You are on page 1of 57

Problemas Clssicos da

Computao: Caixeiro Viajante


(TSP)
Uma soluo baseada na heurstica da Colnia de Formigas (AC)

Joo Paulo de Menezes


Rodrigo de Deus Almeida

Sumrio
Introduo
Heurstica: Colnia de Formigas
Desafios
Metodologia
Problemas
Resultados e Concluses
Referncias

PCC Joo P. Menezes Rodrigo D. Almeida

Introduo
Suponha que um caixeiro viajante tenha de visitar n cidades diferentes,
iniciando e encerrando sua viagem na ultima cidade*. Suponha, tambm,
que no importa a ordem com que as cidades so visitadas e que de cada uma
delas pode-se ir diretamente a qualquer outra.

O problema do caixeiro viajante consiste em descobrir a rota que torna


mnima a viagem total.
*Normalmente o problema consiste em terminar a viajem na cidade inicial

PCC Joo P. Menezes Rodrigo D. Almeida

Introduo
O problema do caixeiro um clssico exemplo de problema de
otimizao combinatria. A primeira coisa que podemos pensar para resolver
esse tipo de problema reduzi-lo a um problema de enumerao: achamos
todas as rotas possveis e, usando um computador, calculamos o comprimento
de cada uma delas e ento vemos qual a menor. Porm, mesmo com o poder
de processamentos dos computadores modernos, o custo computacional para
enumerar todas as possveis combinaes segue uma ordem de proporo
(n-1)!, ou seja, para um grafo de 25 cidades, sero necessrios 1.15x1025
de operaes, logo o tempo necessrio para processamento total seria de 470
milhes de anos*.
* Considerando que o computador consiga realizar 42 milhes de operaes por segundo.

PCC Joo P. Menezes Rodrigo D. Almeida

Introduo
Na computao, quando problemas dessa categoria so apresentados,
normalmente a soluo dada por meio de uma heurstica, que um grupo
de estratgias de algoritmo que possuem as caractersticas:

Um tempo de execuo aceitvel.


Trazer a soluo tima ou provavelmente boa para o problema em todos os
casos.
Existem diversas heursticas capazes de trazer uma resposta relativamente
boa para o caixeiro viajante, mas a que ser tratada neste trabalho a Colnia
de Formigas.
PCC Joo P. Menezes Rodrigo D. Almeida

Heursticas: Colnia de Formigas


Colnia de formigas uma heurstica baseada em populao e inspirada no
comportamento forrageiro das formigas.

Muitas espcies de formigas so quase cegas.


A comunicao entre as formigas realizada atravs de uma substncia
qumica denominada de feromnio.

Em algumas espcies, o feromnio usado para criar caminhos (trilhas de


formigas).

PCC Joo P. Menezes Rodrigo D. Almeida

Heursticas: Colnia de Formigas


b)

a)

c)

PCC Joo P. Menezes Rodrigo D. Almeida

Heursticas: Colnia de Formigas

Ao caminhar, as formigas depositam no cho o feromnio, formando, deste


modo, uma trilha de feromnios.

As formigas sentem o cheiro do feromnio, e quando elas tm que escolher


um caminho, escolhem, com maior probabilidade, o caminho com maior
quantidade de feromnio (cheiro mais forte).

A trilha ajuda a formiga a achar o caminho de volta e as outras formigas a


encontrar a fonte de alimentos.

PCC Joo P. Menezes Rodrigo D. Almeida

Heursticas: Colnia de Formigas

Ao caminhar, as formigas depositam no cho o feromnio, formando, deste


modo, uma trilha de feromnios.

As formigas sentem o cheiro do feromnio, e quando elas tm que escolher


um caminho, escolhem, com maior probabilidade, o caminho com maior
quantidade de feromnio (cheiro mais forte).

PCC Joo P. Menezes Rodrigo D. Almeida

Heursticas: Colnia de Formigas


O Algoritmo trabalha em duas etapas: Descobrimento e Refinamento.
Na etapa de Descobrimento, um nmero R de formigas so introduzidas no
grafo. A rota descoberta por essa formiga construda de forma totalmente
aleatria.

Na etapa de Refinamento, um nmero F de formigas so introduzidas no


grafo por T vezes. A rota descoberta por essa formiga construda baseada
em uma funo de peso para cada aresta selecionada.

Ao final da execuo, retornado o caminho de menor custo encontrado.


PCC Joo P. Menezes Rodrigo D. Almeida

10

Heursticas: Colnia de Formigas

Sempre que uma formiga atravessa uma aresta, seu valor de feromnio
aumentada proporcionalmente a uma taxa definida.

A toda rodada T de colnias de F formigas, a quantidade de feromnio


reduzida proporcionalmente a uma taxa definida.

PCC Joo P. Menezes Rodrigo D. Almeida

11

Desafios
Encontrar uma relao funcional entre o Grafo e valores de R, F, T, e ;
Encontrar um bom valor de taxa de depsito e evaporao de feromnio nas
arestas.

Definir uma funo equilibrada de seleo de arestas por formigas, de modo


que evite uma convergncia precoce e que permita uma descoberta mais
ampla das possibilidades de caminho.

Harmonia dos parmetros.


R: Quantidade de formigas na primeira etapa (Descobrimento)
F: Quantidade de formigas na segunda etapa (Refinamento)
T: Quantidade de iteraes da segunda etapa (Tempo)

PCC Joo P. Menezes Rodrigo D. Almeida

12

Metodologia
A estratgia de implementao deste trabalho foi inspirada nos trabalhos
realizado por FERREIRA (2008) e LACERDA (2008), nos quais optamos por
utilizar parte de suas metodologias e adaptar parte do algoritmo para a
variao do PCV que estamos trabalhando.

A linguagem utilizada foi o Java (JDK 1.8).

PCC Joo P. Menezes Rodrigo D. Almeida

13

Metodologia
DC das classes abstratas Formiga e Caminho

PCC Joo P. Menezes Rodrigo D. Almeida

14

Metodologia

A primeira etapa do algoritmo foi definida da seguinte forma:


para r = 1 at R
Cria uma nova formiga r (incio,fim)
enquanto a formiga r no construir completar o caminho
selecionaAProximaCidadeAleatoriamente

fim enquanto
se Lr < L* ento
C* = Cr
reconpensaCaminho(Cr)

senao

* = Melhor caminho

L = Custo do Caminho

atualizeFeromonio(Cr)
fim seno

C = Caminho

fim para
PCC Joo P. Menezes Rodrigo D. Almeida

15

Metodologia
A seleo da prxima cidade aleatria foi feita de seguinte forma:
numCidades numCidadesRestantes
indiceDaProximaCidade random(1..numCidades)
proximaCidade buscaCidadePorIndice(indiceDaProximaCidade)
insereCaminho(buscaAresta(atual, proximaCidade))
atual proximaCidade
removeRestantes(proximaCidade)

insereVisitados(proximaCidade)

De forma que random retorne um nmero aleatrio de distribuio uniforme


PCC Joo P. Menezes Rodrigo D. Almeida

16

Metodologia
A segunda etapa do algoritmo foi definida da seguinte forma:
para t = 1 at T
para f = 1 at F

Cria uma nova formiga f (incio,fim)


enquanto a formiga r no construir completar o caminho
selecionaAProximaCidade
fim enquanto

se Lf < L* ento
C* = Cf
reconpensaCaminho(Cf)
seno
AtualizeOsferomonios(Cf)
fim para
evaporaFeromonio()
fim para
PCC Joo P. Menezes Rodrigo D. Almeida

17

Metodologia: Atualizao de Feromnio


No feromnio ij associado a aresta (i,j) ocorre trs eventos:
1.

A evaporao: Evita que o feromnio acumulado cresa indenidamente e


permite esquecer pobres decises do passado da busca.

2. O depsito de feromnio de todas as formigas que passaram sobre (i,j).


3. O bnus de feromnio depositado nas arestas pertencentes ao caminho
que conseguiu melhorar o melhor caminho naquela instncia.

PCC Joo P. Menezes Rodrigo D. Almeida

18

Metodologia: Atualizao de Feromnio


A evaporao definida como:

ij = (1 ) * ij
onde: 0 < < 1 a taxa de evaporao de feromnio.

PCC Joo P. Menezes Rodrigo D. Almeida

19

Metodologia: Atualizao de Feromnio


O depsito de feromnio dado por:

ij = Q /Lf
onde:
Q uma constante (Taxa de depsito).
Lf = Custo total do caminho.
Foi observado no desenvolvimento do trabalho que:

Q Custo das arestas do grafo


PCC Joo P. Menezes Rodrigo D. Almeida

20

Metodologia: Atualizao de Feromnio


O bnus de feromnio dado por:

ij = Q /Lf * B
onde:
Q uma constante (Taxa de depsito).

Lf = Custo total do caminho.


B uma constante (Taxa de bons de feromnio).

PCC Joo P. Menezes Rodrigo D. Almeida

21

Metodologia: Escolha da Prxima Cidade


1 Etapa
B

Caminho: A

PCC Joo P. Menezes Rodrigo D. Almeida

22

Metodologia: Escolha da Prxima Cidade


1 Etapa
B

C
Caminho: A - B
A

PCC Joo P. Menezes Rodrigo D. Almeida

23

Metodologia: Escolha da Prxima Cidade


1 Etapa
B

50%
D

Caminho: A B - D

PCC Joo P. Menezes Rodrigo D. Almeida

24

Metodologia: Escolha da Prxima Cidade


1 Etapa
B

Caminho: A B D -C

PCC Joo P. Menezes Rodrigo D. Almeida

25

Metodologia: Escolha da Prxima Cidade


1 Etapa
B

Caminho: A B D C - E

PCC Joo P. Menezes Rodrigo D. Almeida

26

Metodologia: Escolha da Prxima Cidade


2 Etapa

PCC Joo P. Menezes Rodrigo D. Almeida

27

Metodologia: Escolha da Prxima Cidade


A probabilidade da formiga f que est na cidade i de escolher a cidade j
dada pela regra:

onde:
ij feromnio associado a aresta (i,j);

e so parmetros para determinar a inuncia do feromnio e da informao


heurstica;
Nk i a vizinhana factvel da formiga k (i.e., o conjunto das cidades ainda no
visitadas pela formiga k).
PCC Joo P. Menezes Rodrigo D. Almeida

28

Metodologia: Escolha da prxima Cidade


O valor ij inversamente proporcional a distncia dij entre as cidades i e j:

Em outras palavras, quanto maior a distncia entre as cidades i e j, menor a probabilidade


dessa cidade ser escolhida.

PCC Joo P. Menezes Rodrigo D. Almeida

29

Metodologia: Escolha da prxima Cidade


O valor de Pkij comparado a um valor aleatrio R multiplicada por um fator de
aceitao, onde 0 > R > 1:
SelecionaProximaCidade()
para j = 1 at cidadesRestantes
Calcule Pkij
R sorteio() * aceitao
se Pkij > R, ento
a cidade j selecionada
retorno
fim se

fim para
aceitao aceitao / A

// Caso nenhuma cidade foi escolhida

PCC Joo P. Menezes Rodrigo D. Almeida

30

Metodologia: Escolha da prxima Cidade

Aceitao:

Trata-se de um atributo de cada formiga, inicialmente definido, e que pode ter seu
valor alterado caso nenhuma cidade seja escolhida durante um escaneamento das
cidades vizinhas.
Sua funo aumentar as chances das arestas serem selecionada, reduzindo o nmero
aleatrio gerado, evitando um possvel lao infinito caso nenhuma arestas possui Pkij
menor que o nmero aleatrio.

A: Constante que representa a taxa da aceitao, sua funo aumentar as chances de Pkij
ser maior que o nmero aleatrio, reduzindo-o com um divisor. Sempre utilizado no
momento em que todas as arestas foram visitadas, mas nenhuma foi selecionada.

PCC Joo P. Menezes Rodrigo D. Almeida

31

Metodologia: Escolha da prxima Cidade

Aceitao:
O valor inicial da aceitao deve ser proporcional ao nmero de arestas contidos no
grafo para que haja uma melhor taxa de seleo de arestas, como representado no
exemplo abaixo:
N = 100

PkA1 = (60 * 1/500) / (3)


PkA1 = 0,04
C = 600 F = 11
Ou seja, o valor de R deve ser < que 0,04
para que a aresta A1 seja selecionada.
PCC Joo P. Menezes Rodrigo D. Almeida

32

Metodologia: Escolha da prxima Cidade

Aceitao:

Quando a quantidade de arestas aumentam, a quantidade de feromnio total


depositadas em todas as aresta tambm aumenta, interferindo no calculo de
probabilidade de seleo de arestas.
N = 1000

PkA1 = (60 * 1/500) / (160)


PkA1 = 0,00075

C = 600 F = 11

O nmero de arestas proporcional a


quantidade de nos restantes das arestas
tornando o nmero pequeno demais para ser
selecionado com um R comum.

PCC Joo P. Menezes Rodrigo D. Almeida

33

Metodologia: Escolha da prxima Cidade

Portanto com o sistema de reduo do R por meio da varivel aceitao funcionaria da


seguinte forma:

Um nmero decimal aleatrio (0 < n < 1) seguindo um distribuio normal, ter o valor mdio
= 0,5, consideraremos que este valor ser assumido em toda iterao.
O multiplicador aceitao inicialmente ter o valor = 1.
Logo, na primeira iterao, R = 0.5 * 1 = 0.5
Para A1, 0,00075 > 0.5 falso, portanto a aresta A1 no selecionada.
Caso nenhuma aresta seja selecionada nesta rodada, o valor da varivel aceitao sofrer
reduo por meio da taxa de reduo A. (Considerando A = 10).
A varivel de aceitao assumira o valor de 1/10 = 0.1

Desta forma, na segunda iterao, R = 0.5 * 0.1 = 0.05


Mesmo com a reduo do valor de R, a aresta A1 no ser selecionada nessa iterao.
Somente na iterao 3, na qual a aceitao ser =0.001 poder tornar o valor da P da aresta A1
aceitvel para a seleo (0,00075 > 0,0005).
PCC Joo P. Menezes Rodrigo D. Almeida

34

Metodologia: Algoritmo A e Algoritmo B

Um dos objetivos deste trabalho implementar duas verses do algoritmo da colnia


de formigas e realizar uma comparao estatstica entre eles.
A primeira verso denominada de algoritmo A a verso tradicional do algoritmo,
apresentada anteriormente.
A segunda verso, denominada de algoritmo B uma verso do algoritmo da colnia
em que a seleo da cidade feita pelo algoritmo da roleta viciada

PCC Joo P. Menezes Rodrigo D. Almeida

35

Metodologia: Algoritmo A e Algoritmo B


Roleta Viciada: Exemplo
12
10

A6
20%

A1
40%

A5
20%

8
6

A4
10%

A3
5%

A2
5%

4
2
0

A1

A2

A3

PCC Joo P. Menezes Rodrigo D. Almeida

A4

A5

A6

36

Metodologia: Algoritmo A e Algoritmo B


O valor de Pkij somado com os valores de Pk das iteraes anteriores, acumulando o valor na
varivel acumulo, que comparada a um valor aleatrio entre 0 e 1, se o acumulo for maior, a
cidade j selecionada:
SelecionaProximaCidade()

R random(0..1)

acumulo 0
para j = 1 at cidadesRestantes
Calcule Pkij
acumulo acumulo + Pkij

se acumulo > R, ento


a cidade j selecionada

retorno
fim se

fim para
PCC Joo P. Menezes Rodrigo D. Almeida

37

Problemas

O principal problema encontrado justamente a definies das constantes G, B e A,


taxas de crescimento e evaporao e proporo de R, F, T, e em relao ao grafo.
Como o algoritmo de colnias de formigas possui um grande nmero de operaes nas
arestas do grafo, percebemos que esse algoritmo pode no to eficientes com grafos
que possuem um grande nmero de arestas, principalmente os grafos totalmente
conectados, no qual a quantidade de arestas igual a (N-1)2, onde N igual ao numero
de vrtices no grafo.

PCC Joo P. Menezes Rodrigo D. Almeida

38

Problemas
Com um grande aumento na quantidade de arestas, o resultado do calculo da
probabilidade da formiga f selecionar a cidade c torna cada vez menor, e mais trabalhoso
de se tratar:

?!??

PCC Joo P. Menezes Rodrigo D. Almeida

39

Resultados e Concluses

Nesta sesso, iremos apresentar os resultados obtidos pelas duas verses do algoritmo em
3 diferentes cenrios: Um grafo de 50 vrtices completos*, um grafo de 100 vrtices
completos** e um grafo de 200 vrtices completos***.
Ser realizada uma comparao nos quesitos de custo e tempo de execuo entre as duas
verses do algoritmo.
A mquina que executou as instncias do algoritmo possua as seguintes configuraes:

Windows 10 64 bits
Java build 1.8.0_65-b17
Intel Core i5-3230M 2.60 GHz
6.0 GB de memria RAM

Disponvel em: https://goo.gl/enlK8a

** Disponvel em: https://goo.gl/Lhup4i


*** Disponvel em: https://goo.gl/rneJXF

PCC Joo P. Menezes Rodrigo D. Almeida

40

Resultados e Concluses
Grafo de 50 vrtices

Parmetros:

=1
=2
Taxa de Reduo de Feromnio = 0.9
Taxa de Bnus de Feronomio = 10
Aceitao = 1
A = 1.5
N = numVertices * 100 = 50 * 100 = 5000
F = numVertices * 1 = 50

T = numVertices * 2 = 100
Q = peso de uma aresta sorteada * numVertices
Cidade inicial = 1
Cidade final = 50
PCC Joo P. Menezes Rodrigo D. Almeida

41

Resultados e Concluses

Custo Guloso: 4375.453

50 Vrtices - Custo
Algoritmo A

Algoritmo B

Diferena

3329,74
3239,8071
3442,649
3442,649
3239,8071
3239,8071
3375,6985
3385,2966
3206,5024
3427,2634
3233,6187
3479,2058
3360,1423
3233,6187
3239,8071
3268,7136
3239,8071
3445,5684
3239,8071
3436,9868
3239,8071

3285,9058
3206,5024
3188,0059
3185,3755
3159,57
3241,056
3351,982
3206,5024
3351,982
3374,9062
3426,6118
3445,5684
3261,5059
3262,7896
3321,4976
3353,385
3148,635
3230,9766
3188,0059
3387,9766
3319,3271

43,8342
33,3047
254,6431
257,2735
80,2371
-1,2489
23,7165
178,7942
-145,4796
52,3572
-192,9931
33,6374
98,6364
-29,1709
-81,6905
-84,6714
91,1721
214,5918
51,8012
49,0102
-79,52

42

Resultados e Concluses
Custo 50 Vrtices
Media
Desvio Padro

40,392
120,674

Intervalo de Confiana 40,392 42,13340087 =


-1,741...82,522
(90%)
Podemos afirmar com 90% de confiana que os 2 algoritmos apresentam resultados iguais
PCC Joo P. Menezes Rodrigo D. Almeida

43

Resultados e Concluses
50 Vrtices Tempo (Segundos)
Algoritmo A
Algoritmo B
Diferena
37,836
38,692
38,023
35,573
37,482
38,909
39,141
38,996
39,962
37,116
40,127
38,538
38,062
38,728
39,842
37,06
39,642
36,656
36,559
38,816
39,714

37,413
38,291
35,838
37,383
37,085
39,018
36,889
38,731
35,274
38,559
38,885
38,55
36,201
38,897
38,843
37,691
36,854
39,039
38,529
38,689
37,381

0,423
0,401
2,185
-1,81
0,397
-0,109
2,252
0,265
4,688
-1,443
1,242
-0,012
1,861
-0,169
0,999
-0,631
2,788
-2,383
-1,97
0,127
2,333

44

Resultados e Concluses
Tempo 50 Vrtices
Media
Desvio Padro
Intervalo de Confiana
(90%)

0,544
1,742
0,544 0,608 =
-0,064 .. 1,153

Podemos afirmar com 90% de confiana que os 2 algoritmos tm tempo de execuo iguais

PCC Joo P. Menezes Rodrigo D. Almeida

45

Resultados e Concluses
Grafo de 100 vrtices

Parmetros:

=1
=2
Taxa de Reduo de Feromnio = 0.9
Taxa de Bonus de Feronomio = 10
Aceitao = 1
A = 1.5
N = 100
F = 50

T = 100
Q = peso de uma aresta sorteada * numVertices
Cidade inicial = 1
Cidade final = 100
PCC Joo P. Menezes Rodrigo D. Almeida

46

Resultados e Concluses
Guloso = 5.187

100 Vrtices - Custo


Algoritmo A Algoritmo B
Diferena
3746,487
3579,3628
3627,6653
2886,9202
3124,1846
3122,3066
3336,9065
3411,1519
3221,0771
3477,6768

3510,7937
3525,7686
3511,9458
3085,1958
3284,8406
3447,0159
3158,7043
3632,723
3318,703
3558,4475

235,6933
53,5942
115,7195
-198,2756
-160,656
-324,7093
178,2022
-221,5711
-97,6259
-80,7707

PCC Joo P. Menezes Rodrigo D. Almeida

47

Resultados e Concluses
Custo 100 Vrtices
Media
Desvio Padro
Intervalo de Confiana
(95%)

-50,04
186,856

-50,04 130,05 =
-180,095 .. 80,015

Podemos afirmar com 95% de confiana que os 2 algoritmos apresentam resultados iguais
PCC Joo P. Menezes Rodrigo D. Almeida

48

Resultados e Concluses
100 Vrtices Tempo (Segundos)
Algoritmo A
Algoritmo B
Diferena
361,476
346,783
439,257
366,538
339,667
346,562
350,574
289,493
310,928
295,098

330,448
365,561
353,327
319,663
369,473
373,53
365,559
376,707
367,872
334,943
PCC Joo P. Menezes Rodrigo D. Almeida

31,028
-18,778
85,93
46,875
-29,806
-26,968
-14,985
-87,214
-56,944
-39,845
49

Resultados e Concluses
Tempo 100 Vrtices
Media
Desvio Padro
Intervalo de Confiana
(95%)

-11,071
51,583

-11,071 35,903 =
-46,973 .. 24,832

Podemos afirmar com 95% de confiana que os 2 algoritmos tm tempo de execuo iguais
PCC Joo P. Menezes Rodrigo D. Almeida

50

Resultados e Concluses
Grafo de 200 vrtices

Parmetros:

=1
=2
Taxa de Reduo de Feromnio = 0.9
Taxa de Bonus de Feronomio = 10
Aceitao = 1
A = 1.5
N = 100
F = 50

T = 100
Q = peso de uma aresta sorteada * numVertices
Cidade inicial = 1
Cidade final = 100
PCC Joo P. Menezes Rodrigo D. Almeida

51

Resultados e Concluses
200 Vrtices - Custo
Algoritmo A Algoritmo B
Diferena
4762,197
5330,798
5220,34
5023,2427
5250,2056
5113,167
5.169
4770,221

5272,0947
5116,4604
5277,7046
5062,3916
5410,5693
5339,3926
5367,096
5100,3955

-509,8977
214,3376
-57,3646
-39,1489
-160,3637
-226,2256
-198,184
-330,1745

PCC Joo P. Menezes Rodrigo D. Almeida

52

Resultados e Concluses
Custo 200 Vrtices
Media
Desvio Padro
Intervalo de Confiana
(95%)

-130,70214
201,4160282
-130,702 71,21131 =
-201,913 .. -59,491

Podemos afirmar com 95% de confiana que o algoritmo A apresenta um resultado menor que o algoritmo B
PCC Joo P. Menezes Rodrigo D. Almeida

53

Resultados e Concluses
200 Vrtices Tempo (Segundos)
Algoritmo A
Algoritmo B
Diferena
856,413
954,923
829,313
776,436
834,037
765,264
982,917
813,458

918,815
952,659
913,585
787,821
764,908
904,152
898,124
904,771

PCC Joo P. Menezes Rodrigo D. Almeida

-62,402
2,264
-84,272
-11,385
69,129
-138,888
84,793
-91,313
54

Resultados e Concluses
Tempo 200 Vrtices
Media
Desvio Padro
Intervalo de Confiana
(95%)

-23,2074
70,97832327
-23,2074 25,094
=
-48,3014 .. 1,8866

Podemos afirmar com 95% de confiana que os 2 algoritmos tm tempo de execuo iguais
PCC Joo P. Menezes Rodrigo D. Almeida

55

Resultados e Concluses

Embora realizado com uma amostra relativamente pequena, este experimento aponta
que a modificao de algoritmo de seleo de cidades discutido no apresenta uma
diferena significativa para grafos completos de 50, 100 e 200 vrtices, utilizando os
materiais e mtodos descritos anteriormente.

PCC Joo P. Menezes Rodrigo D. Almeida

56

Referncias Bibliogrficas
FERREIRA, F.S, G.D.M, O.N.T; Colnia Evolucionria de Formigas: Uma Proposta Inicial
Aplicada ao Problema do Caixeiro Viajante; PPGEE, DEEC, Universidade Federal do
Par, UFPA, 2008
JALE, J.S, DCP; Sistema de Formigas Aplicado ao Problema do Caixeiro Viajante,
Universidade Federal Rural de Pernambuco, UFRP, SINAPE, 2010.
LACERDA, E.G.M; A Otimizao Colnia de Formigas, Departamento de Engenharia da
Computao e Automao, UFRN, 2008.

PCC Joo P. Menezes Rodrigo D. Almeida

57