@InProceedings{OliveiraChavLore:2016:ApMeBR,
               author = "Oliveira, Rudinei Martins and Chaves, Antonio Augusto and Lorena, 
                         Luiz Antonio Nogueira",
          affiliation = "{Universidade Federal de S{\~a}o Paulo (UNIFESP)} and 
                         {Universidade Federal de S{\~a}o Paulo (UNIFESP)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "Aplica{\c{c}}{\~a}o da metaheur{\'{\i}}stica BRKGA com 
                         heur{\'{\i}}stica de busca local para o problema de agrupamento 
                         com restri{\c{c}}{\~o}es",
            booktitle = "Anais...",
                 year = "2016",
         organization = "Simp{\'o}sio Brasileiro de Pesquisa Operacional, 48. (SBPO)",
             keywords = "BRKGA, busca local, problema de agrupamentos, heur{\'{\i}}stica, 
                         restri{\c{c}}{\~o}es BRKGA, Local Search, Clustering Problem, 
                         Heuristic, Constraints.",
             abstract = "Este artigo prop{\~o}e um m{\'e}todo h{\'{\i}}brido que 
                         combina o BRKGA com uma heur{\'{\i}}stica de busca local para 
                         resolver o problema de agrupamentos com restri{\c{c}}{\~o}es. O 
                         problema de agrupamentos consiste em separar um conjunto de 
                         objetos em grupos tal que os membros de cada grupo sejam similares 
                         entre si. No problema de agrupamentos com restri{\c{c}}{\~o}es, 
                         alguns objetos s{\~a}o definidos a priori para estar no mesmo 
                         grupo (restri{\c{c}}{\~o}es must-link) ou em grupos distintos 
                         (restri{\c{c}}{\~o}es cannotlink). Este problema {\'e} 
                         classificado como NP-hard. O BRKGA e uma recente 
                         metaheur{\'{\i}}stica que codifica uma solu{\c{c}}{\~a}o como 
                         um vetor de chaves aleat{\'o}rias e produz uma 
                         solu{\c{c}}{\~a}o vi{\'a}vel atrav{\'e}s de um algoritmo 
                         determinista. Os resultados computacionais considerando dados 
                         reais dispon{\'{\i}}veis na literatura s{\~a}o comparados com 
                         uma abordagem de gera{\c{c}}{\~a}o de colunas. ABSTRACT: This 
                         paper proposes a hybrid method that combines the BRKGA with a 
                         local search heuristic to solve the clustering problem with 
                         constraints. The clustering problem consists in separating a set 
                         of objects into groups such that members of each group are similar 
                         to each other. In the clustering problem with constraints, some 
                         objects are defined, a priori, to be in the same group (must-link 
                         constraints) or in distinct groups (cannot-link constraints). This 
                         problem is well known to be NP-hard. The BRKGA is a recent 
                         metaheuristic that encodes a solution as a vector of random keys 
                         and produces a feasible solution through a deterministic 
                         algorithm. Computational results considering real data available 
                         in the literature are compared with a column generation 
                         approach.",
  conference-location = "Vit{\'o}ria, ES",
      conference-year = "27-30 set.",
           targetfile = "Oliveira_aplicacao.pdf",
        urlaccessdate = "2024, May 04"
}