O PROBLEMA DE CORTE BIDIMENSIONAL GUILHOTINADO NÃO-ESTAGIADO: UMA ABORDAGEM VIA METAHEURÍSTICAS GRASP E BRKGA COM APRENDIZAGEM POR REFORÇO
Otimização combinatória, Corte Bidimensional Guilhotinado Não-estagiado, Metaheurísticas híbridas, Q-Learning.
O Problema de Corte Bidimensional Guilhotinado, muito usado na indústria, tem como objetivo determinar a melhor maneira de se produzir peças retangulares menores, realizando cortes do tipo guilhotina, a partir de placas de tamanho maior. Esse problema é NP-difícil e, portanto, não se pode garantir a obtenção dos melhores resultados para todas instâncias utilizando os métodos exatos, em um tempo computacional viável. Assim sendo, este trabalho propõe uma abordagem metaheurística híbrida, BRKGA (Biased Random-Key Genetic Algorithm) e GRASP (Greedy Randomized Adaptive Search Procedure) com Aprendizagem por Reforço, especificamente o Algoritmo Q-learning. O Q-learning é utilizado como uma estratégia de exploração/explotação para as metaheurísticas. No BRKGA é o gerador da população inicial, e no GRASP, substitui a fase construtiva. Este processo teve como objetivo melhorar a qualidade das soluções iniciais para ambas as metaheurísticas, fazendo com que a busca inicie com boas soluções. Testes computacionais foram realizados sobre classes de instâncias conhecidas da literatura e os métodos propostos se mostraram competitivos e promissores, quando comparados aos resultados de outras metaheurísticas aplicadas ao problema.