Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços

Detalhes bibliográficos
Autor(a) principal: Peteam, Fernanda Bia, 1991-
Data de Publicação: 2024
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/19525
Resumo: Orientador: Kelly Cristina Poldi
id UNICAMP-30_704b27325006ee4ed5e457917cf92d87
oai_identifier_str oai::1394631
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berçosApproaches of the biased random key genetic algorithm for the berth allocation problemProblema de alocação de berçosAlgoritmos genéticosAlgoritmos de agrupamentoBerth allocation problemsGenetic algorithmsClustering algorithmsOrientador: Kelly Cristina PoldiTese (doutorado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Matemática, Estatística e Computação CientíficaResumo: O presente trabalho considera o Problema de Alocação de Navios em Berços (PAB), para determinar a ordem, o local e o horário de atendimento dos navios quando chegam ao porto, com o modelo base utilizado baseado no Problema de Roteamento de Veículos com Janela de Tempo (PRVJT), proposto na literatura, com o objetivo de minimizar o tempo total de permanência dos navios no porto. Propusemos uma adaptação do modelo (PRVJT-O) para passar a considerar o tempo de ociosidade dos berços, uma perspectiva de interesse do porto e não somente dos clientes (donos dos navios). Para resolver os PABs sem e com ociosidade propusemos um modelo de Algoritmo Genético de Chaves Aleatórias Viciadas (BRKGA) com uma decodificação que define a ordem e o local de atracação (berços) de maneira independente, e uma implementação vetorizada buscando um melhor desempenho. Testamos diferentes estratégias para melhorar os resultados obtidos pelo BRKGA, como rodar múltiplas vezes e adotar a melhor solução, utilizar a ferramenta OPTUNA para busca de melhores hiper parâmetros e aplicar \textit{clusterização} na escolha dos pais na fase do cruzamento para uma maior variabilidade nos herdeiros, mas mantendo a característica elitista da fase. Além disso, testamos a utilização das soluções obtidas pelo BRKGA como solução inicial para o CPLEX, ou seja, para a resolução exata do modelo, uma vez que as soluções encontradas pelo BRKGA proposto foram factíveis para o problema. Pudemos comparar diferentes estratégias de resolução utilizando o BRKGA e o BRKGA + CPLEX. Dos testes foi possível concluir que utilizar o resultado de uma única execução do BRKGA ou o CPLEX apenas com limite de tempo não são as melhores opções. Com relação ao tempo computacional e qualidade de solução, concluímos que, para os modelos sem e com ociosidade de berços, as estratégias de combinação com a clusterização e as múltiplas execuções em paralelo com parâmetros fixos foram as estratégia com melhores equilíbrio. No presente trabalho, trazemos também um resumo sobre o Problema de Alocação de Navios em Berços, junto com uma revisão bibliográfica, um pouco sobre a teoria de Algoritmos Genéticos, de Algoritmos Genéticos de Chaves Aleatórias e Algoritmos Genéticos de Chaves Aleatórias Viciadas, assim como sobre clusterizaçãoAbstract: This work considers the Berth Allocation Problem (BAP), to determine the order, location and service time of ships when they arrive at the port, with the base model used based on the Vehicle Routing Problem with Time (PRVJT), proposed in the literature, with the objective of minimizing the total time spent by ships in port. We proposed an adaptation of the model (PRVJT-O) to consider the idle times of berths, a perspective of interest to the port and not just the customers (ship owners). To solve BAPs without and with idleness, we proposed a Biased Random Key Genetic Algorithm (BRKGA) model with a decoding that defines the order and berthing location (berths) independently, and a vectorized implementation, aiming better performance. We tested different strategies to improve the results obtained by BRKGA, such as running multiple times and adopting the best solution, using the OPTUNA tool to search for better hyper parameters and applying clustering in the choice of parents in the crossing phase for greater variability in the heirs, but maintaining its the elitist characteristic. Furthermore, we tested the use of the solutions obtained by BRKGA as an initial solution for CPLEX, that is, for the exact resolution of the model, since the solutions found by the proposed BRKGA were feasible for the problem. We were able to compare different resolution strategies using BRKGA and BRKGA + CPLEX. From the tests it was possible to conclude that using the result of a single execution of BRKGA or CPLEX with only a time limit are not the best options. Regarding computational time and solution quality, we concluded that, for the models without and with idle time of berths, the combination strategies with clustering and multiple executions in parallel with fixed parameters were the strategies with the best balance. In this work, we also bring a summary of the Berth Allocation Problem, along with a bibliographical review, a little about the theory of Genetic Algorithms, Random Key Genetic Algorithms and Biased Random Key Genetic Algorithms, as well as about clusteringAbertoDoutoradoMatemática AplicadaDoutora em Matemática AplicadaCNPQ142415/2017-0CAPES001[s.n.]Poldi, Kelly Cristina, 1979-Bressan, Glaucia MariaCantane, Daniela RenataOliveira, Aurelio Ribeiro Leite deMoretti, Antonio CarlosUniversidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em Matemática AplicadaUNIVERSIDADE ESTADUAL DE CAMPINASPeteam, Fernanda Bia, 1991-20242024-04-08T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (193 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/19525PETEAM, Fernanda Bia. Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços. 2024. 1 recurso online (193 p.) Tese (doutorado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/19525. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1394631Cover: https://repositorio.unicamp.br/capa/capa?codigo=1394631Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2024-07-30T16:29:40Zoai::1394631Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2024-07-30T16:29:40Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
Approaches of the biased random key genetic algorithm for the berth allocation problem
title Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
spellingShingle Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
Peteam, Fernanda Bia, 1991-
Problema de alocação de berços
Algoritmos genéticos
Algoritmos de agrupamento
Berth allocation problems
Genetic algorithms
Clustering algorithms
title_short Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
title_full Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
title_fullStr Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
title_full_unstemmed Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
title_sort Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços
author Peteam, Fernanda Bia, 1991-
author_facet Peteam, Fernanda Bia, 1991-
author_role author
dc.contributor.none.fl_str_mv Poldi, Kelly Cristina, 1979-
Bressan, Glaucia Maria
Cantane, Daniela Renata
Oliveira, Aurelio Ribeiro Leite de
Moretti, Antonio Carlos
Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Matemática Aplicada
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Peteam, Fernanda Bia, 1991-
dc.subject.por.fl_str_mv Problema de alocação de berços
Algoritmos genéticos
Algoritmos de agrupamento
Berth allocation problems
Genetic algorithms
Clustering algorithms
topic Problema de alocação de berços
Algoritmos genéticos
Algoritmos de agrupamento
Berth allocation problems
Genetic algorithms
Clustering algorithms
description Orientador: Kelly Cristina Poldi
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-04-08T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/19525
PETEAM, Fernanda Bia. Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços. 2024. 1 recurso online (193 p.) Tese (doutorado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/19525. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/19525
identifier_str_mv PETEAM, Fernanda Bia. Abordagens do algoritmo genético de chaves aleatórias viciadas para o problema de alocação em berços. 2024. 1 recurso online (193 p.) Tese (doutorado) - Universidade Estadual de Campinas (UNICAMP), Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/19525. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1394631
Cover: https://repositorio.unicamp.br/capa/capa?codigo=1394631
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (193 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189200155639808

Registros relacionados