Um Estudo de Modelos de Problemas de Roteamento em Arcos
|
|
- Lívia Caldeira Vilanova
- 6 Há anos
- Visualizações:
Transcrição
1 Um Estudo de Modelos de Problemas de Roteamento em Arcos Diego Venâncio Thomaz Departamento de Matemática e Estatística Universidade Tecnológica Federal do Paraná Medianeira, Brasil dvthomaz@utfpr.edu.br Gustavo Valentim Loch Departamento de Administração Geral e Aplicada Universidade Federal do Paraná Curitiba, Brasil gustavo.gvalentim@gmail.com Tatiane Tambarussi Thomaz Coordenação de Ciência da Computação Universidade Tecnológica Federal do Paraná anta Helena, Brasil tambarussi@utfpr.edu.br Resumo O estudo dos problemas de roteamento tem grande importância na área da Pesquisa Operacional, pois sua aplicabilidade abrange diversos problemas que buscam otimização de rotas e economias financeiras. Este trabalho tem por objetivo trazer um estudo de modelos de problemas de roteamento em arcos, especificamente, problemas de coleta de lio. Além dos modelos matemáticos são também apresentados os códigos para implementação no software LINGO. Palavras-chave coleta de lio; modelo eato; roteamento em arcos I. INTRODUÇÃO Os problemas de roteamento estão presentes em diversos contetos práticos onde há a necessidade de otimização de rotas, como na coleta de lio, medidores e entregadores de faturas, varredores de ruas, entre outros. Com a evolução dos modelos para problemas da Pesquisa Operacional evoluíram também as ferramentas que podem ser utilizadas na resolução desses problemas, como o LINGO, que foi escolhido por se tratar de um software de linguagem simples de implementação e por oferecer atrativos tempos computacionais. Deve-se buscar em um grafo um circuito que percorra todos os arcos/arestas pelo menos uma vez, dentro de um período estabelecido, que minimize essa rota, solucionando o problema de roteamento. Quando um grafo representa uma malha rodoviária, este tem características do caso Misto do Problema do Carteiro Chinês, por apresentar arcos (direcionados) e arestas (não direcionadas), representando as ruas de mão única e mão dupla, no mesmo grafo [3]. Eistem vários modelos que visam solucionar os problemas de roteamento, cada um dependendo das características trazidas por eles, podendo citar os trabalhos [], [6], [7], [8] e [9]. O Problema do Carteiro Chinês (CPP), do inglês, Chinese Postman Problem, consiste em encontrar uma rota com menor custo possível em que o carteiro a partir de um depósito entregue suas cartas e retorne ao depósito. Já no conteto da coleta de lio, um veículo deve sair de um depósito e passar sobre um determinado conjunto de ruas coletando a demanda de lio necessária com o menor custo (distância) possível e retornar ao depósito ao fim desta tarefa. Com o objetivo de se representar problemas de coleta de lio ainda mais reais foram propostos outros modelos levando em consideração a quantidade de lio a ser coletada, consequentemente a capacidade de lio que o veículo suporta carregar e um horizonte de planejamento maior que um dia. Foram eles: O Problema de Roteamento em Arcos Capacitados (CARP), do inglês, Capacitated Arc Routing Problem, consiste em coletar em um único dia uma demanda de lio utilizando um conjunto de veículos que partem e retornam ao depósito sem eceder suas capacidades []. A modelagem do planejamento da coleta de lio urbano sobre um período maior que um dia pode ser feita como um Problema de Roteamento Periódico em Arcos Capacitados (PCARP), do inglês, Periodic Capacitated Arc Routing Problem [6]. Estes modelos serão apresentados nas seções seguintes. II. O PROBLEMA DO CARTEIRO CHINÊ Quando uma malha urbana, ou uma rede rodoviária, é representada por um grafo, os arcos representam os trechos de ruas de mão única e as arestas, os de mão dupla. Os nós são os cruzamentos entre as ruas. Todavia, um grafo é uma estrutura mais genérica do que uma malha urbana. Em [4] tem-se que um grafo completo ( V, A) G = é uma estrutura, onde V é o conjunto dos vértices (pontos ou nós) e A o conjunto das arestas. Um grafo é dito orientado quando
2 para quaisquer nós orientado quando para os nós i V o arco, ) A ( e não i V a aresta, ) A i j (. O CPP é um tipo de problema que envolve roteamento em arcos e tem diversas aplicações, como por eemplo, na coleta de lio, limpeza de ruas, remoção de neve das vias públicas, inspeções periódicas em linhas elétricas, redes de gasodutos, leitura de medidores de consumo de água, energia, entre outros [7]. De maneira geral o CPP, somente pode ser resolvido em tempo não polinomial. A modelagem matemática para o CPP não direcionado, partindo de um grafo G = ( V, A) é dada em [9]: sujeito à: A variável min () z = ( A c = ji ( A ( j, i) A +, ( A ji i i V (2) (3) + Z (4) representa a quantidade de vezes que ocorre o movimento do nó i para o nó j, fato garantido por (4). A epressão () é a função objetivo do modelo que consiste em minimizar o custo total de utilização das arestas. O fluo contínuo é garantido em (2), e (3) garante que todo arco será atravessado. III. TETE NUMÉRICO PARA O CPP Para contetualizar o CPP vamos considerar o grafo apresentado na Fig.. j Este é um grafo não orientado possuindo 5 nós e 8 arestas cujos custos c de atravessar cada arco do nó i para o nó j são os valores circulados sobre cada uma das arestas. Por eemplo: o custo de se atravessar o arco (,5) é 4. Neste caso vamos considerar a possibilidade de se utilizar o depósito como parte da rota durante o percurso. O modelo matemático para o CPP proposto em [9] foi implementado no software LINGO, cujo código é apresentado na Fig. 2. ET: PONTO/..5/:; ROTA(PONTO,PONTO):d,; ENDET DATA:!Matriz de custo; d = ; ENDDATA!Função objetivo MIN = FO; FO d(n)#n d(#ne#0:(+(j, END Fig. 2. PCC implementado no LINGO. Neste código temos que d é a matriz de custos onde em cada uma das posições ( temos o custo de se atravessar o arco ( i,. Por eemplo: para d ( 2,3) = 8, tem-se o custo de atravessar o arco ( 2,3). Vale ressaltar que na diagonal principal da matriz d temos que todos os custos são nulos, pois não há um arco neste caso. O comando d(n,#ne#0 utilizado na implementação do modelo faz com que sejam considerados apenas os arcos que possuam custo diferente de zero na matriz d. ão eibidas ainda a função objetivo e o conjunto de restrições. Este código foi compilado no software LINGO e chegamos até o resultado ótimo cuja rota ótima é dada por: Fig.. Grafo representando um conjunto de ruas. Em que o custo da mesma é = 44. e for considerada uma tarefa (coleta ou entrega) em cada arco é necessária a z
3 introdução de outro modelo, o CARP, que é uma etensão natural do CPP e será definido a seguir. IV. O PROBLEMA DE ROTEAMENTO EM ARCO CAPACITADO O CARP é caracterizado por ter uma demanda associada a cada arco do grafo, em geral, esta demanda está associada à coleta de resíduos ou a entrega de objetos. Os veículos de uma frota de capacidade W devem atravessar os arcos coletando ou entregando determinadas demandas sem ecederem suas capacidades, este problema foi proposto por Golden e Wong em 98 [5]. O modelo matemático proposto em [2] parte de um grafo G = ( V, A) e utiliza as seguintes parâmetros: R é o conjunto de arcos requeridos em A. q é a demanda do arco W é a capacidade do veículo k. c é o custo de atravessar o arco é a quantidade de veículos. E as seguintes variáveis de decisão: ( R A. ( A. é o número de vezes que um veículo k atravessa o arco ( A. y assume o valor se o veículo k descarrega ou coleta ao longo do arco ( R e 0 caso contrário. É modelado da seguinte forma: min z = c k (5) sujeito à: M ( A k= pik = p A k= i V =,2,..., y k ipk p A = ( R k yk ( k =,2,..., ( R, (6) (7) (8) q y k, A[ ] W =,2,..., (9) k i, j ( j, ] R jpk N, p ) A [ R (0) 0, k =,2,..., k Z, ( A, k =,2,..., + () y k { 0,}, ( k =,2,..., (2) A Equação (5) é a função objetivo que minimiza o custo representado pela distância total percorrida pelos veículos. Vale ressaltar que os arcos podem ser atravessados mais de uma vez. A Equação (6) garante a conservação do fluo dos veículos ao longo do trajeto. A Equação (7) garante que cada arco seja atendido uma única vez durante todo o trajeto por um único veículo k. Um carro só fará a entrega ou coleta em um arco ( R se for atravessar este arco, garantido por (8). A Equação (9) se refere a capacidade do veículo. A Equação (0) evita a formação de subciclos. As Equações () e (2) garantem que as variáveis k e yk são inteiras e binárias, respectivamente. V. TETE NUMÉRICO PARA O CARP Para ilustrar o CARP consideramos o grafo dado na Fig. e a Tabela I que apresenta as demandas sobre cada um dos arcos. Por eemplo: a demanda de coleta de lio sobre o arco ( 2,3) é de 700 quilos com um custo 8. TABELA I. DEMANDA OBRE CADA ARCO Nós A formulação matemática proposta em [2] foi implementada no software LINGO, cujo código está na Fig. 3. No código temos que d é a mesma matriz de custos apresentada no código do CPP e t a matriz das demandas sobre cada um dos arcos apresentada na Tabela I. Nesta implementação foram considerados 2 veículos de capacidade individual de 2600 quilos. ão apresentadas ainda a função objetivo e o conjunto de restrições. Este código foi compilado no software LINGO e chegamos até o resultado ótimo que traz uma rota a ser percorrida por cada um dos veículos dada por: Veículo : Veículo 2 : Assim, o veículo atravessa o arco (,3), atravessa e realiza o serviço (coleta de lio) sobre o arcos ( 3,2), ( 2,5), atravessa o arco ( 5,4), atravessa e realiza o serviço sobre os arcos ( 4,3) e ( 3, ). Da mesma forma podemos fazer uma
4 leitura da rota do veículo 2 onde a letra sobre cada uma das setas indicando o caminho a ser percorrido significam a passagem e realização do serviço sobre aquele arco. O custo desta rota é z = 44. ET: PONTO/..5/:; VEICULO/..2/:; ROTA(PONTO,PONTO):d,t; VETOR(PONTO,PONTO,VEICULO):,y; ENDET DATA:!Matriz de custo; d = ;!Matriz de demanda de cada arco; t= ; ENDDATA!Função Objetivo; MIN = FO; FO Restrições;!Conservação do ONTO(i) d(n,#ne#0:(n,j,k)))) ;!Garante o atendimento do arco por um único d(#ne#0:@um(veicu LO(k):y(j,k)+y(j,k))=);!O veículo só fará a tarefa se for do d(j )#NE#0:t(*y(j,k))<=2600);!(j,k) são variáveis d(#ne#0:@gin((i,j,k)));!y(j,k) são variáveis d(#ne#0:@bin(y(i,j,k))); END Fig. 3. CARP implementado no LINGO. Quando o objetivo é fazer o planejamento da realização do serviço para um horizonte de tempo maior que um dia há a necessidade da inserção de outro modelo, o PCARP uma etensão natural do CARP e será definido a seguir. VI. O PROBLEMA DE ROTEAMENTO PERIÓDICO EM ARCO CAPACITADO O PCARP é uma etensão do CARP, onde o planejamento a ser realizado é feito sobre um horizonte de tempo maior com múltiplos períodos. Em [] os autores Chu, Labadi e Prins propõem um modelo que utiliza um conjunto de combinações de dias permitidos comb ( em que o serviço pode ser eecutado e nc como o número total de distintas combinações de dias. Estas combinações são enumeradas de até nc e definidas por uma matriz A ( nc P), onde os elementos A = se a combinação b contém o dia p. O nó bp é o depósito que contém veículos idênticos. Os parâmetros para definir o modelo são dados da seguinte forma: W é capacidade dos veículos. Q bp é a demanda a ser atendida por qualquer combinação b de dias e qualquer dias p é conhecido. c é o custo de se atravessar o arco [ i, do nó i para o nó j. l assume o valor se o arco [ i, é servido kbp b de i para j pelo veículo k no dia p da combinação b. Z recebe o valor se o serviço [ i, utiliza a combinação b. O problema é então formulado da seguinte forma: sujeito à: P min z = c ( + ) (3) Z b b comb( ( A k= p= jikp = [ R (4) [ R = jikp k =,2,...,, [ R (5) =,2,..., P, i X l kbp b comb( [ (6) =,2,...,, =,2,..., P
5 l jikbp [ =,2,...,, b comb( (7) =,2,..., P k ( l kbp + l jikbp ) = A [ comb(, =,2,..., P bp Z b = (8) Q bp [ R b comb( ( l kbp + l jikpb =,2,..., P, =,2,..., i ) W (9) j l + l [ r, s] E ( ), =,2,..., P, r rskbp srkbp comb( r, s), =,2,...,, jikp, Z b, l kbp, l jikbp { s,..., n}, {0,}, [ =,2,..., P, =,2,...,, b comb( (20) (2) A Equação (3) traz a função objetivo que minimiza o custo total das viagens. A Equação (4) garante que apenas uma das combinações de dias pode ser designada para cada tarefa. A Equação (5) garante a conservação do fluo dos veículos ao longo do trajeto. As Equações (6) e (7) garantem que um arco só será servido se o mesmo for atravessado. Cada tarefa só pode ser atendida por um carro e em apenas uma direção, fato garantido em (8). A Equação (9) se refere a capacidade do veículo. A Equação (20) evita a formação de subciclos. A Equação (2) garante que todas as variáveis são binárias. VII. TETE NUMÉRICO PARA O PCARP Para eemplificar o PCARP vamos utilizar o grafo apresentado na Fig. 4. Este grafo representa um conjunto de ruas, onde as arestas contínuas são as ruas que necessitam de visitas diárias e as arestas pontilhadas as ruas que necessitam de visitas uma vez a cada dois dias sem repetição. Fig. 4. Grafo representando um conjunto de ruas. As demandas diárias de cada um dos arcos são apresentadas na Tabela 2: TABELA II. DEMANDA DIÁRIA OBRE CADA ARCO Arestas/Dias (,2) (,3) (,4) (,5) (2,3) (2,5) (3,4) (4,5) A aresta ( 2,3) deve ser visitada a cada dois dias com uma demanda de lio estimada em 700, 400 e 500 quilos nos dias, 3 e 5, respectivamente. A aresta (,2) deve ser visitada diariamente com demanda estimada em 800, 500, 400, 300 e 300 quilos de lio nos dias, 2, 3, 4 e 5, respectivamente. A formulação matemática proposta em [] foi implementada no software LINGO, cujo código á trazido na Fig. 5. ET: PONTO/..5/:; VEICULO/..2/:; DIA/..5/:; COMB/../:; ROTA(PONTO,PONTO):d,t; VETOR(PONTO,PONTO,COMB):z; VETOR(PONTO,PONTO,VEICULO,DIA):; VETOR2(PONTO,PONTO,VEICULO,COMB,DI A):l; VETOR3(COMB,DIA):A_2,A2_,A_3,A3_,A_4,A4_,A_5,A5_,A2_5,A5_2,A2_3,A 3_2,A3_4,A4_3,A4_5,A5_4; VETOR4(COMB,DIA):Q_2,Q2_,Q_3,Q3_,Q_4,Q4_,Q_5,Q5_,Q2_5,Q5_2,Q2_3,Q 3_2,Q3_4,Q4_3,Q4_5,Q5_4; VETOR5(COMB,COMB):q; ENDET DATA:!matriz de custo; d = ;
6 !matriz das combinações; A_2 = ; A2_ = ; A_3 = ; A3_ = ; A_4 = ; A4_ = ; A_5 = 0 0 ; A5_ = 0 0 ; A2_5 = 0 0 ; A5_2 = 0 0 ; A2_3 = 0 0 ; A3_2 = 0 0 ; A4_5 = 0 0 ; A5_4 = 0 0 ; A4_3 = 0 0 ; A3_4 = 0 0 ;!Matriz das demandas; Q_2 = ; Q2_ = ; Q_3 = ; Q3_ = ; Q_4 = ; Q4_ = ; Q_5 = ; Q5_ = ; Q2_5 = ; Q5_2 = ; Q2_3 = ; Q3_2 = ; Q4_5= ; Q5_4= ; Q4_3 = ; Q3_4 = ; ENDDATA!Função Objetivo; MIN = FO; FO ));! restrições;!apenas uma combinação de dias pode ser designado para cada d(#ne#0:@um(comb( c):z(j,c))=);!manutenção do LO(k):@UM(PONTO( d(#ne#0:( j,k,p))=@um(ponto( d(j,i)#ne#0:(j,k,p)))));!o veículo só fará a tarefa se for d(#ne#0:( d(#ne#0:(j, k,p)>=@um(comb(c):l(j,k,c,p)));!cada tarefa só pode ser atendida por um único véículo em uma única ( d(#ne#0:@um(veiculo(k):( l(,2,k,c,p)+l(2,,k,c,p)))=a_2(c,p ( d(#ne#0:@um(veiculo(k):( l(2,,k,c,p)+l(,2,k,c,p)))=a2_(c,p ( d(#ne#0:@um(veiculo(k):( l(,3,k,c,p)+l(3,,k,c,p)))=a_3(c,p ( d(#ne#0:@um(veiculo(k):( l(3,,k,c,p)+l(,3,k,c,p)))=a3_(c,p ( d(#ne#0:@um(veiculo(k):( l(,4,k,c,p)+l(4,,k,c,p)))=a_4(c,p ( d(#ne#0:@um(veiculo(k):( l(4,,k,c,p)+l(,4,k,c,p)))=a4_(c,p ( d(#ne#0:@um(veiculo(k):( l(,5,k,c,p)+l(5,,k,c,p)))=a_5(c,p ( d(#ne#0:@um(veiculo(k):( l(5,,k,c,p)+l(,5,k,c,p)))=a5_(c,p ( d(#ne#0:@um(veiculo(k):( l(2,5,k,c,p)+l(5,2,k,c,p)))=a2_5(c,p ( d(#ne#0:@um(veiculo(k):( l(5,2,k,c,p)+l(2,5,k,c,p)))=a5_2(c,p ( d(#ne#0:@um(veiculo(k):( l(4,5,k,c,p)+l(5,4,k,c,p)))=a4_5(c,p )*z(4,5,c))));
7 4,k,c,p)+l(4,5,k,c,p)))=A5_4(c,p)*z(5, 4,c)))); 3,k,c,p)+l(3,2,k,c,p)))=A2_3(c,p)*z(2, 3,c)))); 2,k,c,p)+l(2,3,k,c,p)))=A3_2(c,p)*z(3, 2,c)))); 4,k,c,p)+l(4,3,k,c,p)))=A3_4(c,p)*z(3, 4,c)))); 3,k,c,p)+l(3,4,k,c,p)))=A4_3(c,p)*z(4, 3,c))));!Capacidade do veículo; B(c):(Q_2(c,p)*(l(,2,k,c,p)+l(2,,k, c,p))+q2_(c,p)*(l(2,,k,c,p)+l(,2,k, c,p))+q_3(c,p)*(l(,3,k,c,p)+l(3,,k, c,p))+q3_(c,p)*(l(3,,k,c,p)+l(,3,k, c,p))+q_4(c,p)*(l(,4,k,c,p)+l(4,,k, c,p))+q4_(c,p)*(l(4,,k,c,p)+l(,4,k, c,p))+q_5(c,p)*(l(,5,k,c,p)+l(5,,k, c,p))+q5_(c,p)*(l(5,,k,c,p)+l(,5,k, c,p))+q2_5(c,p)*(l(2,5,k,c,p)+l(5,2,k, c,p))+q5_2(c,p)*(l(5,2,k,c,p)+l(2,5,k, c,p))+q2_3(c,p)*(l(2,3,k,c,p)+l(3,2,k, c,p))+q3_2(c,p)*(l(3,2,k,c,p)+l(2,3,k, c,p))+q3_4(c,p)*(l(3,4,k,c,p)+l(4,3,k, c,p))+q4_3(c,p)*(l(4,3,k,c,p)+l(3,4,k, c,p))+q4_5(c,p)*(l(4,5,k,c,p)+l(5,4,k, c,p))+q5_4(c,p)*(l(5,4,k,c,p)+l(4,5,k, c,p))))<=5000));!todas as variáveis são j,c))); END Fig. 5. PCARP implementado no LINGO Neste código temos que d é a matriz de custos apresentada no CPP, Ai _ j é a matriz das combinações de Qi _ j a matriz das demandas em cada um dias de visitas e dos arcos. Foi considerado um horizonte de tempo de 5 dias e 2 veículos com capacidade de 5000 quilos individuais para coletar as demandas sobre cada um dos arcos do conjunto de ruas apresentado na Fig. 4. A Fig. 5 traz ainda a função objetivo e o conjunto de restrições. Este código foi compilado no software LINGO e chegamos até o resultado ótimo que traz uma rota a ser percorrida por cada um dos veículos: Veículo Dia: Dia3 : Dia5 : Veículo2 Dia: 4 5 Dia2 : Dia3 : Dia4 : Dia5 : As demandas de todas as arestas de fato foram atendidas de acordo com sua necessidade. A demanda da aresta (,2) foi coletada todos os dias e isto ocorreu nos dias e 5 pelo veículo e nos dias 2, 3 e 4 pelo veículo 2. Já para a aresta (,5) as coletas foram realizadas nos dias, 3 e 5 pelo veículo 2, pois a mesma possuía a necessidade de visita a cada dois dias sem repetição. O custo da rota ótima a ser realizada pelos 2 veículos durante os 5 dias é z = 56. VIII. CONIDERAÇÔE FINAI Através deste trabalho podemos mostrar um estudo além das equações algébricas, função objetivo e conjunto de restrições. Para cada um dos problemas de roteamento em arcos trazidos neste trabalho mostramos os códigos implementados no LINGO para problemas de pequenos porte, com poucos nós e arcos. Vale ressaltar que mesmo para estes problemas de pequeno porte os modelos contém um alto número de variáveis.
8 REFERÊNCIA [] F. Chu, N. Labadi and C. Prins, Heurististics for the Periodic Routing Problem, Journal of Intelligent Manufacturing, vol. 6, [2] M. Dror, Arc Routing: Theory, olutions, and Applications, Mass. luwer Academic. Boston, [3] H. A. Eiselt, M. Gendreau, G. Laporte, Arc Routing Problems, Part I: The Chinese Postman Problem, Operations Research, vol. 43, n 2, 995. [4] M. C. Goldbarg, Otimização Combinatória e Programação Linear: Modelos e Algoritmos, 2ª Edição. Rio de Janeiro, [5] B. L. Golden, R. T. Wong, Capacitated Arc Routing Problem, Networks, vol., 98. [6] P. Lacomme, C. Prins, W. Ramdane-Chérif, Evolutionary Algorithms for Periodic Arc Routing Problems, European Journal of Operational Research, vol. 65, [7] I. M. Monroy, C. A. Amaya, A. Langevin, The Periodic Capacitated Arc Routing Problem With Irregular ervices, Discrete Applied Mathematics, vol.6, 203. [8] G. V. Batista, Proposta de Um Modelo Matemático Para o Problema de Roteamento em Arcos Capacitado e Periódico, Dissertação de Mestrado. UFPR, Curitiba, 204. [9] H. F. Wang, Y. P. Wen, Time-Constrained Chinese Postman Problems, Computers and Mathematics with Applications, vol. 44, 2002.
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
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
DOIS MODELOS MATEMÁTICOS CAPAZES DE SOLUCIONAR UM PROBLEMA PERIÓDICO DE MANUTENÇÃO ATRAVÉS DE ROTEAMENTO EM ARCOS
DOIS MODELOS MATEMÁTICOS CAPAZES DE SOLUCIONAR UM PROBLEMA PERIÓDICO DE MANUTENÇÃO ATRAVÉS DE ROTEAMENTO EM ARCOS Guilherme Vinicyus Batista Universidade Federal do Paraná guivbatista89@gmail.com Cassius
Formulação Matemática Para o Problema de Roteamento em Arcos Capacitados com Janelas de Tempo e Tempo Máximo de Espera
Formulação Matemática Para o Problema de Roteamento em Arcos Capacitados com Janelas de Tempo e Tempo Máximo de Espera Diego Venâncio Thomaz (Grupo de Tecnologia Aplicada à Otimização (GTAO) / Universidade
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
UNIVERSIDADE FEDERAL DO PARANÁ GUILHERME VINICYUS BATISTA
UNIVERSIDADE FEDERAL DO PARANÁ GUILHERME VINICYUS BATISTA PROPOSTA DE UM MODELO MATEMÁTICO PARA O PROBLEMA DE ROTEAMENTO EM ARCOS CAPACITADO E PERIÓDICO CURITIBA 2014 GUILHERME VINICYUS BATISTA PROPOSTA
PCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 31 de maio de 2017 Marco Antonio M. Carvalho
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
Relax-and-fix Aplicado ao Problema de Roteamento em Arcos Capacitado e Periódico com Movimento Contínuo
Relax-and-fix Aplicado ao Problema de Roteamento em Arcos Capacitado e Periódico com Movimento Contínuo Jailson Domingos de Oliveira Departamento de Matemática/ UNICENTRO Curitiba, Brasil jailson-de-oliveira@hotmail.com
Uma proposta taxonômica para o Problema de Roteamento Periódico e Capacitado em Arcos
Uma proposta taxonômica para o Problema de Roteamento Periódico e Capacitado em Arcos Guilherme Vinicyus Batista, Cassius Tadeu Scarpin, José Eduardo Pécora Jr. Universidade Federal do Paraná Programa
PCC173 - Otimização em Redes
PCC173 - Otimização em Redes Marco Antonio M. Carvalho Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto 7 de agosto de 2017 Marco Antonio M. Carvalho
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
OTIMIZAÇÃO DE CIRCUITOS DE INSPEÇÃO DE PAVIMENTOS: APLICAÇÃO À REDE RODOVIÁRIA NACIONAL
OTIMIZAÇÃO DE CIRCUITOS DE INSPEÇÃO DE PAVIMENTOS: APLICAÇÃO À REDE RODOVIÁRIA NACIONAL Caso de Estudo: Infraestruturas de Portugal S.A. Alexandre B. Gonçalves, CERIS-ICIST Marta Castilho Gomes, CERIS-CESUR
PROBLEMA DE ROTEAMENTO EM ARCOS CAPACITADO E PERIÓDICO APLICADO A UM CONTEXTO REAL PERIODIC CAPACITATED ARC ROUTING PROBLEM APPLIED IN A REAL CONTEXT
PROBLEMA DE ROTEAMENTO EM ARCOS CAPACITADO E PERIÓDICO APLICADO A UM CONTEXTO REAL PERIODIC CAPACITATED ARC ROUTING PROBLEM APPLIED IN A REAL CONTEXT Guilherme Vinicyus Batista* E-mail: guivbatista89@gmail.com
Aplicação do algoritmo de Dijkstra para o problema de roteamento da frota de táxis partindo de um ponto fixo
Aplicação do algoritmo de Dijkstra para o problema de roteamento da frota de táxis partindo de um ponto fixo Heverton Ramos dos Santos 1 Alamir Rodrigues Rangel Jr 2 O presente artigo visa demonstrar uma
1 Introdução Motivação
1 Introdução 1.1. Motivação A programação linear, ao menos na modelagem matemática que se conhece hoje, foi desenvolvida durante a segunda grande guerra quando foi utilizada no planejamento e execução
Estudo e Implementação de Algoritmos de Roteamento sobre Grafos em um Sistema de Informações Geográficas
Estudo e Implementação de Algoritmos de Roteamento sobre Grafos em um Sistema de Informações Geográficas RUDINI MENEZES SAMPAIO 1 HORÁCIO HIDEKI YANASSE 2 1 UFLA Universidade Federal de Lavras DCC Departamento
Universidade Federal de Itajubá. Instituto de Engenharia de Produção e Gestão. Pesquisa Operacional. Redes. Prof. Dr. José Arnaldo Barra Montevechi
Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Redes Prof. Dr. José Arnaldo Barra Montevechi Problemas de rede Casos especiais de problemas de programação
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
Programação 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
Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A de Oliveira, Socorro Rangel, Silvio A de Araujo Departamento de Matemática Aplicada Capítulo 12: Grafos Hamiltonianos Preparado a partir do texto: Rangel, Socorro Teoria do
Estruturas de Dados Grafos
Estruturas de Dados Grafos Prof. Eduardo Alchieri (introdução) Grafo é um conjunto de pontos e linhas que conectam vários pontos Formalmente, um grafo G(V,A) é definido pelo par de conjuntos V e A, onde:
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
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
MÓDULO 3 - PROBLEMAS DE COBERTURAS DE ARCOS E NÓS
MÓULO 3 - PROBLEMAS E COBERTURAS E ARCOS E NÓS 1. CONCEITOS INICIAIS Área contida na Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente
Introdução à Teoria do Grafos Notas de aula. Socorro Rangel últimas atualizações: (2009), (2012)
Campus de São José do Rio Preto Introdução à Teoria do Grafos Notas de aula Socorro Rangel (socorro@ibilce.unesp.br) últimas atualizações: (2009), (2012) Instituto de Biociências Letras e Ciências Exatas
Fluxo em Redes -01. Prof. Gustavo Peixoto Silva 2 modelos
Fluo em Redes - Prof. Gustavo Peioto Silva modelos . Otimização em Redes É um caso particular da Programação Linear, onde pretende-se minimizar uma função de custoque dependedofluoque passa pelos arcosde
Otimização Combinatória - Parte 3
Graduação em Matemática Industrial Otimização Combinatória - Parte 3 Prof. Thiago Alves de Queiroz Unidade de Matemática e Tecnologia - CAC/UFG 2/2016 Thiago Queiroz (DM) Parte 3 2/2016 1 / 23 Problemas
Alguns probleminhas...
Introdução Vários problemas da computação, com aplicações em diversos problemas importantes, nasceram de jogos ou brincadeiras. Hoje veremos uma pequana amostra deste fato. Alguns probleminhas... Problema
BCC 463 Otimização em Redes ou Fluxo em Redes. Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto
BCC 463 Otimização em Redes ou Fluxo em Redes Prof. Gustavo Peixoto Silva Departamento de Computação Univ. Federal de Ouro Preto Min cx (1) sujeito a Ax = b (2) 0 x u, (3) A equação (1) minimizar o custo
Ferramentas de Suporte
Cálculo Numérico Módulo I Prof Reinaldo Haas Como estudar Métodos Numéricos? 2 Uso do método numérico Computador Programa Desenvolver Utilizar Verificar validade dos resultados obtidos 3 Programas para
Min cx (1) s a Ax = b (2) 0 x u, (3) sendo que b i = 0 (4)
Min c () s a A b () 0 u, () sendo que b i 0 () A equação () minimizar o custo devido ao fluo que passa através dos arcos da rede. A equação () garante o equilíbrio de fluo em cada nó da rede. A restrição
Teoria dos Grafos AULA 1
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br AULA 1 Introdução, Conceitos Iniciais, Isomorfismo Preparado
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
x y Grafo Euleriano Figura 1
Grafo Euleriano Um caminho simples ou um circuito simples é dito euleriano se ele contém todas as arestas de um grafo. Um grafo que contém um circuito euleriano é um grafo euleriano. Um grafo que não contém
Unemat Campus de Sinop Curso de Engenharia Elétrica 8º semestre. Disciplina: Introdução à Otimização Linear de Sistemas
Unemat Campus de Sinop Curso de Engenharia Elétrica 8º semestre Disciplina: Introdução à Otimização Linear de Sistemas Slides: Introdução à Pesquisa Operacional - para situar a otimização linear Professora
Heurística Relax-and-Fix Aplicada ao Problema de Roteamento Periódico em Arcos Capacitado
Heurística Relax-and-Fix Aplicada ao Problema de Roteamento Periódico em Arcos Capacitado Jailson Domingos de Oliveira PPGMN/ Departamento de Matemática UFPR/UNICENTRO Curitiba, Brasil jailson-de-oliveira@hotmail.com
Teoria dos Grafos AULA 1
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Silvio A. de Araujo Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br, saraujo@ibilce.unesp.br AULA 1 Introdução,
Grafos Eulerianos e o Problema do Carteiro Chinês
Prof. Ademir A. Constantino DIN - UEM 1 Grafos Eulerianos e o Problema do Carteiro Chinês Prof. Ademir Constantino Departamento de Informática Universidade Estadual de Maringá Prof. Ademir A. Constantino
Programação Linear Aplicada em Redes de Telecomunicações. Prof. Rodrigo de Souza Couto
Programação Linear Aplicada em Redes de Telecomunicações Prof. Rodrigo de Souza Couto Informações Gerais Prof. Rodrigo de Souza Couto E-mail: rodsouzacouto@ieee.org Página da disciplina: http://www.lee.eng.uerj.br/~rodrigo/proglin
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
Algoritmos de Caminho Mínimo Parte 1
Algoritmos de Caminho Mínimo Parte 1 A journey of a thousand miles starts with a single step and if that step is the right step, it becomes the last step. Index 1. Introduction 2. Applications 3. Tree
Árvore Binária de Busca Ótima
MAC 5710 - Estruturas de Dados - 2008 Referência bibliográfica Os slides sobre este assunto são parcialmente baseados nas seções sobre árvore binária de busca ótima do capítulo 4 do livro N. Wirth. Algorithms
HEURÍSTICA DE TEITZ E BART NA RESOLUÇÃO DE UM PROBLEMA LOGÍSTICO TEITZ AND BART'S HEURISTIC IN THE SOLUTION OF A LOGISTIC PROBLEM
HEURÍSTICA DE TEITZ E BART NA RESOLUÇÃO DE UM PROBLEMA LOGÍSTICO TEITZ AND BART'S HEURISTIC IN THE SOLUTION OF A LOGISTIC PROBLEM GASPARIN, Eduardo¹; TEIXEIRA, Levi Lopes² 1,2 UTFPR, ¹eduardogaspparin@hotmail.com,
HEURÍSTICA PARA MODELAGEM E MINIMIZAÇÃO DO CONSUMO DE COMBUSTÍVEL PARA ROTAS DE COLETA DE LIXO
HEURÍSTICA PARA MODELAGEM E MINIMIZAÇÃO DO CONSUMO DE COMBUSTÍVEL PARA ROTAS DE COLETA DE LIXO Reinaldo S. Xavier Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte
Programação Linear/Inteira
Unidade de Matemática e Tecnologia - RC/UFG Programação Linear/Inteira Prof. Thiago Alves de Queiroz Aula 7 Thiago Queiroz (IMTec) Aula 7 Aula 7 1 / 25 Problemas de Caixeiro Viajante Envolvem um conjunto
Moacir Godinho Filho (UFSCar) Rogério de Ávila Ribeiro Junqueira (LogTrac)
Um algoritmo para auiliar na escolha de métodos de solução para o Problema do Carteiro Chinês: proposta e aplicação em uma grande cidade do interior paulista Moacir Godinho Filho (UFSCar) moacir@dep.ufscar.br)
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
Otimização. Conceitos Fundamentais. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Conceitos Fundamentais 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 / 30 Agradecimentos
Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada.
Teoria dos Grafos Valeriano A de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilceunespbr, socorro@ibilceunespbr Grafos Hamiltonianos Preparado a partir do texto: Rangel, Socorro
PROBLEMA DE LOCALIZAÇÃO-ROTEAMENTO-EMPACOTAMENTO COM DEMANDA INCERTA
PROBLEMA DE LOCALIZAÇÃO-ROTEAMENTO-EMPACOTAMENTO COM DEMANDA INCERTA Thiago A. de Queiroz, José F. Oliveira, Maria A. Carravilla INESC TEC, Faculdade de Engenharia, Universidade do Porto, Porto, Portugal.
Teoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada.
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br Grafos direcionados (Digrafos) Preparado a partir do texto:
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
por exemplo, a natureza dos bens que são transportados pela frota, bem como a qualidade com que o serviço deva ser prestado, seja ele de entrega ou
1 Introdução Este capítulo tem por objetivo explanar acerca da motivação que impulsionou a realização deste trabalho, bem como expor, em linhas gerais, o problema que é abordado nessa tese e suas diversas
CURSO DE ENGENHARIA DE PRODUÇÃO PESQUISA OPERACIONAL FLUXO MÁXIMO
CURSO DE ENGENHARIA DE PRODUÇÃO PESQUISA OPERACIONAL FLUXO MÁXIMO Email: marcosdossantos_coppe_ufrj@yahoo.com.br SUMÁRIO Introdução; Aplicações; Premissas; Teorema de Ford-Fulkerson; Fluxo Máximo como
Teoria dos Grafos AULA
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br AULA Caminho mínimo - Algoritmo de Djskstra Preparado a partir
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
Teoria da Complexidade Computacional
Teoria da Complexidade Computacional Letícia Rodrigues Bueno UFABC Motivação Motivação I can t find an efficient algorithm, I guess I m just too dumb. Fonte: GAREY, M. R. e JOHNSON, D. S. Computers and
GRAFOS. Prof. André Backes. Como representar um conjunto de objetos e as suas relações?
8/0/06 GRAFOS Prof. André Backes Definição Como representar um conjunto de objetos e as suas relações? Diversos tipos de aplicações necessitam disso Um grafo é um modelo matemático que representa as relações
PROBLEMA DE ROTEAMENTO DE VEÍCULO UNIVERSIDADE PRESIDENTE ANTONIO CARLOS
PROBLEMA DE ROTEAMENTO DE VEÍCULO UNIVERSIDADE PRESIDENTE ANTONIO CARLOS FLÁVIO JOSE VIANA ORIENTADOR: GUSTAVO CAMPOS BANCA EXAMINADORA: EDUARDO BHERING FREDERICO COELHO Resumo Neste trabalho foi descrito
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
O Problema do Multi Corte Mínimo em Digrafos
O em Digrafos Orientador: Professor Paulo Feofiloff Instituto de Matemática e Estatística Universidade de São Paulo Trabalho de Conclusão de Curso - 9 O em Digrafos Conteúdo O em Digrafos Problema Dado
UMA ABORDAGEM SEQUENCIAL PARA OTIMIZAÇÃO DE ROTAS DOS CAMINHÕES DE COLETA DE RESÍDUOS SÓLIDOS
Congresso de étodos Numéricos em Engenharia 2015 Lisboa, 29 de Junho a 2 de Julho, 2015 APTAC, Portugal, 2015 UA ABORDAGE SEQUENCIAL PARA OTIIZAÇÃO DE ROTAS DOS CAINHÕES DE COLETA DE RESÍDUOS SÓLIDOS Thelma
Programação Matemática
Programação Matemática Professoras: Franklina Toledo e Maristela Santos* Instituto de Ciências Matemáticas e de Computação - ICMC Universidade de São Paulo USP *Estes slides foram feitos em colaboração
Um estudo sobre algoritmos para roteirização
https://periodicos.utfpr.edu.br/recit Um estudo sobre algoritmos para roteirização RESUMO Patrícia Fernandes Mendonça Patymendonca_17@hotmail.com Universidade Tecnológica Federal do Paraná (UTFPR), Medianeira,
1-1 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
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC R. R. ROCHA 1 e L. C. OLIVEIRA-LOPES 1 1 Universidade Federal de Uberlândia, Faculdade de Engenharia Química E-mail para contato: rosi.rocha28@gmail.com;
Algoritmo Aproximado. Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3
Algoritmo Aproximado Prof. Anderson Almeida Ferreira [DPV]9.2 [ZIV]9.2.2 e 9.2.3 Heurísticas para Problemas N P- Completo Heurística: algoritmo que pode produzir um bom resultado (ou até a solução ótima),
14 Coloração de vértices Considere cada um dos grafos abaixo:
14 Coloração de vértices Considere cada um dos grafos abaixo: a) Quantas cores são necessárias para colorir os vértices de um grafo de maneira que dois vértices adjacentes não recebam a mesma cor? b) Qual
Exemplos de modelos de PL ou PI
Exemplos de modelos de PL ou PI Prof. Eduardo Uchoa http://www.logis.uff.br/~uchoa/poi/ 1 Como funciona a PO? Toda a PO está baseada na construção de modelos matemáticos para representar de forma simplificada
Pesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II
04 Grafos: caminhos e coloração SCC0503 Algoritmos e Estruturas de Dados II Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2011/1 Moacir Ponti Jr.
Resolução de problemas difíceis de programação linear através da relaxação Lagrangeana
problemas difíceis de programação linear através da relaxação Lagrangeana Ana Maria A.C. Rocha Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho arocha@dps.uminho.pt http://www.norg.uminho.pt/arocha
Algoritmos e Estruturas de Dados II Grafos conceitos gerais. Thiago A. S. Pardo Profa. M. Cristina Material de aula da Profa. Josiane M.
Algoritmos e Estruturas de Dados II Grafos conceitos gerais Thiago A. S. Pardo Profa. M. Cristina Material de aula da Profa. Josiane M. Bueno - Motivação Grafos: conceito introduzido por Euler, em 1736
Parte 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
GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira
Ciência da Computação GRAFOS Aula 04 Caminhos, Conexidade e Distância Max Pereira Um grafo é dito conexo se for possível visitar qualquer vértice, partindo de um outro qualquer, passando pelas suas arestas.
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
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
3 Sistemas de Roteamento
3 Sistemas de Roteamento Esta seção da dissertação consiste numa revisão sobre roteamento de veículos, apresentando sua taxonomia, o que inclui a conceituação, os tipos de problemas e suas características
Resolução 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
Grafos representação e aplicações. Prof. Guilherme Tomaschewski Netto
Grafos representação e aplicações Prof. Guilherme Tomaschewski Netto guilherme.netto@gmail.com Roteiro! Contextualização! Apresentação, um pouco de história! Conceitos Grafos! Principais aplicacões! Estruturas
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
Capítulo 1. Aula Conectividade Caminhos
Capítulo 1 Aula 7 1.1 Conectividade Muitos problemas podem ser modelados com caminhos formados ao percorrer as arestas dos grafos. Por exemplo, o problema de determinar se uma mensagem pode ser enviada
Módulo 2 OTIMIZAÇÃO DE REDES
Módulo 2 OTIMIZAÇÃO DE REDES Grafos e Redes Está contida na área de Pesquisa Operacional. Pode ser considerada como uma teoria baseada na interligação de pontos e linhas, utilizada principalmente na solução
Pesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Cap. 2 Conceitos Básicos em Teoria dos Grafos
Teoria dos Grafos e Aplicações 8 Cap. 2 Conceitos Básicos em Teoria dos Grafos 2.1 Grafo É uma noção simples, abstrata e intuitiva, usada para representar a idéia de alguma espécie de relação entre os
Benemar Alencar de Souza
Benemar Alencar de Souza Métodos de Otimização Aplicados Questões introdutórias O que é otimização? i Por que otimização é importante? Como tratar a otimização i como um problema? Quais objetivos são usuais?
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
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGMATE - Licenciatura em Matemática 0. Disciplinas Obrigatórias FGGMATE.090 Filosofia da Educação Matemática FGGMATE.00 Fundamentos de Cálculo FGGMATE.00 Fundamentos de Matemática Elementar
Programação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO
Programação Linear: Profa. Silvana Bocanegra UFRPE - DEINFO Tipos de Problemas 1. Dada uma variedade de alimentos, escolher uma dieta de menor custo que atenda as necessidades nutricionais de um indivíduo?
Oalgoritmo de Dijkstra
Dijkstra Oalgoritmo de Dijkstra O algoritmo de Dijkstra, concebido pelo cientista da computação holandês Edsger Dijkstra em 1956 e publicado em 1959, soluciona o problema do caminho mais curto num grafo
INF 1010 Estruturas de Dados Avançadas
INF Estruturas de Dados Avançadas Grafos // DI, PUC-Rio Estruturas de Dados Avançadas. Aplicações de grafos grafo vértices arestas Cronograma tarefas restrições de preferência Malha viária interseções
Fluxo em Redes -01. Prof. Gustavo Peixoto Silva 2 modelos
Fluxo em Redes - Prof. Gustavo Peixoto Silva modelos . Otimização em Redes É um caso particular da Programação Linear, onde pretende-se minimizar uma função de custoque dependedofluxoque passa pelos arcosde
Otimização Aplicada à Engenharia de Processos
Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013
Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST)
Volmir Eugênio Wilhelm Departamento de Engenharia de Produção UFPR 45 Problema da Árvore Geradora Mínima (The Minimum Spanning Tree Problem-MST) Alguns problemas de otimização combinatória podem ser formulados
Formulação de Programação Linear Inteira para o Problema de Particionamento em Conjuntos Convexos
Formulação de Programação Linear Inteira para o Problema de Particionamento em Conjuntos Convexos Teobaldo L. Bulhões Júnior a a Instituto de Computação, Universidade Federal Fluminense, Niterói, RJ, Brazil
Problema de Fluxo Máximo
Problema de Fluxo Máximo The Maximum Flow Problem Fernando Nogueira Fluxo Máximo 1 O Problema de Fluxo Máximo (The Maximum Flow Problem) Considere uma rede direcionada (dígrafo) conectada, com 2 nós especiais
15 - Coloração Considere cada um dos grafos abaixo:
15 - Coloração Considere cada um dos grafos abaixo: a) Quantas cores são necessárias para colorir os vértices de um grafo de maneira que dois vértices adjacentes não recebam a mesma cor? b) Qual é o número
Teoria dos Grafos. Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo. Departamento de Matemática Aplicada
Teoria dos Grafos Valeriano A. de Oliveira, Socorro Rangel, Silvio A. de Araujo Departamento de Matemática Aplicada Capítulo 09: Representação de Grafos Preparado a partir do texto: Rangel, Socorro. Teoria