Considerações Finais
programação da produção e alocação de tarefas continuam sendo um problema atual, e sendo um mercado dinâmico em que a tomada de decisão precisa ser rápida, boas soluções devem ser encontradas em um curto espaço de tempo. A busca pela solução ótima demanda elevado esforço computacional e, consequentemente, tempo. PSO vem de encontro a esse problema já que é capaz de fornecer boas soluções não dominadas em tempo hábil. Muitos objetivos devem ser satisfeitos dentro da programação da produção e, por isso, faz-se necessário o uso da otimização multiobjetivo. A vantagem para o uso e desenvolvimento desse procedimento é o tratamento simultâneo de todos os objetivos identificados no problema, buscando a solução de melhor compromisso nesse cenário.
Este trabalho apresentou três novos algoritmos evolucionários para a solução do problema de distribuição de derivados de petróleo através de uma rede de dutos. A rede proposta é uma simplificação de uma rede real. Os métodos propostos foram baseados na utilização da técnica de Otimização por Nuvem de Partículas (PSO) e de duas versões do algoritmo NSGA-II.
O tratamento das restrições via função reparadora foi uma contribuição essencial para evitar soluções infactíveis. Vale salientar que restrições deixaram de ser vistas como objetivo e puderam ser corrigidas dinamicamente sem depender da evolução do modelo. Restrições que tornam uma resposta infactível devem ser corrigidas no momento em que são detectadas, pois se tratadas como objetivo corre-se o risco de inviabilizar a busca por uma solução ótima. Por exemplo, o não cumprimento de uma demanda torna a resposta infactível do ponto de vista dos objetivos, mas um tanque contendo produto acima da capacidade torna-se irreal e não aplicável.
A performance do algoritmo de Otimização por Nuvem de Partículas é comparada à performance de duas versões do algoritmo NSGA-II em um conjunto de 15 casos teste. Como também, os algoritmos desenvolvidos NSGAII-C e NSGAII-W foram submetidos a experimentos computacionais que os comparavam aos algoritmos genéticos de AG-C (De la Cruz et al., 2003) e do AG-W (Westphal, 2006) em conjunto de seis casos teste. Os resultados dos experimentos computacionais são submetidos a testes estatísticos e apresentam evidências de que o algoritmo PSO supera ambas versões do NSGA-II em relação à qualidade dos conjuntos de aproximação gerados e os tempos de processamento, levando em conta o indicador de qualidade ε-binário aditivo. As duas versões do NSGA-II superam os algoritmos genéticos de De la Cruz et al. (2003) e de Westphal (2006). O tempo computacional despendido pelo algoritmo proposto PSO é significativamente melhor para todos os experimentos realizados. A
95
execução dos algoritmos desenvolvidos para os casos teste demonstra que a modelagem é uma solução possível, na prática, para o problema de distribuição de derivados de petróleo através de uma rede de dutos.
Como trabalho futuro, é interessante comparar as redes de distribuição de derivados de petróleo obtidas pela aplicação em mais casos reais. Além disso, sugere-se o desenvolvimento de novos experimentos computacionais. Novas heurísticas poderiam ser empregadas para gerar a população inicial, como também, novas metaheurísticas poderiam ser desenvolvidas para o problema. Poderiam ser empregadas outras maneiras de se aplicar a busca local e path-relinking. Diferentes indicadores de qualidade poderiam ser utilizados para a comparação entre os algoritmos.
96
Referências Bibliográficas
AARTS, E.; LENSTRA, J. K. (1997) Local search in combinatorial optimization. Chichester, England, United Kingdom: John Wiley & Sons.
ALVES, V. R. F. (2007) Programação de Transferência de Derivados de Petróleo em Rede Dutoviária usando Algoritmo Genético. Dissertação de Mestrado – Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
ANP – AGÊNCIA NACIONAL DO PETRÓLEO (2007) Anuário Estatístico 2006. Disponível em: <http://www.anp.gov.br/> Último acesso em: 25 fev. 2009
ARROYO, J. E. C. (2002) Heurísticas e Metaheurísticas para Otimização Combinatória Multiobjetivo. Tese de Doutorado, Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas, Brasil.
BALLOU, R. H. (2001) Gerenciamento da cadeia de suprimentos. Bookman.
BRACONI, V.M. (2002) Heurísticas multifluxo para roteamento de produtos em redes dutoviárias. Dissertação de Mestrado – Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil.
CAFARO, D.C.; CERDÁ, J. (2004) Optimal scheduling of multiproduct pipeline systems using a non-discrete MILP formulation. Computers & Chemical Engineering, v.28, n.10, pp.2053-2068.
CAMPONOGARA, E. (1995) A-Teams para um problema de transporte de derivados de petróleo. Dissertação de Mestrado – Instituto de Matemática, Estatística e Ciência da Computação, Universidade de Campinas, Campinas, São Paulo, Brasil. CASTILHO, V. C. (2003) Otimização de componente de Concreto Pré-moldado Protendidos Mediante Algoritmos Genéticos. Tese de Doutorado, Escola de Engenharia de São Carlos, São Paulo, Brasil.
CHAMBERS, L. (1995) Practical Handbook of Genetic Algorithms. Applications. CRC Press, Boca Raton, FL, EUA, 1 ed., v.1, pp.555.
CLERC, M. (2000) Discrete Particle Swarm Optimization Illustrated by the Traveling Salesman Problem. Disponível em: <http://www.mauriceclerc.net> Último acesso em: 10 jan. 2009.
COELLO COELLO, C. A. (2001) A Short Tutorial on Evolutionary Multiobjective Optimization. In: Zitzler, E.; Deb, K.; Thiele, L.; Coello, C.A.C; Corne, D. (eds), First International Conference on Evolutionary Multi-Criterion Optimization, Springer- Verlag. Lecture Notes in Computer Science, n.1993, pp. 21–40.
97
COELLO COELLO, C. A.; LAMONT, G. B.; VAN VELDHUIZEN, D. A. (2002) Evolutionary Algorithms for solving multi-objective problems. (eds) Genetic and Evolutionary Computation. Springer, 2 ed., 3.1, pp. 11.
COELLO, C. A. C.; LECHUGA, M. S. (2002) MOPSO: A proposal for Multiple Objective Particle Swarm Optimization. In: CEC’02 – 2002 IEEE Congress on Evolutionary Computation, 2002, Hawaii, United States of America. Proceedings of… [s.l.] IEEE Press, pp.1051-1056.
COELLO, C.A.C.; PULIDO, G.T.; LECHUGA, M.S. (2004) Handling multiple objectives with particle swarm optimization. IEEE Transactions on Evolutionary Computation, v.8, n.3, pp.256-279.
CONOVER, W. J. (2001) Practical Nonparametric Statistics. John Wiley & Sons, 3 ed.
CRANE, D.S.; WAINWRIGHT, R.L.; SCHOENEFELD, D.A. (1999) Scheduling of multi-product fungible liquid pipelines using genetic algorithms. In: ACM SAC’99 – 1999 ACM Symposium on Applied Computing, 1999, San Antonio, Texas, United States of America. Proceedings of… [s.l., s.n.] pp. 280-285.
CUNHA, A. G.; OLIVEIRA, P.; COVAS, J. (1997) Use of Genetic Algorithms in Multicriteria Optimization to Solve Industrial Problems. In: 7th International Conference on Genetic Algorithms, 1997, San Francisco, California, United States of America. Proceedings of… [s.l.] Morgan Kaufmann Publishers, pp.682-688.
DE LA CRUZ, J.M.; ANDRÉS-TORO, B.; HERRÁN-GONZÁLEZ, A.; BESADA- PORTAS, E.; FERNÁNDEZ-BLANCO, P. (2003) Multiobjective optimization of the transport in oil pipeline networks. In: ETFA'03 – 9th IEEE International Conference on Emerging Technologies and Factory Automation, 2003, Lisboa, Portugal. Proceedings of ..., v.1. Piscataway, New Jersey, United States of America: IEEE Computer Society, pp.566-573.
DE LA CRUZ, J.M.; HERRAN-GONZÁLEZ, A.; RISCO-MARTÍN, J.L.; ANDRÉS- TORO, B. (2005) Hybrid heuristic and Mathematical Programming in oil pipelines networks: Use of immigrants. Journal of Zhejiang University v.6A, n.1, 2005. [s.l.] Zhejiang University Press/Springer-Verlag, pp.9-19.
DEB, K. (1999) Evolutionary Algorithms for Multi-Criterion Optimization in Engineering Design. Kanpur Genetic Algorithms Laboratory, Indian Institute of Technology Kanpur, Kanpur, India.
DEB, K. (1999) Non-linear Goal Programming Using Multi-Objective Genetic Algorithms. Technical report – Department of Computer Science, University of Dortmund, Dortmund, Germany.
DEB, K.; AGRAWAL, S.; PRATAB, A.; MEYARIVAN, T. (2000) A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimization:
98
NSGA-II. Technical report – Kanpur Genetic Algorithms Laboratory, Indian Institute of Technology, Kanpur, India.
DEB, K. (2001) Multi-Objective Optimization using Evolutionary Algorithms. John Wiley & Sons, New York.
EBERHART, R. C.; HU, X. (1999) Human tremor analysis using particle swarm optimization. In: CEC’99 – 1999 IEEE Congress on Evolutionary Computation, 1999, Washington, DC, United States of America. Proceedings of…, [s.l., s.n.] pp.1927-1930. ESMIN, A. A. A.; AOKI, A. R.; LAMBERT-TORRES, G. (2002) Particle swarm optimization for fuzzy membership functions optimization. In: 2002 IEEE International Conference on Systems, Man and Cybernetics, 2002, Tunisia. Proceedings of… [s.l.,
s.n.] pp.108-113.
FANG, L.; CHEN, P.; LIU, S. (2007) Particle swarm optimization with simulated annealing for TSP. In: LONG, C. A.; MLADENOV, V. M.; BOJKOVIC, Z. (eds.) 6th WSEAS International Conference on Artificial Intelligence, Knowledge Engineering and Data Bases, 2007, Corfu Island, Greece. Proceedings of... [s.l., s.n.] pp.206-210. FIELDSEND, J.E. (2004) Multi-Objective particle Swarm optimization methods. Technical report – Department of Computer Science, University of Exeter, United Kingdom.
FIELDSEND, J.E.; SINGH, S. (2002) Pareto Multi-Objective Non-Linear Regression Modelling to Aid CAPM Analogous Forecasting. In: CEC’02 – 2002 IEEE Congress on Evolutionary Computation, 2002, Hawaii, United States of America. Proceedings of… [s.l.] IEEE Press, pp.388-393.
FLOOD, M.M. (1956) The travelling salesman problem. Operations Research, v. 4, pp.61-75.
FONSECA, C. M.; FLEMING, P. J. (1993) Genetic Algorithms for Multiobjective Optimization: Formulation, Discussion and Generalization. In: 5th International Conference on Genetic Algorithms, 1993. Proceedings of… [s.l., s.n.] pp. 416-423. GLOVER, F. (1963) Parametric Combinations of Local Job Shop Rules. ONR Research Memorandum, v.117. Carnegie Mellon University, Pittsburgh, United States of America.
GLOVER, F.; LAGUNA, M.; MARTÍ, R. (2000) Fundamentals of scatter search and path relinking. Control and Cybernetics, v.29, n.3, pp.653-684.
GOLDBARG, E. F. G.; GOLDBARG, M. C.; SOUZA, G.R. (2008) Particle swarm optimization algorithm for the traveling salesman problem. In: GRECO, F. (org.) Travelling Salesman Problem. Vienna: I-Tech Education and Publishing KG, 1ª ed., v. 1, pp.75-96.
GOLDBARG, E.F.G; SOUZA, G.R.; GOLDBARG, M.C. (2006a) Particle swarm for the traveling salesman problem. In: GOTTLIEB, J.; RAIDL, G.R. (eds.) EvoCOP 2006
99
– 6th European Conference on Evolutionary Computation in Combinatorial Optimization, 2006, Budapest, Hungary. Lecture Notes in Computer Science, v.3906. Berlin, Germany: Springer-Verlag, pp.99-110.
GOLDBARG, E.F.G; SOUZA, G.R.; GOLDBARG, M.C. (2006b) Particle swarm optimization for the bi-objective degree-constrained minimum spanning tree. In: CEC’06 – 2006 IEEE Congress on Evolutionary Computation, Vancouver, BC, Canada. Proceedings of…, v.1. [s.l., s.n.] pp.420-427.
GOLDBARG, M.C.; LUNA, H.P.L. (2005) Otimização Combinatória e Programação Linear: Modelos e algoritmos – 2ª ed. Campus/Elsevier.
GOLDBERG, D. E. (1989) Genetic Algorithms in Search, Optimization, and Machine Learning. New York, United States of America: Addison-Wesley.
GREENWOOD, G. W.; HU, X. S.; D'AMBROSIO, J. G. (1996) Fitness Functions for Multiple Objective Optimization Problems: Combining Preferences with Pareto Rankings”. In: Foundations of Genetic Algorithms, v.4. [s.l.] Morgan Kaufmann Publishers, pp.437-455.
HAJELA, P.; LIN, C. Y. (1992) Genetic Search Strategies in Multicriterion Optimal Design. Structural Optimization, v. 4, pp.99-107.
HANE, C.A.; RATLIFF, H.D. (1995) Sequencing inputs to multi-commodity pipelines. Annals of Operations Research, v.57, n.1, pp.73-101.
HANSEN, P.; MLADENOVIC, N. (2006) First vs. best improvement: An empirical study. Discrete Applied Mathematics, n. 154, pp.802-817.
HENDTLASS, T. (2003) Preserving diversity in particle swarm optimization. In: IEA/AIE 2003 – 16th International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, 2003, Laughborough, United Kingdom. Lecture Notes in Computer Science, v.2718. Berlin, Germany: Springer- Verlag, pp.4104-4108.
HOLLAND, J.H. (1975) Adaptation in Natural and Artificial System. The University of Michigan Press.
HORN, J.; NAFPLIOTIS, N. (1993) Multiobjective Optimization Using the Niched Pareto Genetic Algorithm. Technical report – Illinois Genetic Algorithms Laboratory, University of Illinois, Illinois, United States of America.
Hu, X. (2003). PSO Tutorial. Disponível em: <http://www. swarmintelligence.org/tutorials.php> Último acesso: 28 nov. 2009.
HU, X.; EBERHART, R. (2002) Multiobjective Optimization Using Dynamic Neighborhood Particle Swarm Optimization. In: CEC’02 – 2002 IEEE Congress on Evolutionary Computation, 2002, Hawaii, United States of America. Proceedings of… [s.l.] IEEE Press.
100
HU, X.; EBERHART, R.C.; SHI, Y. (2003) Swarm intelligence for permutation optimization: A case study of n-queens problem. In: 2003 IEEE Swarm Intelligence Symposium, 2003, Indianapolis, Indiana, United States of America. Proceedings of... [s.l., s.n.] pp.243-246.
IBP – INSTITUTO BRASILEIRO DE PETRÓLEO E GÁS (2007) Informações sobre
a indústria: Transportes e Dutos. Disponível em:
<http://www.ibp.org.br/planilhas/t.16.1.xls> Último acesso em: 26 fev. 2009.
ISHIBUCHI, H.; MURATA, T. (1996) Multiobjective Genetic Local Search Algorithm. In: ICEC’96 – 1996 IEEE International Conference on Evolutionary Computation, 1996. Proceedings of… [s.l., s.n.] pp.119-124.
JITTAMAI, P. (2004) Analysis of oil-pipeline distribution of multiple products subject to delivery time-windows. Ph.D. Dissertation – Texas A&M University, Texas, United States of America.
JOLY, M. (1999) Técnicas de otimização mista-inteira para o scheduling e gerenciamento da produção em refinarias de petróleo. Dissertação de Mestrado – Departamento de Engenharia Química, Escola Politécnica da Universidade de São Paulo, São Paulo, Brasil.
KENNEDY, J.; EBERHART, R. (1995). Particle swarm optimization. In: 1995 IEEE International Conference on Neural Networks, 1995, Perth, Australia. Proceedings of…, v.4. [s.l., s.n.] pp.1942-1948.
KENNEDY, J.; EBERHART, R.C. (1997) A discrete binary version of the particle swarm algorithm. In: 1997 IEEE International Conference on Systems, Man, and Cybernetics, 1997, Orlando, Florida, United States of America. Proceedings of…, v.5, n.2. [s.l., s.n.] pp.4104-4109.
KENNEDY, J.; EBERHART, R.C. (2001) Swarm Intelligence. United States of America: Academic Press.
KNOWLES, J. D. (2002) Local-Search and Hybrid Evolutionary Algorithms for Pareto Optimization. Ph.D. Thesis – Department of Computer Science, University of Reading, Reading, United Kingdom.
KNOWLES, J.; CORNE, D. (1999) The Pareto archived strategy: A new baseline algorithm for multiobjective optimization. In: 1999 Congress on Evolutionary Computation, 1999. Proceedings of… [s.l., s.n.] pp.98-105.
KNOWLES, J.D.; CORNE, D. (2000) Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy. Evolutionary Computation, v.8, n.2, pp.149- 172.
KNOWLES, J.; THIELE, L.; ZITZLER, E. (2006) A Tutorial on the Performance Assessment of Stochastic Multiobjective Optimizers. Relatório TIK 214, Computer Engineering and Networks Laboratory (TIK), ETH Zurich.
101
LIPORACE, F.D.S. (2005) Planejadores para transporte em polidutos. Tese de Doutorado – Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil.
LIS, J.; EIBEN, A. E. (1997) A Multi-Sexual Genetic Algorithm for Multiobjective Optimization. In: ICEC’97 – 1997 IEEE International Conference on Evolutionary Computation, 1997. Proceedings of… [s.l., s.n.] pp.59-64.
MACHADO, T.R.; LOPES, H.S. (2005) A hybrid particle swarm optimization model for the traveling salesman problem. In: RIBEIRO, H.; ALBRECHT, R.F.; DOBNIKAR, A. (eds.) Natural Computing Algorithms. Wien, Austria: Springer-Verlag, pp. 255- 258.
MAGATAO, L.; ARRUDA, L.V.R.; NEVES, J.F. (2004) A mixed integer programming approach for scheduling commodities in a pipeline, Computers & Chemical Engineering, v.28, n.1-2, pp.171-185.
MARCELLINO, F.J.M. (2006) Solução do problema de transporte de derivados de petróleo em oleodutos através de um modelo de satisfação de restrições distribuído com otimização. Dissertação de Mestrado – Instituto Tecnológico de Aeronáutica, São José dos Campos, São Paulo, Brasil.
MÁS, R.; PINTO, J.M. (2003) A mixed-integer optimization strategy for oil supply in distribution complexes. Optimization and Engineering, v.4, n.1, pp.23-64.
MICHALEWICZ, Z. (1996) Genetic algorithms + data structures = evolution programs. Springer-Verlag, New York, 3 ed.
MILICKOVIC, N.; LAHANAS, M.; BALAS, D.; ZAMBOGLOU, N. (2001) Comparison of Evolutionary and Deterministic Multiobjective Algorithms for Dose Optimization in Brachytherapy. In: 2001 First International Conference EMO. Lecture Notes in Computer Science. Proceedings of of…, [s.l., s.n.], v. 1993, pp. 167-180. MILIDIÚ, R.L.; LIPORACE, F.D.S. (2003) Planning of pipeline oil transportation with interface restrictions is a difficult problem. Technical report – Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil. MILIDIÚ, R.L.; LIPORACE, F.D.S.; LUCENA, C.J.P.D. (2003) Pipesworld: planning pipeline transportation of petroleum derivatives. In: ICAPS'03 – 13th International Conference on Automated Planning & Scheduling, 2003, Trento, Italy. Proceedings of…, [s.l., s.n.] pp. 6.
MILIDIÚ, R.L.; PESSOA, A.A.; BRACONI, V.; LABER, E.S.; REY, P.A. (2001) Um algoritmo GRASP para o problema de transporte de derivados de petróleo em oleodutos. In: XXXIII SBPO – XXXIII Simpósio Brasileiro de Pesquisa Operacional, 2001, Campos do Jordão, São Paulo, Brasil. Anais... [s.l., s.n.], pp. 237-246.
MILIDIÚ, R.L.; PESSOA, A.A.; LABER, E.S. (2002) Pipeline transportation of petroleum products with no due dates. In: LATIN 2002 – 5th Latin American
102
Symposium on Theoretical Informatics (LATIN 2002), 2002, Cancun, Mexico. Proceedings of…, v. 2286. [s.l., s.n.] pp. 248-262.
MILIDIÚ, R.L.; PESSOA, A.A.; LABER, E.S. (2003) The complexity of makespan minimization for pipeline transportation. Theoretical Computer Science, v.306, n.1-3, pp.339-351.
MITCHELL, MELANIE (1998) An Introduction to Genetic Algorithms. Cambridge, Massachusetts, United States of America: MIT Press.
MOSTAGHIM, S.; TEICH, J. (2003) Strategies for finding good local guides in multi- objective particle swarm optimization (MOPSO). In: IEEE 2003 Swarm Intelligence Symposium, 2003. Proceedings of… [s.l., s.n.]
NEIRO, S.M.S. e PINTO, J.M. (2004) A general modeling framework for the operational planning of petroleum supply chains. Computers & Chemical Engineering, v.28, n.6-7, pp.871-896.
ONWUBOLU, G.C.; CLERC, M. (2004) Optimal path for automated drilling operations by a new heuristic approach using particle swarm optimization. International Journal of Production Research, v. 42, n. 3, pp.473-491.
PANG, W.; WANG, K.; ZHOU, C.; DONG, L.; LIU, M.; ZHANG, H.; WANG, J. (2004a) Modified particle swarm optimization based on space transformation for solving traveling salesman problem. In: 3rd International Conference on Machine Learning and Cybernetics, 2004, Shangai, China. Proceeding of... [s.l., s.n.] pp.2342- 2346.
PANG, W.; WANG, K.; ZHOU, C.; DONG, L. (2004b) Fuzzy discrete particle swarm optimization for solving traveling salesman problem. In: 4th International Conference on Computer Information Technology, 2004, Wuhan, China. Proceedings of... [s.l.,
s.n.] pp. 796-800.
PAPACOSTANTIS, E.; ENGELBRECHT, A. P.; FRANKEN, N. (2005) Coevolving Probabilistic Game Playing Agents using Particle Swarm Optimization Algorithms. In: 2005 IEEE Congress on Evolutionary Computation in Games Symposium, 2005. Proceedings of… [s.l., s.n.] pp.195-202.
PAQUETE, L.; STÜTZLE, T. (2006) A study of stochastic local search algorithms for the biobjective QAP with correlated flow matrices. European Journal of Operational Research, n.169, pp.943–959.
PARETO, V. (1927) Manuel D’Économie Politique. Paris, France: Marcel Giard. PARSOPOULOS, K.E.; VRAHATIS, M.N. (2002) Particle Swarm Optimization Method in Multiobjective Problems. In: ACM SAC’02 – 2002 ACM Symposium on Applied Computing. Proceedings of… [s.l., s.n.] pp.603-607.
103
PESSOA, A.A. (2003) Dois problemas de otimização em grafos: Transporte em redes de dutos e Busca com custos de acesso. Tese de Doutorado – Departamento de Informática, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Brasil. PINTO, J.M.; JOLY, M.; MORO, L.F.L. (2000) Planning and scheduling models for refinery operations. Computers & Chemical Engineering, v.24, n.9-10, pp.2259-2276. REJOWSKI JR., R. (2001) Programação de distribuição dutoviária de derivados de petróleo. Dissertação de Mestrado – Departamento de Engenharia Química, Escola Politécnica da Universidade de São Paulo, São Paulo, Brasil.
REJOWSKI JR., R.; PINTO, J.M. (2003) Scheduling of a multiproduct pipeline system. Computers & Chemical Engineering, v.27, n.8-9, pp.1229-1246.
REJOWSKI JR., R.; PINTO, J.M. (2004) Efficient MILP formulations and valid cuts for multiproduct pipeline scheduling. Computers & Chemical Engineering, v.28, n.8, pp.1511-1528.
ROCHA, D.A.M.; GOLDBARG, E.F.G.; GOLDBARG, M. C. (2006) A memetic algorithm for the biobjective minimum spanning tree problem. In: GOTTLIEB, J.; RAIDL, G.R. (eds.). EvoCOP 2006 – 6th European Conference on Evolutionary Computation in Combinatorial Optimization, 2006, Budapest, Hungary. Lecture Notes in Computer Science, v.3906, Berlin, Germany: Springer-Verlag, pp.222–233.
SANGINETO, M.L.T. (2006) Um algoritmo genético para a programação de transferências em um poliduto. Dissertação de Mestrado – Programa de Engenharia de Produção, Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
SASIKUMAR, M.; PRAKASH, P. Ravi; PATIL, S.M.; RAMANI, S. (1997) Pipes: A heuristic search model for pipeline schedule generation. Knowledge-Based Systems, v.10, n.3, pp.169-175.
SCHAFFER, J.D. (1985) Multiple objective optimization with vector evaluated genetic algorithms. In: 1st International Conference on Genetic Algorithms. Proceedings of… [s.l., s.n.] pp.99-100.
SCHAFFER, J. D. (1984) Some Experiments in Machine Learning Using Vector Evaluated Genetic Algorithms. D.Sc. Thesis, Department of Electrical Engineering, Vanderbilt University.
SHAH, N. (1996) Mathematical programming techniques for crude oil scheduling. Computers & Chemical Engineering, v.20, n.2, pp.S1227-S1232
SHI, X.H.; LIANG, Y.C.; LEE, H.P.; LU, C.; WANG, Q.X. (2007) Particle swarm optimization-based algorithms for TSP and generalized TSP. Information Processing Letters, v.103, pp.169-176.
SOUZA, G. R. (2006) Uma Abordagem por Nuvem de Partículas para Problemas de Otimização Combinatória. Dissertação de Mestrado – Programa de Pós-Graduação
104
em Sistemas e Computação, Universidade Federal do Rio Grande do Norte, Natal, Rio Grande do Norte, Brasil.
SOUZA, T.C.N; GOLDBARG, E.F.G.; GOLDBARG, M.C. (2009) The bi-objective problem of distribution of oil products by pipeline networks approached by a particle swarm optimization algorithm. In: 2009 International Conference on Intelligent Systems and Applications, 2009. Proceedings of…, v. 1. [s.l., s.n.], pp.767-772.
SOUZA FILHO, E. M. (2007) Variable Neighborhood Search (VNS) aplicado problema de distribuição dutoviária. Dissertação de Mestrado - Programa de Pós- Graduação de Engenharia de Produção, Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
SRINIVAS, N.; DEB, K. (1995) Multiobjective Function Otimization Using Nondominated Sorting Genetic Algorithms. In: Evolutionary Computation, v.2, n.3, pp.221-248.
TILLET, J.C.; RAO, R.; SAHIN, C. K. F.; RAO, T. M. (2002) Cluster-head Identification in Ad-hoc Sensor Networks using Particle Swarm optimization. In: 2002 IEEE International Conference on personal Wireless Communications, 2002. Proceedings of… [s.l., s.n.] pp.201-205.
TRANSPETRO (2007) A Empresa: Transpetro, Lei No 9.478. Disponível em: <http://www.transpetro.com.br >, acessado em: novembro de 2009.
ULUNGU, E. L.; TEGHEM, J. (1994) The two phases method: An efficient procedure to solve bi-objective combinatorial optimization problems. Foundations of Computing and Decision Science, v.20, n.2, pp.149–165.
VALENZUELA-RENDÓN, M.; URESTI-CHARRE, E. (1997) A Nongenerational Genetic Algorithm for Multiobjective Optimization. In: 7th International Conference on Genetic Algorithms, 1997, San Francisco, California, United States of America. Proceedings of… [s.l.] Morgan Kaufmann Publishers, pp.658-665.
VESTERSTROM, J. S.; RIGET, J. (2002) Particle Swarms: Extensions for improved local, multi-modal, dynamic search in numerical optimization. Master’s Degree Dissertation – Faculty of Science, Aarhus Universitet, Aarhus, Denmark.
WESTPHAL, H. (2006) Algoritmo Genético Aplicado a Otimização Multiobjetivo em Redes de Distribuição de Petróleos e Derivados. Dissertação de Mestrado – Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial, Universidade Tecnológica Federal do Paraná, Curitiba, Paraná, Brasil.
WHILE, L. A (2005) New Analysis of the Lebmeasure Algorithm for Calculating Hypervolume. In: 2005 EMO - Evolutionary Multi-Criterion Optimization. Lecture Notes in Computer Science, n. 3410, pp. 326-340.
WHILE, L.; BRADSTREET, L.; BARONE, L.; HINGSTON, P. (2005) Heuristics for optimising the calculation of hypervolume for multi-objective optimisation problems.
105
In: 2005 CEC - IEEE Congress on Evolutionary Computation. Proceeding of…[s.l.,
s.n.] pp.192-199.
WIKIPÉDIA (2010) A Enciclopédia Livre. Disponível em: <http://www.wikipedia.org>. Último acesso em: janeiro de 2010.
YOSHIDA, H.; KAWATA, K.; FUKUYAMA, S.; NAKANISHI, Y. (1999a) A Particle Swarm Optimization for reactive Power and Voltage Control considering voltage stability. In: International Conference on Intelligent System Application to Power System, 1999. Proceedings of… [s.l., s.n.] pp.117-121.