Análise de Performance de Técnicas de Optimização

Real-world complex optimization problems are one of the most complex challenges faced by scientific community. Achieving the best solution for a complex problem in an acceptable time interval is not always possible. In order to solve this problem, metaheuristics are one of the available resources. Having this in mind, finding a technique among others that presents better results in most executions would allow solution choosing to be more directive and assertive. Most used techniques comprise metaheuristics. These allow to find an acceptable solution in an acceptable time interval, even if the achieved solution was not the optimal possible. In this sense, this thesis intends to analyse four optimization techniques. Two population based techniques, one of them based in the behaviour of the bees in colony (Bee Colony) and another based in computational evolution (Genetic Algorithms). And, two single solution techniques, one based in memory structures (Tabu Search) and another based in the metallurgy industry (Simulated Annealing). These techniques were applied to two different optimization problems and computational results were registered and analysed. A prototype was built and used to obtain the results of applying metaheuristics to the Travelling Salesman problem (TSP) and the Knapsack Problem (KP). Evaluating the results, it was not possible to prove either that all algorithms are equivalent or that one of them is better in the majority of the cases.A resolução de problemas de otimização reais complexos constitui um dos grandes desafios científicos atuais. A possibilidade de obter as melhores soluções para os problemas nem sempre é possível em tempo útil e o recurso a técnicas de otimização para os resolver de forma eficaz e eficiente é constante. Neste sentido, encontrar uma técnica que sobressaia por entre as demais permitiria usar essas técnicas de forma mais direcionada e assertiva. Algumas das técnicas de otimização mais usadas são as meta-heurísticas. Estas permitem encontrar uma solução em tempo útil, mesmo não sendo a melhor solução possível. Neste contexto, a presente dissertação tem por vista a análise de quatro técnicas de otimização. Duas populacionais, sendo que uma técnica é baseada no comportamento dos enxames de abelhas (Bee Colony) e outra baseada na computação evolucionária, algoritmos genéticos (Genetic Algorithms). E, por posição, duas de solução única, a pesquisa tabu (Tabu Search), que se baseia nas estruturas de memória e uma técnica baseada na indústria metalúrgica, o arrefecimento simulado (Simulated Anealing). Estas técnicas foram aplicadas a dois problemas de otimização e os resultados computacionais, eficiência e eficácia das técnicas, foram registados e analisados. Um protótipo foi construído e utilizado para obter os resultados da aplicação das metaheurísticas ao problema de caixeiro viajante (TSP) e ao problema da mochila (KP). Após avaliação dos resultados, não foi possível provar que existia um algoritmo que se destacava entre os demais ou que os algoritmos eram equivalentes