ࡱ> ,.+EbjbjUU :??E   OOOOOcccc o c {{{{{{{{`O{{{{{OO{{{{{{O{O{{{{{{{@˃c{{0 {{{O{ {{{{{{{{{{{{ {{{{{{{{{{{{{  :Resumo Esta tese relata resultados apresentados na forma de uma coletnea de artigos sobre aplicaes de algoritmos genticos com chaves aleatrias tendenciosas - BRKGA (do ingls Biased Random Key Genetic Algorithm) em diferentes problemas de otimizao em redes. A motivao do uso desta tcnica consiste nos bons resultados j apresentados na literatura para diversos problemas de otimizao combinatria. Os trs problemas estudados so: maximizao de requisies atendidas em redes ticas, escalonamento de cargas divisveis em um nico perodo e escalonamento de cargas divisveis em mltiplos perodos. O problema de roteamento e atribuio de comprimentos de onda em redes WDM consiste em atribuir uma rota e um comprimento de onda a um conjunto de requisies de caminhos ticos, de modo que os caminhos ticos cujas rotas compartilham alguma fibra tica usem comprimentos de onda diferentes e o nmero de requisies atendidas seja maximizado (max-RWA). Foram propostas seis heursticas construtivas e um BRKGA. Trs heursticas foram baseadas em algoritmos para o problema de empacotamento e as outras trs baseadas no problema de escalonamento em mltiplos processadores. Os experimentos computacionais mostraram que a heurstica construtiva SPT, proposta nesta tese, obteve melhores resultados do que a melhor heurstica construtiva da literatura. Alm disso, o BRKGA desenvolvido nesta tese a primeira heurstica a tratar instncias com mais de 27 ns. Ele encontrou solues cujo desvio em relao ao valor timo foi, na mdia, 3,06%. O problema de escalonamento de cargas divisveis em um nico perodo com processadores dedicados e heterogneos consiste em selecionar um subconjunto de processadores, definir a ordem na qual os fragmentos de carga sero transmitidos para cada um deles e decidir a quantidade de carga a ser processada por cada processador. O objetivo minimizar o makespan. Um BRKGA foi proposto nesta tese para o problema e obteve melhores resultados do que a melhor heurstica da literatura. Experimentos computacionais mostraram que, para as 720 instncias testes com at 160 processadores, o algoritmo proposto, BRKGA-DLS, encontrou solues timas para 413 instncias (dos 497 casos em que a soluo tima conhecida). J a melhor heurstica da literatura, HeuRet, encontrou solues timas para apenas 320 instncias. Foi proposto um novo conjunto de instncias, maiores e mais realistas, com 320 processadores. O BRKGA-DLS encontrou valores de solues, em mdia, 2,38% melhores do que HeuRet. No problema de escalonamento de cargas divisveis em mltiplos perodos, a carga distribuda para os processadores ativos em vrios perodos, reduzindo o tempo ocioso em cada processador e permitindo uma melhor utilizao do recursos. O objetivo minimizar o makespan. Nesta tese foi proposto um BRKGA que obteve resultados 11,68% melhores do que o melhor algoritmo da literatura, em termos da qualidade mdia da soluo. Palavras-chave: Algoritmos genticos com chaves aleatrias tendeciosas, otimizao em redes, metaheurstica, maximizao de demandas, escalonamento de cargas divisveis  rzEhO9hl6]mHsHhO9hlmHsHhO9hl^JmHsHhO9hl5\mHsH e E$a$gdO9$a$ 8P:pl/ =!n"n#n$n% Dp^ 666666666vvvvvvvvv66666686666666666666666666666666666666666666666666666666hH6666666666666666666666666666666666666666666666666666666666666666662 0@P`p2( 0@P`p 0@P`p 0@P`p 0@P`p 0@P`p 0@P`p8XV~_HmHnHsHtH^`^ Normal*$1$0CJKHOJPJQJ^J_HaJmH nHsH tHDA D 0Default Paragraph FontRiR 0 Table Normal4 l4a (k ( 0No List JJ 0Heading $xCJOJQJ^JaJ2B2 0 Body Textx`/` -u0Body Text Char,CJKHOJPJQJ^JaJmH nHsH tH$/"$ 0List<"2< 0Caption  $xx6]*B* 0Index $PK![Content_Types].xmlj0Eжr(΢Iw},-j4 wP-t#bΙ{UTU^hd}㨫)*1P' ^W0)T9<l#$yi};~@(Hu* Dנz/0ǰ $ X3aZ,D0j~3߶b~i>3\`?/[G\!-Rk.sԻ..a濭?PK!֧6 _rels/.relsj0 }Q%v/C/}(h"O = C?hv=Ʌ%[xp{۵_Pѣ<1H0ORBdJE4b$q_6LR7`0̞O,En7Lib/SeеPK!kytheme/theme/themeManager.xml M @}w7c(EbˮCAǠҟ7՛K Y, e.|,H,lxɴIsQ}#Ր ֵ+!,^$j=GW)E+& 8PK!Ptheme/theme/theme1.xmlYOo6w toc'vuر-MniP@I}úama[إ4:lЯGRX^6؊>$ !)O^rC$y@/yH*񄴽)޵߻UDb`}"qۋJחX^)I`nEp)liV[]1M<OP6r=zgbIguSebORD۫qu gZo~ٺlAplxpT0+[}`jzAV2Fi@qv֬5\|ʜ̭NleXdsjcs7f W+Ն7`g ȘJj|h(KD- dXiJ؇(x$( :;˹! I_TS 1?E??ZBΪmU/?~xY'y5g&΋/ɋ>GMGeD3Vq%'#q$8K)fw9:ĵ x}rxwr:\TZaG*y8IjbRc|XŻǿI u3KGnD1NIBs RuK>V.EL+M2#'fi ~V vl{u8zH *:(W☕ ~JTe\O*tHGHY}KNP*ݾ˦TѼ9/#A7qZ$*c?qUnwN%Oi4 =3ڗP 1Pm \\9Mؓ2aD];Yt\[x]}Wr|]g- eW )6-rCSj id DЇAΜIqbJ#x꺃 6k#ASh&ʌt(Q%p%m&]caSl=X\P1Mh9MVdDAaVB[݈fJíP|8 քAV^f Hn- "d>znNJ ة>b&2vKyϼD:,AGm\nziÙ.uχYC6OMf3or$5NHT[XF64T,ќM0E)`#5XY`פ;%1U٥m;R>QD DcpU'&LE/pm%]8firS4d 7y\`JnίI R3U~7+׸#m qBiDi*L69mY&iHE=(K&N!V.KeLDĕ{D vEꦚdeNƟe(MN9ߜR6&3(a/DUz<{ˊYȳV)9Z[4^n5!J?Q3eBoCM m<.vpIYfZY_p[=al-Y}Nc͙ŋ4vfavl'SA8|*u{-ߟ0%M07%<ҍPK! ѐ'theme/theme/_rels/themeManager.xml.relsM 0wooӺ&݈Э5 6?$Q ,.aic21h:qm@RN;d`o7gK(M&$R(.1r'JЊT8V"AȻHu}|$b{P8g/]QAsم(#L[PK-![Content_Types].xmlPK-!֧6 +_rels/.relsPK-!kytheme/theme/themeManager.xmlPK-!Ptheme/theme/theme1.xmlPK-! ѐ' theme/theme/_rels/themeManager.xml.relsPK] E E E O9lE G @E @@UnknownG*Ax Times New Roman5Symbol3" ArialI xP!Liberation SerifcWenQuanYi Micro HeiMS MinchoG& xP!Liberation SansACambria Math" aCgaCgy ! 0 $PE O9!xxResumoJulliany BrandoHelioOh+'0  @ L Xdlt|ResumoJulliany BrandoNormal_WordconvHelio2Microsoft Office Outlook@F#@@y ՜.+,0 hp|   Resumo Title  !"$%&'()*-Root Entry F0ԃ/1TableWordDocument:SummaryInformation(DocumentSummaryInformation8#CompObjy  F'Microsoft Office Word 97-2003 Document MSWordDocWord.Document.89q  F#Documento do Microsoft Office Word MSWordDocWord.Document.89q