Método geração de colunas e heurísticas para o Problema da Mochila Compartimentada. Resumo
|
|
- Nelson Olivares Amaro
- 6 Há anos
- Visualizações:
Transcrição
1 Método geração de colunas e heurísticas para o Problema da Mochila Compartimentada Aline Aparecida de Souza Leão Maristela Oliveira dos Santos Marcos Nereu Arenales Universidade de São Paulo-USP Av Trabalhador São-carlense, Centro Caixa Postal: CEP: São Carlos - SP {aasleao, mari, arenales}@icmcuspbr Resumo O problema da mochila compartimentada é uma extensão do problema da mochila Entretanto os itens são divididos em classes, de modo que a mochila deve ser subdividida em compartimentos Cada compartimento tem capacidade limitada e é preenchido com itens da mesma classe Além disso, a construção de um compartimento tem um custo fixo e ocasiona perda no espaço da mochila O objetivo consiste em maximizar a soma dos valores dos itens e minimizar o custo de inclusão de compartimentos Neste trabalho, o modelo não-linear da mochila compartimentada é reformulado por decomposição Para resolver a relaxação linear do problema mestre foi utilizado o método geração de colunas Uma heurística baseada na resolução do problema mestre restrito é analisada Os resultados computacionais mostram que a heurística pode encontrar a maioria das soluções ótimas com baixo esforço computacional PALAVRAS CHAVE Programação Matemática Problemas da Mochila Problemas de Corte Abstract The compartmentalized knapsack problem is an extension of the knapsack problem However, the items are divided in different classes so that the knapsack is divided in compartments Each compartment has limited capacity and should be loaded with items from same class Moreover, the building of a compartment has a fixed cost and introduces a fixed loss in the original knapsack capacity The objective is to the total value of the items in the knapsack and to minimize the cost of the compartments In this paper we present a reformulation by decomposition of a nonlinear mathematical formulation of the problem To solve the linear relaxation of the master problem was used the column generation method A heuristic based on the resolution of the restricted master problem is investigated Computational results show that the heuristic can find the most of the optimal solution with low computational effort KEYWORDS Mathematical Programming Knapsack Problems Cutting Problems XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2958
2 1 Introdução Para definir o Problema da Mochila Compartimentada considere que existem n itens a serem alocados a uma mochila, cada item possui um peso, um valor utilidade e um limitante superior (isto é, o número de itens de um tipo é limitado) Se não houver um limitante superior para os itens o problema é chamado irrestrito Esses itens estão particionados em classes (itens de características em comum pertencem a uma mesma classe) O espaço da mochila é organizado em compartimentos, no qual, apenas itens de mesma classe podem ser alocados no mesmo compartimento Existem também, itens que não precisam ser compartimentados, formando uma classe de itens livres A mochila possui uma capacidade limitada e a capacidade dos compartimentos é flexível, porém, são limitadas inferiormente e superiormente Os compartimentos possuem um custo fixo e uma perda fixa para serem incluídos, que variam de acordo com as classes Além disso, pode existir diferentes compartimentos com itens de uma determinada classe Deste modo, o Problema da Mochila Compartimentada consiste em definir os compartimentos e carregá-los com itens de mesma classe, visando a maximização do valor utilidade, subtraídos os custos dos compartimentos O Problema da Mochila Compartimentada pode ser utilizado em problemas de corte em duas fases, em que os objetos em estoque são cortados em objetos intermediários (compartimentos), que por sua vez são cortados novamente obtendo os itens encomendados Poucos trabalhos na literatura lidam com problemas de corte com duas ou mais fases, sendo que em geral, eles consideram apenas uma classe de itens Diversas indústrias utilizam o corte em duas fases, tais como, indústrias de papel (Haessler, 1971; Correia et al 2004; Zak 2002a,b), filme (Haessler, 1979) e aço (Ferreira et al, 1990; Carvalho e Rodrigues 1994, 1995; Hoto et al 2007; Marques e Arenales 2007) A necessidade de mais de uma fase pode surgir devido às restrições dos processos de produção e às características de itens encomendados, como por exemplo, a limitação do número de facas, revestimento do material (papel e lâminas de aço revestido), laminação (bobinas de aço) entre outros tipos de processamento A maior dificuldade para a resolução desses problemas é que não conhecemos a priori os objetos intermediários Além disso, essa dificuldade pode ser ainda maior quando as características dos itens encomendados exigem agrupá-los em diversas classes, no qual apenas os itens pertencentes à mesma classe devem estar presentes em um mesmo objeto intermediário O Problema da Mochila Compartimentada foi modelado para determinar padrões de corte para problemas de corte de bobinas de aço Neste problema os itens encomendados são agrupados de acordo com a espessura, isto é, itens da mesma classe têm a mesma espessura Um primeiro corte na bobina original em estoque produz várias bobinas intermediárias, então, a espessura de cada bobina intermediária é reduzida para a espessura dos itens de uma classe Uma perda fixa ocorre para eliminar as irregularidades das bordas de cada bobina intermediária, que significa uma perda da capacidade da mochila Existe um custo relevante de redução de espessura que depende da porcentagem de redução Finalmente, as bobinas intermediárias, cuja espessura foram reduzidas, são cortadas em itens (bobinas finais) Em Marques e Arenales (2007) o Problema da Mochila Compartimentada é modelado como um problema de otimização não linear inteiro Neste trabalho, este modelo é reformulado em um problema mestre linear e subproblemas e se utiliza de geração de colunas para resolvê-lo Após obtida a solução ótima para o problema mestre restrito relaxado, este foi resolvido novamente, porém definindo as variáveis associadas às colunas como inteiras, obtendo assim uma solução factível Uma heurística baseada nas heurísticas de Marques e Arenales (2007) é apresentada e os resultados são analisados O trabalho está organizado como segue Na seção 2 é apresentada a formulação matemática não linear inteira do Problema da Mochila Compartimentada Na seção 3 este XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2959
3 problema é reformulado em problema mestre e subproblemas e, também, apresentado o limitante superior proposto em Marques e Arenales (2007) Na seção 4 é apresentada a heurística baseada nas heurísticas de Marques e Arenales (2007) Os resultados computacionais são apresentados na seção 5 2 Modelagem Matemática Considere um conjunto de n tipos de itens a serem alocados a uma mochila, que estão divididos em K classes, o conjunto de índices dos itens é dado por: N = {n 0 + 1,, n 1, n 1 + 1,, n 2,, n K 1 + 1,, n K }, em que, n 0 = 0 e n K = n Assim, as classes são definidas por: A 1 = {n 0 + 1,, n 1 }, A 2 = {n 1 + 1,, n 2 },, A K = {n K 1 + 1,, n K } De forma que N = A 1 A 2 A K e A i A j = para i j Deste modo, podemos definir os seguintes dados: L: capacidade da mochila; l i : peso do item tipo i, i N; v i : valor utilidade do item tipo i, i N; σ i : número máximo de itens tipo i permitido na mochila, i N; c k : custo de incluir um compartimento para itens da classe k, k = 1,, K; L k mim : capacidade mínima do compartimento para itens da classe k, k = 1,, K; L k max: capacidade máxima do compartimento para itens da classe k, k = 1,, K; S k : perda na mochila devido à inclusão de um compartimento para itens da classe k, k = 1,, K; N k : número de compartimentos da classe k, k = 1,, K As variáveis são dadas por: a is : número de itens do tipo i da classe k no compartimento s, k = 1,, K, i A k e s = 1,, N k ; β sk : número de vezes que o compartimento s para itens da classe k é repetido na mochila, k = 1,, K e s = 1,, N k Para evitar infactibilidades, supomos que para k = 1,, K: l i < L k max, i A k e L k min < Lk max L O modelo matemático proposto em Marques e Arenales (2007) pode ser escrito da seguinte forma: L k min K N k ( k=1 s=1 K N k ( k=1 s=1 v i a is c k )β sk (1) l i a is + S k )β sk L (2) N k a is β sk σ i, k = 1,, K, i = n k 1 + 1,, n k (3) s=1 l i a is + S k L k max, k = 1,, K, s = 1,, N k (4) a is 0, inteiro, k = 1,, K, i = n k 1 + 1,, n k, s = 1,, N k (5) β sk 0, inteiro, k = 1,, K, s = 1,, N k (6) XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2960
4 Neste modelo, a função objetivo maximiza o valor utilidade total menos o custo de incluir os compartimentos A restrição (2) refere-se à repetição dos compartimentos dentro da mochila de capacidade L, os tamanhos de compartimentos são definidos por (4) As restrições (3) limitam o total de itens a compor a mochila 3 Limitantes Superiores Nesta seção são apresentados dois limitantes superiores para o Problema da Mochila Compartimentada O primeiro limitante consiste em um problema de programação linear inteira, proposto por Marques e Arenales (2007) Em seguida, é proposto um novo limitante superior 31 Primeiro Limitante Superior Para a formulação matemática considere x i o número de vezes que o item do tipo i (i = 1,, n) e y k o número de compartimentos preenchidos por itens da classe k(k = 1,, K) são incluídos na mochila, o modelo é dado por: n K v i x i c k y k (7) i=1 k=1 n K l i x i L ( S k y k ) (8) i=1 L k min y k k=1 i A k l i x i + S k y k L k maxy k, k = 1,, K (9) 0 x i σ i, inteiro, i = 1,, n (10) y k 0, inteiro, k = 1,, K (11) Note que, as restrições (9) consideram para cada classe k um compartimento de tamanho entre L k min y k e L k maxy k, o qual não necessariamente pode ser divido em y k compartimentos que possam conter o itens selecionados, construindo assim super compartimentos Em Marques e Arenales (2007) é demonstrado que este problema fornece um limitante superior para o problema (1) - (6) 32 Segundo Limitante Superior: Método Geração de Colunas O método Geração de Colunas foi inicialmente usado por Manne (1958), Dantzig e Wolfe (1960) e Gilmore e Gomory (1961) Estes últimos autores aplicaram esta técnica para resolver problemas de corte de estoque, que consiste em relaxar a condição de integralidade das variáveis do problema e resolver o problema resultante pelo método simplex Para selecionar uma coluna (ou padrão de corte) para o problema são analisados os custos relativos, para isso é resolvido um subproblema Se for encontrado um custo relativo negativo (caso o problema seja de minimização) a coluna é adicionada Caso contrário a solução atual é ótima para o problema relaxado Para aplicar o método geração de colunas para o Problema da Mochila Compartimentada, o modelo não linear (1) - (6) foi reformulado em um problema mestre linear, com tantas colunas quantos forem os possíveis compartimentos, e subproblemas que geram colunas para o problema mestre, dados por problemas da mochila restrita Para a descrição do método, considere que todos os possíveis compartimentos para a classe k(k = 1,, K) é dado por N k, isto é todas as soluções que satisfazem: XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2961
5 L k min n k l i a i + S k L k max 0 a i σ i, inteiro, i = n k 1 + 1,, n k Sejam para cada k: â is, s = 1,, N k, i = n k 1 + 1,, n k todas as possíveis soluções do sistema acima O problema (1) - (6) pode ser equivalentemente escrito como o seguinte Problema Mestre: K N k ( k=1 s=1 K N k ( k=1 s=1 v i â is c k )β sk (12) l i â is + S k )β sk L (13) N k â is β sk σ i, k = 1,, K, i = n k 1 + 1,, n k (14) s=1 β sk 0, inteiro, k = 1,, K, s = 1,, N k (15) Para k = 1,, K e s = 1,, N k, sejam L ks = n k a estrutura matricial do problema (12) - (15) é dada na Tabela 1 l i â is + S k e V ks = n k v i â is, Tabela 1: Estrutura matricial do Problema Mestre V 11 c 1 V 1N1 c 1 V 21 c 2 V 2N2 c 2 V K1 c K V KNK L 11 L 1N1 L 21 L 2N2 L K1 L KNK â (n0 +1)1 â (n0 +1)N â n1 1 â n1 N â (n1 +1)1 â (n1 +1)N â n2 1 â n2 N â (nk 1 +1)1 â (nk 1 +1)N K â nk 1 â nk N K Existem K subproblemas, um para cada classe de itens Para determinar quais colunas entrarão na base, os custos relativos são analisados, para isso consideremos as seguintes observações 1 O vetor das variáveis duais é dado por: (λ, π) = (λ, π 1, π 2,, π K ) = (λ, π n0 +1,, π n1, π n1 +1,, π n2,, π nk 1 +1,, π nk ) A variável λ está associada a restrição (13) e π as restrições (14) 2 A j-ésima coluna do modelo (12) - (15) associada à classe k, omitindo-se o índice j, é dada por: α k = (L k, 0,, 0, a nk 1 +1,, a nk, 0, 0), que tem um custo associado C k 3 Como o problema é de maximização, deseja-se determinar o maior custo relativo Para obter a expressão dos custos relativos considere o seguinte desenvolvimento para cada classe k, k = 1,, K (o índice j é omitido): XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2962
6 C k Π t α k = max{c k (λ, π) t α k } = max{(v k c k ) ( λ, (π 1,, π k,, π K ) ) L k 0 a nk 1 +1 a nk 0 C k Π t α k = max{(v k c k ) λl k (π nk 1 +1,, π nk ) Como V k = substituindo, tem-se: C k Π t α k = max{ C k Π t α k = max{ v i a i e L k = n k v i a i c k λ( l i a i + S k, } a nk 1 +1 a nk l i a i + S k ) (v i λl i π i )a i (c k + λs k )} } π i a i } Logo, para k = 1,, K, tem-se o seguinte subproblema, dado por um Problema da Mochila Restrita: L k min (v i λl i π i )a i (16) l i a i + S k L k max (17) 0 a i σ i, i = n k 1 + 1,, n k, inteiro (18) Em resumo, o subproblema (16) - (18) fornece os elementos para a construção de uma coluna associada de maior custo relativo para a classe k, k = 1,, K Se (v i λl i π i )a i (c k + λs k ) 0, k = 1,, K, então a solução atual é ótima para a relaxação linear do problema mestre (12) -(15) 4 Heurística para o Problema da Mochila Compartimentada As heurísticas apresentadas nesta seção podem ser interpretadas como uma aplicação da decomposição descrita na seção 32 Entretanto, ao invés de determinarmos uma única solução para cada subproblema é determinado um conjunto de soluções Neste caso, é feita uma geração estática de colunas e a função objetivo dos subproblemas não depende das variáveis duais Para cada classe k a função objetivo é dada por: v i a i Estas heurísticas estão divididas em duas estapas Na primeira etapa são resolvidos os subproblemas Na segunda estapa é resolvido o problema mestre restrito inteiro, obtendo XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2963
7 uma solução factível para o Problema da Mochila Compartimentada 41 Heurísticas da literatura Em Marques e Arenales(2007) são propostas algumas heurísticas para resolver o Problema da Mochila Compartimentada, entre elas estão: a heurística da decomposição, heurística dos Z melhores compartimentos e heurística do melhor compartimento para W capacidades Para a descrição dos algoritmos a classe K é considerada como a classe de itens livres, isto é, itens que não precisam ser compartimentados, assim foram considerados apenas no problema mestre, cujas variáveis são definidas como γ i, i = n K 1 + 1,, n K Heurística dos Z melhores compartimentos Nesta heurística são determinados os Z melhores compartimentos para cada classe k(k = 1,, K 1), que são dados pelas Z melhores soluções do problema da mochila restrita (19) - (21): v i a i (19) l i a i + S k L k max (20) 0 a i σ i, i = n k 1 + 1,, n k, inteiro (21) Obtendo assim os valores: â iz, L zk = n k l i â iz + S k e V zk = n k v i â iz, em que z corresponde a z-ésima solução, tal que V zk é o z-ésimo melhor valor da função objetivo da classe k, isto é, V 1k V 2k V Zk Se L zk < L k min então a solução é descartada Caso seja encontrada uma solução que tem o mesmo valor do Z-ésimo melhor compartimento, ela não é armazenada Em seguida, o problema mestre restrito (22) - (26) é resolvido para determinar quais são os compartimentos e itens livres a serem alocados a mochila K 1 k=1 z=1 K 1 Z (V zk c k )β zk + k=1 z=1 Z L zk β zk + n K i=n K 1 +1 n K i=n K 1 +1 v i γ i (22) l i γ i L (23) Z â iz β zk σ i, k = 1,, K 1, i = n k 1 + 1,, n k (24) z=1 0 γ i σ i, inteiro, i = n K 1 + 1,, n K (25) β zk 0, inteiro, k = 1,, K 1, z = 1,, Z (26) A heurística da decomposição é um caso particular da heurística dos Z melhores compartimentos, no qual Z = 1 Neste caso, o problema mestre a ser resolvido consiste num problema da mochila restrita Heurística do melhor compartimento para W capacidades Nesta heurística é determinado o melhor compartimento para cada classe considerando W capacidades diferentes, dado pela solução do problema (19) - (21) A capacidade inicial da XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2964
8 mochila é dada por L k max (k=1,,k), o próximo compartimento a ser gerado tem a capacidade do último compartimento obtido decrementado por uma unidade No segundo passo, o problema mestre restrito (27) - (31) é resolvido Os valores â iw, L wk e V wk correspondem o compartimento obtido com a w-ésima capacidade K 1 k=1 w=1 K 1 W (V wk c k )β wk + k=1 w=1 W L wk β wk + n K i=n K 1 +1 n K i=n K 1 +1 v i γ i (27) l i γ i L (28) W â iw β wk σ i, k = 1,, K 1, i = n k 1 + 1,, n k (29) w=1 0 γ i σ i, inteiro, i = n K 1 + 1,, n K (30) β wk 0, inteiro, k = 1,, K 1, w = 1,, W (31) 42 Uma nova heurística: heurística híbrida A heurística proposta nesta seção combina as idéias das heurísticas Z melhores compartimentos e melhor compartimento para W capacidades Assim, para cada classe de itens são determinadas as Z melhores soluções para o problema da mochila restrita, considerando W capacidades diferentes Para a descrição da heurística, considere βk zw o número de vezes que o compartimento formado por itens da classe k, com a w-ésima capacidade da z-ésima melhor solução, é incluído na mochila A estratégia pode ser descrita como segue 1 Geração de compartimentos alternativos 11 Para k = 1,, K 1 faça: 12 w = 1 e L k w = L k max 13 Enquanto w W e L k w L k min faça: 14 Determine as Z melhores soluções do seguinte Problema da Mochila: v i a iw (32) l i a iw + S k L k w (33) 0 a iw σ i, inteiro i = n k 1 + 1,, n k, k = 1,, K 1 (34) 15 Redefina: L k w+1 = L 1, sendo L = min{l zw, z = 1,, Z}; faça: w = w + 1 Obtendo â zw i, Vk zw = e z = 1,, Z Observação: Se L zw k n k v i â zw i, L zw k = k n k < L k min então a solução é descartada l i â zw i +S k, para k = 1,, K 1 XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2965
9 2 Solução para a mochila compartimentada Z W z=1 w=1 Z W K 1 (Vk zw k=1 z=1 w=1 K 1 Z W k=1 z=1 w=1 L zw k β zw c k )β zw k + k + n K i=n K 1 +1 n K i=n K 1 +1 v i γ i (35) l i γ i L (36) â zw i βk zw σ i, k = 1,, K 1, i = n k 1 + 1,, n k (37) 0 γ i σ i, inteiro, i = n K 1 + 1,, n K (38) β zw k 0, inteiro, k = 1,, K 1, z = 1,, Z (39) O Passo 15 da Heurística Híbrida pode ser substituído pelo seguinte passo: 15 : L k w+1 = L1w k 1 e w = w + 1, isto é, o próximo compartimento a ser gerado é decrementado uma unidade do tamanho do melhor compartimento obtido, ao invés do menor tamanho obtido 5 Experimentos Computacionais 51 Gerador de Dados O comprimento da mochila foi fixado em 1200mm e largura mínima e máxima para os compartimentos foram fixadas em: [L k min, Lk max] = [154mm, 456mm], k = 1,, K 1 A perda fixa por incluir um compartimento foi fixado em S k = 4 mm, k = 1,, K 1 e S K = 0 mm Os parâmetros gerados aleatorimente seguiram os critérios do gerador descrito em Marques e Arenales (2007), o qual considera: Número de classes (NC): (i) número pequeno de classes (P): K [3, 10]; (i) número médio de classes (M): K [11, 20] Número de itens por classe (NIC): (i) número pequeno de itens (P): A k [1, 6], k = 1,, K 1; (ii) número médio de itens (M): A k [7, 15], k = 1,, K 1 Número de itens livres(nil): (i) número pequeno de itens livres (P): A K [1, 7]; (ii) número médio de itens livres (M): A K [8, 20] Limitantes para o número de itens a serem incluídos na mochila(d): (i) limitante pequeno (P): σ i [1, 3], i A k, k = 1,, K; (ii) limitante médio (M): σ i [4, 15], i A k, k = 1,, K Assim foram obtidos 16 classes de problemas distribuídos de acordo com a Tabela 2 Para cada classe foram gerados 20 problemas, obtendo assim 320 problemas testes 52 Geração de Colunas Nesta seção são apresentados os resultados computacionais obtidos com o método Geração de Colunas para o Problema da Mochila Compartimentada Os testes computacionais foram realizados em um computador Pentium 4 com processador de 3GHz e 1GB de memória RAM Para resolver o problema (16) - (18) foi utilizado um método de enumeração implícita, baseado no método proposto por Gilmore e Gomory (1963) para o problema da mochila Este método determina a solução exata e é extremamente rápido para problemas com dezenas de itens Para a resolução do problema (7) - (11) e o problema mestre relaxado XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2966
10 (durante as iterações do método simplex) foi utilizado o software ILOG CPLEX 110 Com os compartimentos obtidos, no final do método Geração de Colunas, o problema mestre (12) - (15) foi resolvido fixando as variáveis associadas às colunas como inteiras, obtendo assim uma solução factível para o Problema da Mochila Compartimentada Tabela 2: Arranjo dos problemas Classe NC NI NIL D Classe NC NI NIL D 1 P P P P 9 M P P P 2 P P P M 10 M P P M 3 P P M P 11 M P M P 4 P P M M 12 M P M M 5 P M P P 13 M M P P 6 P M P M 14 M M P M 7 P M M P 15 M M M P 8 P M M M 16 M M M M A Tabela 3 mostra os valores médios da função objetivo para cada classe com o método geração de colunas e o problema (7) - (11), colunas 2 e 3 respectivamente A coluna 4 compara o método Geração de Colunas com o limitante superior dado pelo Problema Inteiro (7) - (11) A última coluna mostra o gap médio da solução inteira obtida com as colunas f f geradas pelo método geração de colunas O gap é dado por: f, em que f corresponde o valor ótimo da função objetivo (7) e f o valor da solução inteira Tabela 3: Valores médios da função objetivo Classe Geração de Problema Aumento Gap: solução Colunas (7) - (11) inteira , ,45 2,27% 2,36% , ,55 1,35% 3,04% , ,20 1,46% 0,63% , ,25 1,62% 1,57% , ,40 1,29% 4,89% , ,05 1,27% 8,00% , ,15 1,22% 1,43% , ,45 1,61% 1,61% , ,60 1,57% 1,59% , ,85 1,64% 1,59% , ,40 1,16% 1,04% , ,20 1,11% 0,94% , ,30 0,93% 2,60% , ,80 0,84% 6,02% , ,25 0,96% 1,29% , ,35 0,97% 0,72% Média 2279, ,70 1,33% 2,36% A partir dos testes realizados podemos observar que o limitante superior obtido pela Geração de Colunas é um pouco pior que o limitante superior obtido pelo problema linear inteiro (7) - (11) Apenas para 4,1% dos problemas, a Geração de Colunas forneceu limitante superior melhor e conforme o número de classes e de itens aumentam ela se torna mais eficiente O tempo computacional médio para determinar a solução do problema (7) - (11) pelo CPLEX 110 foi de 001 segundos, enquanto que o método geração de colunas foi de 0005 segundos Outra observação relevante é que o número de iterações do método simplex é relativamente baixo, o número médio de iterações foi 3,5 Em relação a última coluna, as XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2967
11 soluções inteiras se aproximam da solução obtida com a heurística da decomposição (heurística híbrida com Z = 1 e W = 1), como é apresentado na seção a seguir (veja Tabela 4) De 320 problemas foram obtidas 100 soluções ótimas, dadas pela igualdade do valor da função objetivo da solução inteira com a função objetivo do limitante superior (7) - (11) O tempo computacional médio foi de 0,01 segundos 53 Heurísticas As heurísticas foram implementadas em linguagem de programação C Os testes computacionais foram realizados em um computador Pentium 4 com processador de 3GHz e 1GB de memória RAM Para determinar as Z melhores soluções para os subproblemas (32) - (34) foi implementado um método que é uma extensão do algoritmo de enumeração implícita de Gilmore e Gomory (1963) O problema mestre restrito (35) - (39) foi resolvido pelo software ILOG CPLEX 110 Vários testes foram realizados variando os parâmetros Z e W da heurística híbrida: Z = 1, 3, 5 e 7 e W = 1, 2, 3, 5 e 7 Ao fixarmos Z = 1 obtemos a heurística melhor compartimento para W capacidades de Marques e Arenales (2007), que segundo os autores foi a que forneceu melhor resultado dentre as heurísticas propostas Com Z = 1 e W = 1 obtemos as heurística da decomposição e para W = 1 e Z variando a heurística dos Z melhores compartimentos Para o cálculo do gap foi utilizado o mesmo procedimento descrito na seção 52, porém f representa o valor da função objetivo encontrada pela heurística As Tabelas 4 e 5 mostram os resultados obtidos Tabela 4: Valores médios do gap (%) considerando o Passo 15 W=1 W=2 W=3 W=5 W=7 Z=1 2,715 1,829 1,198 0,574 0,400 Z=3 1,722 0,736 0,434 0,284 0,211 Z=5 1,244 0,487 0,320 0,213 0,171 Z=7 0,952 0,399 0,276 0,191 0,160 Tabela 5: Valores médios do gap (%) considerando o Passo 15 W=1 W=2 W=3 W=5 W=7 Z=1 2,715 1,829 1,198 0,574 0,400 Z=3 1,722 1,167 0,748 0,443 0,322 Z=5 1,244 0,843 0,586 0,383 0,295 Z=7 0,952 0,703 0,515 0,348 0,269 As Tabelas mostram que, à medida que Z e W aumentam, o valor da função objetivo melhora, além disso, aumentar W influencia mais o desempenho do método que aumentar Z Em geral, o Passo 15 foi melhor que o Passo 15, pois o Passo 15 gera menos compartimentos ou compartimentos repetidos Note que, quanto maior for o número de compartimentos gerados melhor é a solução encontrada pela heurística Considerando os 320 problemas gerados, as Tabelas 6 e 7 mostram o número total de soluções ótimas obtidas por parâmetro Tabela 6: Número de soluções ótimas (Passo 15) Tabela 7: Número de soluções ótimas (Passo 15 ) W=1 W=2 W=3 W=5 W=7 Z= Z= Z= Z= W=1 W=2 W=3 W=5 W=7 Z= Z= Z= Z= Como se pode observar, o número de soluções ótimas tem um aumento significativo a medida que Z e W aumentam Comparando o pior e o melhor caso, obtem-se uma melhora XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2968
12 de 52,81% do número de soluções ótimas obtidas Com a heurística híbrida foi possível obter até 81,25% de soluções ótimas, que foi dado pela igualdade da função objetivo do limitante superior e da heurística 6 Conclusões A resolução do Problema da Mochila Compartimentada apresenta algumas dificuldades devido à integralidade e quantidade de variáveis Se enumerássemos todos os compartimentos seria possível determinar a sua solução ótima e eliminaríamos a não linearidade Entretanto, o número de compartimentos pode ser muito grande para problemas práticos, o que inviabiliza este procedimento Para lidar com estas dificuldades o Problema da Mochila Compartimentada foi decomposto e proposto o método geração de colunas A partir desta decomposição é possível obter métodos heurísticos, no qual a heurística aqui apresentada mostrou-se bastante eficiente, capaz de encontrar soluções ótimas para a maioria dos exemplos gerados Agradecimentos Este trabalho teve o apoio da Fapesp e CNPq 7 Referências bibliográficas Carvalho, J M V e Rodrigues, A J G (1994) A computer based interactive approach to a two-stage cutting problem INFOR: Information Systems and Operation Research, 32(4), Carvalho, J M V e Rodrigues, A J G (1995) An lp-basead approach to a two-stage cutting problem European Journal of Operational Research, 84, Correia, M H, Oliveira, J F e Ferreira, J S (2004) Reel and sheet cutting at a paper mill Computers and Operations Research, 31, Dantzig, G B; Wolfe, P (1960) Decomposition principle for linear programs Operations Research, v 8, p Ferreira, J S, Neves, M A e Castro, P F (1990) A two-phase roll cutting problem European Journal of Operational Research, 44, Gilmore, P C; Gomory, R E (1961) A linear programming approach to the cuttingstock problem Operations Research, v 9, n 6, p Gilmore, P C e Gomory, R E (1963) A linear programming approach to the cuting stock problem - Part II Operations Research, 11(6), Haessler, R W (1971) A heuristic programming solution to a nonlinear cutting stockproblem Management Science, v 17, n 12, p Haessler, R W (1979) Solving the two-stage cutting stock problem Omega: The International Journal of Management Science, 7(2), Hoto, R, Arenales, M N e Maculan, N (2007) The one dimensional compartmentalised knapsack problem: A case study European Journal of Operational Research, 183, Manne, A S (1958) Programming of economic lot sizes Management Science, v 4, p Marques, F P e Arenales, M N (2007) The constrained compartmentalised knapsack problem Computers and Operations Research, 34, Zak, E J (2002a) Row and column generation technique for a multistage cutting stock problem Computer and Operations Research, 29, Zak, E J (2002b) Modeling a multistage cutting stock problems European Journal of Operational Research, 141, XLI SBPO Pesquisa Operacional na Gestão do Conhecimento Pág 2969
Resumo. Abstract. Análise de modelos matemáticos para o problema de corte estoque unidimensional acoplado ao dimensionamento de lotes
Análise de modelos matemáticos para o problema de corte estoque unidimensional acoplado ao dimensionamento de lotes Aline Aparecida de Souza Leão Marcos Nereu Arenales Universidade de São Paulo-USP Av.
Leia maisHeurísticas para o problema de corte com reaproveitamento das sobras de material
Heurísticas para o problema de corte com reaproveitamento das sobras de material Adriana Cristina Cherri, Marcos Nereu Arenales Instituto de Ciências Matemáticas e de Computação, USP. 13560-970, São Carlos,
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 maisO PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO COM RESTRIÇÕES DE ESTOQUE
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO COM RESTRIÇÕES DE ESTOQUE Kelly Cristina Poldi Marcos Nereu Arenales
Leia maisUMA ANÁLISE DA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES UTILIZANDO-SE PADRÕES TABULEIROS
UMA ANÁLISE DA PRODUTIVIDADE DO EQUIPAMENTO DE CORTES UTILIZANDO-SE PADRÕES TABULEIROS Daniel Massaru Katsurayama Instituto Nacional de Pesquisas Espaciais Lab. Associado de Computação e Matemática Aplicada
Leia maisUm algoritmo genético para o problema de corte unidimensional inteiro
Um algoritmo genético para o problema de corte unidimensional inteiro Adriano Heis CEFETSC-Centro Federal de Educação e Tecnologia de Santa Catarina Unidade São José Rua José Lino Kretzer, 608, Praia Comprida,
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 maisO Problema de Corte de Estoque com Data de Entrega
O Problema de Corte de Estoque com Data de Entrega Elisama de Araujo Silva Oliveira Instituto de Matemática, Estatística e Computação Científica (IMECC), Universidade Estadual de Campinas (UNICAMP) Rua
Leia maisAlgoritmo Branch-and-Price para o Problema de Corte de Estoque Não-Guilhotinado
Algoritmo Branch-and-Price para o Problema de Corte de Estoque Não-Guilhotinado Vinícius Loti de Lima e Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - UFG/Regional Catalão, Av. Dr. Lamartine
Leia maisO PROBLEMA DE CORTE DE ESTOQUE MULTI-PERÍODOS
O PROBLEMA DE CORTE DE ESTOQUE MULTI-PERÍODOS Kelly Cristina Poldi Marcos Nereu Arenales {kelly@icmc.usp.br, arenales@icmc.usp.br} Instituto de Ciências Matemáticas e de Computação ICMC Universidade de
Leia maisPlanejamento da Produção: Corte de estoque na indústria de móveis. Socorro Rangel Roberto Cavali DCCE/IBILCE
Planejamento da Produção: Corte de estoque na indústria de móveis Socorro Rangel Roberto Cavali DCCE/IBILCE Objetivos Investigar as dificuldades envolvidas no corte da matéria-prima nas indústrias de móveis
Leia maisABORDAGEM DE CAMINHO MÍNIMO PARA PROBLEMAS DE OTIMIZAÇÃO
ABORDAGEM DE CAMINHO MÍNIMO PARA PROBLEMAS DE OTIMIZAÇÃO Maria Cristina N. Gramani Universidade Presbiteriana Mackenzie Escola de Engenharia Departamento de Engenharia de Produção http://www.mackenzie.com.br/universidade/engenharia
Leia maisProgramação Linear - Parte 5
Matemática Industrial - RC/UFG Programação Linear - Parte 5 Prof. Thiago Alves de Queiroz 1/2016 Thiago Queiroz (IMTec) Parte 5 1/2016 1 / 29 Dualidade Os parâmetros de entrada são dados de acordo com
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 maisRedução de Ciclos da Serra no Problema de Corte de Estoque Bidimensional na Indústria de Móveis
Redução de Ciclos da Serra no Problema de Corte de Estoque Bidimensional na Indústria de Móveis Gabriela P. Mosquera, Socorro Rangel, Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000,
Leia maisAula 22: Formulações com número exponencial de variáveis
Aula 22: Formulações com número exponencial de variáveis Otimização Linear e Inteira Túlio Toffolo http://www.toffolo.com.br BCC464 / PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Correção
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 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 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 maisHEURÍSTICAS PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 HEURÍSTICAS PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO Kelly Cristina Poldi * Marcos Nereu Arenales Instituto de Ciências Matemáticas
Leia maisProgramação Matemática
Programação Matemática Docentes: Ana Paula, Franklina e Maristela Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP (Material Elaborado por Aline Leão modificado por
Leia maisEVERTON PEREIRA DA CRUZ UMA ABORDAGEM HEURÍSTICA LINEAR PARA MOCHILAS COMPARTIMENTADAS RESTRITAS
EVERTON PEREIRA DA CRUZ UMA ABORDAGEM HEURÍSTICA LINEAR PARA MOCHILAS COMPARTIMENTADAS RESTRITAS Londrina 2010 EVERTON PEREIRA DA CRUZ UMA ABORDAGEM HEURÍSTICA LINEAR PARA MOCHILAS COMPARTIMENTADAS RESTRITAS
Leia maisAlgumas extensões do problema de corte de estoque 1
Algumas extensões do problema de corte de estoque 1 Kelly Cristina Poldi Orientador: Prof. Dr. Marcos Nereu Arenales Dissertação apresentada ao Instituto de Ciências Matemáticas e de Computação - ICMC-USP,
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 maisUMA HEURÍSTICA PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO
UMA HEURÍSTICA PARA O PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL INTEIRO Douglas Aparecido Faglioni Boleta e-mail: dfaglioni@yahoo.com.br Silvio Alexandre de Araujo Departamento de Ciências de Computação
Leia maisUMA FORMULAÇÃO NÃO LINEAR PARA A RESTRIÇÃO DE CICLOS DA SERRA NO PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE
UMA FORMULAÇÃO NÃO LINEAR PARA A RESTRIÇÃO DE CICLOS DA SERRA NO PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE Gislaine Mara Melega Unesp - Ibilce Depto de Matemática Aplicada, 15054-000,
Leia maisUM ALGORITMO PARA GERAÇÃO DE PADRÕES TABULEIROS EXATOS A PARTIR DE UMA COMBINAÇÃO DADA DE ITENS
UM ALGORITMO PARA GERAÇÃO DE PADRÕES TABULEIROS EXATOS A PARTIR DE UMA COMBINAÇÃO DADA DE ITENS Daniel Massaru Katsurayama Instituto Nacional de Pesquisas Espaciais Laboratório Associado de Computação
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
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 maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
META-HEURÍSTICA SIMULATED ANNEALING APLICADA AO PROBLEMA DE CORTE BIDIMENSIONAL NÃO-GUILHOTINADO Gelinton Pablo Mariano Mestrando em Informática - Universidade Federal do Espírito Santo Av. Fernando Ferrari,
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 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 maisIntrodução à Pesquisa Operacional - Otimização Linear
Introdução à Pesquisa Operacional - Otimização Linear Professora: Maristela Oliveira dos Santos - mari@icmc.usp.br Auxilio 2009: Victor C.B. Camargo Auxilio 2010 - PAE: Marcos Mansano Furlan - L-1007 Instituto
Leia maisProgramação Inteira. Algoritmo Branch-and-Bound (ou enumeração implícita)
Programação Inteira Algoritmo Branch-and-Bound (ou enumeração implícita) Métodos de Solução: Branch-and-Bound O método Branch-and-Bound (B&B) baseia-se na idéia de desenvolver uma enumeração inteligente
Leia maisAula 26: Branch-and-Price
Aula 26: Branch-and-Price Otimização Linear e Inteira Túlio Toffolo http://www.toffolo.com.br BCC464 / PCC174 2018/2 Departamento de Computação UFOP Aula de Hoje 1 Branch-and-Price Exemplo: Problema da
Leia maisAnálise de formulações matemáticas para o problema de empacotamento em faixas bidimensional guilhotinado 2-estágios
Análise de formulações matemáticas para o problema de empacotamento em faixas bidimensional guilhotinado 2-estágios Vanessa Munhoz Reina Bezerra Instituto de Ciências Matemáticas e de Computação - USP
Leia mais3 Reformulação de IPs
3 Reformulação de IPs O desenvolvimento de métodos de resolução de problemas lineares que explorem a estrutura particular de determinado problema foi sugerido inicialmente por Ford e Fulkerson [46]. Este
Leia maisMINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN MINIMIZANDO O NÚMERO DE DIFERENTES PADRÕES DE CORTE - UMA ABORDAGEM DE CAMINHO MÍNIMO Maria Cristina N. Gramani Universidade
Leia maisXLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL
MINIMIZAÇÃO DO NÚMERO DE PADRÕES DE CORTE DISTINTOS NO PROBLEMA DE CORTE DE ESTOQUE UNIDIMENSIONAL Kelly Cristina Poldi Universidade Estadual de Campinas - UNICAMP Instituto de Matemática, Estatística
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 maisPROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CORTE UNIDIMENSIONAL DE ESTOQUE COM REAPROVEITAMENTO DOS RESÍDUOS
ISSN: 2237-0722 PROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CORTE UNIDIMENSIONAL DE ESTOQUE COM REAPROVEITAMENTO DOS RESÍDUOS INTEGER LINEAR PROGRAMMING FOR THE ONE-DIMENSIONAL CUTTING STOCK PROBLEM
Leia maisAula 13: Branch-and-bound
Aula 13: Branch-and-bound Otimização Linear e Inteira Túlio A. M. Toffolo http://www.toffolo.com.br BCC464/PCC174 2018/2 Departamento de Computação UFOP Previously... Modelagem em PI / Problemas Combinatórios
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
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 mais4 Resolução exata do PAG
4 Resolução exata do PAG No capítulo anterior foram apresentadas duas formulações para o Problema de Alocação Generalizada, (PAG-C) e (PAG-Exp). Uma aplicação da primeira destas formulações para a resolução
Leia maisAngelo Aliano Filho 1 e Antônio Carlos Moretti 2 Universidade Estadual de Campinas - IMECC 1
UM ALGORITMO MEMÉTICO NO PROBLEMA DO CORTE UNIDIMENSIONAL INTEIRO Angelo Aliano Filho 1 e Antônio Carlos Moretti 2 Universidade Estadual de Campinas - IMECC E-mail: 1 angeloaliano@hotmail.com 2 moretti@ime.unicamp.br
Leia maisProgramação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 6 Thiago Queiroz (IMTec) Aula 6 Aula 6 1 / 45 Otimização Discreta A característica de otimização
Leia maisHeurísticas Relax-and-Fix e Fix-and-Optimize para o problema de dimensionamento de lotes com preparações carryover e crossover
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Heurísticas Relax-and-Fix e Fix-and-Optimize para o
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 mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisAlocação de Unidades via Relaxação Lagrangeana
Alocação de Unidades via Relaxação Lagrangeana Prof. Antonio Simões Costa Grupo de Sistemas de Potência EEL - UFSC Relaxação Lagrangeana: Conceitos Iniciais 2 1 Alocação de Unidades via Relaxação Lagrangeana
Leia maisO PROBLEMA DA MOCHILA COMPARTIMENTADA E APLICAÇÕES
ISSN 0101-7438 O PROBLEMA DA MOCHILA COMPARTIMENTADA E APLICAÇÕES Fabiano do Prado Marques Marcos Nereu Arenales * Departamento de Ciências de Computação e Estatística Universidade de São Paulo São Carlos
Leia maisPROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE COM RESTRIÇÃO DE CICLOS DA SERRA
PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE COM RESTRIÇÃO DE CICLOS DA SERRA Gislaine M. Melega, gislainemelega@gmail.com 1 Matheus Vanzela, matheusvanzela@gmail.com 1 Silvio A. de
Leia maisUm método exato de busca para se calcular o multiplicador lagrangeana/surrogate (lagsur) para o Problema Generalizado de Atribuição
Um método exato de busca para se calcular o multiplicador lagrangeana/surrogate (lagsur) para o Problema Generalizado de Atribuição Marcelo Gonçalves Narciso Embrapa Informática Agropecuária Luiz Antônio
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 maisMétodo de restrições ativas para minimização em caixas
Método de restrições ativas para minimização em caixas Marina Andretta ICMC-USP 20 de outubro de 2014 Marina Andretta (ICMC-USP) sme5720 - Otimização não-linear 20 de outubro de 2014 1 / 25 Problema com
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 maisO problema da mochila compartimentada e aplicações*
SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 25.10.2004 Assinatura: O problema da mochila compartimentada e aplicações* Fabiano do Prado Marques Orientador: Prof. Dr. Marcos Nereu Arenales Tese
Leia maisGERAÇÃO DE PADRÕES DE CORTES GUILHOTINADOS RESTRITOS VIA PROGRAMAÇÃO DINÂMICA COMBINADA A UMA HEURÍSTICA DE FACTIBILIZAÇÃO
GERAÇÃO DE PADRÕES DE CORTES GUILHOTINADOS RESTRITOS VIA PROGRAMAÇÃO DINÂMICA COMBINADA A UMA HEURÍSTICA DE FACTIBILIZAÇÃO Vitória Pureza Departamento de Engenharia de Produção Universidade Federal de
Leia maisAlgoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte
Algoritmo Evolutivo para o Problema de Corte de Estoque Unidimensional com Redução do Número de Padrões de Corte Henrique A. Kobersztajn 1, Kelly C. Poldi 2, Instituto de Ciência e Tecnologia, Unifesp
Leia maisProgramação Inteira. Solução com o método Branch-and-Bound
Programação Inteira Solução com o método Branch-and-Bound Conceitos gerais Um conceito fundamental nos métodos de resolução de programação inteira é a relaxação linear p Consiste em substituir PIM Ζ +
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 maisReferências: Notas de aulas do Prof. Silvio Alexandre de Araujo
Programação Inteira Referências: Notas de aulas do Prof Silvio Aleandre de Araujo http://wwwdcceibilceunespbr/~saraujo/ Material da Professora Gladys Castillo do Departamento de Matemática da Universidade
Leia maisNotas 1 / 17. Notas 2 / 17. Notas
Programação Linear Inteira Introdução II Haroldo Gambini Santos Universidade Federal de Ouro Preto 30 de agosto de 2011 1 / 17 Conteúdo 1 Introdução 2 Algoritmo Simplex 3 Modelagem 2 / 17 Algoritmo Simplex
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 maisPedro Tiago Barbosa do Couto. Resolução de problemas de transporte rodoviário de cargas utilizando programação inteira DISSERTAÇÃO DE MESTRADO
Pedro Tiago Barbosa do Couto Resolução de problemas de transporte rodoviário de cargas utilizando programação inteira DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE ENGENHARIA ELÉTRICA Programa de Pós graduação
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia maisABORDAGEM GRAFO E/ OU PARA O PROBLEMA DE CORTE BIDIMENSIONAL COM SOBRAS APROVEITÁVEIS
ABORDAGEM GRAFO E/ OU PARA O PROBLEMA DE CORTE BIDIMENSIONAL COM SOBRAS APROVEITÁVEIS Adriana Cristina Cherri Instituto de Ciências Matemáticas e de Computação USP São Carlos Avenida do Trabalhador São-carlense,
Leia maisCAPÍTULO 4. Teoria da Dualidade
CAPÍTULO 4 1. Introdução Uma dos conceitos mais importantes em programação linear é o de dualidade. Qualquer problema de PL tem associado um outro problema de PL, chamado o Dual. Neste contexto, o problema
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Revisão Método Simplex Solução básica factível: xˆ xˆ, xˆ N em que xˆ N 0 1 xˆ b 0 Solução geral
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisPesquisa Operacional / Programação Matemática
Pesquisa Operacional / Programação Matemática Otimização discreta Branch-and-bound 15 mai 2009 16:29 Como resolver PIMs? Antes: todas as variáveis reais Simplex Agora: problema: Apesar de não representar
Leia maisPESQUISA OPERACIONAL Introdução. Professor Volmir Wilhelm Professora Mariana Kleina
PESQUISA OPERACIONAL Introdução Professor Volmir Wilhelm Professora Mariana Kleina PESQUISA OPERACIONAL Ementa Revisão de Álgebra Linear. Modelos de Programação Linear. O Método Simplex. O Problema do
Leia maisFUNDIÇÕES DE PEQUENO PORTE: UMA ABORDAGEM HEURÍSTICA RESUMO ABSTRACT
O PROBLEMA DE PROGRAMAÇÃO DA PRODUÇÃO EM FUNDIÇÕES DE PEQUENO PORTE: UMA ABORDAGEM HEURÍSTICA Claudia Fink Maristela Oliveira dos Santos Instituto de Ciências Matemáticas e de Computação, USP. 13560-970,
Leia maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisMETA-HEURÍSTICA CLUSTERING SEARCH APLICADA AO PROBLEMA DE ROTULAÇÃO CARTOGRÁFICA DE PONTOS
META-HEURÍSTICA CLUSTERING SEARCH APLICADA AO PROBLEMA DE ROTULAÇÃO CARTOGRÁFICA DE PONTOS Rômulo Louzada Rabello Universidade Federal do Espírito Santo UFES romulolouzada@gmail.com Geraldo Regis Mauri
Leia maisProgramação Linear Inteira. C. Requejo (UA) Métodos de Investigação Operacional MIO / 30
Programação Linear Inteira Programação Linear Inteira C. Requejo (UA) Métodos de Investigação Operacional MIO 2016 1 / 30 Programação Linear Inteira Programação Linear Inteira Resolução de problemas de
Leia maisESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS
ESTÁGIOS DOMINANTES FLEXÍVEIS EM SISTEMAS DE PRODUÇÃO FLOW SHOP HÍBRIDOS João Vitor Moccellin Departamento de Engenharia de Produção Escola de Engenharia de São Carlos, Universidade de São Paulo. Av. Trabalhador
Leia maisLinear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem
Discretização do Tempo na Utilização de Programação Linear para o Problema de Escalonamento de Workflows em Múltiplos Provedores de Nuvem Thiago A. L. Genez, Luiz F. Bittencourt, Edmundo R. M. Madeira
Leia maisPrograma de Pós-Graduação em Modelagem e Otimização, Regional Catalão / UFG
15 CAPÍTULO ABORDAGENS ROBUSTAS PARA PROBLEMAS DE OTIMIZAÇÃO LINEAR COM INCERTEZA NOS DADOS Marques, Raina Ribeiro 1 *; Queiroz, Thiago Alves de 2 ; 1 Programa de Pós-Graduação em Modelagem e Otimização,
Leia mais18 a 21 de novembro de 2014, Caldas Novas - Goiás
18 a 21 de novembro de 2014, Caldas Novas - Goiás MODELO DE PROGRAMAÇÃO LINEAR INTEIRA PARA O PROBLEMA DE CARREGAMENTO DE MÚLTIPLOS CONTÊINERES COM RESTRIÇÕES DE CARREGAMENTO COMPLETO DE GRUPO DE ITENS
Leia maisO problema de corte de estoque com reaproveitamento das sobras de material. Adriana Cristina Cherri
O problema de corte de estoque com reaproveitamento das sobras de material Adriana Cristina Cherri SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 13/02/2006 Assinatura: O problema de corte de estoque
Leia maisProgramação Linear/Inteira - Aula 5
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira - Aula 5 Prof. Thiago Alves de Queiroz Aula 5 Thiago Queiroz (IMTec) Aula 5 Aula 5 1 / 43 Análise de Sensibilidade Estudar o efeito
Leia maisAprimorando 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
Leia maisO método Simplex Aplicado ao Problema de Transporte (PT).
Prof. Geraldo Nunes Silva (Revisado por Socorro Rangel) Estas notas de aula são Baseadas no livro: Hillier, F. S. e G. J. Lieberman. Introdução à Pesquisa Operacional, Campus, a ed., 9 Agradeço a Professora
Leia maisMÉTODO HEURÍSTICO HÍBRIDO PARA RESOLUÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES CAPACITADAS EM DOIS NÍVEIS
MÉTODO HEURÍSTICO HÍBRIDO PARA RESOLUÇÃO DO PROBLEMA DE LOCALIZAÇÃO DE FACILIDADES CAPACITADAS EM DOIS NÍVEIS Rômulo Louzada Rabello Universidade Federal do Espírito Santo Alegre, ES, 29500-00, Brasil
Leia maisOTIMIZAÇÃO. O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função.
OTIMIZAÇÃO O processo de otimização normalmente involve a procura de pontos de máximos e mínimos de uma função. Pontos de máximos e mínimos de uma função são pontos onde a derivada da função é nula. A
Leia maisUMA ABORDAGEM MULTIOBJETIVO PARA O PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE
UMA ABORDAGEM MULTIOBJETIVO PARA O PROBLEMA INTEGRADO DE DIMENSIONAMENTO DE LOTES E CORTE DE ESTOQUE Betania Silva Carneiro Campello Faculdade de Ciências Aplicadas da Unicamp 13484-350, Limeira, Brasil
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 maisPESQUISA OPERACIONAL. Fabiano F. T. dos Santos. Instituto de Matemática e Estatística
PESQUISA OPERACIONAL Fabiano F. T. dos Santos Instituto de Matemática e Estatística Dualidade em Programação Linear Todo problema de programação linear, que chamaremos de primal, traz consigo um segundo
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
UMA INVESTIGAÇÃO DOS PARÂMETROS NOS MÉTODOS MISTOS DE OTIMIZAÇÃO NÃO LINEAR Ellen Cristina Ferreira Aluna do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Profa. Dra. Edméa Cássia Baptista
Leia maisGraduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081. PROF. IVO CHAVES DA SILVA JUNIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA Graduação em Engenharia Elétrica MÉTODOS DE OTIMIZAÇÃO ENE081 PROF. IVO CHAVES DA SILVA JUNIOR E-mail: ivo.junior@ufjf.edu.br Aula Número: 07 Programação Linear Últimas
Leia maisMétodos Exatos para PI - Parte 1: Branch-and-Bound
Introdução à Otimização Combinatória Métodos Exatos para PI - Parte 1: Professora: Rosiane de Freitas (rosiane@icomp.ufam.edu.br) Bruno Raphael Cardoso Dias Prof. Estágio em Docência (bruno.dias@icomp.ufam.edu.br)
Leia maisMétodo Simplex. Marina Andretta ICMC-USP. 19 de outubro de 2016
Método Simplex Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização linear
Leia maisCAP 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
Leia maisHeurísticas para um problema de dimensionamento de lotes com substituição de demanda e restrição de capacidade
Universidade de São Paulo Biblioteca Digital da Produção Intelectual - BDPI Departamento de Matemática Aplicada e Estatística - ICMC/SME Comunicações em Eventos - ICMC/SME 2014-09-16 Heurísticas para um
Leia maisBernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2
Uma Introdução à Otimização sob Incerteza Bernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2 1 Departamento de Matemática Pontifícia Universidade Católica do Rio de Janeiro 2 Departamento de Matemática
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Dualidade A eoria da Dualidade é um dos mais importantes tópicos da Programação Linear (PL). Estudos
Leia maisProgramação Inteira. Prof. Ricardo Santos
Programação Inteira Prof. Ricardo Santos Introdução Um problema com variáveis inteiras e reais é denominado problema de Programação Inteira Mista (PIM) quando tem a seguinte forma: PIM z=max cx+dy Ax+Dy
Leia mais1-1 PESQUISA OPERACIONAL INTRODUÇÃO
1-1 PESQUISA OPERACIONAL INTRODUÇÃO Regra do Jogo 1-2 Provas MAN ADM 1 a Prova: 8 ou 10 de maio 2 a Prova: 12 ou14 de junho Substitutiva: 18 ou 21 de junho Média P = Média das Provas T = Média dos Testes
Leia maisTeoria da Decisão. Otimização Vetorial. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Otimização Vetorial Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Introdução
Leia mais