Acessibilidade / Reportar erro

Resolução de problemas de Bin Packing utilizando rede neural aumentada e Minimum Bin Slack

Solving Bin Packing problems with augmented neural networks and Minimum Bin Slack

Resumo

O objetivo do presente trabalho é comparar a utilização da meta-heurística Rede Neural Artificial Aumentada (RNAA) com a heurística Minimum Bin Slack (MBS) para resolução de Problemas de Otimização Combinatória, mais especificamente, em problemas de Bin Packing, uma classe de Problemas de Corte e Empacotamento (PCE). PCEs são vastamente encontrados em diversos ramos da indústria e o tratamento adequado deste tipo de problema pode gerar impactos diretos na economia de matérias-primas e/ou espaço físico das empresas. Para a otimização dos parâmetros da RNAA, fez-se uso de um projeto de Delineamento de Experimento (DOE) do tipo Fatorial Completo. Os testes, realizados em diversos problemas benchmark da literatura, mostraram que, de uma forma geral, a heurística MBS foi superior tanto em relação à qualidade das respostas (cerca de 70% melhor), quanto em relação ao tempo computacional (aproximadamente 90% menor).

Palavras-chave:
Rede neural; Corte e empacotamento; Delineamento de experimentos; Bin Packing ; Minimum Bin Slack

Universidade Federal de São Carlos Departamento de Engenharia de Produção , Caixa Postal 676 , 13.565-905 São Carlos SP Brazil, Tel.: +55 16 3351 8471 - São Carlos - SP - Brazil
E-mail: gp@dep.ufscar.br