Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Araujo, Eliseu Junio [UNIFESP]
Orientador(a): Chaves, Antonio Augusto [UNIFESP]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/48912/001300002swhq
Idioma: por
Instituição de defesa: Universidade Federal de São Paulo (UNIFESP)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
metaheurísticas
otimização
clustering search
Palavras-chave em Inglês:
metaheuristcs
optimization
clustering search
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=2907546
https://repositorio.unifesp.br/handle/11600/47285
Resumo: As metaheurísticas têm sido alvo de pesquisas com o objetivo de encontrar aquelas que possuam maior eficiência para resolver problemas de otimização. Notou-se, durante essa exploração, que as metaheurísticas híbridas são uma boa opção para acentuar as qualidades destes métodos. Este projeto é centrado no método híbrido Clustering Search (CS), tendo como foco o aperfeiçoamento e desenvolvimento de uma nova alternativa para ele, buscando torná-lo um método eficiente, robusto e flexível em termos de qualidade de soluções assim como em tempo computacional. O CS procura combinar meta-heurísticas e heurísticas de busca local, intensificando a busca em regiões do espaço de soluções consideradas promissoras. Neste trabalho é proposta uma nova forma de detectar regiões promissoras, baseado nas técnicas de agrupamento DBScan, Label-propagation e NGI. Para analisar esta abordagem propõe-se resolver um problema de otimização combinatória com diversas aplicações práticas, o problema de localização de rótulos cartográficos. Nos testes computacionais são utilizados problemas testes disponíveis na literatura. Os resultados se mostraram satisfatórios para os agrupamentos feitos com Label-propagation e NGI, mostrando resultados melhores que o CS e demonstrando que são uma boa alternativa de mudança no método.
id UFSP_173d52b2d43b04ea0499b02ca8cc8b17
oai_identifier_str oai:repositorio.unifesp.br:11600/47285
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling Araujo, Eliseu Junio [UNIFESP]Universidade Federal de São Paulo (UNIFESP)Chaves, Antonio Augusto [UNIFESP]2018-07-30T11:44:11Z2018-07-30T11:44:11Z2016-02-15As metaheurísticas têm sido alvo de pesquisas com o objetivo de encontrar aquelas que possuam maior eficiência para resolver problemas de otimização. Notou-se, durante essa exploração, que as metaheurísticas híbridas são uma boa opção para acentuar as qualidades destes métodos. Este projeto é centrado no método híbrido Clustering Search (CS), tendo como foco o aperfeiçoamento e desenvolvimento de uma nova alternativa para ele, buscando torná-lo um método eficiente, robusto e flexível em termos de qualidade de soluções assim como em tempo computacional. O CS procura combinar meta-heurísticas e heurísticas de busca local, intensificando a busca em regiões do espaço de soluções consideradas promissoras. Neste trabalho é proposta uma nova forma de detectar regiões promissoras, baseado nas técnicas de agrupamento DBScan, Label-propagation e NGI. Para analisar esta abordagem propõe-se resolver um problema de otimização combinatória com diversas aplicações práticas, o problema de localização de rótulos cartográficos. Nos testes computacionais são utilizados problemas testes disponíveis na literatura. Os resultados se mostraram satisfatórios para os agrupamentos feitos com Label-propagation e NGI, mostrando resultados melhores que o CS e demonstrando que são uma boa alternativa de mudança no método.Metaheuristcs have been the subject of research with the aim to find those having greater efficiency for solving optimization problems. It was noted during this operation, the hybrid metaheuristics are a good choice to accentuate the qualities of these methods. This project is focused on hybrid method Clustering Search (CS), focusing on the improvement and development of a new alternative for him, trying to make it an efficient, robust and flexible method in terms of quality solutions as well as computational time. CS seeks to combine heuristics and meta-heuristics for local search, intensifying the search for regions of space solutions considered promising. In this project we propose a new way to detect promising regions, based on clustering techniques DBSCAN, Label-propagation and NGI. To analyze this approach is proposed to solve a combinatorial optimization problem with many practical applications, the problem of location of map labels. In computational tests are used test problems from the literature. The results were satisfactory for Label-clusters made with propagation and NGI, showing better results than the CS, and showing that they are a good alternative to changing the method.Dados abertos - Sucupira - Teses e dissertações (2013 a 2016)Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)FAPESP: 2014/00580-084 p.https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=2907546ARAUJO, Eliseu Junio. Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos. 2016. 84 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2016.ELISEU JUNIO ARAUJO.pdfhttps://repositorio.unifesp.br/handle/11600/47285ark:/48912/001300002swhqporUniversidade Federal de São Paulo (UNIFESP)info:eu-repo/semantics/openAccessmetaheurísticasotimizaçãoclustering searchmetaheuristcsoptimizationclustering searchMétodo híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficosHybrid method with detection of promising areas based on density for point feature cartographic label placementinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPSão José dos Campos, Instituto de Ciência e Tecnologia (ICT)Ciência da ComputaçãoCiências exatas e da terraCiência da computaçãoORIGINALELISEU JUNIO ARAUJO.pdfELISEU JUNIO ARAUJO.pdfapplication/pdf5137509https://repositorio.unifesp.br/bitstreams/59bb9ffd-7260-49df-baeb-41661ba666d1/download13a9fe5dd81c042ec6340e479dd3bfadMD51TEXTELISEU JUNIO ARAUJO.pdf.txtELISEU JUNIO ARAUJO.pdf.txtExtracted texttext/plain103836https://repositorio.unifesp.br/bitstreams/894245b9-f353-4d3a-abd7-6cbc59b0f166/download3d67ae94e7706c293b62403d8a45be3aMD52THUMBNAILELISEU JUNIO ARAUJO.pdf.jpgELISEU JUNIO ARAUJO.pdf.jpgGenerated Thumbnailimage/jpeg2381https://repositorio.unifesp.br/bitstreams/16494cb0-855e-4357-91ae-20353fcc2650/downloadd4601812e56ebe492c16c8221919ea7bMD5311600/472852024-08-09 05:12:49.089oai:repositorio.unifesp.br:11600/47285https://repositorio.unifesp.brRepositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-09T05:12:49Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.pt.fl_str_mv Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
dc.title.alternative.en.fl_str_mv Hybrid method with detection of promising areas based on density for point feature cartographic label placement
title Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
spellingShingle Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
Araujo, Eliseu Junio [UNIFESP]
metaheurísticas
otimização
clustering search
metaheuristcs
optimization
clustering search
title_short Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
title_full Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
title_fullStr Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
title_full_unstemmed Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
title_sort Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos
author Araujo, Eliseu Junio [UNIFESP]
author_facet Araujo, Eliseu Junio [UNIFESP]
author_role author
dc.contributor.institution.pt.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.contributor.author.fl_str_mv Araujo, Eliseu Junio [UNIFESP]
dc.contributor.advisor1.fl_str_mv Chaves, Antonio Augusto [UNIFESP]
contributor_str_mv Chaves, Antonio Augusto [UNIFESP]
dc.subject.por.fl_str_mv metaheurísticas
otimização
clustering search
topic metaheurísticas
otimização
clustering search
metaheuristcs
optimization
clustering search
dc.subject.eng.fl_str_mv metaheuristcs
optimization
clustering search
description As metaheurísticas têm sido alvo de pesquisas com o objetivo de encontrar aquelas que possuam maior eficiência para resolver problemas de otimização. Notou-se, durante essa exploração, que as metaheurísticas híbridas são uma boa opção para acentuar as qualidades destes métodos. Este projeto é centrado no método híbrido Clustering Search (CS), tendo como foco o aperfeiçoamento e desenvolvimento de uma nova alternativa para ele, buscando torná-lo um método eficiente, robusto e flexível em termos de qualidade de soluções assim como em tempo computacional. O CS procura combinar meta-heurísticas e heurísticas de busca local, intensificando a busca em regiões do espaço de soluções consideradas promissoras. Neste trabalho é proposta uma nova forma de detectar regiões promissoras, baseado nas técnicas de agrupamento DBScan, Label-propagation e NGI. Para analisar esta abordagem propõe-se resolver um problema de otimização combinatória com diversas aplicações práticas, o problema de localização de rótulos cartográficos. Nos testes computacionais são utilizados problemas testes disponíveis na literatura. Os resultados se mostraram satisfatórios para os agrupamentos feitos com Label-propagation e NGI, mostrando resultados melhores que o CS e demonstrando que são uma boa alternativa de mudança no método.
publishDate 2016
dc.date.issued.fl_str_mv 2016-02-15
dc.date.accessioned.fl_str_mv 2018-07-30T11:44:11Z
dc.date.available.fl_str_mv 2018-07-30T11:44:11Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.pt.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=2907546
dc.identifier.citation.fl_str_mv ARAUJO, Eliseu Junio. Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos. 2016. 84 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.unifesp.br/handle/11600/47285
dc.identifier.dark.fl_str_mv ark:/48912/001300002swhq
dc.identifier.file.none.fl_str_mv ELISEU JUNIO ARAUJO.pdf
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=2907546
https://repositorio.unifesp.br/handle/11600/47285
identifier_str_mv ARAUJO, Eliseu Junio. Método híbrido com detecção de regiões promissoras baseado em densidade para o problema de localização de rótulos cartográficos. 2016. 84 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2016.
ELISEU JUNIO ARAUJO.pdf
ark:/48912/001300002swhq
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 84 p.
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
bitstream.url.fl_str_mv https://repositorio.unifesp.br/bitstreams/59bb9ffd-7260-49df-baeb-41661ba666d1/download
https://repositorio.unifesp.br/bitstreams/894245b9-f353-4d3a-abd7-6cbc59b0f166/download
https://repositorio.unifesp.br/bitstreams/16494cb0-855e-4357-91ae-20353fcc2650/download
bitstream.checksum.fl_str_mv 13a9fe5dd81c042ec6340e479dd3bfad
3d67ae94e7706c293b62403d8a45be3a
d4601812e56ebe492c16c8221919ea7b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1863846495665520640

Registros relacionados