English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Problemas de otimização têm como foco principal encontrar uma solução viável entre alternativas possíveis. O Traveling Salesman Problem (TSP) pertence a esta classe de problemas. No entanto, devido a existência de uma variada pluraridade de dimensões e variáveis, as quais compõe o TSP, não é possível encontrar sua solução viável em um tempo polinomial definido. E, é por isso, que é considerado um dos problemas difíceis de NP-hard. Por esses motivos, apresentamos proposta de um Genetic Algorithm (GA) híbrido para resolução do Traveling Salesman Problem (TSP), no qual o operador de crossover é empregado em uma aplicação local. Esta aplicação obteve soluções adequadas para um ambiente urbano, com um tempo computacional aceitável para o TSP, integrando o GA e as condições ambientais locais. Os resultados experimentais ilustram que a proposta apresentada além de atender as condicionantes locais da unidade de pesquisa, também, pode ser utilizada em outras situações, sendo parametrizável e adaptável a outros algoritmos genéticos, fornecendo com isso, precisão e eficiência satisfatória no processamento real da otimização.

Algoritmo genético aplicado ao problema de roteamento de veículos: problema do caixeiro viajante no setor varejista