Performance of four meta-heuristics to solve a forestry production planning problem

Abstract

O uso da inteligência artificial como ferramenta de auxílio ao planejamento da produção florestal tem ganhado cada vez mais espaço. Destacando-se as metaheurísticas, em função da capacidade de gerar soluções ótimas para determi-nado problema de otimização em um curto espaço de tempo, sem grande esforço computacional. Pensando nisso, o presente estudo objetiva avaliar o desempenho das metaheurísticas Algoritmo Genético, Simulated Annealing, Variable Neighbourhood Search e Clonal Selection Algorithm aplicadas em um modelo de regulação da produção florestal. Foi considerado um horizonte de planejamento de 16 anos, no qual o modelo apresenta como objetivo a maximização do Valor Presente Líquido (VPL), tendo como restrições idade de corte entre 5 e 7 anos e demanda mínima e máxima madeireira de 140.000 e 160.000 m3, respectivamente. Considerou-se diferentes combinações de configurações para cada uma das metaheurísticas, tempo de processamento de 30 segundos e 30 repetições para cada configuração, sendo todo o processamento realizado no software MeP - Metaheuristics for Forest Planning. A metaheurística Simulated Annealing obteve os melhores resultados quando comparada as demais, atingindo a demanda mínima e máxima exi-gida em todas as configurações testadas, em contrapartida, o Algoritmo Genético foi o de pior desempenho. Assim, observa-se a capacidade de uso da metaheurística como ferramenta de planejamento florestal.