Análise comparativa de técnicas de projeto de algoritmos aplicadas aos problemas das N-Rainhas e do passeio do cavalo

Data

Autor(es)

Orientado(es)
Doutor Carlos Alexandre Silva

Título da Revista

ISSN da Revista

Título de Volume

Editor

Abstract

This work presents the implementation and comparative analysis of three approaches applied to the N-Queens and Knight’s Tour combinatorial problems: Backtracking, Genetic Algorithms, and Greedy Search based on Warnsdorff’s heuristic. All solutions were implemented in C++ and independently evaluated in terms of execution time, success rate, and computational effort. In the Knight’s Tour on an 8 × 8 board, Warnsdorff’s heuristic achieved the best practical performance, with a success rate above 95% and average execution time below 1 ms. Backtracking reached 100% success, although with significantly higher search cost. The Genetic Algorithm obtained a success rate of approximately 50%, while the simple greedy version did not produce complete solutions. In the N-Queens problem (N = 8), both Backtracking and the Genetic Algorithm achieved 100% success, with execution times of only a few milliseconds. These results highlight the complementarity among exact, heuristic, and metaheuristic paradigms, supporting the selection of suitable techniques in combinatorial optimization and in educational settings focused on algorithm design.


Resumo

Este trabalho apresenta a implementação e a análise comparativa de três abordagens aplicadas aos problemas combinatórios das N-Rainhas e do Passeio do Cavalo: Backtracking, Algoritmos Genéticos e uma Busca Gulosa que inclui um experimento adicional com a heurística de Warnsdorff. Todas as soluções foram desenvolvidas em C++ e avaliadas de forma independente quanto ao tempo de execução, taxa de sucesso e esforço computacional. No Passeio do Cavalo, a versão gulosa simples não obteve sucesso, enquanto a heurística de Warnsdorff, utilizada como experimento complementar, apresentou o melhor desempenho prático, com alta taxa de sucesso e tempo de processamento muito baixo. O Backtracking também encontrou soluções completas, porém com maior custo de busca. O Algoritmo Genético apresentou desempenho intermediário, com taxa de solução inferior à do Backtracking, refletindo a sensibilidade do método à parametrização e ao domínio do problema. No problema N-Rainhas (N = 8), o Backtracking atingiu alta taxa de desempenho com 100% de sucesso, enquanto o Algoritmo Genético obteve resultados elevados, com 100% de sucesso e convergência em poucos milissegundos. Esses resultados reforçam a complementaridade entre paradigmas exatos, heurísticos e metaheurísticos, auxiliando na escolha de técnicas adequadas em contextos de otimização combinatória e no ensino de projeto de algoritmos.

Palavras-chave

Citação

Avaliação

Revisão

Suplementado Por

Referenciado Por