Metaheurística GRASP Reativo Com Aprendizagem por Reforço Aplicado ao Problema não Capacitado de Localização de p-Hub no Setor Aeroviário
Localização de Facilidade, GRASP Reativo com Aprendizagem, p-Hub Aeroviário
O problema de localização de Hubs (Hub Location Problem - HLP), trata da localização de Hubs e alocação de nós de demanda aos Hubs alocados, a fim de rotear tráfego entre os pares origem e destino, ou seja, dado um número n nós de demanda, o fluxo entre os pares origem e destino, deve ser alocado um número p de hubs com o objetivo de minimizar o custo total de transporte. Devido a sua natureza combinatória elevada, o HLP pertence a classe de problemas NP-Difícil, para a resolução de problemas da referida classe é muito comum a utilização de metaheurísticas. A metaheurística GRASP foi introduzida na literatura em 1995 e vem sendo bastante utilizada para resolução dos mais diversos tipos de problemas da classe NP. Em 2000 Prais e Ribeiro propuseram o GRASP Reativo, os alfas com melhores desempenhos possuem uma maior probabilidade de serem escolhidos. Lima Júnior (2009) propôs uma metaheurística híbrida utilizando GRASP com aprendizagem por reforço utilizando o algoritmo Q-Learning, em que a fase construtiva do GRASP foi substituída por uma estratégia para criação da solução para o Problema do Caixeiro Viajante (PCV). Almeida (2014) propôs a utilização do GRASP Reativo com o Q-Learning (QR-Learning) para aperfeiçoamento da escolha do parâmetro alfa, onde a metaheurística aprende com o passar das iterações qual o melhor alfa utilizar para gerar novas soluções iniciais. O presente trabalho propõe a utilização do QR-Learning aplicado ao do Problema não Capacitado de Localização de p-Hub Aplicado ao Setor Aeroviário. Como diferencial este trabalho tem a aplicação do QR-Learning ao Problema de Localização de Hubs e a criação de um framework para QR-Learning possa ser utilizado em outros problemas ou metaheurísticas que necessitem da escolha de um parâmetro para geração de soluções.