Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/14682
metadata.revistascielo.dc.title: Uso do algoritmo genético no planejamento florestal considerando seus operadores de seleção
metadata.revistascielo.dc.title.alternative: Using genetic algorithm in forest planning considering its selection operators
metadata.revistascielo.dc.creator: Gomide, Lucas Rezende
Arce, Julio Eduardo
Silva, Arinei Carlos Lindbeck da
metadata.revistascielo.dc.subject: Metaheurística
Análise combinatória
Modelo tipo I
Metaheuristic
Combinatory analysis
Model type I
metadata.revistascielo.dc.publisher: Universidade Federal de Lavras (UFLA)
metadata.revistascielo.dc.date: 19-May-2015
metadata.revistascielo.dc.identifier.citation: GOMIDE, L. R.; ARCE, J. E.; SILVA, A. C. L. da. Uso do algoritmo genético no planejamento florestal considerando seus operadores de seleção. CERNE, Lavras, v. 15, n. 4, p. 460-467, out./dez. 2009.
metadata.revistascielo.dc.description.resumo: Conduziu-se este estudo, com o objetivo de testar e analisar quatro tipos de operadores genéticos de seleção (Elitista, Torneio, Roleta e Bi-classista) e definir o melhor. O problema teste de planejamento florestal foi baseado no modelo tipo I de Johnson & Schermann (1977) e aplicado em uma floresta composta por 52 talhões de Eucalipto, sendo geradas 254 alternativas de manejo. O algoritmo genético (AG) foi desenvolvido utilizando a linguagem de programação Microsoft® Visual Basic® e seus parâmetros foram: população inicial (300), crossover (10%), mutação (10%) e replacement (60%). As variáveis mensuradas foram: valor mínimo, médio e máximo; coeficiente de variação para as variáveis fitness e tempo de processamento. Além disso, foi aplicado o teste não paramétrico de Kruskall-Wallis a 5% de probabilidade para analisar as diferenças entre os operadores de seleção, considerando 30 repetições. Os resultados mostraram que os operadores genéticos de seleção apresentaram diferenças ligadas a eficiência e eficácia, segundo o teste não paramétrico de Kruskal-Wallis a 5% de probabilidade. A sequência decrescente de eficiência foi: Bi-classista, Elitista, Torneio e Roleta, já, considerando a eficácia, sua ordem decrescente foi: Roleta, Torneio, Elitista e Bi-classista. Os menores desvios percentuais frente a solução ótima foram: 2,75% (Elitista), 2,15% (Torneio), 0,90% (Roleta) e 2,40% (Bi-classista). O melhor operador de seleção testado foi o programado via Roleta.
metadata.revistascielo.dc.description.abstract: This study tested and analyzed four selection operators (Elitist, Tournament, Roulette wheels and Bi-classist) and defined the best one.  The forest planning problem test was based on the Johnson & Schermann (1977) type I model encompassing 52 eucalyptus stands, where 254 forest management prescriptions were created. The genetic algorithm (GA) was built in Visual Basic® Microsoft® and its sets of parameters were: initial population (300), crossover (10%), mutation (10%) and replacement (60%). The measuring variables were: minimum, median and maximum values; coefficient of variation for the fitness and the processing time.  It was also applied the nonparametric Kruskal-Wallis test with 5% of the probability to check the differences among selection operators of 30 samples. The results showed that the selection operators presented different efficiency and effectiveness according to Kruskal-Wallis test for 5% of probability. The decreasing sequence of efficiency was: Roulette wheels, Tournament, Elitist and Bi-classist. The lower percentage deviations matched from the exact solution were: 2.75% (Elitist), 2.15% (Tournament), 0.90% (Roulette wheels) and 2.40% (Bi-classist). The best selection operator tested was the one that follows the Roulette wheels. 
metadata.revistascielo.dc.language: por
Appears in Collections:CERNE



This item is licensed under a Creative Commons License Creative Commons