Influência dos parâmetros da metaheurística algoritmo genético em um problema de planejamento florestal

Abstract

Resumo Este trabalho objetivou avaliar o comportamento de diferentes parâmetros da metaheurística Algoritmo Genético para solução de problemas do planejamento florestal. O estudo considerou um horizonte de planejamento de 16 anos, analisando-se como parâmetros da metaheurística a utilização de elitismo, o tipo de cruzamento (1 ponto de corte e uniforme), o tipo de seleção dos pais para cruzamento (roleta e torneio) e tipo de mutação (escolha aleatória do gene e gene a gene), totalizando 16 combinações. Adicionalmente foram avaliados o tamanho da população inicial (20, 50 e 80 indivíduos) e o critério de parada (100, 300 e 500 gerações), totalizando 9 combinações. Cada uma dessas combinações foi considerada como um tratamento e processada com 30 repetições. O problema objetivou encontrar um cenário de planejamento da produção florestal que retornasse o máximo valor presente líquido sujeito às restrições de idade de corte (entre 5 e 7 anos), demandas mínima e máxima anual (140.000 m³ e 160.000 m³, respectivamente) e integridade. O processamento foi efetuado utilizando-se o software M eP. Aplicou-se o teste não-paramétrico de Kruskal-Wallis. Os resultados mostram que há diferença estatisticamente significativa, a 5% de probabilidade, entre as combinações dos parâmetros. Conclui-se que a qualidade das soluções geradas pela metaheurística algoritmo genético é dependente da seleção de uma boa configuração de seus parâmetros. A melhor solução foi encontrada utilizando a seguinte configuração: elitismo, cruzamento de 1 ponto, seleção do tipo torneio, mutação do tipo gene a gene, população inicial com 50 indivíduos e critério de parada com 500 gerações. Palavras-chave: Inteligência artificial, Planejamento florestal, M anejo e gerenciamento de florestas, Programação matemática.

Can Linear Programming Assist Metaheuristics in Forest Production Planning Problem?

“…In the current study, the GA configuration used accounted for an initial population of 50 individuals and the selection of parents via the tournament method at a rate of 0.80; for the crossover with one breakpoint, a geneto-gene mutation rate of 0.01 with elitism was applied, and the final solution was obtained after 100 generations. These values were obtained from the study of Matos et al (2019).…”

“…In several cases, the best management alternative must be defined for each stand without permission to fractionate its area, which results in binary responses (harvesting or not harvesting a stand in a specified year). This requires the use of whole mixed programming (Silva et al, 2003) or metaheuristics (Araújo Júnior et al (2018), Matos et al (2019), andFerreira et al (2018)).…”

Uma revisão crítica das ferramentas de pesquisa operacional aplicada ao planejamento florestal nos periódicos brasileiros

“…O planejamento das atividades em qualquer empreendimento é tarefa primordial, sendo responsável por definir de forma antecipada os objetivos a serem atingidos e um conjunto de planos e ações para alcançá-los, de forma a utilizar os recursos disponíveis de forma otimizada. São estabelecidos três níveis de planejamento, o estratégico (longo prazo), o tático (médio) e o operacional (curto prazo), definidos para objetivos organizacionais, departamentais e específicos, respectivamente (MATOS et al, 2019). Métodos de otimização são ferramentas de auxílio ao planejamento, visto que possibilitam o uso ótimo de recursos limitados para alcance de determinado objetivo, seja ele de maximização ou minimização (FILIPPI et al, 2017).…”