OTIMIZAÇÃO DA GESTÃO DO PÁTIO DE MANOBRAS FERROVIÁRIAS UTILIZANDO A META-HEURÍSTICA GRASP
|
|
- Eugénio Neiva
- 5 Há anos
- Visualizações:
Transcrição
1 OTIMIZAÇÃO DA GESTÃO DO PÁTIO DE MANOBRAS FERROVIÁRIAS UTILIZANDO A META-HEURÍSTICA GRASP Landerson Morais Alexandre Juan Xabier Esteban de Aquino Calles Leandro Colombi Resendo Instituto Federal do Espírito Santo Campus Serra Bacharelado em Sistema de Informação RESUMO Considerando a importância da gestão do pátio ferroviário para a uma ferrovia, este trabalho propõe uma heurística para a otimização das manobras dos vagões em um pátio de classificação. Nesta parte do pátio, as locomotivas de manobra devem pegar vagões em um ponto e levar a outro ponto do pátio, respeitando restrições específicas de pátios ferroviários, como por exemplo, restrições de segurança. Com essa tarefa, a gestão desta parte do pátio é caracterizada como um problema de pick-up and delivery (PDP). Assim, neste trabalho é apresentado uma implementação da meta-heurística GRASP para o problema PDP considerando restrições ferroviárias. Os resultados numéricos destacam os ajustes dos parâmetros da heurística para o problema, bem como a viabilidade de seu uso em cenários reais. ABSTRACT The good railway yard management is imperative to an efficient rail system. Then, this work proposes a heuristic to optimize the movement of the wagons in a classification yard. In this part of yard these are locomotives responsible for pick up wagons at one place and leave them in another place in the yard, taking into account specific rail yards constraints, such as safety. As described, the management of a railway classification yard can be characterized as a pickup and delivery problem (PDP). Thus, in this work we present a computational method based on meta-heuristic GRASP to the PDP problem, regarding railway yard constraints. Numerical results highlight the heuristic parameter settings to the problem investigation, in addition its effectiveness to solve realsize instances. 1. INTRODUÇÃO A principal motivação para estudos em problemas de logística de transporte, na maioria das vezes, são os altos custos que se tem com o transporte de cargas, que representam uma grande parcela do custo da matéria-prima e do produto final (Pereira, 2010). Segundo Toth e Vigo (2001), aplicações no mundo real, na América Latina e na Europa, mostram que o uso de procedimentos computadorizados para o planejamento produz economia significativa nos custos globais de transporte. O Problema de Roteamento de Veículos (Vehicle Routing Problem VRP) é o nome que se dá a classe de problemas, na área de otimização combinatória, que tem como objetivo estabelecer rotas eficientes para que veículos realizem coletas/entregas de cargas, tendo frota de veículos homogênea, ou não (Kumar e Panneerselvam, 2012). Uma variante dessa categoria inclui o Problema de Coleta e Entrega (Pickup and Delivery Problem PDP) (Perretto et al., 2013), em que as mercadorias, ou pessoas tem que ser transportadas entre origens e destinos. No PDP, o veículo deve sair de um ponto de origem, coletar a(s) demanda(s), que possui informações sobre a carga e localização de origem, transportar até o destino da entrega, coletar a nova demanda e assim sucessivamente, até o fim do horizonte de planejamento. Freitas e Montané (2008) apresentam duas meta-heurísticas para resolverem de forma aproximada o problema de Roteamento de Veículos com Coleta e Entrega Simultânea (PRVCES). Uma delas é o GRASP-VND que utiliza o Greedy Randomized Adaptive Search 0728
2 Procedure (GRASP) e a heurística Variable Neighborhood Descent (VND) como método de busca local. A outra é o VNS-VND, que tem como componentes o Variable Neighborhood Search (VNS), que explora um conjunto de vizinhanças, e novamente, o VND como estratégia de busca local. Porém, o trabalho não trata de nenhum caso real, assim apenas as restrições clássicas são consideradas. Mine et al (2010) propuseram um algoritmo que combina adaptações das heurísticas Inserção Mais Barata e GENIUS, a fim de gerarem a solução inicial, e as heurísticas Iterated Local Search (ILS), com o intuito de refinar a solução inicial, e VND como método de busca local, para resolver o VRP. Adicionalmente, neste trabalho também são consideradas as restrições clássicas do PDP. Nesse trabalho, apresentamos uma aplicação prática em que a resolução desse tipo de problema impacta nos custos de uma empresa que utiliza o transporte ferroviário para escoamento de seus produtos/matérias-primas. A solução apresentada tem como intuito apoiar o planejamento operacional de pátios ferroviários, diminuindo o tempo utilizado para realizar o processo de planejamento e minimizando o tempo de realização das atividades do pátio ferroviário, visto que a capacidade de operação do transporte ferroviário está diretamente relacionada à qualidade de sua infraestrutura e com a eficiência na gestão de seus pátios e terminais, pois grande parte dos vagões e cargas encontra-se dentro destes locais. Mais especificamente, a proposta desse trabalho é desenvolver uma heurística para o problema da gestão do pátio aplicado na área de classificação de um pátio, ou seja, onde os vagões são separados e reagrupados em blocos de acordo com um destino comum. Esse destino pode ser tanto o destino final da carga quanto outro pátio. A função do método desenvolvido é determinar a programação de cada locomotiva de manobra e, também, a melhor rota para cumprir a programação. O método computacional utilizado foi uma metaheurística desenvolvida por Feo e Rezende (1995), chamada GRASP. Trata-se de um método não-determinístico que consiste em criar uma solução inicial viável e em seguida melhorar a qualidade da solução através de uma busca local. O texto do artigo está organizado da seguinte maneira: o Capítulo 2 apresenta a descrição do problema estudado e os principais conceitos utilizados na área; no Capítulo 3 é descrito a modelagem computacional do problema; no Capítulo 4 é apresentada a heurística proposta usada para resolver o problema; no Capítulo 5 são apresentados os resultados computacionais e análises; e finalmente no Capítulo 6 as conclusões e considerações finais. 2. DEFINIÇÕES DO PROBLEMA Os componentes fundamentais de um pátio ferroviário são: os vagões, que são veículos construídos com o propósito de transportar mercadorias, animais ou passageiros, porém estes dependem das locomotivas para se locomoverem; as locomotivas são os veículos que fornecem a energia necessária para movimentação dos vagões, movendo até algumas centenas de vagões. Elas podem atuar fornecendo tração a um conjunto de vagões entre os pátios, ou atuar dentro dos pátios, nesse caso elas são chamadas de locomotivas de manobras; as linhas, são por onde os trens circulam, e conectam estações, pátios e terminais. Tais linhas são formadas por um conjunto de segmento de trilhos; a locomoção de um trem de uma linha para outra é realizada através de aparelhos de mudança de via (AMV). Esse dispositivo ajuda, também a resolver o problema de cruzamento em nível entre duas linhas. Eles são essenciais 0729
3 para as mudanças de direção em uma ferrovia e também em áreas de manobras de trens; os pátios ferroviários são onde os trens são desmembrados, descarregados, classificados e formados. Fisicamente, ele é uma vasta área composta de linhas paralelas conectadas por AMV s. A Figura 1 ilustra um pátio ferroviário em operação. Figura 1: Área de um pátio ferroviário em operação. A programação das operações das locomotivas de manobras é subdividida em unidades básicas chamadas de manobras. Uma manobra é o transporte de um conjunto de vagões, de um local para outro no pátio. Assim, ao realizar a coleta de um conjunto de vagões, a entrega precisa ser feita antes de realizar a próxima coleta. Esta programação é atendida em intervalos de tempo denominados horizontes de planejamento. Note que esta definição do problema se assemelha do problema coleta e entrega, o PDP. A Figura 2 ilustra o processo de coleta e entrega em um pátio de vagões. Seja e a localização de uma locomotiva de manobra no início de um horizonte de programação. A locomotiva deve se dirigir a posição V 1 para coletar um conjunto de vagões, que em seguida será entregue na posição V 1-. Após esta ordem de serviço ela deve coletar o próximo conjunto de vagões em V 2 e entregá-lo em V 2-, e assim sucessivamente até o final desta programação em e -. Assim, como dito, a estrutura básica do problema de gerenciamento de um pátio de vagões é análogo ao PDP (Sabino et al 2010). Na literatura existem várias versões do PDP, porém foi encontrada apenas uma com as características semelhantes a este trabalho, em Sabino et al (2010), onde foi implementado uma heurística baseada em Colônia de Formigas para o planejamento de um pátio de manobras. Contudo, as informações contidas no trabalho não possibilitam a comparação dos resultados. No problema do planejamento das locomotivas de manobra em um pátio ferroviário, um das restrições que mais se diferenciam do PDP é a restrição de segurança para a movimentação. Com esta restrição, um trem só pode seguir para a linha adiante se ela estiver totalmente desocupada. Quando acontece de a linha seguinte estar ocupada por outro trem, é obrigatório que se espere até que a linha seja totalmente desocupada. 0730
4 Assim, o gerenciamento das locomotivas de manobras nos pátios, nesse trabalho é tratado como um problema de otimização combinatória, e é enunciado da seguinte forma: input 1. Layout do pátio; 2. Lista de manobras a serem executadas, com origem, destino e quantidade de vagões a serem movimentados; 3. Lista de locomotivas disponíveis, com as suas respectivas localizações iniciais; e V 1 V 2 V 1 - V k V 3 - V 2 - V 3 Figura 2: Ilustração do problema de gerenciamento de um pátio de vagões através do PDP. Como resultado espera-se obter o planejamento das operações no horizonte de tempo programado. Isto é, um conjunto de rotas a serem seguidas por cada locomotiva de manobra, na execução da movimentação dos conjuntos de vagões no pátio, lotes de vagões. Adicionalmente, as seguintes restrições também foram consideradas: Todas as locomotivas têm a mesma capacidade de carga; Os trens se locomovem a uma velocidade constante; Os trens podem se mover tanto para frente quanto para trás; Toda manobra pode ser realizada por qualquer locomotiva; Todas as manobras têm de ser executadas durante o horizonte de planejamento. 3. MODELAGEM DO PROBLEMA A modelagem do layout do pátio é baseada em Grafos. O pátio é descrito num grafo G = (V, A) não direcionado e ponderado nos arcos, no qual o conjunto V de seus nós descrevem os extremos dos segmentos de trilho e AMV s e o conjunto A corresponde aos segmentos de trilhos e AMV s. Os elementos do conjunto A (arcos) se conectam aos elementos do conjunto V (nós) descrevendo o layout do pátio. A Figura 2 exemplifica a modelagem de um pátio hipotético K. Nela estão representados, por linhas mais escuras, 7 segmentos de trilhos e por linhas mais claras, os AMV s. Na modelagem do pátio, as mudanças de linhas dos AMV s são representadas como arcos no grafo G, porém estes arcos em particular apresentam custo igual a zero. e - V k
5 Figura 2: Grafo descritivo do layout de um pátio hipotético K. Neste trabalho consideramos o custo como unidade de tempo. Ou seja, se o custo de um determinado arco que representa um segmento de trilho for x, isso significa que um objeto puntiforme demoraria x unidades de tempo para percorrer aquele arco. O comprimento do lote é considerado, na solução, semelhante ao custo dos arcos representando segmentos de trilhos. Sendo assim, baseado na modelagem proposta para o problema, o comprimento de cada lote é medido, também, em unidades de tempo, visto que a velocidade de trabalho da locomotiva é constante. Então ao informar que um lote tem comprimento de x segmento significa que um objeto puntiforme gasta x unidades de tempo para percorrer o lote. O caminho de coleta e entrega definido para uma locomotiva de manobras é um conjunto ordenado O = {Nc 1, Nc 2, Ne 1, Ne 2,, Nc n-1, Nc n, Ne n-1, Ne n} representando a sequência de nós a ser percorrida. Onde Nc 1 e Nc 2 correspondem ao arco (linha) onde é realizada a primeira coleta, e Ne 1 e Ne 2 correspondem ao arco onde é realizada a primeira entrega do conjunto de vagões, ou seja, a primeira manobra. Já Nc n-1 e Nc n, e Ne n-1 e Ne n, correspondem à coleta e entrega da última manobra. 4. MÉTODO UTILIZADO No trabalho de Sosa et al. (2007), analisaram a complexidade de problemas de roteirização de veículos, e concluíram que praticamente todos os problemas de roteirização de veículos são NP-difícil. Também, de acordo com Parragh (2008) o problema tratado nesse trabalho também pertence a classe NP-difícil. Isto significa que a resolução do problema considerando instâncias maiores é necessário o uso de métodos heurísticos. Como dito anteriormente, para a resolução do problema foi escolhida uma meta-heurística Greedy Randomized Adaptive Search Procedure (GRASP), em português, Procedimento de Busca Adaptativo, Aleatório e Guloso. 0732
6 A Figura 3 apresenta o pseudocódigo do algoritmo principal. Pode-se notar que existem três etapas presentes neste algoritmo. A primeira consiste em carregar a instância de entrada, ou seja, os dados do layout do pátio, bem como a localização das locomotivas de manobras e as manobras que deverão ser realizadas dentro do horizonte de tempo. Já a segunda etapa, detalhada na Figura 4, inclui uma construção sequencial de uma solução viável. A cada iteração, todos os possíveis movimentos são ranqueados de acordo com a função adaptativa e gulosa que leva em conta o estado presente, e um desses possíveis movimentos é escolhido de maneira aleatória, da Lista Restrita de Candidatos (LRC), para compor a solução. Nessa função a linha Selecione aleatoriamente um elemento s da LRC depende de um parâmetro alpha que regula a quantidade de elementos da lista que serão analisados. Este parâmetro será melhor discutido mais adiante. Figura 3: Pseudocódigo que descreve o GRASP. Figura 4: Pseudocódigo que descreve a fase de construção do GRASP. Na terceira etapa, é usado uma busca local para chegar a um ótimo local. Pelo fato de todo o procedimento ser repetido várias vezes, é indispensável uma fase de construção eficiente. E, além disso, é preferível construir um número de soluções viáveis e, então, aplicar a busca local para a mais promissora das soluções, devido à complexidade da busca local. Figura 5: Pseudocódigo que descreve a fase de busca em vizinhança. A meta-heurística implementada é utilizada como apoio à decisão para definir o plano de 0733
7 trabalho das locomotivas. Ou seja, o GRASP será utilizado para definir qual locomotiva deve executar qual manobra e também a ordem em que deve ser realizada a execução destas manobras, sem que esse plano viole as restrições operacionais. No início da fase construtiva, a estrutura que guarda a programação de cada locomotiva está vazia. A cada iteração, enquanto o horizonte de tempo não chegou ao fim é construído a lista restrita de candidatos (LRC). A sua construção é feita com base na lista de manobras e a localização atual da locomotiva em questão, então a LRC é reordenada, de forma crescente, a partir da distância existente entre a localização atual da locomotiva e a localização de coleta das manobras. Em seguida, é escolhido aleatoriamente uma manobra (par coleta-entrega) desta lista e, então, adicionada à estrutura que guarda a programação da locomotiva. A execução desta fase termina quando todas manobrar forem atendidas ou exceder o horizonte de planejamento. Em seguida, inicia-se a segunda fase, que é responsável por fazer melhoria na solução construída na fase anterior. O critério escolhido para a estrutura de vizinhança foi alterar os pares de coleta-entrega vizinhos. A cada iteração é feito a permuta. Então é verificado se a solução foi melhorada. Caso tenha melhorado, a solução melhorada substitui a anterior, caso contrário, o estado anterior da solução é restaurado. A fase de busca local termina quando a vizinhança escolhida é explorada por completo. Ao fim dessa fase, o ótimo local é encontrado. Como a obtenção do resultado é de forma adaptativa, gulosa e aleatória, faz-se necessário verificar se a solução encontrada é superior em relação a encontrada na iteração anterior. A execução do GRASP termina quando o máximo de iterações definido é atingido. Ao fim da execução da meta-heurística a melhor solução encontrada, até aquele momento, é retornada. 5. RESULTADOS COMPUTACIONAIS Nesta seção são apresentados os resultados computacionais obtidos pelo algoritmo GRASP proposto. Ele foi desenvolvido na linguagem Python, utilizando o ambiente Pycharm Community Edition Os testes foram executados em um computador com o processador Intel Core i GHz, 8GB de memória RAM, sistema operacional Windows 7. Com esta configuração, todas as instâncias foram executadas em menos de um minuto. A heurística é avaliada utilizando o layout do pátio de manobras de Uvaranas, no Paraná (Cavalcanti, 1986). Como não havia informações sobre os comprimentos das linhas, estas foram determinadas, aproximadamente, a partir das medidas do layout. O pátio foi modelado conforme o grafo apresentado na Figura 6. O grafo obtido contém 81 nós e 105 arestas. A Tabela 1 apresenta os parâmetros para o cenário proposto. Nos experimentos foram definidas 100 manobras a serem executadas num horizonte de tempo de 6 horas (360 minutos). A unidade de medida de tempo definida para servir de custo para as arestas foi o minuto. 0734
8 Figura 6: Grafo do pátio utilizado nos testes. Tabela 1: Parâmetros do GRASP utilizados nos experimentos computacionais Parâmetro Notação Valores Horizonte de planejamento (minutos) HorizonteTempo 360 Número de manobras realizadas Manobras 100 Número de iterações maxiterations 5; 10; 15; 20; 30; 40; 50; 100; 200; 500 Valor de limitação da LCR alpha 0,1; 0,2; 0,3; 0,4; 0,5; 0,6; 0,7; 0,8; 0,9; 1 Para a obtenção dos resultados computacionais, o cenário proposto foi testado utilizando diferentes valores para os parâmetros da heurística. O parâmetro maxiterations determina o número de iterações que a heurística fará para determinada combinação de parâmetros. Enquanto que alpha determina a porcentagem da lista de candidatos restrita (LCR) baseada em 100 soluções viáveis. As Figuras de 7 e 8 mostram os resultados obtidos nos testes, ambos variando o parâmetro maxiterations. Note que a Figura 8 é complementar à Figura 7. Os resultados foram separados em duas figuras para facilitar o entendimento. Em ambas, o eixo das abscissas corresponde à variação do parâmetro alpha enquanto o eixo das ordenadas corresponde ao tempo gasto pela locomotiva que mais demorou para realizar seu conjunto de manobras, ou seja, o tempo máximo das manobras para o horizonte de planejamento. Os resultados apontaram que quanto mais gulosa é a construção da solução, ou seja, quanto mais próximo de zero é o valor de alpha, pior é a qualidade da solução final. E melhores soluções são obtidas ao construí-la de maneira totalmente aleatória, ou seja, quando alpha é igual a 1. Outra característica encontrada ao comparar os gráficos das Figuras 7 e 8 é que houve uma melhora considerável da qualidade da solução quando se fixa alpha em 1 e varia do parâmetro maxiterations. De acordo com os resultados obtidos, a qualidade da solução ficou cerca de 20,80% melhor quando maxiterations assume valor 500 em relação a quando assume valor 5. Porém não há melhoria na qualidade da solução quando alpha assume o valor 0,
9 Figura 7: Gráfico de Custo vs. Alpha, para maxiterations = 5, 10, 15, 20, 30. Figura 8: Gráfico de Custo vs. Alpha, para maxiterations = 40, 50, 100, 200, CONCLUSÃO Nesse trabalho foi desenvolvida uma heurística, utilizando a meta-heurística GRASP, para o problema da gestão de um pátio de manobras ferroviário, mais especificamente o pátio de classificação. O pátio de classificação é a região onde, após serem descarregados, os vagões dos trens classificados, são separados e enviados para diferentes pontos no pátio. Como os vagões não possuem tração própria, para isso existem locomotivas chamadas de locomotivas de manobras. A tarefa destas locomotivas consiste em pegar um conjunto de vagões em um ponto do pátio é lavar a outro ponto. Sendo que essas operações devem respeitar um conjunto de restrições inerentes aos pátios ferroviários, como por exemplo, restrições de segurança. Dadas as características no problema abordado, constatou-se que este se encaixava nas definições do problema clássico de pick-up and deliveri problem (PDP), com algumas restrições. Assim, usando os conceitos do problema clássico PDP foi desenvolvido a heurística GRASP proposta neste trabalho. 0736
10 Analisando a heurística proposta, nos resultados numéricos é encontrada a configuração ideal para esta heurística, considerando o problema investigado, bem como a eficiência da mesma para a resolução deste problema. Isto é, mostramos que seria viável a aplicação do método proposto em cenários reais. Como trabalhos futuros, pretende-se propor e implementar um modelo de programação linear inteira mista para obtenção da solução exata de instâncias. Assim, validar qualitativamente a heurística GRASP proposta nesse trabalho. Agradecimentos Este trabalho foi financeiramente apoiado pelo CNPq por meio do projeto Otimização do Pátio de manobras da Companhia Vale do Rio Doce (Processo n /2013-5) REFERÊNCIAS BIBLIOGRÁFICAS Cavalcanti, F. (1986) O novo pátio de Uvaranas, PR. Disponível: Acesso em 20 Nov Feo, T. A. e Resende, M. G. C.(1995). Greedy randomized adaptive search procedures.journal of Global Optimization, 6: Disponível: Acesso em 10 Nov Sabino, J.A. et al., (2010) A Multi-Objective Ant Colony Optimization Method applied to Switch Engine Scheduling in Railroad Yards, Pesquisa Operacional, v.30, n.2, p Freitas, L.M.R. e Montané, F.A.T. (2008) Metaheuristicas VNS-VND e GRASP-VND para Problemas de Roteamento de Veículos com Coleta e Entrega Simultânea, XVIII Simpósio de Pesquisa Operacional e Logística da Marinha (SPOLM). Kumar, S.N, e Panneerselvam, R. (2012) A Survey on the Vehicle Routing Problem and Its Variants, Intelligent Information Management, v. 4, p Perretto, P.R., et al., (2013) Resolução de um caso real do problema dial-a-ride multicritério via clustering search. Produção, v. 23, p Mine, M. T., et al. (2010). O problema de roteamento de veículos com coleta e entrega simultânea: Uma abordagem via Iterated Local Search e GENIUS. Capítulo 3 do Livro: Transporte em Transformação Volume XIV, pg , ISBN: N. Parragh, Sophie & Doerner, Karl & Hartl, Richard. (2008). Part II: Transportation between pickup and delivery locations. Journal für Betriebswirtschaft Parragh, S.N., Doerner, K.F. e Hartl, R.F. (2008) A survey on pickup and delivery problems, Journal für Betriebswirtschaft, v. 58, Issue 1, p Pereira, L. D. (2010) Heurísticas e algoritmos exatos para o problema de roteamento de veículos com coleta e entrega simultâneas. Dissertação de Mestrado, Instituto de Ciências Exatas da Universidade Federal de Minas Gerais. Sosa, N. G. M., et.al.(2017) Algoritmo de busca dispersa aplicado ao problema clássico de roteamento de veículos. Pesquisa Operacional, Rio de Janeiro, v. 27, n. 2, p Toth, P. e Vigo, D.(2001) The Vehicle Routing Problem,Capítulo de An Overview of Vehicle Routing Problems. SIAM. Landerson Morais Alexandre (landerson.lma@hotmail.com) Juan Xabier Esteban de Aquino Calles(callesjuan@gmail.com) Leandro Colombi Resendo (leandro@ifes.edu.br) Bacharelado em Sistema de Informação, Serra, Instituto Federal do Espírito Santo Rodovia ES Km 6,5 Manguinhos, CEP: Serra - ES 0737
COMPARAÇÃO 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
UM ALGORITMO HÍBRIDO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA E JANELA DE TEMPO
UM ALGORITMO HÍBRIDO PARA A SOLUÇÃO DO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA E JANELA DE TEMPO Aline Aparecida de Carvalho Gonçalves, Sérgio Ricardo de Souza Centro Federal de Educação
5 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
METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima
METAHEURÍSTICAS METAHEURÍSTICA Encontrar soluções boas ou até mesmo ótima Consiste em aplicar iterativamente uma heurística subordinada (busca local) Tem algum mecanismo para escapar de ótimos locais (vales)
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Iterated Local Search. Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE
I Iterated Local Search Helena R. Lorenço, Olivier Martinz and THOMAS STUTZLE Idéias Metaheurística deve ser simples, eficiente e mais genérica possível. Problema específico deve ser incorporado à metaheurística.
ANÁLISE 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
Problemas 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,
DECISÕES 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
GRASP para o Problema do Caixeiro Viajante com Limite de Calado
GRASP para o Problema do Caixeiro Viajante com Limite de Calado Victor Mouffron Carvalho Machado, Luiz Satoru Ochi Universidade Federal Fluminense Rua Passo da Pátria, 156, São Domingos-Niterói - RJ E-mail:
NOTAS 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
Um 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
DESENVOLVIMENTO 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
1 Introdução. 1.1 Contextualização e motivação
1 Introdução 1.1 Contextualização e motivação Segundo Novaes (2004), no final da década de 1970, significativas mudanças econômicas passaram a afetar as sociedades comercialmente desenvolvidas e industrializadas.
UMA 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)
Tópicos em Métodos Heurísticos META-HEURÍSTICAS
Tópicos em Métodos Heurísticos META-HEURÍSTICAS MÉTODOS HEURÍSTICOS QUE PERMITEM A CONTINUIDADE DAS EXPLORAÇÕES ALÉM DA OTIMALIDADE LOCAL, EM PARTICULAR, SUPERPONDO-SE A HEURÍSTICAS DE BUSCA LOCAL I) SIMULATED
Otimização. 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
Marcone Jamilson Freitas Souza
Otimização: Algumas aplicações Marcone Jamilson Freitas Souza Departamento de Computação Programa de Pós-Graduação em Ciência da Computação Universidade Federal de Ouro Preto http://www.decom.ufop.br/prof/marcone
Aplicação 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
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C01 Simulated Annealing (20/11/07). C02 Busca Tabu (22/11/07). C03 Colônia
Introdução 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
Pesquisa Operacional Aplicada à Mineração
Pesquisa Operacional Aplicada à Mineração Módulo de Otimização Parte II-b Prof. Marcone J. F. Souza Prof. Túlio A. M. Toffolo marcone.freitas@yahoo.com.br tulio@toffolo.com.br Departamento de Computação
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH
Nuno Miguel Duarte Sequeira André VARIABLE NEIGHBOURHOOD SEARCH Optimization and decision support techniques PDEEC 2007 Introdução A meta-heurística VNS (Variable Neighbourhood Search) é bastante recente
Otimização por Colônia de Formigas (ACO)
Otimização por Colônia de Formigas (ACO) Inspiração Biológica Proposto por Dorigo e Gambardella em 1997 ACO (Ant Colony Optimization) Principal aplicação no PCV Programação do algoritmo Inspiração Biológica
1 Introdução 1.1 Motivação
13 1 Introdução 1.1 Motivação O planejamento de tarefas é um trabalho de resultados economicamente importantes mas de uma dificuldade computacional muito grande. Os problemas de planejamento podem ser
METAHEURÍSTICAS VNS-VND E GRASP-VND PARA PROBLEMAS DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA
METAHEURÍSTICAS VNS-VND E GRASP-VND PARA PROBLEMAS DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA Lia Mara Borges de Freitas Universidade Candido Mendes UCAM-Campos Rua Anita Pessanha, 100,
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DO ROTEAMENTO DE VEÍCULOS CAPACITADOS COM RESTRIÇÕES DE CARREGAMENTO BIDIMENSIONAL
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DO ROTEAMENTO DE VEÍCULOS CAPACITADOS COM RESTRIÇÕES DE CARREGAMENTO BIDIMENSIONAL Andre Renato Sales Amaral (UFES) andre.r.s.amaral@gmail.com Roger
Avaliação 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
UM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO
UM ALGORITMO HEURÍSTICO PARA O PROBLEMA DE GERENCIAMENTO DE ESCALA OPERACIONAL DE CONTROLADORES DE TRÁFEGO AÉREO Bruno Mota Avelar Almeida, Túlio Ângelo Machado Toffolo, Marcone Jamilson Freitas Souza
4 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
RESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START
RESOLUÇÃO DO PROBLEMA DAS P-MEDIANAS POR MEIO DE ALGORITMOS BASEADOS EM GRASP, ILS E MULTI-START Gustavo Marques Zeferino, Flaviana M. de S. Amorim, Marcone Jamilson Freitas Souza, Moacir F. de F. Filho
Departamento 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
Volmir 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
ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS
1/18 ANÁLISE DE COMPLEXIDADE DOS ALGORITMOS Algoritmos 2/18 Algoritmos Algoritmo - sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador)
HEURÍSTICA GRASP PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA
HEURÍSTICA GRASP PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEA Lia Mara Borges de Freitas 1,3, José Elias Cláudio Arroyo 2, 4, Fermín Alfredo Tang Montané 1, 5 e Dalessandro
Lista 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
Otimização 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
MODELAGEM 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
UM ALGORITMO GRASP PARA O SALBP-2
UM ALGORITMO GRASP PARA O SALBP-2 Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 54 Goiabeiras 2907590 Vitória/ES Brasil dayan.bissoli@ufes.br André Renato
1 - A capacidade de fluxo que corresponde a capacidade máxima que pode passar pelo arco.
CONCEITOS DE REDE Uma rede é formada por um conjunto de nós, um conjunto de arcos e de parâmetros associados aos arcos. Nós Arcos Fluxo Interseções Rodovias Veículos Rodoviários Aeroportos Aerovia Aviões
HEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME
HEURÍSTICAS GRASP PARA A MINIMIZAÇÃO DO ATRASO TOTAL NO PROBLEMA DE PROGRAMAÇÃO DE TAREFAS EM UMA MÁQUINA COM SETUP TIME Gilberto Vinícius P. Nunes Departamento de Informática, Universidade Federal de
Teoria 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
Heurística GRASP-VND para o Problema de Roteamento de Veículos com Cross-Docking
Heurística GRASP-VND para o Problema de Roteamento de Veículos com Cross-Docking Lucas Abritta Costa, Fernando Afonso Santos Universidade Federal de Itajubá Campus Itabira Rua São Paulo, 377 Bairro Amazonas
PARALELIZAÇÃO 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
Unidade 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
Orivalde Soares da Silva Júnior. Algoritmos para os Problemas de Roteirização Estática e Dinâmica de Veículos com Janelas de Tempo.
Orivalde Soares da Silva Júnior Algoritmos para os Problemas de Roteirização Estática e Dinâmica de Veículos com Janelas de Tempo Tese de Doutorado Tese apresentada ao Programa de Pós-graduação em Engenharia
3 Decisões de Localização de Instalações
3 Decisões de Localização de Instalações Historicamente, o estudo contemporâneo dos problemas de localização foi iniciado por Alfred Weber, que estudou a localização de uma fábrica com o objetivo de minimizar
Aplicação do método Path-Relinking na resolução do Problema Roteamento de Veículos com Coleta e Entrega Simultâneas
Aplicação do método Path-Relinking na resolução do Problema Roteamento de Veículos com Coleta e Entrega Simultâneas Luiz Felipe Vasconcelos Caires Universidade Federal dos Vales do Jequitinhonha e Mucuri
2 Definição do Problema
Definição do Problema. Formulação Matemática O problema do Fluxo Máximo entre todos os pares de nós surge no contexto de redes, estas representadas por grafos, e deriva-se do problema singular de fluxo
Problema de Roteamento de Veículos com Tempos Adicionais em Fronteiras
Problema de Roteamento de Veículos com Tempos Adicionais em Fronteiras Lucas Esperancini Moreira e Moreira Instituto de Ciências Matemáticas e Computação - USP Av. Trabalhador São-Carlense, 400, CEP: 13560-970,
Otimização 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
6 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
Estudo 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
Problema 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
4 Descrição do modelo matemático proposto
4 Descrição do modelo matemático proposto O modelo matemático de programação linear inteiro misto (PLIM) proposto neste capítulo foi baseado no modelo apresentado por Steffensen (2012). Após algumas adaptações,
Otimização com colônia de formigas aplicada à programação de operações de locomotivas de manobras
Jodelson Aguilar Sabino Otimização com colônia de formigas aplicada à programação de operações de locomotivas de manobras Tese de Doutorado Tese apresentada ao programa de pós-graduação em Engenharia de
Experimentos 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
Dalessandro Soares Vianna 1,3 Edwin Benito Mitacc Meza 1,4 Fernando Correa Hentzy 2,5 Carlos Bazilio Martins 1,6 Adriana Pereira de Medeiros 1,7
HEURÍSTICAS BASEADAS EM BUSCA LOCAL PARA A PROGRAMAÇÃO E ROTEIRIZAÇÃO DE EMBARCAÇÕES DE APOIO À EXPLORAÇÃO DE PETRÓLEO OFF-SHORE, ANALISANDO MÚLTIPLAS ESTRUTURAS DE VIZINHANÇA Dalessandro Soares Vianna
Relatório Técnico: Busca Tabu Aplicada ao Problema do Caixeiro Viajante
Relatório Técnico: Busca Tabu Aplicada ao Problema do Caixeiro Viajante André Britto de Carvalho, Rodolfo Barriveira, Carlos Tavares, Kelly Rodrigues, Frederico Losco Resumo. Este relatório apresenta uma
AMAM: ARQUITETURA MULTIAGENTE PARA A SOLUÇÃO, VIA METAHEURÍSTICAS, DE PROBLEMAS DE OTIMIZAÇÃO COMBINATÓRIA Maria Amélia L. Silva, Sérgio R. de Souza, Henrique E. Borges, Sabrina M. Oliveira, Elias C. C.
CAP 254 CAP 254. Otimização Combinatória. Professor: Dr. L.A.N. Lorena. Assunto: Metaheurísticas Antonio Augusto Chaves
CAP 254 CAP 254 Otimização Combinatória Professor: Dr. L.A.N. Lorena Assunto: Metaheurísticas Antonio Augusto Chaves Conteúdo C Simulated Annealing (2//7). C2 Busca Tabu (22//7). C3 Colônia de Formigas
Estruturas de Dados II. Caixeiro Viajante
Estruturas de Dados II Prof. a Mariella Berger Caixeiro Viajante 1. Objetivo O objetivo deste trabalho é implementar diferentes soluções para o problema clássico do Caixeiro Viajante. 2. Introdução O Problema
Tópicos Especiais em Otimização
Tópicos Especiais em Otimização ivo.junior@ufjf.edu.br Juiz de Fora, 05 de Maio de 2016 Introdução Qual a diferença entre inteligência: ARTIFICIAL E COMPUTACIONAL? ARTIFICIAL: É a ciência que tenta compreender
Unidade 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
Uma heurística híbrida para o Problema do Caixeiro Viajante com Coleta e Entrega envolvendo um único tipo de produto
Uma heurística híbrida para o Problema do Caixeiro Viajante com Coleta e Entrega envolvendo um único tipo de produto Bruno Cordeiro Paes, Anand Subramanian, Luiz Satoru Ochi Instituto de Computação - Universidade
3 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
1 Introdução. 1.1 Motivação
1 Introdução 1.1 Motivação Ferramentas de otimização são cada vez mais necessárias num mundo onde sistemas cada vez mais complexos devem atender a crescentes demandas usando recursos limitados. Apesar
Planejamento 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.
INFORMAÇÕES GERAIS DO TRABALHO
INFORMAÇÕES GERAIS DO TRABALHO Título do Trabalho: Investigação de abordagens heurísticas para resolução de projeto de redes eixo-raio com alocação simples Autor (es): Rodrigo Ferreira de Brito; Bruno
METAHEURÍSTICA GRASP E VNS APLICADA AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM BACKHAULS E FROTA HETEROGÊNEA FIXA
METAHEURÍSTICA GRASP E VNS APLICADA AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM BACKHAULS E FROTA HETEROGÊNEA FIXA Marcelus Xavier Oliveira 1, Marcone Jamilson Freitas Souza 2, Sérgio Ricardo de Souza 1,
HEURÍSTICA GRASP APLICADA AO PROBLEMA DE ROTEAMENTO DE VEÍCULO COM BACKHAULS E FROTA HETEROGÊNEA FIXA
HEURÍSTICA GRASP APLICADA AO PROBLEMA DE ROTEAMENTO DE VEÍCULO COM BACKHAULS E FROTA HETEROGÊNEA FIXA Marcelus Xavier Oliveira 1, Marcone Jamilson Freitas Souza 2, Sérgio Ricardo de Souza 1, Dayanne Gouveia
Fundamentos 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
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos
Otimização de Sistemas Hidrotérmicos por Enxame de Partículas: Uma Abordagem Orientada a Objetos Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Lauro Ramon GOMIDES 1, Gelson da Cruz JUNIOR 2, Cassio
BCC204 - Teoria dos Grafos
BCC204 - Teoria dos Grafos Marco Antonio M. Carvalho (baseado nas notas de aula do prof. Haroldo Gambini Santos) Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal
Análise 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
Inteligência Artificial. Resolução de problemas por meio de algoritmos de busca. Aula II Algoritmos básicos de busca cega
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Resolução de problemas por meio de algoritmos de busca Aula II Algoritmos básicos de busca
Um 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
PROBLEMA DE ROTEAMENTO EM ARCOS CAPACITADO E PERIÓDICO APLICADO A UM CONTEXTO REAL
PROBLEMA DE ROTEAMENTO EM ARCOS CAPACITADO E PERIÓDICO APLICADO A UM CONTEXTO REAL Guilherme Vinicyus Batista (UFPR ) guivbatista89@gmail.com CASSIUS TADEU SCARPIN (UFPR ) cassiusts@gmail.com O objetivo
Lista 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 +
Grafos 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
1 Dimensionamento de Frota
1 Dimensionamento de Frota DESENVOLVA UM MODELO DE SIMULAÇÃO COM N CAMINHÕES QUE CIRCULAM ENTRE UMA FÁBRICA E PORTO. TANTO NA FÁBRICA COMO NO PORTO ESSES CAMINHÕES PASSAM POR UM PROCESSO DE PESAGEM NA
Universidade Federal de Ouro Preto Escola de Minas DECIV. Manutenção de Via Permanente Ferroviária. Aula 10 PÁTIOS FERROVIÁRIOS E FEIXES DE DESVIOS
Universidade Federal de Ouro Preto Escola de Minas DECIV CIV 451 Aula 10 PÁTIOS FERROVIÁRIOS E FEIXES DE DESVIOS FEIXES DE DESVIOS Denomina-se comprimento útil de um desvio, a parte do desvio onde poderão
Um GRASP Simples e Robusto para o Job Shop Scheduling Problem
Um GRASP Simples e Robusto para o Job Shop Scheduling Problem Dayan de Castro Bissoli Universidade Federal do Espírito Santo (UFES) Av. Fernando Ferrari, 514 Goiabeiras 29075910 Vitória/ES Brasil dcbissoli@inf.ufes.br
EXPLORANDO A HEURÍSTICA DM-GRASP PARA O PROBLEMA DAS P-MEDIANAS
EXPLORANDO A HEURÍSTICA DM-GRASP PARA O PROBLEMA DAS P-MEDIANAS Thales W. Barra, Luis F. M. Santos, Richard Fuchshuber Alexandre Plastino, Simone L. Martins Universidade Federal Fluminense Niterói RJ Brasil
6 ESCALONAMENTO DE CPU
6 ESCALONAMENTO DE CPU O escalonamento de CPU é ponto chave da multiprogramação. Ela permite que haja mais de um processo em execução ao mesmo tempo. Em ambientes com um único processador, o escalonador
Prova 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
ALGORITMOS PARA PROBLEMAS REAIS DE ROTEAMENTO DE VEÍCULOS: UMA ANÁLISE COMPARATIVA
ALGORITMOS PARA PROBLEMAS REAIS DE ROTEAMENTO DE VEÍCULOS: UMA ANÁLISE COMPARATIVA Ricardo S. de Camargo Departamento de Ciência da Computação Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627
UMA ABORDAGEM METAHEURÍSTICA PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELAS DE TEMPO E MÚLTIPLOS ENTREGADORES
UMA ABORDAGEM METAHEURÍSTICA PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELAS DE TEMPO E MÚLTIPLOS ENTREGADORES Aldair Álvarez Universidade Federal de São Carlos - Departamento de Engenharia de Produção
2 Algoritmos Genéticos Heurística Premissa: Localidade Fraca Conclusões Estrutura de um Algoritmo Genético 26
v Sumário Prefácio x 1 Introdução 1 1. Otimização 1 2. Heurística 8 3. Computação Evolutiva 13 4. Premissa: Localidade Fraca 16 5. Conclusões 20 I Métodos Bio-Inspirados 2 Algoritmos Genéticos 25 1. A
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares
Aprimorando o Corte Peças com Forma Irregular em Chapas Retangulares Leandro Resende Mundim, leandroresendemundim@gmail.com Thiago Alves de Queiroz, th.al.qz@catalao.ufg.br Resumo: Esta pesquisa lida com
Caixeiro Viajante. Estruturas de Dados II. Prof. a Mariella Berger. 1. Objetivo
Estruturas de Dados II Prof. a Mariella Berger Caixeiro Viajante 1. Objetivo O objetivo deste trabalho é implementar diferentes soluções para o problema clássico do Caixeiro Viajante. 2. Introdução O Problema
HEURÍSTICAS HÍBRIDAS PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEAS E JANELA DE TEMPO
5, 6 e 7 de Agosto de 2010 ISSN 1984-9354 HEURÍSTICAS HÍBRIDAS PARA O PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEAS E JANELA DE TEMPO Leonardo Pereira Valadão Lopes (Universidade
Algoritmos 3/17/ Algoritmos como área de estudo e investigação
Algoritmos e Complexidade Ana Teresa Freitas INESC-ID/IST ID/IST 3/17/2005 1 O que é um algoritmo? Algoritmos: Sequência de instruções necessárias para a resolução de um problema bem formulado [passíveis
Problema 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.
UM 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
Laboratório de Engenharia Virtual. LEV - Caderno de Atividades. CA 2015/001 Implementação da Meta-heurística GRASP no Framework de Otimização do LEV
Laboratório de Engenharia Virtual LEV - Caderno de Atividades Relatório de andamento de trabalho CA 2015/001 Implementação da Meta-heurística GRASP no Framework de Otimização do LEV Wakim Saba, Carlos
COMPARAÇÃO ENTRE DUAS ABORDAGENS BIO-INSPIRADAS APLICADAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEAS
COMPARAÇÃO ENTRE DUAS ABORDAGENS BIO-INSPIRADAS APLICADAS AO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM COLETA E ENTREGA SIMULTÂNEAS RESUMO André Luiz Maravilha Silva Universidade Federal dos Vales do Jequitinhonha
Fluxo em Redes: Ford-Fulkerson - Fluxo Máximo
JAILSON ALVES MICAEL AGUIAR PIETRO DALMAZIO VINÍCIUS ALVES Fluxo em Redes: Ford-Fulkerson - Fluxo Máximo Trabalho apresentado ao professor doutor Leandro Colombi Resendo como requisito para aprovação na