Influência dos parâmetros da metaheurística simulated annealing em um problema de planejamento da produção florestal / Influence of simulated annealing parameters in a forest production planning problem

  • Paulo Henrique Batista Ferreira Universidade Federal de Minas Gerais
  • Lisandra Maria Alves Matos Universidade Federal do Paraná
  • Adriana Leandra de Assis Universidade Federal de Minas Gerais
  • Christian Dias Cabacinha
  • Carlos Alberto Araújo Júnior http://orcid.org/0000-0003-0909-8633
Palavras-chave: Planejamento florestal, regulação florestal, inteligência artificial, operational research, forest regulation, artificial intelligence.

Resumo

 

 

A quantidade excessiva de variáveis envolvidas no processo de produção florestal requer a utilização de ferramentas que forneçam respostas com elevado grau de precisão e no menor tempo possível. O presente trabalho visou a avaliação da performance da metaheurística simulated anneling sob diversas combinações de valores para seus parâmetros. O estudo considerou um problema de otimização do planejamento da produção florestal com um horizonte de planejamento de 16 anos, 120 talhões, idades de colheita entre 5 e 7 anos e demanda volumétrica entre 140.000 m³ e 160.000 m³. Foram avaliados três diferentes valores para os parâmetros temperatura inicial, taxa de decaimento da temperatura e número de vizinhos, gerando um total de 27 combinações. Para cada um considerou-se 30 repetições com critério de parada considerando 1000 iterações. O processamento foi realizado utilizando-se o software MeP e para a avaliação estatística aplicou-se o teste não-paramétrico de Kruskal-Wallis. A solução que apresentou maior valor presente líquido (R$ 31.054.933) foi encontrada ao utilizar uma temperatura inicial igual a 106, taxa de decaimento de 0,01 e 30 vizinhos. Porém, todas as soluções encontradas apresentam uma eficácia satisfatória, variando entre 94,97% e 94,16%. Os resultados encontrados permitem concluir que há diferença estatisticamente significativa entre as melhores e as piores combinações de parâmetros. Apesar disso, para que o algoritmo encontre soluções viáveis, tais combinações não são determinantes.

 

Abstract

The excessive quantity of variables in the forest production process requires the use of tools that provide answers with a high degree of accuracy in a shortest possible time. Thus, this work aimed to evaluate simulated annealing metaheuristic performance under different combinations of values for its parameters. The study considered a forest production planning optimization problem with horizon plan of 16 years, 120 stands, harvest age between 5 e 7 years and volumetric demand between 140.000 m³ and 160.000 m³. Three different values were evaluated for the initial temperature, temperature decay rate and amount of neighbors, totaling 27 combinations. For each one, it was considered 30 repetitions with stopping criterion equals to 1000 iterations. The process was performed using MeP software and for the statistic evaluation, it was applied the Kruskal-Wallis test. The solution that showed the highest net present value (R$ 31.054.933) was found using an initial temperature equal to 106, the decay rate of 0,01 and 30 neighbors. All the solutions obtained had a satisfactory efficacy and it ranged from 94,97% to 94,16%. The results found showed a statistically significant difference between the best and the worst combination of parameters. It is possible to conclude that the set of parameters is important to find good solutions but it is not determinant to find viable solutions.

 

Downloads

Não há dados estatísticos.

Biografia do Autor

Paulo Henrique Batista Ferreira, Universidade Federal de Minas Gerais
Estudante de graduação, Instituto de Ciências Agrárias, Engenharia Florestal
Lisandra Maria Alves Matos, Universidade Federal do Paraná
Estudante de Mestrado, Departamento de Engenharia Florestal
Adriana Leandra de Assis, Universidade Federal de Minas Gerais
Professora, Instituto de Ciências Agrárias, Engenharia Florestal
Christian Dias Cabacinha
Professor, Instituto de Ciências Agrárias, Engenharia Florestal
Carlos Alberto Araújo Júnior
Professor, Instituto de Ciências Agrárias, Engenharia Florestal

Referências

Araújo Júnior, C. A. Simulação multiagentes aplicada ao planejamento da produção florestal sustentável. 2012. 75 f. Dissertação (Mestrado em Ciências Florestais). Universidade Federal de Viçosa, Viçosa – MG. Disponível em: https://goo.gl/nAW7HF.

Araújo Júnior, C. A.; Leite, H. G.; Soares, C. P. B.; Binoti, D. H. B.; Souza, A. P.; Santana, A. F.; Torres, 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.

Augustynzik, A. L. D. Planejamento florestal otimizado considerando áreas mínimas e máximas operacionais de colheita. 2014. 185 f., Dissertação (Mestrado em ciências florestais). Universidade Federal do Paraná, Curitiba, 2014. Disponível em: https://goo.gl/v8PDhG.

Binoti, D. H. B, Binoti, M. L. M, Leite, H. G, Gleriani, J. M, Ribeiro, C. A. A. S, 2014. Inclusão e influência de características espaciais em modelos de regulação florestal. Cerne 20:1 57-164. Doi: http://dx.doi.org/10.1590/S0104-77602014000100019

Binoti, D. H. B. Estratégias de regulação de florestas equiâneas com vistas ao manejo da paisagem. 2010. 145 f. Dissertação (Mestrado em Ciências Florestais). Universidade Federal de Viçosa, Viçosa – MG. Disponível em: https://goo.gl/WesmJ6.

Castro, R. R. Regulação de florestas equiâneas incluindo restrições de adjacência. 2007. 64 f. Dissertação (Mestrado em Ciências Florestais). Universidade Federal de Viçosa, Viçosa – MG. Disponível em: https://goo.gl/PUE2jQ.

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

Gomide, L. R, Arce, J. E, Silva, A. C. L, 2013. Comparação entre a meta-heurística simulated annealing e a programação linear inteira no agendamento da colheita florestal com restrições de adjacência. Ciência Florestal 23: 449-460. Doi: http://dx.doi.org/10.5902/198050989289.

Johnson, K. N.; Scheurman, H. L. 1977.Techniques for prescribing optimal timber harvest and investment under different objectives: discussion and synthesis. Forest Science 23. https://doi.org/10.1093/forestscience/23.s1.a0001

Kruskal, W.H, Wallis, W. A, 1950. Use of ranks in one-criterion variance analysis. Jornal of the American Statistical Association 47: 583-621. Disponível em: https://goo.gl/D1xx2G.

Matos, L. M. A. Utilização da metaheurística algoritmo genético em um modelo de regulação da produção florestal. 2017. 47 f. Trabalho de conclusão de curso (Graduação em Engenharia Florestal). Universidade Federal de Minas Gerais. Montes Claros, MG. 2017.

Rodrigues, F. L, Leite, H. G, Santos, H. N, Souza, A. L, Silva, G. F, 2004. 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

Souza, D. O. Algoritmos genéticos aplicados ao planejamento do transporte principal de madeira. 2004. 184 f. Dissertação (Mestrado em ciências florestais). Universidade Federal do Paraná. Curitiba. 2004. Disponível em: https://goo.gl/6ho2i1.

Werneburg, M. A. P. Planejamento em grandes empresas florestais no Brasil. 2015. 95 f. Dissertação (Mestrado em ciências florestais). Universidade Federal do Vale do Jequitinhonha e Mucuri, Diamantina, 2015. Disponível em: https://goo.gl/D2GjAt.
Publicado
2018-07-04
Seção
ARTIGOS ORIGINAIS