Navegando por Autor "Silva, Allyson Fernandes da Costa"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Um algoritmo evolucionário para o problema dinâmico de localização de facilidades com capacidades modulares(2017-06-30) Silva, Allyson Fernandes da Costa; Aloise, Daniel; http://lattes.cnpq.br/5093210888872414; http://lattes.cnpq.br/4085705523195613; Fernandes, Marcelo Augusto Costa; http://lattes.cnpq.br/3475337353676349; Rocha, Caroline Thennecy de Medeiros; http://lattes.cnpq.br/8358112426847555; Coelho, Leandro Callegari; http://lattes.cnpq.br/5085659938072564Problemas de localização buscam determinar as melhores posições onde devem ser instaladas facilidades de modo a atender demandas existentes. Pela vasta aplicabilidade da área, diversas características já foram importadas aos modelos para melhor representar situações práticas. Uma delas generaliza os modelos clássicos para situações em que decisões de localização devem ser tomadas periodicamente. Outra, permite que modelos tratem do dimensionamento das capacidades como uma variável do problema. O Problema Dinâmico de Localização de Facilidades com Capacidades Modulares unifica estas e outras características presentes em problemas de localização num único e generalizado modelo. Este problema foi recentemente formulado na literatura, onde uma abordagem exata foi introduzida e aplicada a instâncias derivadas de um estudo de caso no contexto da exploração de recursos florestais. Neste trabalho será apresentado um método alternativo para resolver o mesmo problema. O método escolhido utiliza a estrutura da metaheurística Algoritmo Genético e a hibridiza com uma rotina de Descida em Vizinhança Variável com três vizinhanças de busca adaptadas de vizinhanças aplicadas a outros problemas de localização. Experimentos atestaram a efetividade da metaheurística híbrida desenvolvida em comparação à aplicação dos métodos puros. Na comparação com o método exato, a heurística se mostrou competente ao chegar a soluções até 0,02% de distância do ótimo na maioria das instâncias testadas.