Emprego de Simulação, Algoritmos Genéticos e Sistema de Aprendizado
Participativo na Resolução do Problema de Carregamento e Descarregamento 3D
de Contêineres em Terminais Portuários para Múltiplos Cenários
UNICAMP/UNIFESP
Royal Palm Plaza – Campinas/SP 05 de Setembro de 2013
REVISTA EXAME, EDIÇÃO 1001, ANO 45, NO. 18, PP. 60-64, 05/10/2011
REVISTA EXAME, EDIÇÃO 1001, ANO 45, NO. 18, PP. 60-64, 05/10/2011
Matriz de Ocupação
Formulação do Problema
2
1
3
4
0
0
0
0
0
0
0
0
0
2
2
0
4
1
6
5
D1 D2 D3 D4
O2
O3
O4
O1
Matriz de Transporte
2
3
Carregar no
Porto 1:
0
2
4
5
D1 D2 D3 D4
O1
Matriz de Transporte
1
Porto
Formulação do Problema
2
1
4
2
4
5
Porto 2
Porto 3
Porto 4
2
3
0
2
4
5
D1 D2 D3 D4
O1
Matriz de Transporte
1
Porto
Formulação 2D do Problema
2
1
4
3
4
4
4
4
4
2
3
2
3
3
Matriz de Ocupação
Formulação 3D do Problema
3
2
3
2
4
3
4
3
4
4
0
4
B
1,r,cB
2,r,cB
3,r,c3
a. camada
1
a. linha
1
a. coluna
2
1
3
4
0
0
0
0
0
2
2
0
4
1
6
5
D1 D2 D3 D4
O2
O3
O1
Matriz de Transporte
Conservação e existência de carga
0
0
0
0
0
0
0
6
O3
O4
Matriz de Ocupação
1
Porto
Matriz de Ocupação
2
Porto
Matriz de Ocupação
2
Porto
Matriz de Ocupação
3
Porto
Matriz de Ocupação
3
Porto
Operação de Descarregamento
Minimizar
Remanejamento !
Descarregamento de contêineres
OK
Sem “Flutuação”
Regras de Mov.
∀
∀
∀
∀ Porto≥≥≥≥1
# Mov.
+ Estab.
;
,
,
1
,
1
,
,
1
N
j
i
N
i
=
L
−
=
+
L
;
,
,
1
,
1
,
,
1
N
r
R
i
=
L
−
=
L
; , , 1 C c = L;
1
,
,
1
,
1
,
,
1
−
=
−
=
N
r
R
i
L
L
Minimizar
Sujeito a:
∑ ∑∑
∑
∑∑∑∑
+ = = = − = = = = = = − j i v R r C c i k R r C c ij D d kji D d ijv r c d x r c d T x 1 1 1 1 1 1 1 1 1 ) , , ( ) , , (∑ ∑ ∑
= = + = +=
j k N i j i j i v kjvr
c
d
y
r
c
d
x
1 1 1)
,
,
(
)
,
,
(
0 ) , , 1 ( ) , , (r c d − y r+ c d ≥ yi i)
(
)
(
)
(
x
1x
2y
f
=
αφ
+
βφ
D
d
=
1 L
,
,
Formulação 3D do Problema
onde:
x
ijv
(r,c,d) é 1 se o compartimento (r,c,d) foi ocupado no porto i
por um contêiner cujo destino é o porto j e foi movido no porto
v; caso contrário, x
ijv
(r,c,d) = 0.
y
i
(r,c,d) é 1 se o compartimento (r,c,d) ocupado no porto i; 0, c.c.
Conservação fluxo
∀
∀
∀
∀ Porto≥≥≥≥1
contêiner
Sem “Flutuação”
Regras
Mov.
;
1
,
,
1
,
1
,
,
1
−
=
−
=
N
r
R
i
L
L
;
,
,
1
C
c
=
L
0 ) , , 1 ( ) , , (r c d − y r+ c d ≥ yi i∑∑
−∑ ∑ ∑
= = − = = + = + ≤ + + 1 1 1 1 1 1 1 ) , , 1 ( ) , , ( j i N j p j i N j p p j v ipv ipj r c d x r c d x1
ou
0
)
,
,
(
r
c
d
=
x
ijvy
i(
r
,
c
,
d
)
=
0
ou
1
D
d
=
1 L
,
,
Minimizar
f
(
x
)
=
αφ
1(
x
)
+
βφ
2(
y
)
∑ ∑ ∑ ∑∑∑
− = = + − + = = = ==
1 1 1 1 1 1 1 1 1(
)
(
,
,
)
N i N i j j i v R r C c D d ijvr
c
d
x
x
φ
(
)
+
−
•
•
−
=
∑∑∑
= = = 2 1 1 1 2(
x
)
y
(
r
,
c
,
d
)
(
2
r
1
)
/
2
R
/
2
R r C c D d iφ
(
)
+
−
−
•
•
∑∑∑
= = = 2 1 1 12
/
2
/
)
1
2
(
)
,
,
(
r
c
d
c
C
y
R r C c D d iFormulação 3D do Problema
Minimizar # movimentos
r=1 c=1d=1
(
)
2 1 1 12
/
2
/
)
1
2
(
)
,
,
(
−
−
•
•
∑∑∑
= = =D
d
d
c
r
y
R r C c D d iMinimizar d(c.massa,c.geométrico)
Formulação 3D do Problema
List
1
ou
0
)
,
,
(
r
c
d
=
x
ijv
30 x 30 x 30
Seja problema com 30 portos, 5 camadas, 6 linhas e 50 colunas:
5 x 6 x 50
x
= 40.500.000 variáveis binárias
Mas...
1
ou
0
)
,
,
(
r
c
d
=
y
i
30
x
5 x 6 x 50
= 45.000 variáveis binárias
+
= 40.545.000 variáveis binárias
=
2
1
3
4
Operações com um navio
2
Porto 2
Saída
1
2
2
1
3
4
Operações com um navio
2
1
3
4
Operações com um navio
2
2
1
Porto 3
Porto 4
Entrada
2
i
Porto
Re1
Colunas E/D por camadas
0
0
0
0
B
3,r,c
Regras de Entrada
1
2
3
3
3
3
3
2
2
0
B
1,r,c
B
2,r,c
B
3,r,c
3
i
Porto
Re2
Linhas por camadas E/D
3
2
0
0
B
3,r,c
Regras de Entrada
3
1
2
3
3
2
0
3
3
0
0
3
2
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Re3
Colunas D/E por camadas
0
0
0
0
B
Regras de Entrada
2
1
3
3
3
3
3
2
3
0
2
0
0
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Re4
Linhas por camadas D/E
2
3
0
0
B
3,r,c
Regras de Entrada
3
1
2
3
3
0
2
3
3
0
0
2
3
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Re5
Colunas E/D por camadas
4
5
4
0
B
3,r,c
Regras de Entrada
1
2
3
3
3
3
3
3
3
3
3
4
5
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Re6
Colunas D/E por camadas
3
3
0
4
B
3,r,c
5
4
B
3,r,c
Regras de Entrada
1
2
3
3
3
4
5
3
3
4
4
3
3
B
1,r,c
B
2,r,c
B
3,r,c
3
3
3
3
3
3
3
3
5
4
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Rs1
Mover só o necessário
5
2
0
0
Regras de Saída
2
5
3
2
4
3
2
6
2
6
5
2
B
1,r,c
B
2,r,c
B
3,r,c
0
5
0
0
4
3
0
6
0
6
0
0
B
1,r,c
B
2,r,c
B
3,r,c
i
Porto
Rs2
Remover Tudo
5
2
0
0
Regras de Saída
2
5
3
2
4
3
2
6
2
6
5
2
B
1,r,c
B
2,r,c
B
3,r,c
0
0
0
0
0
0
0
0
0
0
0
0
B
1,r,c
B
2,r,c
B
3,r,c
2
1
2
Porto
1
2
3
Regra
Representação Vetorial
Re1
Re1
Rs1
Rs2
+
+
R1
R2
Regras de Entrada e Saída
Representação por Regras
=
Porto
1
2
3
Entrada
Saída
Re1 Re1 Re1
Rs2 Rs1 Rs2
Re2
Re2
Re1
Rs2
Rs1
Rs2
+
+
+
R2
R3
R4
2
1
3
4
3
4
2
Porto
1
2
3
Regra
Simular
\
Avaliar Soluções: Simulação + Regras
Porto 2
Re1
Rs1
Re1
Porto 3
Re1
Rs2
= 56
)
(
1x
φ
φ
2(
x
)
= 17.8
1
ou
0
)
,
,
(
r
c
d
=
y
i1
ou
0
)
,
,
(
r
c
d
=
x
ijvProblema com:
30 portos, 5 baias, 6 linhas e 50 colunas
Resulta em 40.545.000 variáveis binárias !
\
Representação da Solução
Porto 2 Re1 Rs1 Re1 Porto 3 Re1 Rs2Resulta em 29 variáveis:
1 regra para cada porto
\
Vantagens Representação por Regras
OK
1
Só soluções factíveis
Só soluções factíveis
\
Vantagens Representação por Regras
OK
1
Só soluções factíveis
3
4
2
Porto
1
2
3
Regra
2
Representação Compacta
Só soluções factíveis
Representação Compacta
\
Vantagens Representação por Regras
OK
1
Só soluções factíveis
3
4
2
Porto
1
2
3
Regra
2
Representação Compacta
Só soluções factíveis
Representação Compacta
3
Permite incorporar
conhecimento do
decisor sob a
forma de regras
Meta-Heurísticas
BS
GA
SA
VNS
ILS
\
Sistema Implementado
Regras
2
1
3
4
Simulação
Avaliação da Solução
2D
3D
MC
N1 P1
1
3
2
5
Nível 1
Alocação
Porto 1
Alocação
Regra 1
# Mov.
\
O Método Beam Search
N1 P1
N2 P2
1
1
202
20 112
1
202
20 11\
Árvore Completa – 2 regras
N3 P3
N4 P4
1
422
421
422
421
342
341
362
361/2
58
581/2
50
501/2
52
52N1 P1
N2 P2
1
112
1
202
2011
Aplicando Heurística Míope
\
O Método Beam Search -
β = 2
N3 P3
N4 P4
1
342
341
362
361
50
502
5050
Porto 2
Porto 3
Porto 4
φφφφ
2
(
ββββ)
1362
φφφφ
1
(
α
α)
α
α
7072
\
Resultados: (
α = 1, β = 0) – P10M1
1500
Porto 2
Porto 3
Porto 4
Porto 5
Porto 6
Porto 8
Porto 7
Porto 2
Porto 3
Porto 4
φφφφ
2
(
ββββ)
263
φφφφ
1
(
α
α)
α
α
10432
\
Resultados: (
α = 0, β = 1) – P10M1
Porto 2
Porto 3
Porto 4
Porto 5
Porto 6
Porto 8
Porto 7
Regra
Regras criadas em uma Comunidade
\
Sistema Futuro Proposto
Regra
Base de Regras
Amanhã
\
Podemos prever o futuro?
Hoje
Sequência de
regras
\
Obter regras mais robustas
Min
Max
[10, 15]
[3, 8]
[1, 5]
\
Estocasticidade na carga
[1, 5]
[2, 3]
Cenário C
1
Estocasticidade na carga
0
0
0 0 0 0
0
0
0
2
2
0
4
1
6
3
D1 D2 D3 D4
O2
O3
O4
O1
p
1
p
2
p
3
\
0
0
0 0 0 0
0
0
0
4
2
0
2
5
6
1
D1 D2 D3 D4
O2
O3
O4
O1
Cenário C
s
•••
•••
•••
•••
p
1
p
2
p
3
;
,
,
1
,
1
,
,
1
N
j
i
N
i
=
L
−
=
+
L
;
,
,
1
,
1
,
,
1
N
j
i
N
i
=
L
−
=
+
L
;
,
,
1
,
1
,
,
1
N
r
R
i
=
L
−
=
L
; , , 1 C c = L;
1
,
,
1
,
1
,
,
1
−
=
−
=
N
r
R
i
L
L
Minimizar
Sujeito a:
# Mov.
contêiner
∀
∀
∀
∀ Porto≥≥≥≥1
∑ ∑ ∑ ∑∑∑
= − = =+ − + = = = • = S s s N i N i j j i v R r C c s ijv r c d x x f 1 1 1 1 1 1 1 1 ) , , ( ) (θ
∑∑∑
∑∑∑
+ = = = − = = ==
−
j i v R r C c i k R r C c s ij s ijv s ijvr
c
d
x
r
c
d
T
x
1 1 1 1 1 1 1)
,
,
(
)
,
,
(
∑ ∑ ∑
= = + = +=
i k N i j s i j i v s kjvr
c
d
y
r
c
d
x
1 1 1)
,
,
(
)
,
,
(
0
)
,
,
1
(
)
,
,
(
r
c
d
−
y
r
+
c
d
≥
y
s s;
,
,
1
S
s
=
L
d
=
1
,
L
,
D
;
Formulação 3D + Múltiplos Cenários
onde:
x
s
ijv
(r,c,d) é 1 se o compartimento (r,c,d) foi ocupado no porto i
por um contêiner cujo destino é o porto j e foi movido no porto v
no cenário s; caso contrário, x
ijv
(r,c,d) = 0.
y
s
i
(r,c,d) é 1 se o compartimento (r,c,d) é ocupado no porto i; 0, c.c.
;
1
,
,
1
,
1
,
,
1
−
=
−
=
N
r
R
i
L
L
;
,
,
1
C
c
=
L
Conservação fluxo
∀
∀
∀
∀ Porto≥≥≥≥1
contêiner
Sem “Flutuação”
Regras
Mov.
0
)
,
,
1
(
)
,
,
(
r
c
d
−
y
r
+
c
d
≥
y
is is∑∑
−∑ ∑ ∑
= = − = = + = +≤
+
+
1 1 1 1 1 11
)
,
,
1
(
)
,
,
(
j i N j p j i N j p p j v s ipv s ipjr
c
d
x
r
c
d
x
1
ou
0
)
,
,
(
r
c
d
=
x
ipjsy
is(
r
,
c
,
d
)
=
0
ou
1
;
,
,
1
S
s
=
L
d
=
1
,
L
,
D
;
Cenários
Conhecidos
\
Modelo Estocástico
10
5
7
Cenários
Conhecidos
1
2
3
\
Modelo Estocástico
Cenários
Conhecidos
1
??
??
??
2
3
\
Modelo Estocástico
??
??
??
P1
P2
P3
Cenários
Conhecidos
1
R5
R1
R2
2
3
\
Modelo Estocástico
R5
R1
R2
P1
P2
P3
Cenários
Conhecidos
1
R5
R1
R2
2
3
\
Modelo Estocástico
R5
R1
R2
P1
P2
P3
Cenários
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 10 1 2 3 15 1 2 3
50 cenários
10 cenários
conhecidos
(e suas soluções ótimas)
Resultados para GA (idem SA)
20 1 2 3 25 1 2 3 30 1 2 3 Média
50 cenários
desconhecidos
Soluções dos cenários conhecidos C aplicadas nos
cenários desconhecidos S –
Desempenho médio
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 10 1 12.40 0.00 24.92 0.00 4.29 1.20 0.01 5.61 14.23 0.25 1.02 2 47.08 5.75 8.72 25.13 0.00 6.85 23.14 3.76 17.38 6.64 1.07 3 2.07 3.69 2.86 1.80 4.20 1.50 0.00 2.90 1.72 2.90 0.05 15 1 6.35 0.00 28.51 13.19 13.97 12.58 16.00 7.84 10.66 17.25 2.35 2 13.23 0.79 4.29 0.00 13.02 10.78 12.52 17.67 19.11 15.36 2.16 3 1.50 1.98 1.40 2.04 1.83 2.73 1.87 3.07 1.13 0.00 0.83
Resultados (
α = 1, β = 0)
20 1 6.47 10.66 14.09 9.45 3.24 9.12 17.46 11.07 15.78 0.00 1.80 2 13.98 12.08 15.28 10.00 4.26 15.67 6.16 19.64 25.25 0.91 0.00 3 0.95 1.85 2.21 6.03 1.07 2.44 2.51 3.66 2.98 1.51 0.00 25 1 13.24 2.39 10.19 12.75 6.85 0.00 9.91 3.78 11.29 10.02 4.82 2 20.42 22.71 26.61 28.59 0.00 26.72 35.85 1.35 26.74 4.67 3.21 3 0.67 1.00 0.00 0.60 0.83 0.54 1.34 1.11 0.95 1.39 0.74 30 1 7.30 12.40 16.95 9.87 16.76 10.81 16.06 8.76 0.00 13.58 7.54 2 0.00 15.00 2.41 14.30 10.61 9.34 8.18 14.27 18.47 5.44 19.43 3 0.00 1.35 0.21 2.15 1.06 1.42 2.17 1.93 1.22 1.01 0.63 Média 9.71 6.11 10.58 9.06 5.47 7.45 10.21 7.09 11.13 5.40 3.04C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 10 1 104.1 16.40 23.72 149.9 21.82 338.5 15.63 5.88 52.45 0.00 4.80 2 8.86 120.1 0.00 3.03 6.78 3.00 0.29 0.70 0.99 3.17 2.21 3 815.5 328.7 0.00 224.2 655.9 379.3 129.7 46.80 509.7 361.0 47.26 15 1 0.00 36.6 23.89 54.06 18.63 12.59 5.90 502.1 12.69 30.48 54.51 2 88.47 1.28 8.98 0.00 33.92 32.41 24.14 2.57 2.21 41.20 2.28 3 168.0 184.0 0.00 84.17 83.87 161.3 93.07 40.26 66.17 96.06 24.47
Resultados (
α = 0, β = 1)
20 1 41.47 66.50 34.02 0.00 152.3 185.6 82.12 78.93 30.88 89.77 44.14 2 15.77 41.13 98.31 14.97 12.89 7.77 137.4 9.45 38.13 6.08 0.00 3 55.23 111.8 77.65 74.70 118.8 106.4 0.00 100.4 90.83 130.1 79.24 25 1 135.7 65.0 97.68 0.00 38.62 25.66 118.5 85.35 48.55 60.27 9.22 2 6.65 3.36 66.36 0.00 50.73 105.1 67.84 31.99 40.38 5.45 0.80 3 149.7 66.74 54.66 0.00 132.0 93.60 87.58 103.3 76.23 93.85 19.74 30 1 49.78 30.14 54.79 65.23 0.00 98.64 69.26 109.9 75.95 111.2 30.25 2 3.69 13.91 65.31 20.10 21.32 21.20 90.52 17.36 5.82 2.04 0.00 3 81.66 35.56 96.57 98.12 98.50 55.56 61.76 14.73 77.34 24.03 0.00 Média 114.9 74.77 46.80 52.58 96.41 108.4 65.59 76.66 75.23 70.32 21.26C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 10 1 12.40 0.00 24.92 0.00 4.29 1.20 0.01 5.61 14.23 0.25 1.02 2 47.08 5.75 8.72 25.13 0.00 6.85 23.14 3.76 17.38 6.64 1.07 3 2.07 3.69 2.86 1.80 4.20 1.50 0.00 2.90 1.72 2.90 0.05 15 1 6.35 0.00 28.51 13.19 13.97 12.58 16.00 7.84 10.66 17.25 2.35 2 13.23 0.79 4.29 0.00 13.02 10.78 12.52 17.67 19.11 15.36 2.16 3 1.50 1.98 1.40 2.04 1.83 2.73 1.87 3.07 1.13 0.00 0.83
Resultados (
α = 1, β = 0)
20 1 6.47 10.66 14.09 9.45 3.24 9.12 17.46 11.07 15.78 0.00 1.80 2 13.98 12.08 15.28 10.00 4.26 15.67 6.16 19.64 25.25 0.91 0.00 3 0.95 1.85 2.21 6.03 1.07 2.44 2.51 3.66 2.98 1.51 0.00 25 1 13.24 2.39 10.19 12.75 6.85 0.00 9.91 3.78 11.29 10.02 4.82 2 20.42 22.71 26.61 28.59 0.00 26.72 35.85 1.35 26.74 4.67 3.21 3 0.67 1.00 0.00 0.60 0.83 0.54 1.34 1.11 0.95 1.39 0.74 30 1 7.30 12.40 16.95 9.87 16.76 10.81 16.06 8.76 0.00 13.58 7.54 2 0.00 15.00 2.41 14.30 10.61 9.34 8.18 14.27 18.47 5.44 19.43 3 0.00 1.35 0.21 2.15 1.06 1.42 2.17 1.93 1.22 1.01 0.63 Média 9.71 6.11 10.58 9.06 5.47 7.45 10.21 7.09 11.13 5.40 3.04Sistema de Aprendizado Participativo
Processo de
Aprendizado
Observações
Sistema de Aprendizado Participativo
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
1
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
1
2
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
1
3
2
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
3
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
4
observações
crenças
erros
Sistema de Crítica
Sistema de Aprendizado Participativo
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
5
observações
crenças
erros
Sistema de Crítica
D(1),D(2),D(s)
ρ
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
a
s
Cenários
Conhecidos
1
R5
R1
R2
2
3
\
Modelo Estocástico
R5
R1
R2
P1
P2
P3
CRENÇA
V1(1)
Crenças
iniciais
Componentes de V(j)
Confiança na crença
no cenário 1
C1
C2
R3R2
V(1)
V2(1)
Vp(1)
Confiança na crença
no cenário p
C2
Cp
R1R2
R1R3
observações
crenças
erros
Sistema de Crítica
ρ
D(1),D(2),D(s)
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
a
s
Observações D(1),D(2),D(s)
Cenário s1
Crença/Cenário C1
D(1)
D(2)
D(s)
Cenário s2
Cenário sn
R3R2
Crença/Cenário Cp
Crença/Cenário C1
D(1)
D(2)
D(s)
Cenário s1
Cenário s2
Cenário sn
observações
crenças
erros
Sistema de Crítica
ρ
D(1),D(2),D(s)
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
a
s
D(1)
C1, C2, Cp
Avaliação
Avaliação
Total erros
Cálculo dos Erros entre D e V
Cenário S1
D(n)
D(2)
C1, C2, Cp
Avaliação
Avaliação
C1, C2, Cp
Total erros
Total erros
Cenário S2
Cenário Sn
observações
crenças
erros
Sistema de Crítica
ρ
D(1),D(2),D(s)
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
a
s
Sistema de Aprendizado Participativo
V(s+1) = V(s) + a(s) * (D(s) – V(s))
V(s+1) = V(s) + a(s) * (D(s) – V(s))
Distância entre as
crenças e as
observações
Sistema de Aprendizado Participativo
V(s+1) = V(s) + a(s) * (D(s) – V(s))
V(s+1) = V(s) + a(s) * (D(s) – V(s))
Taxa de
aprendizado
com o erro
Sistema de Aprendizado Participativo
V(s+1) = V(s) + a(s) * (D(s) – V(s))
V(s+1) = V(s) + a(s) * (D(s) – V(s))
Crenças
antigas
Sistema de Aprendizado Participativo
V(s+1) = V(s) + a(s) * (D(s) – V(s))
V(s+1) = V(s) + a(s) * (D(s) – V(s))
Crenças
novas
observações
crenças
erros
Sistema de Crítica
ρ
D(1),D(2),D(s)
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
a
s
Índice de Crítica
crenças
Valores
distância
a
s
Observações
crenças
a
s+1
Sistema de Aprendizado Participativo
a(s+1) = a(s) +
β * (erro%) * a(s)
a(s+1) = a(s) +
β * (erro%) * a(s)
Nova taxa de
aceitação de
novas crenças
observações
crenças
erros
Sistema de Crítica
ρ
D(1),D(2),D(s)
Sistema de Aprendizado Participativo
a
s
a
s
Sistema de Crenças
Índice de crítica
crenças
Processo de
aprendizado
V(s)
a
s+1
VELOCIDADE
ADOÇÃO CRENÇAS
a
s
Sistema de Aprendizado Participativo
V(s+1) = V(s) + a(s) * (D(s) – V(s))
Valor
inicial: 1
a(s) = 1/número
de crenças
V(s+1) = V(s) + a(s) * (D(s) – V(s))
(f(s) – Min{f(s)})/
Min(f(s))
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 SAP 10 1 12.40 0.00 24.92 0.00 4.29 1.20 0.01 5.61 14.23 0.25 1.02 0.17 2 47.08 5.75 8.72 25.13 0.00 6.85 23.14 3.76 17.38 6.64 1.07 1.62 3 2.07 3.69 2.86 1.80 4.20 1.50 0.00 2.90 1.72 2.90 0.05 0.07 15 1 6.35 0.00 28.51 13.19 13.97 12.58 16.00 7.84 10.66 17.25 2.35 0.08 2 13.23 0.79 4.29 0.00 13.02 10.78 12.52 17.67 19.11 15.36 2.16 1.14 3 1.50 1.98 1.40 2.04 1.83 2.73 1.87 3.07 1.13 0.00 0.83 0.19 20 1 6.47 10.66 14.09 9.45 3.24 9.12 17.46 11.07 15.78 0.00 1.80 0.08
Resultados (
α = 1, β = 0)
20 1 6.47 10.66 14.09 9.45 3.24 9.12 17.46 11.07 15.78 0.00 1.80 0.08 2 13.98 12.08 15.28 10.00 4.26 15.67 6.16 19.64 25.25 0.91 0.00 0.64 3 0.95 1.85 2.21 6.03 1.07 2.44 2.51 3.66 2.98 1.51 0.00 0.17 25 1 13.24 2.39 10.19 12.75 6.85 0.00 9.91 3.78 11.29 10.02 4.82 0.56 2 20.42 22.71 26.61 28.59 0.00 26.72 35.85 1.35 26.74 4.67 3.21 0.29 3 0.67 1.00 0.00 0.60 0.83 0.54 1.34 1.11 0.95 1.39 0.74 0.41 30 1 7.30 12.40 16.95 9.87 16.76 10.81 16.06 8.76 0.00 13.58 7.54 0.22 2 0.00 15.00 2.41 14.30 10.61 9.34 8.18 14.27 18.47 5.44 19.43 0.38 3 0.00 1.35 0.21 2.15 1.06 1.42 2.17 1.93 1.22 1.01 0.63 0.29 Média 9.71 6.11 10.58 9.06 5.47 7.45 10.21 7.09 11.13 5.40 3.04 0.42C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 M1-10 SAP 10 1 104.1 16.40 23.72 149.9 21.82 338.5 15.63 5.88 52.45 0.00 4.80 21.19 2 8.86 120.1 0.00 3.03 6.78 3.00 0.29 0.70 0.99 3.17 2.21 3.01 3 815.5 328.7 0.00 224.2 655.9 379.3 129.7 46.80 509.7 361.0 47.26 15.16 15 1 0.00 36.6 23.89 54.06 18.63 12.59 5.90 502.1 12.69 30.48 54.51 13.43 2 88.47 1.28 8.98 0.00 33.92 32.41 24.14 2.57 2.21 41.20 2.28 3.30 3 168.0 184.0 0.00 84.17 83.87 161.3 93.07 40.26 66.17 96.06 24.47 5.18 20 1 41.47 66.50 34.02 0.00 152.3 185.6 82.12 78.93 30.88 89.77 44.14 13.75