Performance de quatro metaheurísticas para solução de um problema de planejamento da produção florestal

Autores

  • Emanuelly Canabrava Magalhães Universidade Federal de Minas Gerais. Instituto de Ciências Agrárias . Montes Claros, MG. Brasil.
  • Carlos Alberto Araújo Júnior Universidade Federal de Minas Gerais. Instituto de Ciências Agrárias. Montes Claros, MG. Brasil. https://orcid.org/0000-0003-0909-8633
  • Francisco Conesa Roca Universidad de Huelva. Huelva. España. https://orcid.org/0000-0002-8722-4263
  • Mylla Vyctória Coutinho Sousa Universidade Federal de Minas Gerais. Instituto de Ciências Agrárias. Montes Claros, MG. Brasil. https://orcid.org/0000-0001-6139-1250

DOI:

https://doi.org/10.35699/2447-6218.2020.15891

Palavras-chave:

Inteligência artifical, Silvicultura, Manejo florestal, Pesquisa operacional

Resumo

O uso da inteligência artificial como ferramenta de auxílio ao planejamento da produção florestal tem ganhado cada vez mais espaço. Destacando-se as metaheurísticas, em função da capacidade de gerar soluções ótimas para determinado problema de otimização em um curto espaço de tempo, sem grande esforço computacional. Pensando nisso, o presente estudo objetiva avaliar o desempenho das metaheurísticas Algoritmo Genético, Simulated Annealing, Variable Neighbourhood Search e Clonal Selection Algorithm aplicadas em um modelo de regulação da produção florestal. Foi considerado um horizonte de planejamento de 16 anos, no qual o modelo apresenta como objetivo a maximização do Valor Presente Líquido (VPL), tendo como restrições idade de corte entre 5 e 7 anos e demanda mínima e máxima madeireira de 140.000 e 160.000 m3, respectivamente. Considerou-se diferentes combinações de configurações para cada uma das metaheurísticas, tempo de processamento de 30 segundos e 30 repetições para cada configuração, sendo todo o processamento realizado no software MeP - Metaheuristics for Forest Planning. A metaheurística Simulated Annealing obteve os melhores resultados quando comparada as demais, atingindo a demanda mínima e máxima exigida em todas as configurações testadas, em contrapartida, o Algoritmo Genético foi o de pior desempenho. Assim, observa-se a capacidade de uso da metaheurística como ferramenta de planejamento florestal.l

Downloads

Não há dados estatísticos.

Referências

Araújo Júnior, C. A.; Leite, H. G.; Soares, C. P. B.; Binoti, D. H. B.; Souza, A. P.; Santana, A. F; Torre, C. M. M. E. 2017. A multi-agent system for forest transport activity planning. Cerne, 23: 329–337. Doi: http://dx.doi.org/10.1590/01047760201723032335.

Araújo Júnior, C. A.; Mendes, J. B.; Cabacinha, C. D.; Assis, A. L. de; Matos, L. M. A.; Leite, H. G. 2018. Meta-heuristic clonal selection algorithm for optimization of forest planning. Revista Árvore, 41: 1–10. Doi: http://dx.doi.org/10.1590/1806-90882017000600007.

Araújo Júnior, C. A. 2012. Simulação multiagentes aplicada ao planejamento da produção florestal sustentável. Viçosa: Universidade Federal de Viçosa. Dissertação.

Binoti, D. H. B.; Binoti, M. L. M. S.; Leite, H. G.; Gleriani, J. M.; Ribeiro, C. A. A. 2014. Inclusão e influência de características espaciais em modelos de regulação florestal. Cerne, 20: 157–164. Doi: http://dx.doi.org/10.1590/S0104-77602014000100019 .

Carvalho, K. H. A.; Silva, M. L.; Binoti, D. H. B.; Binoti, M. L. M. S. 2015. Influência da taxa de juros e do preço da madeira em modelos de regulação florestal. Pesquisa Florestal Brasileira, 35: 143–151. Doi: https://doi.org/10.4336/2015.pfb.35.82.554.

Ezquerro, M.; Pardos, M.; Diaz-Balteiro, L. 2016. Operational research techniques used for addressing biodivertity objetives into forest management: an overview. Forests, 7: 229–247. Doi: https://doi.org/10.3390/f7100229.

Ferreira, P. H. B.; Matos, L. M. A.; Assis, A. L.; Cabacinha, C. D.; Araújo Júnior, C. A. 2018. Influência dos parâmetros da metaheurística simulated annealing em um problema de planejamento da produção florestal. Caderno de Ciências Agrárias, 10: 59–67.

Gomide, L. R.; Arce, J. E.; Silva, A. C. L. 2009. Uso do algoritmo genético no planejamento florestal considerando seus operadores de seleção. Cerne, 15: 460–467.

Matos, L. M. A. 2017. Utilização da metaheurística algoritmo genético em um modelo de regulação da produção florestal. Montes Claros: Universidade Federal de Minas Gerais. Dissertação.

Rodrigues, F. L.; Leite, H. G.; Santos, H. N.; Souza, A. L.; Ribeiro, C. A. A.S. 2004a. Metaheurística simulated annealing para solução de problemas de planejamento florestal com restrições de integridade. Revista Árvore, 28: 247–256. Doi: http://dx.doi.org/10.1590/S0100-67622004000200011.

Rodrigues, F. L.; Leite, H. G.; Santos, H. N.; Souza, A. L.; Silva, G. F. 2004b. Metaheurística algoritmo genético para solução de problemas de planejamento florestal com restrições de integridade. Revista Árvore, 28: 233–245. Doi: http://dx.doi.org/10.1590/S0100-67622004000200010.

Silva, G. F.; Piassi, L.C.; Mora, R.; Martins, L.; Teixeira, A. F.; Júnior, A. A. B. 2009. Metaheurística algoritmo genético na solução de modelos de planejamento florestal. Revista Brasileira de Ciências Agrárias, 4: 160–166. Doi: http://dx.doi.org/10.5039/agraria.v4i2a7.

Werneburg, M. A. P. 2015. Planejamento em grandes empresas florestais no Brasil. Diamantina: Universidade Federal do Vale do Jequitinhonha e Mucuri. Dissertação.

Publicado

2020-02-29

Como Citar

Magalhães, E. C., Araújo Júnior, C. A., Roca, F. C., & Sousa, M. V. C. . (2020). Performance de quatro metaheurísticas para solução de um problema de planejamento da produção florestal. Caderno De Ciências Agrárias, 12, 1–5. https://doi.org/10.35699/2447-6218.2020.15891

Edição

Seção

ARTIGOS ORIGINAIS
Share |

Artigos mais lidos pelo mesmo(s) autor(es)