Meta-Heuristic Clonal Selection Algorithm for Optimization of Forest Planning

Abstract

-It is important to evaluate the application of new technologies in the field of computational science to forest science. The goal of this study was to test a different kind of metaheuristic, namely Clonal Selection Algorithm, in a forest planning problem. In this problem, the total management area is 4.210 ha that is distributed in 120 stands in ages between 1 and 6 years and site indexes of 22 m to 31 m. The problem was modeled considering the maximization of the net present value subject to the constraints: annual harvested volume between 140,000 m 3 and 160,000 m 3 , harvest ages equal to 5, 6 or 7 years, and the impossibility of division of the management unity at harvest time. Different settings for Clonal Selection Algorithm were evaluated to include: varying selection, cloning, hypermutation, and replacement rates beyond the size of the initial population. A generation value equal to 100 was considered as a stopping criteria and 30 repetitions were performed for each setting. The results were compared to those obtained from integer linear programming and linear programming. The integer linear programming, considered to be the best solution, was obtained after 1 hour of processing. The best setting for Clonal Selection Algorithm was 80 individuals in the initial population and selection. Cloning, hypermutation, and replacement rates equal to 0.20, 0.80, 0.20 and 0.50, respectively, were found. The results obtained by Clonal Selection Algorithm were 1.69% better than the integer linear programming and 4.35% worse than the linear programming. It is possible to conclude that the presented metaheuristic can be used in the resolution of forest scheduling problems.Keywords: Operational research; Artificial intelligence; Artificial immunological system. METAHEURÍSTICA CLONAL SELECTION ALGORITHM PARA OTIMIZAÇÃO DO PLANEJAMENTO FLORESTALRESUMO -Dada a importância de se avaliar novas tecnologias para otimização do planejamento florestal, este trabalho objetivou introduzir a metaheurística Clonal Selection Algorithm na resolução de um problema de ordenamento da produção florestal. Considerou-se uma área manejada de tamanho igual a 4.210 ha, contendo 120 talhões com idades entre 1 e 6 anos e índice de sítio variando entre 22 m e 31 m. O problema foi modelado com o objetivo de se maximizar o valor presente líquido global do empreendimento e considerou como restrições uma demanda anual entre 140.000m 3 e 160.000 m 3 , colheita apenas nas idades de 5, 6 e 7 anos e a imposição de não fracionamento dos talhões no momento do corte. Foram avaliados diferentes configurações da metaheurística Clonal Selection Algorithm, variando-se as taxas de seleção, clonagem, hipermutação e substituição, além do tamanho da população inicial. Considerou-se como critério de parada uma quantidade de gerações igual a 100 e para cada parametrização avaliou-se 30 repetições. Os resultados foram comparados com aqueles obtidos utilizando-se programação linear e programação linear inteira. Para a programação inteira considerou-se a melhor ...

Uma revisão crítica das ferramentas de pesquisa operacional aplicada ao planejamento florestal nos periódicos brasileiros

“…No que diz respeito à base de dados utilizada, é possível inferir que os pesquisadores certamente gostariam de testar seus métodos em dados reais, mas devido à complexidade dos seus problemas de planejamento, estes muitas vezes recorrem a testar seus métodos em dados hipotéticos (ARAÚJO JÚNIOR et al, 2017).…”

“…Contudo, à medida que a dimensão do problema aumenta, pode ser impossível resolver grandes problemas utilizando métodos analíticos rastreáveis, sugerindo que seja necessário o desenvolvimento e aplicação de métodos heurísticos (YOSHIMOTO et al, 2016). Por isso, o uso da meta-heurística tem ganhado mais e mais espaço na solução de problemas na área florestal, como observado desde os anos 2000 e mais recentemente em trabalhos do Araújo Júnior et al (2017Júnior et al ( , 2018 e Binoti et al (2014). Tal ferramenta tem a habilidade de gerar soluções bem próximas do ótimo em um período de tempo relativamente pequeno.…”

Can Linear Programming Assist Metaheuristics in Forest Production Planning Problem?

“…The initial population comprised 80 individuals, and processing was interrupted after 100 generations. These values were defined as described by Araújo et al (2017).…”

“…Researchers of artificial intelligence have proposed several algorithms for solving combinatorial problems. Examples include heuristics and metaheuristics (Jin et al (2016), Dong et al (2016), Caro et al (2003), Meignan et al (2012), Rodrigues et al (2004a), Rodrigues et al (2004b), andAraújo Júnior et al (2017)). An initial solution must be determined to ensure the efficiency of metaheuristics (Gaspar-Cunha et al, 2016).…”