аЯрЁБс>ўџ &(ўџџџ%џџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџьЅСq`№ПЈbjbjqPqP4::ЈџџџџџџЄ.......B†††† ’ B1 HЊЊЊЊЊЊЊЊАВВВВВВ$y hс Jж.ЊЊЊЊЊж..ЊЊыtttЊŽ.Њ.ЊАtЊАtt..tЊž €gжdе†8tœ 01 t+ N+ t+ .t(ЊЊtЊЊЊЊЊжжj ЊЊЊ1 ЊЊЊЊBBBD†BBB†BBB......џџџџ Resumo: Esta tese relata, na forma de uma coletтnea de trъs artigos, aplicaчѕes de heurэsticas baseadas em algoritmos genщticos com chaves aleatѓrias tendenciosas (BRKGA) em dois diferentes problemas de otimizaчуo: quasi-clique de cardinalidade mсxima (MQCP) e minimizaчуo do nњmero total de comprimentos de onda necessсrios para rotear demandas de caminhos ѓticos programadas (RWA-SSLD). Para o primeiro problema, as variantes de BRKGA propostas obtiveram melhores resultados quando comparadas aos obtidos pela heurэstica estado-da-arte da literatura. Jс para o RWA-SSLD, os resultados do BRKGA proposto superaram os alcanчados por uma heurэstica construtiva multipartida, e os obtidos pela heurэstica estado-da-arte da literatura. Todos os dados de entrada para as instтncias utilizadas nos experimentos computacionais relatados na tese e nos artigos associados estуo disponэveis na plataforma Mendeley. Palavras-chave: Algoritmos genщticos com chaves aleatѓrias tendenciosas; metaheurэsticas; heurэsticas; quasi-clique de cardinalidade mсxima; minimizaчуo do nњmero total de comprimentos de onda necessсrios para rotear demandas programadas. Abstract: This dissertation reports, in the form of a collection of three articles, applications of biased random key genetic algorithms (BRKGA) to two different optimization problems: the maximum cardinality quasi-clique problem (MQCP) and routing and wavelength assignment under a sliding scheduled traffic model in WDM optical networks (RWA-SSLD). With respect to the first problem, the proposed BRKGA variants outperformed state-of-the-art heuristics in the literature. Regarding RWA-SSLD, the results reached by the biased random-key genetic algorithm outperformed those achieved by a multi-start constructive heuristic and those obtained by a state-of-the-art heuristic in the literature. All the input data for the test instances used in the computational experiments reported in this dissertation and in the associated articles are available in the Mendeley repository. Keywords: Biased random-key genetic algorithms; metaheuristics; heuristics; maximum quasi-clique problem; routing and wavelength assignment under a sliding scheduled traffic model. Œ › ‚ Š ‹ ђћЈьлЪИЪ ‹v`v+hт ЇhМ@r5CJOJQJ^JaJmH sH (hт ЇhМ@rCJOJQJ^JaJmH sH (hт Ї5CJOJQJ\^JaJmH sH .hт ЇhМ@r5CJOJQJ\^JaJmH sH #hт ЇhМ@r5CJOJQJ^JaJ hт ЇhМ@rCJOJQJ^JaJ hт Ї5CJOJQJ\^JaJ&hт ЇhМ@r5CJOJQJ\^JaJ  ‹ Œ { | } ~  €  ‚ Œ  ёђЇЈњјѓјѓѓѓѓѓѓѓѓњѓѓѓѓѓ$a$gdт ЇЈ§2P:pМ@rА‚. АЦA!Аn"Аn#n$n%ААаАа а†œ˜žžžžžžžž666666666vvvvvvvvv6666668666666666666666666666666666Ј6666666666И666666666666hH66666666666666666666666666666666666666666666666666666666666666666А6X@ёџX Normal*$,CJKHOJQJ^J_HaJmHnHsHtH>AђџЁ> 0Fonte parсg. padrуoTiѓџГT 0 Tabela normalі4ж l4жaі ,kєџС, 0 Sem lista JўOJ 0Tэtulo1 $Є№ЄxCJOJQJ^JaJBB@B 0Corpo de texto dЄŒLўЂL sB0 Char Char CJKHOJQJ^JaJnHtH&/@"& 0Lista<"@2< 0Legenda  $ЄxЄx6],ўOB, 0Эndice $Јџџџџ ‹Œ{|}~€‚ŒёђЇЊ˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€Ј Ј Ј ифKQ •ЁРЮ‰ефѓџ^dмф"0ЊgyЊ ‚ЊЊх5М@rт Їг}хЇЊџ@€№XЫ22Ј@@џџUnknownџџџџџџџџџџџџGџ:рAxР џTimes New Roman5€Symbol3& џ:рCxР џArialIџрџxP!ПLiberation SerifG& џрџxP!ПLiberation Sans"Aˆ ЄЉАtgg2v‡ZNZN! €24ЄЄ џџ(№џ$Pџџџџџџџџџџџџџџџџџџџџџг}хВџџResumoHelioHelioўџр…ŸђљOhЋ‘+'Гй0l˜ЈДФамь ќ ( 4 @LT\dфResumoHelioNormalHelio4Microsoft Office Word@Œ†G@Hч`Eъд@ЪЃаdеZNўџеЭеœ.“—+,љЎ0№ hp|„Œ” œЄЌД М ЯфЄц Resumo Tэtulo ўџџџўџџџўџџџ !"#$ўџџџ§џџџ'ўџџџўџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџRoot Entryџџџџџџџџ РFp“жdе)€1Tableџџџџџџџџ WordDocumentџџџџџџџџ4SummaryInformation(џџџџDocumentSummaryInformation8џџџџџџџџџџџџCompObjџџџџџџџџџџџџuџџџџџџџџџџџџџџџџџџџџџџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџўџ џџџџ РF#Documento do Microsoft Office Word MSWordDocWord.Document.8є9Вq