Performance of four meta-heuristics to solve a forestry production planning problem
DOI:
https://doi.org/10.35699/2447-6218.2020.15891Keywords:
Artificial intelligence, Forestry, Forest management, Operational researchAbstract
The use of artificial intelligence as a tool to aid in the planning of forest production has gained more and more space. Highlighting the metaheuristics, due to the ability to generate optimal solutions for a given optimization problem in a short time, without great computational effort. The present study aims to evaluate the performance of the metaheuristics Genetic Algorithm, Simulated Annealing, Variable Neighborhood Search and Clonal Selection Algorithm applied in a model of regulation of forest production. It was considered a planning horizon of 16 years, in which the model aims to maximize the Net Present Value (NPV), having as restrictions age of cut between 5 and 7 years and minimum and maximum logging demand of 140,000 and 160,000 m3, respectively. Different combinations of configurations were considered for each of the metaheuristics, 30-second processing time and 30 replicates for each configuration, all processing being performed in MeP - Metaheuristics for forest Planning software. The Simulated Annealing metaheuristic obtained the best results when compared to the others, reaching the minimum and maximum demand demanded in all tested configurations, in contrast, the Genetic Algorithm was the one with the worst performance. Thus, the capacity to use metaheuristics as a tool for forest planning is observed.
Downloads
References
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.
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Agrarian Sciences Journal
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish in this journal agree to the following terms:
The Copyright for articles published in this journal follow authorship. The articles are open access, with their own attributions, in educational and non-commercial applications.
The journal reserves the right to make regulatory, orthographic and grammatical changes in the originals, with the aim of maintaining the standard language and the credibility of the vehicle. It will respect, however, the writing style of the authors.
Changes, corrections or suggestions of conceptual order will be forwarded to the authors, when necessary. In such cases, the articles, once appropriate, should be submitted for further consideration.
The opinions issued by the authors of the articles are their sole responsibility.
Agrarian Science Journal is licensed under a 