09.05.2013 Views

Algoritmos Heurísticos de Cobertura de Arcos

Algoritmos Heurísticos de Cobertura de Arcos

Algoritmos Heurísticos de Cobertura de Arcos

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

O método po<strong>de</strong> ser aplicado eficientemente aos grafos genéricos. Entretanto, po<strong>de</strong>-se<br />

verificar que ambos os tempos <strong>de</strong> processamento, t1 e t2, são fortemente afetados pela<br />

dimensão da matriz <strong>de</strong> custo transformada. Como foi visto, esta dimensão é igual a r+2m,<br />

on<strong>de</strong> r = A e m = E , razão pela qual o método não é indicado para grafos <strong>de</strong>nsos.<br />

O problema <strong>de</strong> maior porte testado foi <strong>de</strong> um grafo pseudo-manhattan, com 1000 nós e<br />

2000 links, dos quais 50% eram orientados. A solução obtida para este ficou 9,7% acima<br />

do limite inferior e 5,2% acima da melhor solução conhecida, no tempo total <strong>de</strong> t3=473<br />

segundos.<br />

É possível fazer uma comparação indireta do método proposto com os algoritmos<br />

Mixed I e Mixed II <strong>de</strong> Pearn e Chou [Pea99]. Eles realizaram testes computacionais para<br />

estes métodos, utilizando um conjunto <strong>de</strong> 120 grafos mistos gerados aleatoriamente, todos<br />

na faixa entre 10 a 35 nós, incluindo 40 problemas com 70% < P ≤ 100% , 40 problemas<br />

com 40% < P ≤ 70% e 40 problemas com 0% < P ≤ 40% , on<strong>de</strong> P representa o percentual<br />

<strong>de</strong> links orientados (arcos), em relação ao número total <strong>de</strong> links ( P ( r*100% ) ( r m)<br />

)<br />

= + .<br />

Para efeito <strong>de</strong> comparação, foi gerado um conjunto <strong>de</strong> 27 grafos aleatórios, com dimensões<br />

e características semelhantes às acima apresentadas. Os testes com estes grafos estão<br />

relatados na Tabela 5.3.<br />

A Tabela 5.4 compara o <strong>de</strong>sempenho dos algoritmos Mixed Aperfeiçoados e o<br />

Método proposto. Vale ressaltar que os algoritmos Mixed I Aperfeiçoado e Mixed II<br />

Aperfeiçoado são os <strong>de</strong> melhor <strong>de</strong>sempenho relatado entre todas as versões dos algoritmos<br />

Mixed, tendo em vista que a versão mais recente, a <strong>de</strong> ½-aproximação, <strong>de</strong>vido a<br />

Raghavachari e Veerasamy [Rag99], não vem acompanhada <strong>de</strong> testes computacionais. A<br />

comparação mostra que, pelo menos para as amostras utilizadas em cada caso, as<br />

abordagens são quase equivalentes quando se trata <strong>de</strong> grafos mistos que se aproximam a<br />

não-orientados ( 0% P 40% )<br />

< ≤ . Entretanto, para os grafos que contém um maior<br />

percentual <strong>de</strong> arcos ( 40% < P ≤ 70% e 70% < P ≤ 100% ) o método proposto se apresenta<br />

superior. Essa diferença se <strong>de</strong>staca mais nos piores casos <strong>de</strong> cada abordagem. Nessa<br />

matéria, a presente abordagem mostrou-se ter um comportamento regular, sem nenhum<br />

resultado ruim surpreen<strong>de</strong>nte. Essa comparação não é conclusiva, uma vez que os testes<br />

foram feitos sobre diferentes conjuntos <strong>de</strong> grafos; logo, as diferenças po<strong>de</strong>m ser também<br />

explicadas pelas estruturas dos grafos em cada conjunto <strong>de</strong> teste.<br />

77

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!