Uso do algoritmo genético no planejamento florestal considerando seus operadores de seleção

Abstract

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.

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.