Problemas da classe Não-Polinomial (NP) são muito difíceis de se resolver com métodos enumerativos pois o tempo de processamento é absolutamente inviável a não ser quando instâncias muito pequenas de problemas estão sendo resolvidas, já que o aumento do tempo do processamento é exponencial.
Para contornar este problema, podem ser usadas heurísticas que em vários casos podem encontrar soluções de boa relação custo(ou tempo de processamento)/benefício, considerando-se os tamanhos da instâncias.
Neste trabalho, é proposta uma abordagem para o Problema do Caixeiro Viajante (PCV) através de um procedimento de busca adaptativa gulosa (GRASP) que usa redes neurais baseadas em mapas auto-organizáveis (SOM) em sua fase construtiva e busca Tabu para o refinamento das soluções.
Experimentos para a dedução dos melhores parâmetros para as redes neurais e busca Tabu também são apresentados neste trabalho. Entre os parâmetros que podem mudar o comportamento do método estão o numero de neurônios em relação ao número de cidades, o modo como é selecionado o neurônio vencedor na fase de competição e o número de neurônios que são influenciados na fase de cooperação.
Outra preocupação é também fazer com que as redes neurais gerem soluções com alta diversidade, o que é fundamental para o GRASP. Após todas as definições básicas, um estudo de abordagens para o Problema de Roteamento de Veículos é apresentado.
login Review the book.