PPGEP - Mestrado (Dissertações)
URI permanente para esta coleçãohttp://www.hml.repositorio.ufop.br/handle/123456789/12873
Navegar
2 resultados
Resultados da Pesquisa
Item Métodos meta-heurísticos para o problema de localização de máxima cobertura multiobjetivo.(2022) Pinheiro, Ruan Carlos Silva Menezes; Gomes, Helton Cristiano; Gomes Júnior, Aloisio de Castro; Gomes, Helton Cristiano; Gomes Júnior, Aloisio de Castro; Guimarães, Irce Fernandes Gomes; Klen, André MonteiroA definição da melhor localização para uma instalação é uma decisão estratégica desafiante para os gestores de organizações públicas e privadas, vistos os inúmeros benefícios que uma decisão adequada pode gerar. A correta localização de uma ou mais instalações pode proporcionar vantagens competitivas para as organizações através da proximidade com clientes/fornecedores e de fontes de recursos, bem como com a redução de alguns custos operacionais e logísticos. Ela pode implicar, também, no melhor atendimento da demanda dos clientes. Porém, a decisão de localização requer inúmeros estudos específicos e necessita da utilização de algum tipo de ferramenta para auxiliar na análise das alternativas. Visando auxiliar os gestores das organizações na determinação da localização de instalações, tornando a tomada de decisão mais adequada, este trabalho tem como objetivo desenvolver métodos para a resolução do problema de localização de máxima cobertura formulado como um problema de otimização multiobjetivo (MO-PLMC). Problemas de localização tratam de decisões sobre a obtenção da melhor configuração para a instalação de uma ou mais facilidades, visando atender com qualidade a demanda de uma população, com o menor custo possível. O MO-PLMC será abordado buscando a otimização de dois objetivos: a maximização da demanda atendida e a minimização do custo de instalação das facilidades. Na resolução de um problema de otimização multiobjetivo é determinado um diagrama de Pareto, onde cada ponto representa uma solução Pareto-ótima. Porém, a construção do diagrama pode ser muito complexa, dependendo da natureza do problema a ser resolvido. Visto isso, foram implementados e testados dois métodos meta-heurísticos, baseados no Greedy Randomized Adaptive Search Procedure e no Variable Neighborhood Search, para gerar conjuntos de soluções Pareto-ótimas para o MO-PLMC. Para avaliar a eficiência dos métodos, os conjuntos de soluções Pareto- ótimas obtidos através da utilização de instâncias geradas como proposto na literatura, e adaptadas para a otimização multiobjetivo, foram comparados através de três métricas de avaliação de desempenho: medidas de distância, diferença de hipervolume e taxa de erro. Foram realizados, também, experimentos estatísticos com o intuito de comprovar a existência de diferença significativa entre os métodos com relação às métricas utilizadas. Para isso foi utilizado o teste estatístico t de Student, adequado para a comparação de duas populações. Com base nos experimentos computacionais, concluiu-se que o MOVNS foi superior ao GMO, para todas as instâncias, em relação às três métricas.Item Abordagens simheurísticas para o problema de flow shop permutacional multiobjetivo.(2022) Vieira, Naiara Helena; Gomes Júnior, Aloísio de Castro; Gomes, Helton Cristiano; Gomes Júnior, Aloísio de Castro; Gomes, Helton Cristiano; Guimarães, Irce Fernandes Gomes; Almeida, João Flávio de FreitasO problema flow shop permutacional multiobjetivo (PFSP-MO) consiste no processamento de um conjunto de jobs em todas as máquinas do ambiente produtivo, de tal forma que dois ou mais objetivos sejam otimizados. Nesta pesquisa, o PFSP-MO considera parâmetros estocásticos, responsáveis por representar possíveis atrasos ocorridos durante o processamento, e possui como objetivo minimizar o atraso total, o makespan e a antecipação total esperados. Por se tratar de um problema de otimização multiobjetivo, os métodos aplicados para resolver o PFSP-MO não retornam apenas uma solução, mas sim um conjunto de soluções, as quais são avaliadas pelo conceito ótimo de Pareto. Inicialmente, o método ponderação dos objetivos foi aplicado ao PFSP-MO com dados determinísticos e executado em um conjunto de 80 instâncias adaptadas da literatura. Em seguida, foram propostas duas abordagens simheurísticas: Variable Neighborhood Search Multiobjetivo (MOVNS) e Pareto Iterated Local Search (PILS). Nas quais: a solução inicial é gerada pelo método Greedy Randomized Adaptive Seach Procedure e a busca local utiliza três estruturas de vizinhança: inserção, troca e three point move. Tanto no MOVNS quanto no PILS a simulação é aplicada de duas maneiras distintas. Primeiramente, uma simulação rápida é aplicada a todas as soluções pertencentes à Fronteira Pareto (FP). E posteriormente, uma simulação intensiva é aplicada nas soluções da FP elite. Os métodos propostos foram executados em 120 instâncias adaptadas da literatura. Os resultados encontrados pelos métodos foram comparados entre si pelas métricas de avaliação desempenho: número de soluções na FP, medida de cardinalidade, medida de distância média e máxima, taxa de erro e diferença de hipervolume. Por fim, os resultados encontrados pelas métricas foram estatisticamente avaliados pelo teste t a fim de comprovar a existência de diferença estatisticamente significativa entre os métodos em relação às métricas de avaliação de desempenho. Tanto o resultado das métricas de avaliação quanto da análise estatística apontam que o MOVNS se apresenta superior ao PILS.