árvores Grafo Acíclico: não possui ciclos.
Busca com Informação Busca com informação Busca Gulosa Busca A*
Problemas de fluxo numa rede
CONCEITOS BÁSICOS DA META-HEURÍSTICA TABU SEARCH
Geração Assistida de Diagramas Esquemáticos de Rede Eléctrica
Pesquisa Operacional II Programação Linear Inteira
PARTIÇÃO DE BENDERS Secundino Soares Filho Unicamp.
Inteligência Artificial
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
Meta - heurísticas Prof. Aurora
GRASP Greedy Randomized Adaptative Search Procedure
GRASP Greedy Randomized Adaptive Search Procedures
PROBLEMA DE ROTEAMENTO DE VEíCULOS COM DIVISÃO DE ENTREGA
Árvores.
Arquivos Seqüenciais Inhaúma Neves Ferraz
Inteligência Computacional para Otimização
Busca Tabu - Revisão Marcone Jamilson Freitas Souza
Rodrigo Geraldo Ribeiro Denis Pinto Pinheiro Camila Leles Rezende
XXXV SBPO - PROGRAMAÇÃO DE TRIPULAÇÕES DE ÔNIBUS URBANO:
Inteligência Computacional para Otimização
Busca Tabu Marcone Jamilson Freitas Souza Departamento de Computação
Auditoria de Segurança da Informação
Aula 6 Subprogramas Universidade do Vale do Rio dos Sinos
1 Aula 7 ImplementandoSubprogramas Universidade do Vale do Rio dos Sinos
Inteligência Artificial
INF 1771 – Inteligência Artificial
Busca Competitiva - MiniMax Jogo-da-Velha
Contagem de Pessoas por Vídeo Usando Câmeras em Posição Zenital
Grafos Msc. Cintia Carvalho Oliveira Doutoranda em Computação – UFU
Meta - heurísticas Prof. Aurora
T ÓPICOS DE I.A. Métodos de Busca Busca em Espaços de Estado Prof. Mário Dantas.
I Iterated Local Search Helena R. Lorenço, Olivier Martinz
MECÂNICA - DINÂMICA Cinemática de uma Partícula Cap Exercícios.
Resolução de problemas por meio de busca
Estruturas de Dados com Jogos
Salas de Matemática.
Celso C. Ribeiro Caroline T. Rocha
Busca com informação e exploração
Introdução e Busca Cega
Introdução aos Agentes Inteligentes Busca Heurística (Informada)
AULA COMPUTACIONAL - Síntese de Sistemas de Separação (Cap. 7) 20 DE OUTUBRO DE 2008.
1 2 Observa ilustração. Cria um texto. Observa ilustração.
Conceitos básicos em grafos
Universidade Federal de Pernambuco Centro de Informática Aluno: Erica Sousa – Orientador: Paulo Maciel – Modelagem de.
CALENDÁRIO SEXY Ele & Ela. CALENDÁRIO SEXY Ele & Ela.
Rio Verde - Goiás - Brasil
Nome alunos 1 Título UC. Título – slide 2 Conteúdo Conteúdo 2.
POTENCIAÇÃO E RAIZ QUADRADA DE NÚMEROS RACIONAIS
Construção e Análise de Algoritmos
DFLP Sistemas Família Finanças Diogo Fernandes da Silva Lais de Sousa Pinheiro Orientador: Felipe Mancini 21/11/
PROJETO DE AUTOMAÇÃO RESIDÊNCIAL
Patrícia A. Jaques (orientadora)‏
Busca Combinatorial e Métodos de Heurística
Computação Evolutiva Nome dado ao estudo de algoritmos cuja inspiração é o processo de evolução natural das espécies. Origem: trabalho de um pesquisador.
Marcos Corrêa Neves Gilberto Câmara Renato M. Assunção
Transcrição da apresentação:

OTIMIZAÇÃO DO PROJETO DE REDES URBANAS BASEADO NO PROBLEMA DE STEINER Luiz Carlos de Abreu Rodrigues Hideson Alves da Silva

Agenda Introdução Problema de Steiner Busca Tabu Pré-processamento

Introdução Motivações Demanda por Sistemas de Telecomunicações. Projetos de Redes x Problema de Steiner. Ferramenta de auxílio à Projetistas.

Redes de Telecomunicações Cabo de Fibra Óptica Equipamentos : POP; Caixas de Emenda; Ponto de Cliente.

Problema de Steiner Parte de um Grafo G = (N, M) Minimização do custo de ligação entre n pontos; A solução é constituída por uma árvore que engloba os pontos a serem ligados (clientes) e os pontos de passagem que serão determinados (nós de Steiner).

Exemplo Nós de Steiner : S={2,4,9} Nós de Demanda: D={1,3,8,7,6,5} SV e DV

Exemplo Nós de Steiner Ativos : S = { 2 , 4 }

Métodos de Solução Exatos : Heuristícos : Programação Inteira A* (Branch and Bound ) Heuristícos : Busca Tabu Simulated Annealing Algoritmos Genéticos Scatter Search

Busca Tabu Busca através de soluções vizinhas, explorando o espaço de busca, sem : ser confundido pela ausência de “vizinhos” aprimorantes; retornar a locais visitados (é desejado, mas não necessário); Utiliza estruturas flexíveis de memória. Parte de uma solução inicial e, a cada iteração, move para a melhor solução na vizinhança.

Busca Tabu Movimentos no Problema de Steiner. Inserção Eliminação

Busca Tabu Lista Tabu Estrutura de memória Básica, formada por soluções proibidas. Evita que a busca fique presa em pontos de mínimo (ou máximo) local. Determinada por informações históricas da busca. Soluções são proibidas por um número de iterações. Soluções x Movimentos proibidos.

Busca Tabu Critérios de Aspiração Movimento proibido torna-se permitido. Vem da necessidade de explorar soluções ainda não visitadas. A implementação deste exige um esforço computacional maior.

Busca Tabu Intensificação Diversificação Concentrar a busca em regiões promissoras (em torno das boas soluções). Diversificação Fazer com que a busca explore regiões ainda não visitadas. Oferecer novas opções de busca.

Implementação Básica 1 Enquanto o critério de parada da Diversificação não é encontrada, faça : 2 Gerar uma solução inicial (que é s); 3 Se (primeira vez) então 4 sbest = s; 5 s* = s; 6 Enquanto o critério de parada da Intensificação não é encontrada, faça : 7 Gerar a vizinhança de s através de movimentos Tabu que melhorem s* e selecione a melhor solução s' ; 8 s = s' ; 9 Se s' é melhor que s* então 10 s* = s’; 11 Se s* é melhor que sbest então 12 sbest = s*; 13 Retornar sbest .

Pré-Processamento Regra NTD1 Um nó u não terminal de grau 1 e sua aresta adjacente (u,v) podem ser removidos.

Pré-Processamento Regra NTD2 Um nó u não terminal de grau=2 e suas arestas adjacentes (u,v) e (u,w ) podem ser substituídos pela aresta (v,w).

Pré-Processamento Regra TD1 O nó e aresta adjacente ao nó terminal de grau=1 é necessariamente ativos.

Pré-Processamento Regra SD Identificando-se o custo de menor caminho, tal que B(u,v) < c(u,v), então a aresta (u,v) é redundante.

Pré-Processamento Regra BD3 Dado um nó u não terminal de grau=3, se: Min {B(v,w)+B(v,z); B(w,v)+B(w,z); B(z,v)+B(z,w)}  c(u,v) + c(u,w) + c(u,z)

testes

Resultados: Pré-Processamento

Resultados: Pré-Processamento

Conclusão Pré-Processamento. Busca Tabu.

Trabalhos Futuros Testar outras estruturas de memória da Busca Tabu. Estudo de novos critérios de parada. Estudo de algoritmos para a composição das soluções geradas. Integração com softwares comerciais.

Trabalhos Futuros Novos algoritmos para composição das soluções geradas. Implementar com software de geoprocessamento. Estudar critérios de paradas conforme a rede em estudo.

Obrigado. CONTATOS: Luiz Carlos de Abreu Rodrigues lcar@cefetpr.br (41) 310-4659 Hideson Alves da Silva hideson@copel.com (41) 331-4436