Work

The robust shortest path problem with discrete data

Year: 2015
Type: dissertation
Abstract: Problemas de optimização são frequentemente utilizados para modelar fenómenos reais, sendo, deste modo, um instrumento de apoio à decisão. Tais modelos dependem de parâmetros que podem ser afectados pela incerteza. Na prática, é bastante comum que estes parâmetros assumam um conjunto de cenários possíveis, cujos valores podem variar num dado intervalo ou ser discretos. Uma forma de lidar com a incerteza, denominada optimização robusta, tem como objectivo minimizar o pior caso que possa ocorrer para todos os cenários. Esta tese considera o problema do caminho robusto mais curto com o mínimo desvio máximo de custo numa rede com um número finito de cenários. O problema consiste na determinação de um caminho entre dois nós, com o mínimo custo de robustez, isto é, com o mínimo desvio máximo de custo com respeito ao caminho mais curto em cada cenário. Na literatura, têm sido desenvolvidos predominantemente métodos de resolução do problema anterior, ou de algumas das suas variantes, quando são considerados intervalos de custo. Contudo, para o caso discreto, o tema não tem sido explorado significativamente. Após serem demonstrados resultados fundamentais relativamente às soluções óptimas do problema do caminho robusto mais curto, são introduzidos três novos métodos exactos. Um deles é um método de rotulação, enquanto os outros dois têm por base a enumeração de caminhos limitados superiormente em termos de custo. Um destes algoritmos, denominado híbrido, utiliza uma técnica de desvios de caminhos para eliminar caminhos que o outro método de enumeração determina, por meio da aplicação de uma regra eliminatória utilizada no algoritmo de rotulação. Resultados computacionais em redes aleatórias mostram que as versões rotulação e híbrida são os algoritmos mais eficientes. A redução da rede é outro dos tópicos tratados, com vista a simplificar a busca de um caminho robusto mais curto. Neste contexto, são desenvolvidas técnicas de pré-processamento para identificar arcos contidos em qualquer solução óptima, e nós que não estão contidos em nenhuma solução óptima. Os métodos seguem dois tipos de abordagem, estática e dinâmica. A primeira fixa o limite inferior dos custos, enquanto a segunda actualiza aqueles valores, de acordo com o mínimo custo de robustez dos caminhos que vão sendo obtidos. Nestas condições, os conjuntos de arcos e de nós identificados pela última destas estratégias contêm os conjuntos identificados pelo método estático. Testes computacionais em redes geradas aleatoriamente mostram que as regras de pré-processamento são eficazes para os nós, se o número de cenários usados pelas condições testadas for limitado. Além disto, determinar um caminho robusto mais curto após pré-processamento dinâmico dos nós foi mais eficiente do que resolver o problema após o pré-processamento estático ou mesmo sem pré-processamento, em alguns casos. O último tema aborda a reoptimização do caminho robusto mais curto, após eliminação ou inclusão de cenários ou de arcos na rede inicial. Esta consiste na resolução do problema na rede modificada, assumindo que a solução óptima original, bem como os custos dos caminhos mais curtos e o valor óptimo iniciais são conhecidos. Inicialmente, são deduzidas condições que permitem verificar se a solução óptima se mantém. Quando estas não são satisfeitas, é desenvolvido um algoritmo para calcular a nova solução num conjunto de caminhos específico previamente determinado. O método de procura tem por base a construção de uma árvore de caminhos, que começa por incluir os sub-caminhos da solução óptima original que podem ser estendidos a caminhos potencialmente óptimos. Em cada passo, é adicionado um arco a cada caminho na árvore e as regras de extensão são aplicadas, de acordo com o mínimo custo de robustez conhecido na rede modificada. A aplicação dos algoritmos de reoptimização é ilustrada.
Language: English
Open Access status: green
OpenAlex ID: W2511628933
Cites: 43
Cited by: 4
Related to: 10