Modelo hiper-heurístico baseado em redes de autômatos estocásticos com aprendizado
| Orientador(a) (dc.contributor.advisor) | Righi, Rodrigo da Rosa | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/2332604239081900 | pt_BR |
| Autor(a) (dc.contributor.author) | Nesi, Luan Carlos | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/7115947762034983 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2020-07-01T16:40:18Z | |
| dc.date.available (dc.date.available) | 2020-07-01T16:40:18Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2020-04-28 | |
| Abstract (dc.description.abstract) | In the last decade, there has been a substantial increase in works about metaheuristics based on metaphors. Although these works have produced effective solutions within their proposals, the scientific community criticizes the validity of metaphorical bases, such as simple camouflage processes. In this sense, the research investigated the process of moving through the search space performed by heuristic mechanisms, free of abstractions employed in techniques. Or, in the conceptual terms proposed by the thesis, we developed a hyper-heuristic model based on stochastic learning automata networks, for choice and parametrization of low-level heuristics. To this end, the research started from an epistemic review finding model perspectives, with a catch on concepts and characteristics. After that, we evaluated eight metaheuristics in favor of the identification of heuristic mechanisms, that is, the processes leading to the search. This identification allied to the theory of stochastic learning automata networks guided the construction of their representations. These representations are consolidated in the figure of the meta-space, a part of the architecture of the Hyper-heuristic proposed in the work, named H2-SLAN model. Therefore, we present the process of experimentation and validation of the proposed model. The validation technique was based on solving instances of the traveling salesman problem, through the application of the canonical metaheuristic models. This process served to construct a comparative basis of results, considering the Computational Grain as a unit of measure of quantitative and qualitative performance. Having established the target patterns of execution, we apply the hyper-heuristic under the same context, aiming to obtain better performances. The results obtained by the H2-SLAN model were 3 % better than those obtained by the canonical algorithms and carried out on average 45% less objective function assessments. This experimentation showed that computational grain is an alternative for measuring the quality of the heuristic search. Thus, we can state that the results obtained by the model reached expectations, going to meet the goal of the research. As a result of this work, we obtained a system capable of selecting the parametrization of low-level heuristics, with the ability to learn the heuristics movements employed by the model. | en |
| Resumo (dc.description.resumo) | Vivencia-se, na última década, um aumento substancial de trabalhos sobre meta-heurísticas fundamentadas em metáforas. Ainda que estes trabalhos tenham produzido soluções eficazes dentro de suas propostas, a comunidade científica critica a validade dos embasamentos metafóricos, como simples processos de camuflagem. Neste sentido, a pesquisa investigou o processo de movimentação pelo espaço de busca realizado pelos mecanismos heurísticos, livre de abstrações empregadas em técnicas. Ou, nos termos conceituais propostos pela tese, desenvolvemos um modelo hiper-heurístico baseado em redes de autômatos estocásticos de aprendizagem, para seleção e parametrização de heurísticas de baixo nível. Para tanto, a pesquisa partiu de uma revisão epistêmica identificando perspectivas modelares, com um apanhado sobre conceitos e características. Após, avaliou-se oito meta-heurísticas em prol da identificação dos mecanismos heurísticos, ou seja, os processos conducentes da busca. Essa identificação aliada à teoria de Redes de Autômatos Estocásticos com se consolidam na figura do metaespaço, uma parte da arquitetura da hiper-heurística proposta no trabalho, nomeada modelo H2-SLAN. Conseguinte, apresentou-se o processo de experimentação e validação do modelo proposto. A técnica de validação tomou por base a resolução de instâncias do problema do caixeiro viajante, por meio da aplicação dos modelos canônicos das meta-heurísticas. Este processo serviu para a construção de uma base comparativa de resultados, considerando o Grão Computacional como unidade de medida de desempenho quantitativo e qualitativo. Tendo estabelecido os padrões-alvo de execução, a hiper-heurística foi aplicada sobre o mesmo contexto, visando obter melhores desempenhos. Os resultados obtidos pelo modelo H2-SLAN foram 3% melhores do que os obtidos pelos algoritmos canônicos, e realizaram em média 45% menos avaliações de Função Objetivo. Esta experimentação mostrou que a Grão Computacional é uma alternativa para a medição da qualidade da busca heurística. Desta forma, pode-se afirmar que os resultados obtidos pelo modelo atingiram as expectativas, indo ao encontro do objetivo da pesquisa. Como decorrência deste trabalho, obteve-se um sistema capaz de selecionar a parametrizar heurísticas de baixo nível, com capacidade de aprendizado dos movimentos heurísticos empregados pelo modelo. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
| Agência de fomento (dc.description.sponsorship) | PROSUP - Programa de Suporte à Pós-Gradução de Instituições de Ensino Particulares | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/9173 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola Politécnica | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Computação Aplicada | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Hiper-heurística | pt_BR |
| Assunto (dc.subject) | Meta-heurística | pt_BR |
| Assunto (dc.subject) | Metaespaço | pt_BR |
| Assunto (dc.subject) | Redes de Autômatos Estocásticos de Aprendizagem | pt_BR |
| Assunto (dc.subject) | Hyper-heuristic | en |
| Assunto (dc.subject) | Metaheuristic | en |
| Assunto (dc.subject) | Meta-space | en |
| Assunto (dc.subject) | Stochastic Learning Automata Network | pt_BR |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação | pt_BR |
| Título (dc.title) | Modelo hiper-heurístico baseado em redes de autômatos estocásticos com aprendizado | pt_BR |
| Tipo de arquivo (dc.type) | Tese | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Luan Carlos Nesi_.pdf
- Tamanho:
- 15.14 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- redes_automatos
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: