|








|
 


 
|
VII CONGRESSO DE PESQUISA, ENSINO, E EXTENSÃO

Condução de Experimentos
Computacionais com Métodos Heurísticos

 

| 


 |
 


 





 !|| !"!

Roteiro
2

: Introdução
: Objetivos da Pesquisa
: Experimentos com Heurísticas
Introdução
3

: Problemas de Otimização
: Métodos Heurísticos
A Procuram boas soluções viáveis

A Tempo e eficiência são prioridades

Avaliação Empírica de Heurísticas
4

: Experimento computacional: resolver uma série de

instâncias de um problema usando uma
implementação de um algoritmo.

: Apresentação de uma heurística: contribuições

deveriam ser avaliadas cientificamente e relatadas de
uma maneira objetiva (RARDIN, 2001).
Questões de Pesquisa
5

: Quais são os passos a serem seguidos na condução de

experimentos computacionais?
: O que realmente deve ser relatado em um
experimento computacional?
: Quais são as características favoráveis em um
trabalho para o tornar passível de comparação e
reprodução?
Questões de Pesquisa
6

: Qual o conjunto de critérios de qualidade que deve

ser atendido ao relatar um experimento
computacional utilizando heurísticas?
: Em que um modelo experimental pode contribuir na
condução de métodos heurísticos?
Objetivos da Pesquisa
7

: Não há padrão para o relato de experimentos na área

de computação (CROWDER, 1979).

: Compilação de várias sugestões listadas por diversos

pesquisadores:
A (arr et al. (1995), Crowder et al (1979), Johnson (2001),
McGeoch (1996), Moret (2002), Rardin e Uzsoy (2001).
Passos para Condução de Experimentos com
Heurísticas
8

1. Definir os objetivos do experimento;

2. Escolher medidas de desempenho e fatores a
explorar;
3. Projetar e executar o experimento;
4. Analisar os dados e mostrar as conclusões; e
5. Relatar os resultados dos experimentos.
1. Objetivos do Experimento
9

: Especificação clara dos objetivos da pesquisa;

: Levantamento de hipóteses a serem testadas;
: (MORET, 2002) cita alguns procedimentos:
A Testar e melhorar algoritmos para problemas difíceis;

A Comparar algoritmos existentes e estruturas de dados para

problemas tratáveis;
A Comprovar e Refinar Conjecturas;

A Desenvolver bibliotecas para algoritmos básicos e estruturas

de dados;
A Desenvolver ferramentas para facilitar o projeto e análise de
algoritmos.
2. Escolha de Medidas de Desempenho
10

: Medidas de desempenho ((ARR et al., 1995):

A Qualidade da solução;

A Esforço computacional;

A Robustez.
3.Projeto e Execução do Experimento
11

: Escolha de um modelo experimental que se adeque

ao problema em questão.
: Seleção e geração do conjunto de instâncias de teste.
: Execução dos testes;
: Ajustes de Parâmetros.
4. Análise de dados
12

: Aplicação de técnicas estatísticas ou não estatísticas

em relação aos objetivos definidos no início do
experimento.
5. Relato dos Resultados dos Experimentos
13

: Objetivos principais: permitir reprodução e

comparação.
: Detalhes de implementação;
: Configuração de parâmetros;
: Escolhas de estruturas de dados;
: Variância encontrada quando comparadas instâncias
similares ou iguais;
: Tempo de execução do algoritmo comparado com
seus principais concorrentes;
: Ambiente computacional.
Referências (ibliográficas
14

: (ARR, R. S.; GOLDEN, (. L.; KELLY, J. P.; RESENDE, M. G. C.; STEWART,

W. R. #$%&'%'& (') *#+,*-%'& ,' .,/+0-(-%,'(1 #2+#*%/#'-$ 3%-4
4#0*%$-%. /#-4,)$ Journal of Heuristics, v. 1, p. 9-32, 1995.

: CROWDER, H.; DEM(O, R. S.; MULVEY, J. M. ' *#+,*-%'&

.,/+0-(-%,'(1 #2+#*%/#'-$ 3%-4 /(-4#/(-%.(1 $,5-3(*# ACM
Transactions on Mathematical Software, v. 5, n. 2, p.193-203, 1979.

: GREEN(ERG, H. J. ,/+0-(-%,'(1 -#$-%'& 647 4,3 (') 4,3 /0.4

INFORMS Journal on Computing, v. 2, n. 1, p. 94-97,1990.

: HOOKER, J. ##)#) ' #/+%*%.(1 $.%#'.# ,5 (1&,*%-4/$ Operations

Research, v. 42, p. 201-212, 1994.

: HOOKER, J. #$-%'& 4#0*%$-%.$ 6# 4(8# %- (11 3*,'& Journal of

Heuristics, v. 1, p. 33-42, 1995.
Referências (ibliográficas
15

: JAKCSON, R. H. F.; (OGGS, P. T.; NASH, S. G.; POWELL, S. 0%)#1%'#$ 5,*

*#+,*-%'& *#$01-$ ,5 .,/+0-(-%,'(1 #2+#*%/#'-$ *#+,*- ,5 -4# () 4,.
.,//%--## Mathematical Programming, v. 49, n.1, p. 413-425, 1990.

: JOHNSON , D. S.  4#,*#-%.%('9$ 0%)# -, -4# 2+#*%/#'-(1 '(17$%$ ,5

1&,*%-4/$ In: Dagstuhl Seminar on Experimental Algorithmics, Set. 2001.

: LEE, C.-Y.; (ARD, J.; PINEDO, M.; WILHEL, W. E. 0%)#1%'#$ 5,* *#+,*-%'&
.,/+0-(-%,'(1 *#$01-$ %'
 -*('$(.-%,'$ IEEE Transactions, v. 25, n. 6,
p. 121-123, 1993.

: MORET, (. M. E. ,3(*)$ ( )%$.%+1%'# ,5 #2+#*%/#'-(1 (1&,*%-4/%.$
'

,1)3($$#* M. H.; Johnson, D. S.; McGeoch, C. C., editors, Data Structures,
Near Neighbor Searches, and Methodology: Fifth and Sixth DIMACS
Implementation Challenges, volume 59 de DIMACS Monographs, p. 197-213. AMS
Press, 2002.

: RARDIN, R. L.; UZSOY, R. 2+#*%/#'-(1 #8(10(-%,' ,5 4#0*%$-%.

,+-%/%:(-%,' (1&,*%-4/$  -0-,*%(1 Journal of Heuristics, v. 7, n. 3, p. 261-
304, 2001.