A Hybrid Heuristic Based On Self-Organising Maps And Binary Linear Programming Techniques For The Capacitated P-Median Problem

Steglich, Mike

doi:10.7148/2019-0267

Cited by 1 publication

(3 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Este grupo é dividido em subgrupos, em que o primeiro número indica o número de clientes (n) e o segundo o número de medianas (p) adotado. A Tabela 10 mostra os resultados médios obtidos pelo algoritmo GG-VND e a comparac ¸ão em relac ¸ão aos melhores valores conhecidos da literatura (MSC), encontrados em http://www-usr.inf.ufsm.br/ ~stefanello/instances/cpmp/, com os alcanc ¸ados em [18] e [19]. Observa-se que os desvios em relac ¸ão ao MSC obtidos pelo algoritmo GG-VND são menores que os das demais referências em 17 das 30 instâncias desse grupo.…”

Section: Resultados No Grupo De Instânciasunclassified

“…A Tabela 11 mostra a comparac ¸ão entre o algoritmo GG-VND e os algoritmos encontrados em [18] e [19], com relac ¸ão ao tempo de execuc ¸ão, em segundos. Novamente, a superioridade do algoritmo GG-VND proposto é realc ¸ada, uma vez que, tendo em vista os tempos computacionais corrigidos, o algoritmo GG-VND possui tempo de execuc ¸ão menor em 28 das 30 instâncias analisadas.…”

Section: Resultados No Grupo De Instânciasunclassified

“…É introduzido o procedimento Iterated Reduction Matheuristic Algorithm (IRMA), que é uma heurística híbrida baseada em decomposic ¸ão, que utiliza um método de otimizac ¸ão local integrado a um solver de programac ¸ão matemática. Este procedimento se constitui no estado da arte para a soluc ¸ão de instâncias do PPMC, conforme aponta [19].…”

Section: Introduc ¸ãOunclassified

See 2 more Smart Citations

Algoritmo GVNS Híbrido Aplicado ao Problema das p-Medianas Capacitado

Souza

Vasconcelos

Souza

2021

TCAM

View full text Add to dashboard Cite

Recebido em 22 de fevereiro de 2020 / Aceito em 1 de marc ¸o de 2021 RESUMO. O Problema das p-Medianas Capacitado (PPMC) consiste em localizar p facilidades em uma rede composta por n vértices e decidir qual facilidade atenderá cada vértice, a fim de minimizar a soma de todas as distâncias de cada facilidade para cada vértice e atender às restric ¸ões de capacidade máxima de cada facilidade. Neste trabalho, dado que o PPMC é da classe NP-difícil, quatro variantes da metaheurística General Variable Neighborhood Search (GVNS) são implementadas para resolver o PPMC: G-VND, G-RVND, GG-VND e GG-RVND. Elas diferem entre si com relac ¸ão ao método usado para construir uma soluc ¸ão inicial e o usado para a busca local. Nas duas primeiras variantes, a soluc ¸ão inicial é gerada de forma aleatória e o método de busca local é feita via Variable Neighborhood Descent (VND) ou Random Variable Neighborhood Descent (RVND), respectivamente. Por sua vez, nas duas últimas, a soluc ¸ão inicial é feita via a fase de construc ¸ão do método Greedy Randomized Adaptive Search Procedure (GRASP). Usando instâncias padrões de teste da literatura, mostramos, inicialmente, que a variante GG-VND teve melhor desempenho quando comparada com as demais. Em seguida, mostramos que, quando comparada com os algoritmos da literatura, esta variante possui desempenho equivalente ou superior.

show abstract

Section: Resultados No Grupo De Instânciasunclassified