Métodos de otimização para o problema de roteamento de veículos periódico com frota heterogênea

• Autor(a) principal: Abreu, Robert Cristian
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/9404
• topic: Otimização combinatória; Heurística; Algoritmos; Pesquisa operacional; Veículos - Roteamento; Ciência da Computação

O Problema de Roteamento de Veículos (PRV) é um problema clássico de Otimização Combinatória bastante estudado na literatura devido a sua importância prática. O PRV Periódico (PRVP), abordado neste trabalho, é uma variante do PRV no qual um conjunto de clientes devem ser visitados uma ou mais vezes para atender suas demandas durante um horizonte de tempo composto de vários dias. Os dias de visita/atendimento não são fixados a priori. Uma lista de dias possíveis (agenda de visitas) é associada a cada cliente. O objetivo é determinar os dias de visita de cada cliente e as rotas dos veículos para cada dia do horizonte de tal maneira que a distância total de percurso dos veículos e os custos associados com utilização dos mesmos sejam minimizados. O PRVP é um problema que pertence à classe NP-difícil. Neste trabalho, para resolvê-lo, são desenvolvidos três métodos de otimização: Proximity Search (PS), Ite- rated Local Search (ILS) e Particle Swarm Optimization (PSO). PS é um método genérico que faz uso do modelo de Programação Inteira do problema para melhorar iterativamente uma solução inicial. Em vez de modificar as restrições do modelo com o objetivo de reduzir o espaço de busca, o PS modifica a função objetivo do modelo para tornar a busca mais fácil. Os métodos ILS e PSO são meta-heurísticas de busca em vizinhança e populacional/evolutiva, respectivamente. Os desempenhos dos métodos propostos são analisados em instâncias de pequeno e grande porte geradas neste trabalho, e também em instâncias disponíveis na literatura. O desempenho do PS é comparado com o solver CPLEX, que resolve o modelo original do problema. As meta-heurísticas desenvolvidas são comparadas entre si e também são comparadas com algumas heurísticas da literatura. Os experimentos computacionais mostram que os métodos propostos são eficientes, competitivos e rápidos.