Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/46303
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | LINS, Isis Didier | - |
dc.contributor.author | LIMA, Gabriel Lopes | - |
dc.date.accessioned | 2022-09-09T12:41:35Z | - |
dc.date.available | 2022-09-09T12:41:35Z | - |
dc.date.issued | 2022-03-03 | - |
dc.identifier.citation | LIMA, Gabriel Lopes. Algoritmos para resolução do problema do corte máximo: abordagem exata e meta-heurísticas. 2022. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Recife, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/46303 | - |
dc.description.abstract | O problema do corte máximo é um dos problemas de natureza combinatória amplamente abordados na literatura. Neste problema dado um grafo não direcionado e ponderado G = (V, A), busca-se particionar o conjunto de vértices em dois subconjuntos, tal que a soma dos pesos das arestas que conectam os dois subconjuntos seja maximizada. Apesar da simplicidade da sua definição, o problema do corte máximo é NP-Completo, sendo classificado também como NP- Difícil, ou seja, uma classe de problemas para a qual, até o momento, não foi definido um método para encontrar uma solução ótima em tempo polinomial de maneira determinística. Para resolver esses problemas com alta complexidade são usadas, na maioria das vezes, abordagens meta-heurísticas. Desta forma, diferente dos algoritmos já propostos na literatura e visando explorar a possibilidade de uma nova abordagem exata, capaz de explorar o espaço de soluções e encontrar a solução ótima para o problema, este estudo propõe um algoritmo de árvore de busca e desenvolve cinco algoritmos meta-heurísticos para solução do problema do max-cut. Esta pesquisa foi dividida em quatro fases: (i) desenvolvimento e implementação da abordagem exata para a solução do problema; (ii) implementação de cinco meta-heurísticas; (iii) execução de experimentos computacionais com diferentes tipos de instâncias de grafos; (iv) realização de análises estatísticas. Os resultados mostraram que para a solução do max-cut o método exato proposto é eficaz e preferível em casos de pequeno porte, já os métodos meta-heurísticos existentes, em casos de grande porte, apresentam um melhor trade-off entre encontrar uma boa solução e o tempo necessário para tal, pois, nessa primeira versão do algoritmo Árvore de Busca Binária (ABB), a complexidade ainda é muito elevada para solucionar instâncias de grafos mais densos. A fim de resolver esse desafio da complexidade são necessárias explorações mais aprofundadas no algoritmo para encontrar um novo critério de contradição, para assim ser viável encontrar a solução ótima do problema em tempos aceitáveis para qualquer grafo. | pt_BR |
dc.description.sponsorship | CNPq | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia de Produção | pt_BR |
dc.subject | Problema do Max-Cut | pt_BR |
dc.subject | Abordagem exata | pt_BR |
dc.subject | Árvore de busca binária | pt_BR |
dc.subject | Meta-heurísticas | pt_BR |
dc.title | Algoritmos para resolução do problema do corte máximo : abordagem exata e meta-heurísticas | pt_BR |
dc.type | masterThesis | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/8976471728756041 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | mestrado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/5632602851077460 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Engenharia de Producao | pt_BR |
dc.description.abstractx | The maximum cut problem is one of the combinatorial problems widely discussed in the literature. In this problem, given an undirected weighed graph G = (V,A), we seek to partition the set of vertices into two subsets, such that the sum of the weights of the edges connecting the two subsets is maximized. Despite the simplicity of its definition, the maximum cut problem is NP-Hard, that is, a class of problems for which, so far, no method to find an optimal solution has been defined in polynomial time in a deterministic way. To solve these highly complex problems, meta-heuristic approaches are mostly used. In this way, different from the algorithms already proposed in the literature and aiming to explore the possibility of a new exact approach, capable of exploring the space of solutions and finding the optimal solution for the problem, this study proposes a search tree algorithm and develops five metaheuristic algorithms to solve the max-cut problem. This research was divided into four phases: (i) development and implementation of the exact approach to solve the problem; (ii) implementation of five meta-heuristics; (iii) execution of computational experiments with different types instances; (iv) performing statistical analyses. The results showed that for the max-cut solution the proposed exact method is effective and preferable in small cases, whereas the existing meta-heuristic methods, in large cases, present a better tradeoff between finding a good solution and the time required for that, because, in this first version of the Binary Search Tree (ABB) algorithm, the complexities are still high to solve instances of denser graphs. To solve this complexity challenge, deeper explorations are needed in the algorithm to find a new contradiction criterion, so that it is feasible to find the optimal solution to the problem in acceptable times for any graph. | pt_BR |
Aparece nas coleções: | Dissertações de Mestrado - Engenharia de Produção |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISSERTAÇÃO Gabriel Lopes Lima.pdf | 4,45 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons