Heurísticas
A palavra heurística é derivada da palavra grega heuriskein, que significa
descobrir. Segundo Nicholson (1971) a heurística é um procedimento para
resolver problemas por meio de um enfoque intuitivo, no qual a estrutura do
trabalho possa ser interpretada e explorada inteligentemente para se obter uma
solução razoável (Arenales et al., 2007).
Goldbarg e Luna (2000) definem a heurística como uma técnica que
busca alcançar uma boa solução utilizando um esforço computacional
considerado razoável.
De forma geral, ao contrário dos métodos exatos, que buscam encontrar
uma forma algoritma de obter uma solução ótima através da combinação ou
busca de todas as soluções possíveis, as heurísticas normalmente tendem a
apresentar certo grau de conhecimento acerca do comportamento do
problema, avaliando um número muito menor de soluções. Os métodos
heurísticos englobam estratégias, procedimentos e métodos aproximados, com
o objetivo de encontrar uma boa solução, mesmo que não seja a ótima, em um
tempo computacional razoável. Como as heurísticas são algoritmos específicos
para um caso, é recomendável que se tenha um conhecimento específico do
problema que esta sendo abordado (Cordenonsi, 2008).
Os métodos heurísticos são comumente utilizados na Pesquisa
Operacional em problemas de programação linear, programação inteira,
otimização combinatória e otimização estocástica e em termos pedagógicos
são classificadas em três categorias: construtivas, de melhoria (busca local) e
as meta-heuristicas.
Heurísticas Construtivas
As heurísticas construtivas constroem uma solução, factível ou não,
adicionando, em cada passo, um elemento da solução, tal como o valor de uma
variável ou um arco ou nó de um grafo (Arenales et al., 2007).
Segundo Cordenonsi (2008) os algoritmos heurísticos baseados em
construção partem de uma solução vazia, acrescentando elemento a elemento,
obedecendo a um certo critério, até formar a solução por completo, sendo que
após a inserção de um resultado não é possível retirá-lo.
As heurísticas construtivas podem utilizar dois métodos de solução: o
método aleatório e o método guloso. O método aleatório consiste na utilização
de uma heurística simples, já o método guloso baseia-se no incremento da
solução, a cada passo, buscando o máximo benefício.
Heurísticas de Busca
As heurísticas de busca operam exatamente como um procedimento de
melhoria local, exceto pelo fato de que ele talvez não precise que cada nova
solução experimental tenha de ser melhor que a solução experimental
precedente (Hillier e Lieberman, 2004).
As heurísticas de busca local, a partir de uma solução inicial s, obtida, por
meio de uma heurística construtiva, associa-se uma vizinhança N de s. Cada
solução s’ da vizinhança N (s) é atingida a partir de s por uma operação
chamada movimento, e a solução s’ é chamada de vizinha. Seleciona-se uma
solução vizinha que seja melhor que a solução corrente, e a busca prossegue
iterativamente até que a vizinhança não contenha nenhuma solução melhor
que a solução corrente, denominado ótimo local em relação a vizinhança, ou
até que algum outro critério de parada tenha sido satisfeito (Arenales et al.,
2007).
Em outras palavras, o método de melhoria inicia-se com uma solução
viável e tenta melhorá-la, procurando outras soluções em sua vizinhança.
Assim a fase de melhoria usualmente é precedida por uma fase construtiva. O
processo é repetido até que nenhuma melhoria possa ser encontrada. Os
elementos básicos de tais métodos são: a vizinhança e o critério de seleção
que define a ordem em que os elementos vizinhos são analisados. Métodos
nesta categoria são comumente utilizados pelas meta-heurísticas (Loiola et al.,
2004).
Meta-heurísticas
A meta-heuristica é um método heurístico de resolução geral que
orquestra a interação entre procedimentos de melhoria local e estratégias de
nível mais alto para criar um processo que seja capaz de escapar dos ótimos
locais e realizar uma busca consciente de uma região de soluções viáveis
(Hillier e Lieberman, 2004).
Conforme Cordenonsi (2008), as técnicas meta-heuristicas podem iniciar
a busca da solução ótima a partir de uma única solução ou um conjunto de
soluções iniciais. Esta solução ou conjunto de soluções inicial pode ser
construída através de alguma heurística ou de forma aleatória. Os métodos
meta-heurísticos irão modificar esta solução inicial através de operações
realizadas com suas variáveis, gerando novas soluções, até que um
determinado critério de parada seja atingido .
As meta-heuristicas podem ser vistas como estruturas algoritmicas que
são aplicadas a problemas de otimização e que necessitam ser adaptadas ao
tipo de problema específico, seja em relação a função objetivo ou a melhoria do
processo de busca. Alguns exemplos de meta-heurísticas são: GRASP,
Simulated Anneling, Busca Tabu, Colônia de Formigas, entre outras.
Para Melian et al. (2003) as meta-heurísticas podem ser classificadas de
acordo com o tipo de procedimento a qual se refere. Alguns dos tipos principais
são: de busca, relaxação, construtivas e evolutivas.
As meta-heurísticas de busca são procedimentos que percorrem o espaço
de busca da solução, levando em conta, a cada passo, a “vizinhança” da
solução (ex: Simulated Annealing, Busca Tabu). As meta-heuristicas de
relaxação se referem a simplificação do problema (relaxação) cuja solução
facilita a resolução do problema original (ex: Relaxação Lagrangeana). As
meta-heurísticas construtivas tratam da obtenção de uma solução através da
análise e seleção gradual de cada componente da solução (ex: GRASP). As
meta-heurísticas evolutivas estão focadas em procedimentos baseados em
conjuntos de soluções que evoluem no espaço de soluções (Algoritmos
Genéticos, Path Relinking).
No documento
Planejamento de operações de manutenção submarina
(páginas 30-34)