Planejamento de Transporte em Polidutos Empregando Algoritmos Genéticos

Transcrição

1 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp Planejamento de Transporte em Polidutos Empregando Algoritmos Genéticos Rocem Pol Jiménez López INTELIGENCIA COMPUTACIONAL APLICADA DEPARTAMENTO DE INGENIERIS ELECTRICA PONTIFICIA UNIVERSIDAD CATOLICA DE RIO DE JANEIRO Rua Marquês de São Vicente, 2, Gávea. rocem64@hotmail.com Resumo O artigo faz una proposta de método para o planejamento de transporte em polidutos, também faz comparações com outros métodos e os resultados obtidos são muito bons, mas no existem algoritmos que resolvam o problema tendo em conta todas as restrições. O algoritmo genético esta feito conforme a teoria de transporte por bateladas onde cada batelada é um volumem de um tipo de liquido dentro da rede de dutos, ademais estos volumeis são iguais para todas as bateladas. As redes de dutos que unem os terminais são chamadas polidutos e os terminais são áreas onde estão armazenados os tipos de líquidos (petróleo, derivados, gás liquido, etc), ademais nestes terminais se fazem as entregas dos produtos aos clientes. Um dos objetivos é cambiar as posições das bateladas para que estas estão prontas para ser entregadas aos clientes e Outro objetivo é que a mudança das posições das bateladas seja feita com a menor quantidade de movimentação possíveis. Em base estes dos objetivos a representação foi feita num cromossomo que contem a informação de que batelada vai se movimentar e através de que duto. Os melhores cromossomos vai se cruzar y mudar até obter um cromossomo que cumpra de melhor jeito com os objetivos (Evoluir). As provas foram feitas para diferentes sistemas polidutos-terminais, alguns conforme a competição Internacional de planejamento obtendo-se até agora bons resultados.as provas ainda não consideram todas as restrições, mas no futuro a implementação será feita conforme as restrições. A literatura no presta muita atenção ao transporte em polidutos apesar de sua importância. A motivação para usar algoritmos genéticos reside no fato que especialistas na operação das redes tem obtido sucesso relativo na tarefa de planejamento com a ajuda das simulações por computador. Mas o tempo consumido nesta operação é bastante grande, podendo Haber espaço para melhoria da solução encontrada. O objetivo é ter os produtos nas áreas especificadas, numa rede de dutos, para que logo os clientes podam levar seus pedidos (mediante camiões ou outro tipo de transporte).para ter os produtos nas áreas requeridas, primeiro tem que se movimentar desde suas posições iniciais. O numero de movimentações tem que ser o menor possível. Uma rede de oleodutos tem quatro elementos principais: áreas, dutos, produtos e tancagens as quais se mostram na figura 1. Palavras chaves Planejamento, Batelada, Polidutos, Otimização Combinatórial, Algoritmos Genéticos. INTRODUCCION. O planejamento de uma rede de oleodutos é uma rede bastante difícil. A logística. Desempenha um papel muito importante. Estas redes podem ser bastante complexas, com a Transpetro no Brasil, por exemplo, operando redes que juntas soman mais do que 67Km de dutos. Desde o ponto de vista econômico o transporte em oleodutos tem alta relevância, já que o custo final do petróleo e seus derivados depende de seu custo de transporte. Este problema es também interessante por que é muito deferente, em estrutura,a os demais problemas de transporte Os oleodutos operam com carregadores estacionários, com a carga movimentando-se com relação a estes, ao contrario meios onde os carregadores se movimentam, mantendo a carga estacionaria em relação a eles. Figura 1. Os volumeis dos dutos e das tancagems são definidos em termos de batelada unitária, onde cada batelada são porções indivisíveis do mesmo produto. Podemos apreciar melhor a idéia de bateladas na figura 2. figura 2.

2 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp Um conceito que usaremos é o PUSH POP que é importante na decodificação do cromossomo. O PUSH movimenta o duto no sentido padrão, enquanto a ação POP movimenta o duto no sentido oposto. Por exemplo: Figura 3. Na figura 3 podemos ver como a batelada empuxa as demais bateladas até que o sai do duto. São duas restrições principalmente as que caracterizam ao transporte por bateladas. O tancagem e a Interface entre fluidos. Tancagens influem no transporte quando estão cheios é impedem a normal movimentação das outras bateladas. Existem produtos que não podem ser adjacentes pos se misturam muito rápido então se gera o problema da interface. I. DESCRIPCION DEL PROBLEMA O problema é fazer o planejamento, pois numa rede de dutos as combinações possíveis de movimentação das bateladas são muitas, por exemplo, na seguinte rede: II. III. DESCRIPCION DE LA SOLUCION Seguiremos los siguientes pasos: A. Representação O cromossomo é um vetor misto que tem valores inteiros e números reais Cada gen da primeira metade do vetor representa a batelada para ser inserida num duto. Cada gen da segunda metade do vetor indica, depois da codificação, o duto em onde será inserida a batelada. B. Decodificação Definimos primeiro uma lista de bateladas. Estas bateladas são só as que se encontram nas áreas como se mostra na Figura. Figura Na Figura 6 a, b, c e d. Mostram a seqüências de decodificação da primeira metade do cromossomo. O primeiro cromossomo indica sobre que batelada vai se fazer o PUSH. figura 4 Nesta rede se considera o seguinte: Tancagem ate 3 bateladas para cada um dos dois produtos e três possíveis entradas A,B o nenhum então ate agora temos 3x3x3 estados em que podemos encontrar um terminal,então por cada terminal o numero de combinações aumenta a 8x3x3x3 agora tendo em conta hás aciones que podemos realizar para cada terminal (envia A envia B o nenhum) temos o numero de combinações : Figura 6 a 8*3*3*3( )=436 Em alguns modelos usam cromossomos de 436 genes [2]. Mas na hora da avaliação muito cromossomo tem que ser reparados.

3 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp C. Inicialização da população. A inicialização da população é aleatória o numero de indivíduos varia com a complexidade do sistema de dutos. D. Avaliação A avaliação é como segue: Figura 6 b -1 pontos por cada batelada que chegou a sua área correspondente -1 pontos para batelada que logro chegar a sua posição correspondente no duto Por exemplo, para o sistema da Figura 7 a avaliação e zero. Figura 6 c Figura 7 : significa que não tem importância que as bateladas ao final estejam nessas posições E. Selção pela Ruleta F. Crossover Taxa Crossover =. (para cada metade do cromossomo) Figura 6 d A segunda metade do cromossomo é para saber em que duto vai se realizar o PUSH. A área correspondente ao PUSH tem um numero dutos que se conectam com ele o numero aleatório se multiplica por a quantidade de dutos, logo ao numero resultante elevamos a seu máximo enteiro, este máximo inteiro e o numero de duto aonde vai se realizar o PUSH. G. Mutação Taxa Mutação =.1 (para cada metade do cromossomo) H. Resultados Algumas Considerações uma melhor comparação com resutados já obtidos antes são: - O programa foi feito no Matlab, mas em C++ poderia ser até 1 vezes mais rápido. - Foram cinco experimentos para obter a curva de desempenho - Das duas considerações anteriores poderíamos fazer um fator de correcção de tempo de processamento até vezes mais rápido.

4 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp Sistema de dutos 1 Sistema de dutos 2 sistema desejado sistema ao inicio 1 1 B1 B2 B B1 B2 sistema ao inicio sistema desejado Curva da Média de Experimentos Curva da Média de Experimentos Aptidão Aptidão Gerações População inicial = 8, 14 gerações, experimentos 12 movimentações s com fator de correcção.6s 1 Gerações População inicial = 8, gerações, experimentos 14 movimentações 94s com fator de correcção.18s

5 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp. 1-1 Sistema de dutos 3 sistema ao inicio I. Conclusões 4 1 B1 B2 B1 B 9 B11 B12 B13 - O emprego de algoritmos genéticos é uma boa opção para o planejamento de transporte por bateladas. - Uma boa representação empregando algoritmos genéticos pode no ter a necessidade de corrigir cromossomos sistema desejado Curva da Média de Experimentos J. Referencias [1] Frederico dos Santos Liporace. Planejadores para transporte em polidutos. PUC-rio,Rio de Janeiro,Brasil [2] MILIDIÚ,R.L.;PESSOA, A.A.; LABER, E. S. Transporting petroleum products in pipelines (abstract). In:ISMP -17TH INTERNATIONAL SYMPOSIUM ON MATEMATICAL PROGRAMMING, Atlanta, Georgia, USA, August [3] ANGELA OLANDOSKI BARBOZA,Simulação e Técnicas da Computação Evolucionaria Aplicadas a Problemas de Programação Linear Inteira Mista. UNIVERSIDADE TECNOLOGICA FEDERAL DO PARANA. Paraná, Brasil Aptidão Gerações A Figura 8 mostra o resultado da competição internacional de planejamento. Do uno a dez são provas com a primeira planta, 11 a com a segunda e 21 a com a terceira.nossos resultados com algoritmos genéticos estão entre.1 é 1 que são bons resultados. Figura 8

6 > REVISTA DE INTELIGÊNCIA COMPUTACIONAL APLICADA (ISSN: XXXXXXX), Vol. X, No. Y, pp Planejamento de Transporte em Polidutos Empregando Algoritmos Genéticos Autor:Rocem Jiménez López