Problema de Roteamento com Janelas de Tempo: Uma Abordagem via Geração de Colunas
|
|
- Nathalia de Caminha Ávila
- 6 Há anos
- Visualizações:
Transcrição
1 Problema de Roteamento com Janelas de Tempo: Uma Abordagem via Geração de Colunas Rúbia M. Oliveira Universidade Federal de Mato Grosso do Sul - UFMS Departamento de Matemática - DMT Campo Grande-MS, Brasil - rubia@dmt.ufms.br Ricardo R. Santos Universidade Católica Dom Bosco - UCDB Centro de Ciências Exatas e Tecnológicas - CCET Campo Grande-MS, Brasil - ricr.santos@acad.ucdb.br Resumo Um método para o Problema de Roteamento de Veículos com Janela de Tempo (PRVJT) é apresentado neste artigo. O método proposto é baseado no Algoritmo Simplex com Geração de Colunas. A abordagem aqui proposta utiliza um algoritmo de Caminho Mínimo com Janela de Tempo (CMJT) baseado na generalização de Ford-Bellman-Moore. Esse algoritmo surge como sub-problema no algoritmo Primal Simplex para resolver a relaxação linear do problema de partição de conjuntos utilizado na modelagem do roteamento com janelas de tempo. O desempenho do algoritmo foi avaliado considerando entradas baseadas nas instâncias de Solomon (R, C e RC) com até 100 nós. O método proposto obtém tempos de execução comparáveis com soluções heurísticas para o mesmo problema. Palavras Chave. Problema de Roteamento de Veículos, Geração de Colunas, Problema de Caminho Mínimo com Janelas de Tempo. Área principal (Otimização Combinatória, Programação Matemática, Metaheurística) Abstract In this work we present a method for the Vehicle Routing Problem with Time Windows (VRPTW). The method is based on the Simplex algorithm with Column Generation. We have implemented a shortest path algorithm with time windows based on the generalization of the classical Ford-Bellman-Moore algorithm. The algorithm arises as a sub-problem in the Primal Simplex to solve the linear relaxation of the set partitioning problem. The set partitioning problem is used to model the routing problem with time windows. The performance of our method has been evaluated considering Solomon s instances (R, C, and RC) up to 100 nodes. The proposed method has an execution time comparable to heuristic solutions for the same problem. Keywords. Vehicle Routing Problem, Column Generation, Shortest Path Problem with Time Windows. Main area (Combinatorial Optimization, Mathematical Programming, Metaheuristics) 1802
2 1 Introdução Problemas de roteamento de veículos desempenham um papel central no gerenciamento da distribuição de bens e serviços. Sua importância é refletida na grande variedade de aplicações, as quais incluem o roteamento de ônibus urbano, sistemas de coleta de lixo, entrega de periódicos a assinantes, entre outros (Oliveira, 2001). Dependendo da aplicação, há necessidade de alterar as restrições do problema. Algumas restrições bem conhecidas para o problema de roteamento de veículos são (Cunha, 2000; Oliveira, 2001): restrições de horário de atendimento (conhecidas na literatura como janelas de tempo ou janelas horárias), capacidades dos veículos, frota de veículos de diferentes tamanhos, duração máxima dos roteiros dos veículos (tempo ou distância) e restrições de veículos que podem atender determinados clientes. Problemas de roteirização de veículos são muitas vezes definidos como problemas de múltiplos caixeiros viajantes com restrições adicionais de capacidade (Cunha, 1997). Sob a ótica da otimização, os problemas de roteirização de veículos, incluindo o caso particular do caixeiro viajante, pertencem à classe de complexidade computacional denominada NP-completo (Garey and Johnson, 1979). Dessa forma, diversas soluções para o problema de roteamento de veículos são baseadas em heurísticas de tempo polinomial (Solomon, 1986). Nesse sentido, uma grande quantidade de trabalhos focados no problema de roteamento de veículos com janelas de tempo têm sido desenvolvidos aplicando diferentes técnicas (Boldin and Golden, 1981; Fisher and Jaikumar, 1981; Fisher et al., 1987; Desrochers et al., 1992; Desrosiers et al., 1986; Cunha, 2000; Caramuru, 2006). No entanto, as dificuldades inerentes à definição de algoritmos eficientes para o problema têm limitado a aplicabilidade dessas soluções a partir de determinado tamanho do conjunto de instâncias de entrada. Este artigo apresenta um método para resolução do Problema de Roteamento de Veículos com Janelas de Tempo (PRVJT) baseado no trabalho de (Desrosiers et al., 1983). O algoritmo Simplex com Geração de Colunas é utilizado em conjunto com o algoritmo de Caminho Mínimo com Janelas de Tempo (CMJT) baseado na generalização do algoritmo clássico de Ford-Bellman-Moore (Tarjan, 1983; Cormen et al., 1990). A utilização do algoritmo CMJT permite resolver o problema de partição de conjuntos, utilizado na modelagem do problema de roteamento com janelas de tempo. A adoção da técnica de Geração de Colunas possibilita obter subproblemas que permanecem com características combinatórias semelhantes ao problema original. Os resultados obtidos com os experimentos computacionais demonstram a aplicação do método sob instâncias conhecidas para o PRVJT. O desempenho obtido com a aplicação do método em instâncias de Solomon (Solomon, 1987) com até 100 nós se mostra atrativo, além de apontar para possibilidades de melhoria quando técnicas de paralelização de código são adotadas. O restante do texto está organizado conforme segue: A Seção 2 apresenta a modelagem do problema resolvido utilizando a técnica de Geração de Coluna. A generalização do algoritmo de Ford-Bellman-Moore e o algoritmo de Caminho Mínimo com Janela de Tempo é abordado na Seção 3. Os experimentos computacionais e resultados obtidos com a execução do algoritmo sob instâncias bem conhecidas para o PRVJT são apresentados na Seção 4. Por fim, a Seção 5 apresenta as conclusões e considerações finais do artigo assim como sugestões para serem desenvolvidas como trabalhos futuros. 1803
3 2 Descrição do Problema Considere um conjunto de viagens onde cada viagem i é especificada por um intervalo de tempo [a i, b i ], no qual a viagem deve ser iniciada. Uma viagem é chamada uma jornada produtiva. Define-se inter-viagem ou viagem de conexão como sendo uma jornada nãoprodutiva conduzida por um veículo. Assim, uma inter-viagem é representada pelo arco (i, j) que vai do final da viagem i para o início da viagem j. A cada inter-viagem (i, j) associamos um tempo de duração dado por t ij e um custo dado por c ij. Uma rota é uma seqüência de viagens e inter-viagens conduzida pelo mesmo veículo. Considere P como sendo o conjunto das viagens, I o conjunto das inter-viagens, A o conjunto de arcos (arestas), A = I ({s} P ) (P {t}), e N o conjunto de nós, N = P {s, t}. Uma interviagem é considerada se e somente se for possível realizar a viagem j depois da viagem i, onde a restrição de intervalo de tempo (a i + t ij b j ) é respeitada (Desrosiers et al., 1983; Desrochers and Soumis, 1988; Oliveira, 2001). A formulação para a definição de rotas ótimas para viagens pode ser definida a partir das seguintes variáveis: { 1 se o arco (i, j) for usado por um veículo x ij =, onde (i, j) A 0 caso contrário t i : variável que representa o tempo associado ao início de cada viagem i, com i P. As rotas ótimas que respeitam as restrições de horários são as soluções para o seguinte problema: Minimizar sujeito a c ij x ij (i,j) A x ij = 1, i P (1) j N x ik = 1, i P (2) k N x ij 0, (i, j) A x ij > 0 t i + t ij t j (i, j) N (3) a i t i b i, i P (4) x ij = {0, 1}, (i, j) A A restrição (1) informa que de algum nó j o veículo chegará ao nó i e a restrição (2) indica que o veículo que chegou ao nó i terá que partir para algum nó j. A restrição (3) descreve a compatibilidade requerida entre as rotas e os horários e a restrição (4) estabelece o intervalo de tempo no qual a viagem deve ser iniciada. 2.1 Formulação por Partição de Conjuntos A notação usada para a formulação do problema de Partição de Conjunto é apresentada nesta Seção. Além disso, discute-se a relaxação feita por programação linear que será resolvida utilizando o método de geração de colunas. Considere as seguintes variáveis : Ω: conjunto das rotas com os horários satisfazendo as restrições 3 e 4; 1804
4 { 1, se a rota r é usada y ir = 0, caso contrário. { 1, se a rota r inclui a viagem i δ ri = 0, caso contrário. c r : custo da rota r (a soma dos custos dos arcos percorridos pela rota mais o custo fixo por veículo). O processo de solução consiste em construir um conjunto de rotas com o menor custo, satisfazendo as restrições de horários e incluindo cada viagem exatamente uma vez. O problema-mestre que define o conjunto ótimo de rotas é formulado como um problema de partição de conjuntos dado por: Minimizar r Ω c r y r (5) sujeito a: r Ω δ ri y r = 1, i P (6) y r = {0, 1} (7) Devido ao grande número de rotas em Ω, a relaxação por Programação Linear do problema de partição de conjuntos é resolvido por geração de coluna. Uma nova coluna com o menor custo relativo é gerada e, a partir daí, resolve-se o problema de caminho mínimo com restrição de horário. Observe que esse é um sub-problema do problema original. 2.2 Solução do Sub-Problema A rota de custo mínimo satisfazendo as restrições de horário, chamada de Caminho Mínimo com Janela de Tempo (CMJT), é encontrada usando uma adaptação do algoritmo clássico de Ford-Bellman-Moore. O algoritmo de Ford-Bellman-Moore determina para cada nó uma etiqueta θ i representando o custo do caminho de ir da origem s para o destino i. Para problemas de caminho mínimo com restrição de horário, as rotas têm de ser comparadas em termos de seu tempo de chegada até os nós. Desta forma, o algoritmo CMJT requer um par de etiquetas para cada nó (tempo de chegada ao nó i, custo da rota). 2.3 Solução do Problema-Mestre O algoritmo simplex é usado para solucionar a relaxação linear do problema-mestre. Este método fornece os multiplicadores simplex π i necessários para geração de cada coluna e possibilita uma reotimização das novas colunas cada vez que são solicitadas. As rotas alternativas com custos relativos negativos são disjuntas, isto é, nós (viagens) inclusos em rotas anteriores serão desconsiderados na determinação de novas rotas. A construção de rotas disjuntas favorece o aparecimento de soluções inteiras. A construção de rotas disjuntas reduz o número de iterações de modo que o tempo computacional também é reduzido significativamente. A solução adotada neste trabalho para obtenção de soluções inteiras consiste na verificação de rotas disjuntas. Além disso, foram adotadas de estruturas de dados para acesso e armazenamento rápido aos nós visando determinar rapidamente rotas disjuntas e, com isso, minimizar o tempo de execução total do algoritmo. 1805
5 3 Descrição do Algoritmo Proposto para Resolução do Sub- Problema Destaca-se a seguir o algoritmo de Ford-Bellman-Moore para o problema de caminho mínimo (sem janela de tempo). Esse algoritmo determina para cada nó uma etiqueta c i a qual representa o custo de ir da origem s para o nó i utilizando a rota de custo mínimo. Os rótulos são melhorados recursivamente até que os valores ótimos sejam obtidos. 3.1 Algoritmo de Ford-Bellman-Moore Seja F (i) = {j : (i, j) A, j N} o conjunto de sucessores do nó i e L o conjunto de nós que ainda não foram explorados. A árvore de caminho mínimo saindo da origem s para todos os outros nós da rede é obtida associando-se a cada nó uma etiqueta que é melhorada a cada iteração do algoritmo. O método das etiquetas consiste na escolha de um nó i pertencente ao conjunto L, em seguida retira-se o nó i do conjunto L e tenta-se melhorar todos os sucessores do nó i. O novo nó melhorado é inserido no conjunto L. Assim, quando o conjunto L for vazio, a etiqueta c i associada ao nó i representará o caminho de comprimento mínimo saindo da origem s e terminando no nó i. O Algoritmo 1 apresenta os passos principais do Algoritmo de Ford-Bellman-Moore. Algoritmo 1 Algoritmo de Ford-Bellman-Moore Passo 0: Inicialização - o custo na origem s : c s = 0 - o custo nos demais nós: c i =, i s - L = {s} Passo 1: Exploração de F (i) - Escolha um nó i L - j F (i) tal que: c j > c i + c ij sendo c j = c i + c ij L = L {i} Passo 2: Resolução do conjunto L - L = L {i} - Se L = então FIM. - Senão, retorne ao Passo Natureza das Etiquetas Para resolver o problema de caminho mínimo com janela de tempo, as rotas têm outro atributo importante: o tempo de chegada até o nó i. Então, para tratar simultaneamente as variáveis de tempo t i e as variáveis de custo c i associadas a cada nó i, utiliza-se uma etiqueta formada por (t i, c i ), para rotular cada nó i. Uma etiqueta (t i, c i ) é atribuída ao nó i se e somente se existir um caminho possível de custo c i, saído da origem s e chegando ao nó i no menor tempo t i. Qualquer caminho saindo da origem s e chegando ao nó i com custo c i e com o tempo pertencente ao intervalo [t i, b i ] não tem custo de espera. 1806
6 O algoritmo de Ford-Bellman-Moore associa a cada nó uma única etiqueta que é progressivamente melhorada. Quando as restrições de horários (janela de tempo) são adicionadas ao problema, não é mais possível conservar unicamente a etiqueta melhorada para cada nó pois o par (t i, c i ) não tem ordem total no R 2. Então, faz-se necessário preservar um conjunto de etiquetas (t α i, cα i ), α 1. Esse conjunto determina um número finito de caminhos possíveis saindo da origem s e chegando ao nó i, e cada caminho produz uma etiqueta. Essas etiquetas formam, para cada nó i, uma lista Q i. A lista Q i é atualizada seqüencialmente a partir das informações em Q i, mais as informações encontradas ao considerar os caminhos de s e j, compostas do caminho de s e i do arco (i, j). 3.3 Relação de Ordem das Etiquetas O conjunto de etiquetas Q i, para cada nó i, guarda as menores distâncias referentes aos diferentes tempos localizados no intervalo [a i, b i ]. Define-se então a relação de ordem parcial para o nó i: (t 1 i, c1 i ) (t2 i, c2 i ) (t1 i t2 i ) e (c1 i c2 i ). Uma etiqueta pertencente ao conjunto Q i é denominada etiqueta mínima se não existir um outra etiqueta inferior a ela segundo uma relação de ordem. Assim, as etiquetas mínimas guardam o comprimento do caminho ótimo da origem s ao destino i. Um conjunto de etiquetas é dito irredutível se todas as etiquetas são mínimas. Uma etiqueta mínima é ótima (t i, c i ) se, quando o princípio de otimalidade (se os caminhos mínimos de todos os predecessores de j são conhecidos, então, pode-se determinar o caminho mínimo até j) é aplicado a esta etiqueta, a mesma continua com o menor caminho satisfazendo as restrições de horário em relação as outras etiquetas do conjunto. O resultado desta aplicação permite reduzir o conjunto de etiquetas de cada nó retirando aquelas que não são mínimas e conservando o conjunto das etiquetas irredutíveis dentro do tempo de atendimento permitido. O conjunto irredutível associado ao nó i é ordenado em função da variável de tempo que é estritamente crescente, observando que os comprimentos c i estão em ordem decrescente. O conjunto irredutível associado ao nó i contém α(i) pares de etiquetas: (t α i, cα i ), α = 1, 2,..., α(i), com a i t 1 i < t2 i < < tα(i) i b i e c 1 i > c2 i > cα(i) i. 3.4 Algoritmo de Caminho Mínimo com Janela de Tempo Apresenta-se a seguir o algoritmo de caminho mínimo com as restrições de janela de tempo nos nós, de modo similar ao algoritmo de Ford-Bellman-Moore. O algoritmo armazena em cada nó pares de etiqueta (t i, c i ), ou seja, uma rota de custo mínimo chegando ao nó i, no tempo t i. Seja Q i = (t α i, cα i ), α = 1, 2,..., α(i), um conjunto irredutível de etiquetas associadas ao nó i. Assim, unindo o arco (i, j) aos caminhos que saem da origem s e chegam em i, obtem-se o conjunto Q j associado ao nó j através da seguinte aplicação: onde F ij (Q i ) = α f ij {(t α i, cα i )} { f ij {(t α i, c α (max{[a j, t α i i )} = + t ij]}, c α i + c ij), se t α i + t ij b j, caso contrário 1807
7 A definição de f ij permite um tempo de espera no nó j, quando o tempo de chegada for menor que o limitante inferior da janela de tempo. O novo conjunto F ij (Q i ) não é necessariamente irredutível, pois etiquetas que não sejam mínimas podem ser geradas. Denota-se por F ij (Q j ) Q i a redução de F ij (Q i ) Q j conservando apenas as etiquetas mínimas. As etiquetas associadas a um nó estão localizadas dentro de uma lista com os tempos em ordem crescente. Os passos principais do etiquetamento para Problemas de Caminho Mínimo com Janela de Tempo são apresentados de acordo com o Algoritmo 2. Algoritmo 2 Algoritmo de Caminho Mínimo com Janela de Tempo - ACMJT Passo 0: Inicialização - Q s = {(t 1 s = a s, c 1 s = 0)} - Q i = {(t 1 i = a i, c 1 i = )} para i s - L = {s} Passo 1: Explorando F (i) - Escolha i L - j F (i) tal que F ij (Q j ) Q i Q j - Q i = F ij (Q j ) Q i - atualização: L = L {j} Passo 2: Redução de L - L = L {i} - se L = então FIM - senão, retorna ao passo 1. 4 Resultados Computacionais Os resultados apresentados nesta seção correspondem aos experimentos realizados com a execução do método proposto sob vários conjuntos de entradas baseados nas instâncias de Solomon (Solomon, 1987). Nesses conjuntos de entradas, foi considerado a mesma quantidade e ordem de nós das instâncias de Solomon assim como a janela de tempo (READY TIME e DUE DATE). A distância entre nós foi calculada a partir da distância euclidiana tomando-se como base a posição (XCOORD e YCOORD) de cada nó. Além disso, a formulação adotada utiliza apenas um veículo e não considera a capacidade dos veículos. O algoritmo que implementa o método proposto espera que os conjuntos de entradas estejam organizados como um grafo onde o nó fonte possui uma aresta para todos os demais nós, assim como todos os nós possuem arestas para esse nó fonte. A Figura 1 apresenta um exemplo de um grafo de rotas. Neste exemplo, há cinco nós distintos (os dois nós S representam o nó de entrada/fonte do grafo) e dez arestas. 1808
8 Figura 1: Exemplo de grafo de rotas adotado pelo método. Os experimentos apresentam resultados da solução e tempo computacional obtidos após a execução do método proposto considerando instâncias com 50 nós (Tabelas 1 e 2), 100 nós (Tabela 3) e com uma implementação paralela do método proposto também considerando instâncias com 50 nós (Tabela 4). Os experimentos apresentados nas Tabelas 1, 2 e 3 foram executados sob uma plataforma computacional composta por um Processador Pentium IV 2.80GHz, 512MB de memória RAM, 60GB de disco e sistema operacional Linux Fedora Core 6. Nessas tabelas, as colunas I, D e T, representam respectivamente, a instância de Solomon que está sendo utilizada, a distância obtida pelo método e o tempo de execução (em segundos) do método. Os experimentos apresentando os resultados com a versão paralela do método (Tabela 4) foram executados em uma plataforma formada por Processador Intel Xeon Quad-Core, 4 GB RAM, 160GB disco e sistema operacional Linux Fedora Core 6. As Tabelas 1 e 2 apresentam os valores correspondentes à distância do caminho mínimo (coluna Distância) e o tempo computacional (coluna Tempo) de 36 instâncias separadas em 6 classes, cada uma com 6 instâncias, obtidos pela execução do método proposto. A coluna Tempo apresenta os valores em segundos. Tabela 1: Resultados com instâncias de 50 nós para as classes R1, C1 e RC1. R1 C1 RC1 I D T I D T I D T r ,17 3 c ,37 10 rc ,36 25 r ,81 10 c ,11 34 rc ,29 29 r ,28 46 c ,25 14 rc ,46 66 r ,44 13 c ,26 6 rc ,53 37 r ,25 20 c ,24 17 rc ,61 36 r ,13 19 c ,18 31 rc , Tabela 2: Resultados com instâncias de 50 nós para as classes R2, C2 e RC2. R2 C2 RC2 I D T I D T I D T r ,95 65 c ,71 10 rc ,21 19 r ,13 81 c ,96 38 rc ,79 40 r ,31 30 c ,54 16 rc , r , c ,43 36 rc ,11 40 r , c , rc ,35 92 r , c ,94 30 rc ,
9 No experimento apresentado nas Tabelas 1 e 2 é interessante observar o desempenho do algoritmo sob a maior parte das instâncias. Deve-se destacar aqui que a discrepância para resultados ótimos, referentes à distância percorrida, encontrados na literatura (Sintef, 2005) é devida ao tratamento dado ao número de veículos, apenas um veículo é utilizado no método proposto, e as suas capacidades. A Tabela 3 apresenta os resultados considerando um conjunto de instâncias (sub-conjunto com melhor tempo de execução em cada grupo das Tabelas 1 e 2) com 100 nós. Tabela 3: Resultados com instâncias de 100 nós. Classes I D T r , r , R1 r , r , r , R2 r , c , C1 c , c , c , C2 c , c , RC2 rc , Os resultados apresentados nas Tabelas 1, 2 e 3 demonstram que o método apresentado neste trabalho pode obter soluções para problemas de roteamento de grande porte em tempo de execução aceitável. A Tabela 4 apresenta os valores correspondentes ao tempo de execução computacional (em segundos) da versão seqüencial (coluna Tempo Seqüencial) e paralela (Tempo Paralelo) do método proposto. A execução das duas versões do método ocorreram sob o mesmo ambiente computacional (computador com quatro núcleos de processamento). A implementação da versão paralela consiste, basicamente, na paralelização de laços existentes no código do algoritmo através da utilização da biblioteca OpenMP (Chandra et al., 2001) para programação paralela. Para este experimento, foram escolhidas 6 instâncias do grupo R2, cada uma com 50 nós. Tabela 4: Comparação entre a Execução Seqüêncial e a Execução Paralela do Método. Instâncias Tempo Seqüencial Tempo Paralelo r r r r r r Os resultados apresentados na Tabela 4 mostram que a paralelização do algoritmo que implementa o método proposto gera ganhos significativos com relação ao tempo de execução. A melhoria no desempenho entre a versão paralela e a sequencial variou entre , o que indica um ganho máximo de 36% sob a versão seqüencial. 1810
10 5 Conclusões Este artigo apresentou um método para o Problema de Roteamento de Veículos com Janela de Tempo (PRVJT). A construção do método é baseada no algoritmo Simplex com a técnica de Geração de Colunas. Além disso, foi implementado um algoritmo de Caminho Mínimo com Janela de Tempo que surge como sub-problema no algoritmo Simplex para resolver o problema de partição de conjuntos. Esse problema é utilizado na modelagem do problema de roteamento com janelas de tempo. Experimentos foram executados utilizandos conjuntos de entradas baseados em 36 instâncias de Solomon com até 100 nós. Os resultados obtidos revelam que o método proposto pode ser adotado (quanto ao tempo de processamento) para resolução de problemas de roteamento com restrições de janelas de tempo de considerável complexidade. Isso se deve ao fato de obter soluções em tempo computacional (variação de segundos entre as 36 instâncias) comparável com heurísticas existentes na literatura da área. Além disso, uma implementação paralela do algoritmo se mostrou atrativa pois gerou ganhos de desempenho de 36% sobre a versão seqüencial. Alguns trabalhos trabalhos futuros devem focar o aprimoramento da formulação a fim de melhor comparar as soluções obtidas pelo método proposta com soluções da literatura. Há também a possibilidade de aprofundar os estudos em torno da paralelização do algoritmo. Devido à natureza iterativa do algoritmo Simplex, espera-se que estudos mais aprofundados sobre as possibilidades de paralelização possam gerar ganhos de desempenho ainda mais significativos. Outras possibilidades de trabalhos futuros voltam-se para a formulação do problema (e implementação do algoritmo) considerando múltiplos veículos e um estudo detalhado sobre as possibilidades de arredondamento a fim de obter soluções inteiras. 6 Agradecimentos Os autores agradecem ao CNPq Conselho Nacional de Desenvolvimento Científico e Tecnológico pelo apoio financeiro e ao Prof. Dr. Marcos Nereu Arenales pelas sugestões dadas a este trabalho. Referências L. D. Boldin and B. L. Golden. Classification in Vehicle Routing and Scheduling. Networks, 11:97 108, M. P. F. Caramuru. Uma Metodologia Híbrida Colônia de Formigas-Busca Tabu-Reconexão por Caminhos para Resolução do Problema de Roteamento de Veículos com Janelas de Tempo. Master s thesis, CEFET-MG, Belo Horizonte, R. Chandra, L. Dagum, D. Kohr, D. Maygan, J. Mcdonald, and R. Menon. Parallel Programming in OpenMP. Morgan Kaufman Publishers Inc., T. H. Cormen, C. E. Leiserson, and R. L. Rivest. Introduction to Algorithms. MIT Press, C. B. Cunha. Uma Contribuição para o Problema de Roteirização de Veículos com Restrições Operacionais. PhD thesis, Departamento de Engenharia de Transportes - EP/USP, São Paulo, C. B. Cunha. Aspectos Práticos da Aplicação de Modelos de Roteirização de Veículos a Problemas Reais. Transportes, 8(2),
11 M. Desrochers, J. Desrosiers, and M. Solomon. A New Optimization Algorithm for the Vehicle Routing Problem with Time Windows. Operation Research, 40: , M. Desrochers and F. Soumis. A Generalized Permanent Labelling Algorithm for the Shortest Path Problem with Time Windows. INFOR, 26, J. Desrosiers, P. Pelletier, and F. Soumis. Plus Court Chemin Avec Constraintes d Horaires. RAIRO, 17: , J. Desrosiers, F. Soumis, M. Desrochers, and M. Sauvé. Methods for Routing with Time Windows. European Journal of Operational Research, 23: , M. Fisher and R. Jaikumar. A Generalized Assignment Heuristics for Vehicle Routing. Networks, 23: , M. L. Fisher, K. O. Jörnsten, and O. B. G. Madsen. Vehicle Routing with Time Windows: Two Optimization Algorithms. Operations Research, 45: , M. R. Garey and D. S. Johnson. Computers and Intractability: A Guide to the Theory of NP-Completeness. W. H. Freeman and Company, R. M. Oliveira. A Técnica de Geração de Colunas Aplicada a Problemas de Roteamento. Master s thesis, ICMC-USP, São Carlos, Sintef. Best Known Solutions Identified by Heuristics for Solomon s (1987) Benchmarks Problems M. M. Solomon. On the Worst-Case Performance of Some Heuristics for the Vehicle Routing and Scheduling with Time Windows Constraints. Networks, 16: , M. M. Solomon. Algorithms for Vehicle Routing and Scheduling Problems with Time Windows Constraints. European Journal of Operational Research, 35: , R. E. Tarjan. Data Structures and Network Algorithms. Conference Series in Applied Mathemathics,
Implementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA
Implementação Paralela do Algoritmo de Roteamento de Veículos com Janelas de Tempo sob a Plataforma CUDA Aluno: Thiago William Machado RA: 107577 thiagowilliamm@yahoo.com.br Orientador: Prof. Dr. Ricardo
Leia maisUm Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo
Um Algoritmo Genético para o Problema de Roteamento de Veículos com Janelas de Tempo Francisco Henrique de Freitas Viana Pontifícia Universidade Católica do Rio de Janeiro PUC-Rio Departamento de Informática
Leia maisTeoria da Complexidade Computacional
Teoria da Complexidade Computacional Letícia Rodrigues Bueno UFABC Motivação Motivação I can t find an efficient algorithm, I guess I m just too dumb. Fonte: GAREY, M. R. e JOHNSON, D. S. Computers and
Leia maisAbordagens para Problemas Intratáveis
Abordagens para Problemas Intratáveis Letícia Rodrigues Bueno UFABC Motivação Se você se depara com um problema intratável... Motivação Se você se depara com um problema intratável... I can t find an efficient
Leia maisProblema do Caminho Mínimo
Departamento de Engenharia de Produção UFPR 63 Problema do Caminho Mínimo O problema do caminho mínimo ou caminho mais curto, shortest path problem, consiste em encontrar o melhor caminho entre dois nós.
Leia maisVolmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 21 Três objetivos i. Redução de custos (custos variáveis) ii. iii. Redução de capital (investimento, custos fixos) Melhoria do serviço
Leia maisProblemas de otimização
Problemas de otimização Problemas de decisão: Existe uma solução satisfazendo certa propriedade? Resultado: sim ou não Problemas de otimização: Entre todas as soluções satisfazendo determinada propriedade,
Leia maisAlgoritmos Exatos 3.1. Relaxação Lagrangeana
3 Algoritmos Exatos Nesse capítulo, apresenta-se alguns algoritmos exatos para o CVRP que são baseados em diferentes técnicas e formulações para a obtenção de limites inferiores para a solução ótima do
Leia maisDepartamento de Engenharia de Produção UFPR 22
Departamento de Engenharia de Produção UFPR 22 Geralmente, temos três objetivos i. Redução de custos (custos variáveis) Redução de capital (investimento, custos fixos) i Melhoria do serviço (pode conflitar
Leia maisCOMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS
COMPARAÇÃO ENTRE FROTA HOMOGÊNEA E HETEROGÊNEA EM PROBLEMAS DE ROTEAMENTO DE VEÍCULOS CAPACITADOS Rosiana da Silva Lopes Danilo César Rodrigues Azevedo rosianalopes16@gmail.com danilo.azevedo@ufpi.edu.br.com
Leia maisAnálise de Desempenho da Paralelização do Problema de Caixeiro Viajante
Análise de Desempenho da Paralelização do Problema de Caixeiro Viajante Gabriel Freytag Guilherme Arruda Rogério S. M. Martins Edson L. Padoin Universidade Regional do Noroeste do Estado do Rio Grande
Leia mais4 Testes e experimentos realizados 4.1. Implementação e banco de dados
32 4 Testes e experimentos realizados 4.1. Implementação e banco de dados Devido à própria natureza dos sites de redes sociais, é normal que a maior parte deles possua uma grande quantidade de usuários
Leia maisAlgoritmo Evolucionário no Tratamento do Problema de Roteamento de Veículos com Janela de Tempo
Algoritmo Evolucionário no Tratamento do Problema de Roteamento de Veículos com Janela de Tempo Humberto César Brandão de Oliveira (CIn-UFPE) humberto.brandao@gmail.com Guilherme Bastos Alvarenga (DCC-UFLA)
Leia maisOtimização Combinatória - Parte 4
Graduação em Matemática Industrial Otimização Combinatória - Parte 4 Prof. Thiago Alves de Queiroz Departamento de Matemática - CAC/UFG 2/2014 Thiago Queiroz (DM) Parte 4 2/2014 1 / 33 Complexidade Computacional
Leia maisTeoria da Complexidade Computacional
Teoria da Complexidade Computacional 25 de novembro de 2011 Enquanto a teoria de análise de algoritmos estuda a análise de complexidade de algoritmos, a teoria da complexidade estuda a classificação de
Leia maisAplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados
Aplicação de uma Metaheurística GRASP para o Problema da Árvore de Steiner em Grafos Direcionados Marcelo Lisboa Rocha, Sóstenes Pereira Gomes Departamento de Ciência da Computação Fundação UNIRG Alameda
Leia maisProblema do Caminho Mais Curto. Problema do Caminho Mais Curto
Problema do Caminho Mais Curto " Podemos afectar pesos" aos arcos de um grafo, por exemplo, para representar uma distância entre cidades numa rede ferroviária: ria: Chicago 650 600 700 Toronto 200 New
Leia maisComplexidade Assintótica de Programas Letícia Rodrigues Bueno
Complexidade Assintótica de Programas Letícia Rodrigues Bueno Análise de Algoritmos 1. Introdução; Análise de Algoritmos 1. Introdução; 2. Conceitos básicos; Análise de Algoritmos 1. Introdução; 2. Conceitos
Leia maisPCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho
Leia mais3 Extensões dos modelos matemáticos
3 Extensões dos modelos matemáticos Os modelos matemáticos definidos por (2-1) (2-6) e (2-7) (2-13), propostos por Achuthan e Caccetta e apresentados no Capítulo 2, são reforçados neste trabalho através
Leia mais1 Introdução Motivação
1 Introdução 1.1. Motivação A programação linear, ao menos na modelagem matemática que se conhece hoje, foi desenvolvida durante a segunda grande guerra quando foi utilizada no planejamento e execução
Leia maisResolução de problemas difíceis de programação linear através da relaxação Lagrangeana
problemas difíceis de programação linear através da relaxação Lagrangeana Ana Maria A.C. Rocha Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho arocha@dps.uminho.pt http://www.norg.uminho.pt/arocha
Leia maisPARALELIZAÇÃO DE ALGORITMO DE INSPEÇÃO DE ROTAS UTILIZANDO PERMUTAÇÃO LEXICOGRÁFICA 1
PARALELIZAÇÃO DE ALGORITMO DE INSPEÇÃO DE ROTAS UTILIZANDO PERMUTAÇÃO LEXICOGRÁFICA 1 Jessica De Almeida Berlezi 2, Janiel Ceretta Foletto 3, Edson Luiz Padoin 4, Rogério S. M. Martins 5. 1 Trabalho realizado
Leia maisAlgoritmos Combinatórios: Introdução
lucia@site.uottawa.ca UFSC, Fevereiro, 2010 Estruturas e Problemas Combinatórios Introdução a Algoritmos Combinatórios O que são: Estruturas Combinatórias? Algoritmos Combinatórios? Problemas Combinatórios?
Leia maisAlgoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela.
Algoritmo Genético: um experimento comparativo entre a execução paralela com troca de indivíduos de populações e a não paralela. Marlos A. S. Lima 1, Davi Magalhães 2, F. C. de Lima Júnior 3, Rommel W.
Leia mais5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
Leia maisTécnicas para Programação Inteira e Aplicações em Problemas de Roteamento de Veículos 41
4 Resolução de IPs A teoria de programação linear foi proposta na década de 40 e logo foi observado que seria desejável a resolução de problemas que apresentavam variáveis do tipo inteiro [37]. Isto levou
Leia maisUm Estudo da Aplicação de Heurísticas Construtivas e de Melhoramento para um Problema de PRV
Um Estudo da Aplicação de Heurísticas Construtivas e de Melhoramento para um Problema de PRV Eliseu Celestino Schopf 1, Claudio Schepke 1, Marcus Lucas da Silva 1, Pablo Furlan da Silva 1 1 Centro de Eletrônica
Leia maisAlgoritmos e Estruturas de Dados II
Algoritmos e Estruturas de Dados II Grafos VI: Grafos Ponderados & Caminhos Mínimos (Bellman-Ford) Ricardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis
Leia mais5COP096 TeoriadaComputação
Sylvio 1 Barbon Jr barbon@uel.br 5COP096 TeoriadaComputação Aula 13 Prof. Dr. Sylvio Barbon Junior Sumário - Problemas NP-Completo Algoritmos Não-deterministas; Classes NP-Completo e NP-Dificil; Teorema
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL Disciplina Anual Assunto Aula 19 ACO - Ant Colony Optimization 2 de 15 Sumário Problema do Caixeiro
Leia maisResolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Lagrangeana
Resolução do problema do caixeiro viajante assimétrico (e uma variante) através da relaxação Ana Maria A.C. Rocha e João Luís C. Soares Departamento de Produção e Sistemas Escola de Engenharia Universidade
Leia maisBranch-and-Bound para problemas de Otimização Combinatória
para problemas de Otimização Combinatória Rafael Antônio Marques Gomes Orientador: Haroldo Gambini Santos Departamento de Computação UFOP 26 de julho de 2011 Rafael Antônio Marques Gomes BB para problemas
Leia maisUnidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
1 CAPÍTULO O MÉTODO SIMULATED ANNEALING APLICADO EM LOCALIZAÇÃO E ROTEAMENTO Ferreira, Kamyla Maria 1 * ; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás
Leia maisAlgoritmo heurístico para agrupamento de ordens de serviço em concessionárias de distribuição de energia elétrica considerando priorização
1/5 Title Algoritmo heurístico para agrupamento de ordens de serviço em concessionárias de distribuição de energia elétrica considerando priorização Registration Nº: (Abstract) xxx Company 1. Universidade
Leia maisAlgoritmos de Caminho Mínimo Parte 1
Algoritmos de Caminho Mínimo Parte 1 A journey of a thousand miles starts with a single step and if that step is the right step, it becomes the last step. Index 1. Introduction 2. Applications 3. Tree
Leia maisOtimização Combinatória - Parte 3
Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + 2 y s.a x + y 2 x + y 5 x, y 0, x e y inteiros b) Max z = 2 x + y s.a x + 2y 0 x + y 25 x, y
Leia maisOtimização por Colônia de Formigas (Ant Colony Optimization - ACO)
Otimização por Colônia de Formigas (Ant Colony Optimization - ACO) Eros Moreira de Carvalho Gabriel Silva Ramos CI209 - Inteligência Artificial BCC - Bacharelado em Ciência da Computação DInf - Departamento
Leia maisUnidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional Catalão
5 CAPÍTULO BUSCA EM VIZINHANÇA VARIÁVEL PARA LOCALIZAÇÃO E ROTEAMENTO Silva, Lorrany Cristina da 1 *; Queiroz, Thiago Alves de 2 1 Unidade de Matemática e Tecnologia, Universidade Federal de Goiás Regional
Leia maisDESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
Leia maisGeração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita
Geração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita Geraldo R. Mauri Universidade Federal do Espírito Santo - UFES mauri@cca.ufes.br Luiz A. N. Lorena
Leia maisMODELAGEM E SOLUÇÃO DO PROBLEMA DE SELEÇÃO DE PONTOS DE PARADA DE ÔNIBUS CONTRATADOS PARA TRANSPORTE DE FUNCIONÁRIOS
MODELAGEM E SOLUÇÃO DO PROBLEMA DE SELEÇÃO DE PONTOS DE PARADA DE ÔNIBUS CONTRATADOS PARA TRANSPORTE DE FUNCIONÁRIOS Denis Ferreira da Silva Filho 1 ; Tatiana Balbi Fraga 2 1 Estudante do Curso de Engenharia
Leia maisLista de Exercícios Programação Inteira. x 2 0 e inteiros.
Lista de Exercícios Programação Inteira ) Resolva os problemas a seguir usando o método B&B a) Max z = 5 x + y s.a x + y x + y 5 b) Max z = x + y s.a x + y 0 x + y 5 c) Max z = x + y s.a x + 9y 6 8 x +
Leia mais6 Experimentos realizados
6 Experimentos realizados 6.1 Considerações iniciais Resolvemos os modelos de PLIM utilizando o resolvedor CPLEX, baseado no método de branch-and-bound. Resolvemos as relaxações lineares dos mesmos modelos
Leia maisAvaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV
Avaliação de Heurísticas de Melhoramento e da Metaheurística Busca Tabu para Solução de PRV Eliseu Celestino Schopf 1, Claudio Schepke 1, Marcus Lucas da Silva 1, Pablo Furlan da Silva 1 1 Centro de Eletrônica
Leia maisUMA HEURÍSTICA PARA O PROBLEMA DE REDUÇÃO DE CICLOS DE SERRA
UMA HEURÍSTICA PARA O PROBLEMA DE REDUÇÃO DE CICLOS DE SERRA Rodolfo Ranck Junior Horacio Hideki Yanasse José Carlos Becceneri Instituto Nacional de Pesquisas Espaciais INPE Caixa Postal 515 12.227-010
Leia maisAnálise e Implementação de Algoritmos para o Roteamento de Veículos
Análise e Implementação de Algoritmos para o Roteamento de Veículos Milton Roberto Heinen 1 1 Universidade do Vale do Rio dos Sinos (UNISINOS) Mestrado em Computação Aplicada CEP 93022-000 - São Leopoldo
Leia maisAluno de Pós-Graduação em Engenharia de Software para Dispositivos Móveis pela UNINTER
COMPARAÇÃO DE DESEMPENHO NA PROGRAMAÇÃO PARALELA HÍBRIDA (MPI + OPENMP) NA BUSCA DE TEXTO EM ARQUIVOS 1 COMPARISON OF PERFORMANCE IN HYBRID PARALLEL PROGRAMMING (MPI + OPENMP) IN SEARCH OF TEXT IN FILES
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 7 Thiago Queiroz (IMTec) Aula 7 Aula 7 1 / 25 Problemas de Caixeiro Viajante Envolvem um conjunto
Leia maisNOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016
NOTAS DE AULA 1 METAHEURÍSTICA 13/10/2016 Metaheurística: São técnicas de soluções que gerenciam uma interação entre técnicas de busca local e as estratégias de nível superior para criar um processo de
Leia maisUMA SOLUÇÃO DO PROBLEMA DE ROTEAMENTO ABERTO DE VEÍCULOS COM JANELAS DE TEMPO UTILIZANDO METAHEURÍSTICAS GRASP E ILS
UMA SOLUÇÃO DO PROBLEMA DE ROTEAMENTO ABERTO DE VEÍCULOS COM JANELAS DE TEMPO UTILIZANDO METAHEURÍSTICAS GRASP E ILS Jose Mauricio Costa (CEFET-MG) jmcosta25@gmail.com Sergio Ricardo de Souza (CEFET-MG)
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 33 Definição do Problema Dado: um grafo ponderado G = (V, E), orientado ou não, onde d : E R + define as distâncias
Leia maisDECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes
DECISÕES SOBRE TRANSPORTES (PARTE III) Mayara Condé Rocha Murça TRA-53 Logística e Transportes Agosto/2013 Problemas de roteirização e programação de veículos (RPV) Objetivo geral: Determinar rotas de
Leia maisFormulações de Programação Matemática para o Problema de Seqüenciamento em uma Máquina com Janelas de Entrega Distintas e Tempo de Preparação
Anais do CNMAC v.2 ISSN 1984-820X Formulações de Programação Matemática para o Problema de Seqüenciamento em uma Máquina com Janelas de Entrega Distintas e Tempo de Preparação Dependente da Seqüência de
Leia maisALGORITMOS AVANÇADOS UNIDADE I Análise de Algoritmo - Notação O. Luiz Leão
Luiz Leão luizleao@gmail.com http://www.luizleao.com Conteúdo Programático 1.1 - Algoritmo 1.2 - Estrutura de Dados 1.2.1 - Revisão de Programas em C++ envolvendo Vetores, Matrizes, Ponteiros, Registros
Leia maisUMA HEURISTICA APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE
UMA HEURISTICA APLICADA AO PROBLEMA DO CAIXEIRO VIAJANTE Flávio Martins Colares Faculdade Lourenço Filho, flaviocolares@yahoo.com José Lassance de Castro Silva Universidade Federal do Ceará, lassance@lia.ufc.br
Leia maisMétodo Simplex dual. Marina Andretta ICMC-USP. 24 de outubro de 2016
Método Simplex dual Marina Andretta ICMC-USP 24 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia mais1_1 1_2 2_1 1_ _ _ Fonte: Autor
75 7. Resultados Os resultados aqui apresentados utilizam o modelo proposto na Seção 6.2, resolvido através do software de otimização AIMMS para os problemas com Datas prometidas. Já para o problema sem
Leia maisOs Problemas de Optimização Combinatória e a Teoria da Complexidade
Metodologias de Apoio à Decisão Os Problemas de Optimização Combinatória e a Teoria da Complexidade Programação Inteira Mista Programação Linear Programação Binária Mista Programação Inteira Slide Fluxos
Leia maisOtimização inteira: o problema do caixeiro viajante
https://eventos.utfpr.edu.br//sicite/sicite2017/index Otimização inteira: o problema do caixeiro viajante RESUMO André Luiz Atarasi andre.atarasi@hotmail.com Universidade Tecnológica Federal do Paraná,
Leia maisProjeto e Análise de Algoritmos Projeto de Algoritmos Programação Dinâmica (continuação) Prof. Humberto Brandão
Projeto e Análise de Algoritmos Projeto de Algoritmos (continuação) Prof. Humberto Brandão humberto@dcc.ufmg.br aula disponível no site: http://www.bcc.unifal-mg.edu.br/~humberto/ Universidade Federal
Leia maisAlgoritmos Branch e Bound para o problema de sequenciamento em uma única máquina
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Algoritmos Branch e Bound para o problema de sequenciamento em uma única máquina Carlos E. Ferreira Instituto de Matemática e Estatística, IME, USP 05508-090,
Leia maisProva Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade
Prova Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade Gustavo E.A.P.A. Batista 25 de janeiro de 2005 1 Contextualização 2 Caminhos Mínimos Caminhos Mínimos de uma Origem
Leia maisAlgoritmos e Estruturas de Dados I Prof. Tiago Eugenio de Melo
Algoritmos e Estruturas de Dados I Prof. Tiago Eugenio de Melo tmelo@uea.edu.br www.tiagodemelo.info Observações O conteúdo dessa aula é parcialmente proveniente do Capítulo 11 do livro Fundamentals of
Leia maisINVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL
INVESTIGANDO O PROBLEMA DA MOCHILA IRRESTRITA EM SUA VERSÃO BIDIMENSIONAL Mirella Augusta Sousa Moura, mirella.asm14@hotmail.com Thiago Alves de Queiroz, th.al.qz@catalão.ufg.br Resumo: Empacotamento consiste
Leia maisProblema de Roteamento de Veículos (VRP)
Problema de Roteamento de Veículos (VRP) 1 Definição Um PRV consiste basicamente em estabelecer e organizar rotas ou itinerários eficientes para veículos realizarem entrega/captação de mercadorias. Dispondo
Leia maisProjeto e Análise de Algoritmos NP Completude. Prof. Humberto Brandão
Projeto e Análise de Algoritmos NP Completude Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Universidade Federal de Alfenas versão da aula: 0.4 Introdução Problemas intratáveis ou difíceis são comuns
Leia maisPesquisa Operacional / Programação Matemática
Pesquisa Operacional / Programação Matemática Otimização discreta Modelagem com variáveis binárias: problemas clássicos Breve Comentários (aula anterior) Em geral, não faz sentido resolver a relaxação
Leia maisParte II. Aplicações em Roteamento de Veículos
Parte II Aplicações em Roteamento de Veículos 5 Problema de Roteamento de Veículos com Restrição de Capacidade O problema de roteamento de veículos com restrição de capacidade, mais conhecido pela sua
Leia maisSimulated annealing aplicado à resolução do problema de roteamento de veículos com janela de tempo
Simulated annealing aplicado à resolução do problema de roteamento de veículos com janela de tempo Aloísio de Castro Gomes Júnior Marcone Jamilson Freitas Souza Alexandre Xavier Martins Universidade Federal
Leia maisProjeto e Análise de Algoritmos. Introdução. Prof. Ademir Constantino Universidade Estadual de Maringá Departamento de Informática
Projeto e Análise de Algoritmos Introdução Prof. Ademir Constantino Universidade Estadual de Maringá Departamento de Informática Projeto e Análise de Algoritmos Eu penso que o projeto de algoritmos eficientes
Leia maisPCC104 - Projeto e Análise de Algoritmos
PCC104 - Projeto e Análise de Algoritmos Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 1 de novembro de 2018 Marco Antonio
Leia maisRoteamento de Veículos em Plataformas SIG Assistidas por Colônias de Formigas
Roteamento de Veículos em Plataformas SIG Assistidas por Colônias de Formigas Éverlin Costa Marques 1, Rafael Stubs Parpinelli 1, Ricardo C. Livelli Salazar 1 1 Centro de Ciências Tecnológicas Universidade
Leia maisProjeto e Análise de Algoritmos
Projeto e Algoritmos Pontifícia Universidade Católica de Minas Gerais harison@pucpcaldas.br 26 de Maio de 2017 Sumário A complexidade no desempenho de Quando utilizamos uma máquina boa, ela tende a ter
Leia maisANÁLISE DE RESULTADOS NA CONSTRUÇÃO DE ROTA PARA O PROBLEMA DO CAIXEIRO VIAJANTE
ANÁLISE DE RESULTADOS NA CONSTRUÇÃO DE ROTA PARA O PROBLEMA DO CAIXEIRO VIAJANTE Luiz Antonio Kretzschmar, Luiz Fernando Nunes, Paula Francis Benevides Departamento de Matemática Universidade Tecnológica
Leia maisAnálise de Desempenho de Estratégias de Particionamento de Grafos
Análise de Desempenho de Estratégias de Particionamento de Grafos Diogo T. Murata, Rodrigo M. Martins, Vanderson M. do Rosario, Anderson F. da Silva 1 Departamento de Informática - Universidade Estadual
Leia maisOtimização de horários Seminário. Clarisse Resende 25/01/2013
Otimização de horários Seminário Clarisse Resende 25/01/2013 O problema dos horários consiste numa sequência de atividades de programação, satisfazendo um conjunto de restrições de recursos. Pretende-se
Leia maisUm algoritmo pseudo-periférico genérico para a heurística de Snay
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um algoritmo pseudo-periférico genérico para a heurística de Snay
Leia maisAula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo
Aula 20: Revisão Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464 / PCC174 Departamento de Computação - UFOP Breve Revisão Programação Linear vs Programação Inteira Modelagem
Leia maisPlanejamento para fundições: uma aplicação do método das K-melhores mochilas. 1 Introdução
Planejamento para fundições: uma aplicação do método das K-melhores mochilas Murilo S. Pinheiro, Franklina M.B. Toledo, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, Av.
Leia maisGrafos e Caminhos Mínimos na Modelagem e Determinação de Custos Improdutivos em Alocação de Frotas no Transporte Coletivo de Passageiros
19 a 21 de mar o de 2010 112 Grafos e Caminhos Mínimos na Modelagem e Determinação de Custos Improdutivos em Alocação de Frotas no Transporte Coletivo de Passageiros Daniel de Oliveira 1, Thiago Kramer
Leia maisAula 19: Lifting e matrizes ideais
Aula 19: Lifting e matrizes ideais Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Branch-and-bound Formulações
Leia maisEstruturas de Dados. Grafos VIII: Árvores Geradoras Mínimas. Prof. Ricardo J. G. B. Campello
Estruturas de Dados Grafos VIII: Árvores Geradoras Mínimas Prof. Ricardo J. G. B. Campello Parte deste material é baseado em adaptações e extensões de slides disponíveis em http://ww.datastructures.net
Leia maisProgramação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo
Programação da produção em sistema no-wait flow shop com minimização do tempo total de fluxo Lucas Yamada Scardoelli (EESC/USP) scarty@terra.com.br R. General Glicério, 340, Centro, CEP 15900-000, Taquaritinga,
Leia maisUtilização de Times Assíncronos na Solução do Problema de Cobertura de Conjuntos
Utilização de Times Assíncronos na do Problema de Cobertura de Conjuntos Edison L. Bonotto 1, Marcelo Lisboa Rocha 2. 1 Programa de Pós-graduação em Informática Universidade Federal da Paraíba (UFPB) 58059-900
Leia maisExperimentos e Resultados
6 Experimentos e Resultados Neste capítulo apresentamos os experimentos realizados e os resultados obtidos pelas heurísticas apresentadas. A primeira parte do capítulo aborda os experimentos e resultados
Leia maisEstudo e implementação de heurísticas para determinação do caminho de menor custo para atender a rotas pré estabelecidas. Por: Charles Pereira
Estudo e implementação de heurísticas para determinação do caminho de menor custo para atender a rotas pré estabelecidas Por: Charles Pereira Objetivos Principal: - Criar, implementar e avaliar heurísticas
Leia maisArquitecturas Paralelas I Computação Paralela em Larga Escala LESI - 4º Ano. Desenvolvimento de Aplicações Paralelas
Arquitecturas Paralelas I Computação Paralela em Larga Escala LESI - 4º Ano Desenvolvimento de Aplicações Paralelas (gec.di.uminho.pt/lesi/ap10203/aula06aplicaçõespar.pdf) João Luís Ferreira Sobral Departamento
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roteirização e Programação de Veículos PNV-2450 André Bergsten Mendes HEURÍSTICA DE INSERÇÃO DE SOLOMON (VRPTW) Exercício Para o problema de roteirização com janela de tempo
Leia maisOtimização. Otimização em Redes. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Otimização em Redes Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 51 Conteúdo
Leia maisPesquisa Operacional. Teoria dos Grafos
Pesquisa Operacional Teoria dos Grafos 1 Sumário Introdução Histórico Aplicações de modelos em grafos Conceitos e Notação Representações de um grafo G Tipos de grafos Algoritmos Algoritmo de Djisktra Algoritmo
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia maisEngenharia Industrial
Programação Inteira: Partição e Avaliação, Planos de Corte (Mestrado) Engenharia Industrial http://dps.uminho.pt/pessoais/zan - Escola de Engenharia Departamento de Produção e Sistemas 1 PI: Introdução
Leia maisUMA HEURÍSTICA EFICIENTE PARA O PROBLEMA DE COBERTURA DE CONJUNTO POR PARES
UMA HEURÍSTICA EFICIENTE PARA O PROBLEMA DE COBERTURA DE CONJUNTO POR PARES Luciana Brugiolo Gonçalves, Simone de Lima Martins, Luiz Satoru Ochi Universidade Federal Fluminense Instituto de Computação
Leia maisUM MODELO PARA O PROBLEMA DE ROTEIRIZAÇÃO E PROGRAMAÇÃO DO TRANSPORTE DE DEFICIENTES
UM MODELO PARA O PROBLEMA DE ROTEIRIZAÇÃO E PROGRAMAÇÃO DO TRANSPORTE DE DEFICIENTES Andrei Znamensky Claudio Barbieri da Cunha Departamento de Engenharia de Transportes Escola Politécnica da Universidade
Leia maisUM ESTUDO COMPARATIVO DE DESEMPENHO UTILIZANDO PROGRAMAÇÃO SEQUENCIAL VS PARALELA APLICADO EM ALGORITMOS GENÉTICOS 1
UM ESTUDO COMPARATIVO DE DESEMPENHO UTILIZANDO PROGRAMAÇÃO SEQUENCIAL VS PARALELA APLICADO EM ALGORITMOS GENÉTICOS 1 Eldair F. Dornelles 2, Henrique A. Richter 3, Miquéias F. M. Trennepohl 4, Taís T. Siqueira
Leia mais04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II
04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2011/1 Moacir Ponti Jr.
Leia maisTeoria da Computação. Complexidade computacional classes de problemas
Teoria da Computação Complexidade computacional classes de problemas 1 Universo de problemas Problemas indecidíveis ou não-computáveis Não admitem algoritmos Problemas intratáveis Não admitem algoritmos
Leia mais