Escolar Documentos
Profissional Documentos
Cultura Documentos
So Paulo
2013
Dissertao
apresentada
Escola
Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Engenharia
So Paulo
2013
Dissertao
apresentada
Escola
Politcnica da Universidade de So Paulo
para obteno do ttulo de Mestre em
Engenharia
rea de Concentrao:
Engenharia de Produo
Orientadora: Dbora Pretti Ronconi
So Paulo
2013
FICHA CATALOGRFICA
AGRADECIMENTOS
professora Dbora Pretti Ronconi, pela orientao, apoio e amizade em
todo o perodo do mestrado e na realizao deste trabalho.
Aos meus colegas da ps-graduao, especialmente ao Everton, Srgio,
Guilherme e Sakuraba.
Ernst & Young, empresa onde trabalho, que me apoiou em fazer o
mestrado, sendo compreensiva ao me alocar somente em projetos nos quais a
agenda pudesse ser conciliada com a do mestrado. Em especial agradeo a Denise
Grun e sua equipe de alocao, gerentes de projetos, diretores, scios e colegas
que foram simpticos aos meus esforos no presente trabalho.
Finalmente, aos meus pais e avs, irms, amigos e namorada por terem sido
compreensivos com ausncias e momentos de estresse, e por oferecerem apoio e
carinho, to importante nesses momentos.
RESUMO
O tema de roteamento de veculos de grande importncia na literatura e tem sido
amplamente estudada pela sua importncia para muitas indstrias. Com a evoluo
na literatura, mais caractersticas foram adicionadas para torn-lo mais prximo de
situaes reais. Alinhado com esta tendncia, este trabalho aborda o problema de
roteamento de veculos quando h a terceirizao da frota que realiza as entregas.
Uma forma de cobrana do frete por meio de custos escalonados, que so
calculados de acordo com o tipo de veculo e a distncia percorrida, com valores
fixos para cada faixa de distncia. Embora seja uma forma comum de trabalho na
indstria, nenhum trabalho focado nesta caracterstica foi encontrado na literatura.
Este problema o problema de roteamento de veculos com frota mista, janelas de
tempo e custos escalonados (FSMVRPTWSC). Ao abordar este problema, este
trabalho apresenta um modelo de programao linear inteira mista que avaliado
em um cenrio real da indstria. Alm disso, trs heursticas de insero sequencial
so propostas para lidar com problemas maiores. Estes mtodos so examinados
por meio de testes computacionais em 168 problemas de referncia gerados para
este problema. Os experimentos numricos mostram que os mtodos so robustos e
eficientes, apresentando um bom desempenho em conjuntos de problemas com
diversas caractersticas.
Palavras-chave: Problema de Roteamento de Veculos. Frota Heterognea. Janelas
de Tempo. Custos Escalonados. Programao Linear Inteira Mista. Heurstica.
ABSTRACT
The theme of vehicle routing is of great importance in the literature and has been
widely studied for its relevance to many industries and, throughout the literature,
more characteristics have been added to make it closer to real situations. Aligned
with this trend, this paper addresses the vehicle routing problem when there is
outsourcing of the fleet that delivers goods. One form of freight charging is by scaled
costs, which are calculated according to the type of vehicle and the distance traveled,
with fixed values for each distance range. Though it is a common form of work in the
industry, no work focused on this characteristic was found in the literature. This
problem is the fleet size and mix vehicle routing problem with time windows and
scaled costs (FSMVRPTWSC). In approaching this problem, this paper presents a
mixed integer linear programming model that is evaluated under a real situation
scenario. Furthermore, three sequential insertion heuristics are proposed in order to
deal with larger problems. These methods are examined through a computational
comparative study in 168 benchmark problems generated for this problem. The
numerical experiments show that the methods are robust and efficient, performing
well in different problem sets.
Keywords: Vehicle Routing Problem. Heterogeneous Fleet. Time Windows. Scaled
Costs. Mixed Integer Linear Programming Model. Heuristics.
SUMRIO
1 Introduo............................................................................................................... 9
2 Caracterizao do Problema ................................................................................ 12
2.1 Definio ........................................................................................................ 12
2.2 Objetivo .......................................................................................................... 16
2.3 Reviso Bibliogrfica...................................................................................... 17
2.3.1 VRP: Problema de Roteamento de Veculos ............................................. 17
2.3.2 FSMVRP: Problema de Determinao do Tamanho e Composio da
Frota e Roteamento de Veculos ............................................................... 18
2.3.3 VRPTW: Problema de Roteamento de Veculos com Janelas de Tempo.. 21
2.3.4 FSMVRPTW: Problema de Determinao do Tamanho e Composio
da Frota e Roteamento de Veculos com Janelas de Tempo .................... 23
2.3.5 Custos Escalonados .................................................................................. 27
3 Formulao Matemtica ....................................................................................... 29
3.1 Elementos da Formulao ............................................................................. 29
3.1.1 Clientes ...................................................................................................... 29
3.1.2 Frota de Veculos ....................................................................................... 29
3.1.3 Janelas de Tempo ..................................................................................... 30
3.1.4 Faixas de Custo Escalonado ..................................................................... 30
3.2 Modelo Proposto ............................................................................................ 33
3.2.1 Detalhamento da Formulao .................................................................... 35
3.3 Testes Computacionais .................................................................................. 43
4 Heursticas Propostas .......................................................................................... 49
4.1 Viso Geral .................................................................................................... 49
4.2 Etapas do Procedimento ................................................................................ 51
4.3 Definio dos Critrios de Economia para Insero ...................................... 52
4.3.1 Critrios Originais da Heurstica ACS para o FSMVRPTW........................ 53
1 Introduo
O tema de roteamento de veculos tem grande importncia na literatura e vem
sendo amplamente estudado por sua relevncia para a indstria e economia
mundial. O estudo deste problema se iniciou com o problema de roteamento de
veculos (VRP na sigla em ingls para Vehicle Routing Problem), onde veculos de
mesmas caractersticas e capacidade saem de um armazm central e fazem
entregas ou coletas em pontos espalhados no espao (que podem ser clientes ou
fornecedores) para diferentes demandas e custo pr-determinado de translado entre
pontos. Com a evoluo do tema na literatura e tendo como objetivo aproximar-se
mais da realidade vivida pela indstria e transportadoras, o problema foi enriquecido
com mais restries, caractersticas de clientes, frotas e rotas.
Desta forma, existem diversas variantes do VRP clssico. As mais
encontradas so: adio de janelas de tempo em que clientes, armazm e
motoristas podem trabalhar; frota de veculos mista, cuja determinao do tamanho
e composio parte do problema, sendo atribudos custos fixos e variveis de
acordo com o veculo; entregas parciais permitidas, ou seja, mais de um veculo
pode atender cada cliente; mltiplos armazns, de onde podem iniciar as rotas dos
caminhes; entre outras muitas caractersticas estudadas.
Hoff et al. (2010) apresentam um extenso levantamento bibliogrfico sobre os
diferentes tipos de roteamento de veculos e metodologias utilizadas, terminando
com uma anlise crtica da produo cientfica. Apesar de citar positivamente essa
adio de restries e caractersticas reais ao problema, foi feita a crtica de ainda
estar aqum da aderncia necessria s situaes reais. Alinhada com essa
percepo, essa dissertao tem como principal objetivo abordar uma estratgia da
indstria na distribuio de mercadorias: a terceirizao da frota.
Em alguns casos, a indstria prepara seu prprio roteamento de entregas,
avaliando capacidade de veculos e custos de frete, mas no dona da frota que faz
o atendimento aos clientes. Essa tendncia de terceirizao de frotas confirmada
por Lieb e Bentz (2004), cuja pesquisa indicou que em 2003, 80% das indstrias dos
EUA utilizavam esta modalidade de transporte. Desta maneira possvel evitar
custos relacionados aquisio e manuteno de uma frota de veculos,
10
11
12
2 Caracterizao do Problema
Nesse captulo ser caracterizado o problema abordado nessa dissertao.
Primeiro ele definido, assim como seus aspectos. Em seguida, o objetivo da
dissertao exposto, para ento ser feita uma reviso bibliogrfica acerca do tema.
2.1
Definio
O problema a ser estudado o roteamento de veculos com uma srie de
13
Figura 2.1: Ilustrao de diversos tipos de veculos possveis para entregas ou coletas.
Custo
Distncia Percorrida
Figura 2.2: Ilustrao de faixas de custo fixo por distncia percorrida para um veculo.
14
de manufatura dos EUA, Lieb e Bentz (2004) constataram que, das 60 empresas
que responderam ao questionrio, 80% delas terceirizavam os servios de logstica.
A pesquisa foi feita anualmente por 14 anos e mostrou crescimento sustentvel com
o passar das edies. Em 1991 a pesquisa indicou que apenas 38% da indstria
usava terceiros em sua distribuio; a partir de 1997 essa frao subira para 2/3 da
indstria e, a partir de 2003, o nmero j havia alcanado 80%.
Segundo o 15 Estudo Anual de Operadores Logsticos (2010), em 2009 o
faturamento de prestadores de servios logsticos passava de 500 bilhes de
dlares, sendo 27 bilhes somente na Amrica Latina.
Existem diferentes tipos de acordo possveis com operadores logsticos.
Ghiani et al. (2004) descrevem uma srie de possveis critrios para este
relacionamento, variando desde o aluguel da frota de um terceiro, at o pagamento
de taxas de acordo com a faixa de peso transportado e local de destino.
importante ressaltar que, no caso real, nem sempre o peso a ser carregado
a principal restrio de capacidade do transporte. Em alguns casos, a capacidade
volumtrica dos veculos que limita a quantidade de carga a se transportar.
Materiais leves ou equipamentos como armrios, geladeiras, fornos de micro-ondas,
que tm grandes reas vazias em seu interior, so exemplos de casos que o volume
ocupado pela carga to grande, que a capacidade do veculo se esgota mesmo
com o peso total ainda aqum dos limites. Esse problema mais recorrente no
transporte areo, onde avies de cargas suportam bastante peso, mas o volume
interno limitado. Ao mesmo tempo, existem as limitaes em peso, como limite por
eixo do veculo por restries legais em rodovias ou segurana, ou capacidade em
avies e navios para conseguirem voar e navegar adequadamente. Limitaes de
peso geralmente so notveis no transporte de graneis, como minrios, gros ou
produtos acabados densos como estruturas metlicas ou maquinrios de ao.
Para se considerar simultaneamente diferentes cargas, algumas com limitante
em massa e outras em volume, o clculo de capacidade dos veculos feito pelo
peso cbico (conhecido em ingls como Dimensional Weight). Essa metodologia
utiliza um fator de converso do volume para compar-lo ao peso de cada material a
ser transportado. Esse ndice no fixo, ele determinado de acordo com o veculo
e at o tipo de material a ser utilizado. Dessa forma, diferentes tipos de produtos
com diferentes caractersticas de peso e volume podem ser avaliados em conjunto
15
onde d a distncia percorrida pelo veculo v, CFv o custo fixo deste veculo e CVv
o custo varivel por unidade de distncia percorrida.
J no caso de custos escalonados, o valor obtido a partir de uma
informao em tabela, como o exemplo da tabela 2.1, para um dado tipo de veculo,
16
Custo de Frete
De 0 a D1
C1
De D1 a D2
C2
De D2 a D3
C3
Maior que D3
C3 + (d D3) x c4
Custos Escalonados
Custo
Custos Lineares
Distncia Percorrida
2.2
Objetivo
O objetivo desta dissertao abordar o problema de roteamento de veculos
17
sigla em ingls para Fleet Size and Mix Vehicle Routing Problem with Time Windows
and Scaled Cost). Nesta abordagem proposta um modelo PLIM e mtodos
heursticos, com base em mtodos da literatura.
A avaliao da qualidade do modelo feito em dados reais de empresas
brasileiras, porm limitados a pequenos casos devido complexidade do problema e
os mtodos heursticos em adaptaes de problemas de referncia da literatura.
2.3
Reviso Bibliogrfica
Na literatura, o tema de roteamento de veculos bastante estudado e de
grande relevncia por ser muito relacionado logstica, transportes e toda a cadeia
de suprimentos, com aplicaes na indstria, bancos, governos, exrcitos, etc.
Portanto, relevante para diversas reas e possui muitas aplicaes prticas.
Da mesma forma, o uso de heursticas para a soluo de problemas da rea
de logstica j se tornou prtica comumente encontrada, uma vez que a
complexidade crescente dos problemas faz com que no possa ser encontrada a
soluo exata em tempo de execuo vivel.
Diferentes heursticas vm sendo usadas para resolver os problemas de
roteamento de veculos, nas mais diversas formas. A seguir os principais tipos de
problemas de roteamento e as heursticas propostas para suas solues sero
analisadas, sendo notvel a evoluo de ambos at chegar ao estudado nesta
dissertao.
2.3.1 VRP: Problema de Roteamento de Veculos
O problema de roteamento de veculos clssico (Vehicle Routing Problem VRP) trata de encontrar um conjunto de rotas, a partir de um armazm central,
utilizando veculos idnticos, para atender com o menor custo possvel um conjunto
de pontos de demanda, que representam os clientes, suprindo totalmente a
demanda. As restries principais so:
18
19
Neste caso, o objetivo do problema pode ser tanto minimizar o custo total do
roteamento, somando-se custos fixos de aquisio e manuteno dos veculos, e
variveis, proporcional distncia percorrida por cada um, como tambm pode se
encontrar o nmero mnimo de veculos que execute o roteamento.
Golden et al. (1984) foram os primeiros a estudar este problema, nomeando-o
problema de roteamento de veculos com determinao do tamanho e composio
da frota ou, na sigla em ingls, FSMVRP (Fleet Size and Mix Vehicle Routing
Problem). Sete heursticas so apresentadas para este problema, baseadas na
heurstica das economias de Clarke e Wright (1964) para o VRP, levando em conta
a capacidade ociosa do veculo em diferentes nveis de otimismo para o
aproveitamento deste espao ocioso no decorrer da soluo. As sete heursticas
propostas so:
20
GT (Giant Tour): Rota Gigante, feita em dois passos. Primeiro feita uma
nica rota que visite todos os pontos de demanda, utilizando a
metodologia do TSP. Em seguida, esta rota divida levando em conta
capacidades e custos dos veculos, garantindo que todas as novas rotas
se iniciem e terminem no armazm central. Para esta metodologia duas
heursticas foram criadas:
SGT (Single Giant Tour): Cria a rota gigante inicial com incio e fim no
armazm central e depois divida a rota;
MGT (Multi Giant Tour): Cria mltiplas rotas gigantes iniciais, sem
considerar o armazm central, que depois so divididas;
21
Rand (1993) e Taillard (1999). destacado o uso recorrente das instncias geradas
por Golden et al. (1984) nestes estudos posteriores, a fim de comprovar a eficcia
das novas metodologias propostas.
2.3.3 VRPTW: Problema de Roteamento de Veculos com Janelas de Tempo
No VRPTW (sigla em ingls para Vehicle Routing Problem with Time
Windows) adiciona-se ao roteamento de veculos clssico o limite de horrio de
atendimento nos pontos de demanda (clientes), trazendo o problema mais prximo
realidade. No caso real, empresas tm horrio de incio e fim de operao e
jornadas de trabalho a respeitar, alm das restries de horrio em que portos
operam ou para circulao de certos tipos de veculos em cidades e vias.
No VRPTW, o atendimento sempre deve ser feito respeitando um horrio
inicial e final em cada ponto de demanda. Tambm existe restrio de horrio no
prprio armazm de onde partem os veculos. Apesar de parecer uma simples
adio de restries de tempo, isso gera complexidades, pois nessas condies
existem fatores de deciso a ponderar, o sentido da viagem do veculo na rota se
torna relevante e fatores antes no considerados, como tempo de atendimento no
cliente, velocidade de veculos e outros fatores relacionados direta ou indiretamente
ao tempo, se tornam relevantes.
O artigo publicado por Solomon (1987) prope as primeiras heursticas para
soluo do VRPTW. So quatro heursticas construtivas:
22
R1
C1
RC1
R2
C2
RC2
Tabela 2.2: Caractersticas dos grupos de instncias de Solomon (1987) para o VRPTW.
23
24
MCS
(Modified
Combined
Savings):
Heurstica
das
economias
25
existente. Esse impacto negativo valorizado no critrio c1. Ele composto por trs
componentes de custo que so balanceados em importncia conforme fatores de
balanceamento: c11 referente ao aumento de distncia percorrida pelo veculo, c12
sobre o aumento do tempo da rota e c13 sobre a troca de tipo veculo necessria
para a insero do novo ponto. Aps a determinao do menor c1 para cada cliente
candidato a entrar na rota, avaliada a economia dada c2. Este critrio calculado a
partir da diferena entre o custo de uma viagem exclusiva do armazm ao cliente
com o menor veculo disponvel e o impacto de adicionar o ponto na rota, calculado
em c1. O ponto com maior c2 positivo inserido na rota.
no componente c13 que as trs heursticas diferem, cada uma com uma
maneira de avaliar esse valor, usando os critrios de Golden et al. (1984) de modo
adaptado para determinao de economias combinadas adaptadas (ACS),
economias com oportunidades otimistas (AOOS) e economias com oportunidades
realistas (AROS). Mais especificamente, cada um dos meios de determinao do
componente de custos c13 em cada heurstica so explicados a seguir
As trs heursticas propostas por Dullaert et al. (2002) foram testadas nas
instncias de Liu e Shen (1999). Na comparao de resultados entre elas somente
considerado o tempo de roteamento, desconsiderando o tempo de servio nos
clientes. Neste critrio, a de Dullaert et al. (2002) domina a de Liu e Shen (1999),
com melhores resultados em todas as instncias, chegando a mais de 50% de
melhoria em algumas.
26
al. (2007)
denominada
27
28
29
3 Formulao Matemtica
A seguir apresentada a formulao de programao linear inteira mista
(PLIM) para o FSMVRPTWSC, com base na formulao para o FSMVRP de Golden
et al. (1984) com os apontamentos sobre janelas de tempos para adapt-lo para o
FSMVRPTW de Dullaert et al. (2002). Antes de se apresentar a formulao
completa, ser detalhado cada elemento desta, para ento concluir com a
formulao completa.
3.1
Elementos da Formulao
3.1.1 Clientes
Existe uma srie de clientes N = [1, 2,..., n] em diferentes locais, sendo que o
local 0 o armazm, como mostrado na figura (3.1). Para cada par de locais (i,j),
onde i e j pertencem ao conjunto N, existe uma distncia dij e um tempo de percurso
tij. ambos nmeros reais positivos.
N
4
2
1
...
3
...
Armazm
A cada cliente i associado uma demanda qi, que conhecida antes do incio
do processo de roteamento.
3.1.2 Frota de Veculos
Existem K diferentes tipos de veculos. Cada tipo de veculo k possui uma
capacidade ak (a1 < a2 < a3 < ... < aK) e custos escalonados para cada faixa de
distncia percorrida. Os detalhes das faixas de distncias e o respectivo custo esto
detalhados no item 3.1.4.
30
31
Figura 3.2: Ilustrao de faixas de custo, onde cada cor de linha representa um tipo k de
veculo.
Alm das faixas de custo, existe uma faixa fictcia f = 0. Ela a faixa para
veculos que no so alocados em nenhuma rota e, consequentemente, sua
distncia total percorrida zero. Na faixa f = 0, para qualquer k, Ck0 = 0.
Essa forma de considerar os custos gera uma nova dificuldade. Desde a
primeira proposio com frota mista, elaborada por Golden et al. (1984), a
formulao tem o clculo de custos presente na funo objetivo, a partir da soma
dos custos fixos com custos variveis dos veculos utilizados no roteamento.
Portanto, calculam-se quantos veculos do tipo k existem e qual a distncia total
percorrida por todos os veculos desse mesmo tipo, assim era possvel determinar
tanto o custo fixo quanto o custo varivel de todo o grupo em conjunto, sem a
necessidade de uma formulao que leve em conta cada veculo.
No problema aqui estudado, a formulao deve verificar, veculo a veculo,
qual o seu tipo k e em qual faixa de distncia f est para obter o custo total de
roteamento para cada um, o Pv. Somente aps calcular o custo individual de cada
veculo possvel fazer a soma dos custos totais do roteamento.
Para a formulao dos custos escalonados, uma das opes consideradas foi
a formulao de funes lineares por partes, apresentada por Winston (2004). O
mtodo utiliza variveis binrias para representar funes lineares por parte, como o
exemplo ilustrado na figura 3.3.
32
+ (1
1;
1;
Assim, dado que a funo f(x) entre os pontos bk e bk+1 linear, podemos
determinar que:
( )=
) + (1
) (
f(bk)
bk
f(x)
f(bk+1 )
bk+1
33
Descontinuidades
3.2
Modelo Proposto
O problema do FSMVRPTWSC consiste em buscar o menor custo para um
cliente;
v:
veculo;
k:
tipo de veculo;
f, y:
faixa de distncia;
34
Parmetros
n:
V:
K:
F:
qi:
demanda no cliente i;
tij:
dij:
distncia do cliente i ao j;
si:
ei :
li:
ak:
Wf:
Ckf:
CkF:
Variveis
xvij:
z kf:
bvi:
Dv:
P:
custo do veculo v.
Formulao
minimizar
(1)
Sujeito a:
=1
=1
(2)
j = 1,, n
(4)
v = 1,, V; p = 0,..., n
=0
v = 1,, V
v = 1,, V
(3)
(5)
35
=0
=0
=1
(7)
v = 1,, V
(9)
v = 1,, V
(1
v = 1,, V; i = 1,,n
v = 1,, V; y = 1,,F - 1
(1
(8)
(10)
v = 1,, V
(11)
v = 1,, V; k = 1,,K
(13)
v = 1,, V
v = 1,, V; i = 1,,n
(12)
(14)
mininizar
A funo objetivo (1) minimiza a soma dos custos de todos os veculos. Cada
veculo v recebe, segundo as restries (12) e (13) explicadas a seguir, um custo Pv.
O custo total do problema a soma destes custos.
Restries (2) e (3)
=1
=0
v = 1,, V
p = 1,..., n; v = 1,, V
(2)
(3)
conjunto (2) determina que todos os veculos devem sair do armazm para o
primeiro ponto visitado em sua rota (veja ilustrao na Figura 3.6). As restries (3),
por sua vez, determinam que se um veculo v chega a um ponto p qualquer deve,
em seguida, sair dele, como mostra a Figura 3.7.
36
Armazm Central
Primeiro ponto da
rota do veculo v
v
i
v
p
Restries (4)
j = 1,, n
=1
(4)
As restries (4) garantem que cada cliente ser atendido por exatamente um
veculo. Desta forma, o modelo garante que todos os clientes sero atendidos e, ao
mesmo tempo, que no haver atendimento fracionado. Essas restries tambm
garantem que cada veculo v somente execute somente uma rota, uma vez que
somente um xv0j pode ter valor 1.
Restries (5)
v = 1,, V
(5)
somente para o veculo v que atender este cliente. A soma de todos os clientes
atendidos pelo veculo v deve ser inferior ou igual capacidade deste tipo de
veculo, que determinada pelo parmetro ak associado varivel
, que
determina qual o tipo de veculo a qual pertence v. Esta restrio, juntamente com
as restries (9), (10) e (11), detalhadas a seguir, que determinam o valor de
.A
37
Figura 3.8 ilustra como a soma das demandas dos clientes na rota de um veculo k
no deve exceder sua capacidade.
qi
qi+1
ak
qi+3
Figura 3.8: Ilustrao do conjunto de restries (5).
(7)
38
no cliente i, determinado pela varivel bvi, deve estar entre o incio ei e o fim li da
janela de tempo deste cliente.
As restries (6) e (7) esto ilustradas na figura 3.9.
si
b vi
tij
sj
bv j
ej
lj
bvi
bvj
bvk
Como ponto de partida, toma-se o ponto i, que deve ter seu servio
iniciado em bvi.
>
+s +
. Por definio: s ,
> 0. Logo,
+s +
39
de
, temos:
+s +
+s +
. Substituindo o valor
+s +
. Logo,
que
+s +
+s +
+s +
+s +
+s +
>
= 1, a
+s +
>
. Nesta
v = 1,, V
(8)
As restries (8) definem a varivel Dv, a distncia total percorrida por cada
v = 1,, V
=1
(9)
(1
v = 1,, V; y = 1,, F - 1
v = 1,, V
(10)
(11)
faixa de cobrana a distncia percorrida pelo veculo v est. O objetivo desses dois
40
tenha valor 1 para a alocao que gere o menor custo. Portanto, somente
>
, (10) est
>
, esta
>
de forma varivel apela distncia a partir de WF, para uma distncia inferior a este
valor, o clculo da faixa ter termos negativos na expresso, o que pode fazer que o
custo desta ltima faixa se torne inferior ao de todas as no limitadas por (10) e
cause uma distoro no avaliao do modelo.
Para ilustrar o funcionamento dessas restries, apresenta-se a seguir um
exemplo. Um caso hipottico em que existem quatro faixas de distncia (f = 1, 2, 3,
4) cujas distncias mnimas so W1, W2, W3 e W4, respectivamente, e apenas um
tipo de veculo k. Lembrando que, a primeira faixa de distncia se inicia em zero, W1
= 0. Neste caso, a formao das duas restries est na tabela 3.1.
Restries
Faixa
Expresso
y=1
(10)
y=2
y=3
(11)
y=4
(
(
W )
+
+
(1
41
Expresso
+
(9)
y=1
(10)
y=2
y=3
(11)
y=4
Efeito
+
+
= 1,
=1
=0
=0
Tabela 3.2 Restries (10) e (11) que esto ativadas em negrito e o efeito que causa na
formulao para v1 para o qual W1 < Dv1 < W2.
positivo. A nica maneira para manter o termo a direita maior e positivo fazendo
= 0. J na restrio (10) para y = 1, como
direita maior que zero e, por consequncia, a restrio vlida, deve se fazer
+
ou
= 0. Desta forma, o
= 1.
Expresso
(9)
y=2
y=3
(11)
y=4
y=1
(10)
Efeito
=1,
+
=0
= 1,
=1
=0
=0
Tabela 3.3 Restries (10) e (11) que esto ativadas em negrito e o efeito que causa na
formulao para v1 para o qual W2 < Dv1 < W3.
42
caso, como
que
= 1.
= 0. Esses
veculos, como definido na Seo 3.1.4, devem estar na faixa f = 0 e receber o custo
Ck0 = 0. Neste caso, nenhuma das restries (10) estar ativada, mas como na
restrio (9)
z = 1, o modelo faz
(1
v = 1,, V
(12)
v = 1,, V; k = 1,,K
(13)
. As restries
(12) se referem s faixas de custo com valores fixos e as (13) faixa F, cujo custo
varivel a partir do valor do custo correspondente faixa F 1. Estas restries so
possveis graas determinao da varivel
uma faixa
< ,
= 0,
C . Nesses casos, a
+C (
W ) M,
e,
43
consequentemente,
, com
< , ser igual a zero. J na restrio (13), M ser multiplicado por zero e, desta
Para que isto seja efetivo, M deve ser uma constante grande o suficiente para
garantir que, para qualquer valor de k, a restrio (13) de que limita
aquela que
possvel.
3.3
= 1. Ou seja, M > C
+C (
seja somente
W ), para qualquer k e Dv
Testes Computacionais
Para certificar que a formulao proposta funciona e obtm bons resultados,
foram realizados testes em alguns casos reais de uma indstria alimentcia. Por se
tratar de um problema NP-Hard, no foi possvel resolver problemas com maiores
dimenses, assim, aplicou-se apenas a casos de pequeno porte, com no mximo
oito clientes sendo atendidos, dois tipos de veculos e quatro faixas de distncia.
Os testes computacionais foram realizados com um computador Intel Core i52520M 2.5GHz, com 3,41GB de memria RAM e resolvidos pelo software CPLEX
12.5 com interface OPL. Os testes foram realizados sem alterao das
configuraes padro dos parmetros.
A Tabela 3.4 mostra a comparao entre os resultados gerados a partir do
modelo proposto e os obtidos com os procedimentos da empresa durante o
roteamento das suas entregas. A primeira coluna (Instncia) identifica a instncia e a
segunda coluna (Nmero de clientes (n)) representa o nmero total de clientes no
problema. A prxima coluna (Custo Real) mostra o valor pago pela empresa em
unidades monetrias para cada instncia, enquanto a coluna seguinte (Custo
Modelo) mostra o valor timo obtido atravs do modelo MILP. Os valores foram
multiplicados por uma constante para preservar dados da empresa. A reduo
obtida utilizando o modelo em comparao com os custos reais apresentada na
coluna Reduo (%). O tempo de processamento para cada problema inferior a 15
segundos.
Como pode ser observado, nas oito instncias testadas o modelo proposto
trouxe redues significativas de custos comparados com o que a empresa obteve.
44
Nmero de
Custo Real
clientes (n)
Custo
Modelo
Reduo
(%)
2.372
1.485
37,4
2.372
1.380
41,8
2.040
1.750
14,2
2.827
1.750
38,1
2.827
1.750
38,1
5.428
3.256
40,0
2.653
1.485
44,0
3.190
1.500
53,0
Para
ilustrar
resoluo
do
modelo
matemtico,
apresentada
3
Mag
Queimados
Nova Iguau
Duque de Caxias
6
So Gonalo
2
Itagua
0
Rio de Janeiro
45
Cidade
qi
si
ei
li
24
8.436
10
18
171
18
3 Mag
1.112
18
4 Nova Iguau
1.854
18
5 Queimados
1.322
18
950
18
0 Rio de Janeiro
1 Duque de Caxias
2 Itagua
6 So Gonalo
1- Truque
10.000
2- Carreta
23.000
Custo (Ckf)
530
850
50
795
955
120
970
1060
46
0/0
21 / 1
67 / 3
59 / 2
35 / 2
48 / 2
28 / 1
0/0
0 /0
56 / 2
43 / 2
19 / 1
33 / 2
41 / 2
0/0
56 / 2
0 /0
94 / 4
44 / 2
48 / 2
87 / 3
0/0
43 / 2
94 / 4
0/0
51 / 2
64 / 3
38 / 2
0/0
19 / 1
44 / 2
51 / 2
0/0
22 / 1
55 / 2
0/0
33 / 2
48 / 2
64 / 3
22 / 1
0/0
68 / 3
0/0
41 / 2
87 / 3
38 / 2
55 / 2
68 / 3
0 /0
Para este exemplo, a soluo tima foi obtida em 1,02 segundos e gerou
duas rotas, conforme diagrama da Figura 3.13 e Tabelas 3.8 e 3.9.
Rota 1
Rota 2
5
4
1
47
Rota
Pontos
Visitados
Demanda
(Kg)
Tipo Veculo
Distncia
(km)
0542
3.347
1 - Truque
114
795
0631
10.498
2 - Carreta
109
955
Faixa Custo
Rota 1
Rota 2
Cliente
Incio de
Atendimento
Cliente
Incio de
Atendimento
10
11
16
16
Na tabela 3.8 pode se observar que o veculo da rota 1 atende uma demanda
de 3,4 mil quilogramas, pode utilizar um caminho truque (k = 1), e percorre uma
distncia na segunda faixa de distncia (f = 2). J o veculo da rota 2 atende uma
demanda pouco superior ao limite de capacidade de um caminho truque, sendo
necessrio utilizar uma carreta (k = 2), a distncia se mantm na segunda faixa (f =
2). Na tabela 3.9 nota-se que a soluo tima respeita as janelas de tempo nos
clientes, ficando claro que a soluo tima respeita todas as restries. O custo total
de 1750 unidades monetrias 14,2% inferior soluo realizada pelo cliente, a um
custo de 2040.
Como pode ser observado neste exemplo, e por todo o conjunto de instncias
usado na avaliao do modelo e apresentado na Tabela 3.4, o modelo matemtico
traz redues de custo significativas se comparado ao praticado pela empresa com
seus recursos atuais. O benefcio se torna maior conforme a complexidade dos
problemas aumenta.
As instncias testadas tinham no mximo oito clientes sendo atendidos por
apenas dois tipos de veculos. Essas quantidades so reduzidas se comparadas
com situaes cotidianas da empresa que forneceu os dados. Existem dias em que
o roteamento deve ser feito para mais de quatrocentos clientes, distribudos em mais
de oitenta cidades, alm de uma grande variedade de veculos que as diferentes
48
49
4 Heursticas Propostas
Conforme apresentado nos captulos anteriores, o FSMVRPTWSC NPHard, portanto, apesar da proposio de uma formulao PLIM ter se mostrado
eficaz em buscar solues timas para o problema no captulo 3, isto somente
possvel para problemas de pequeno porte. Para a soluo de problemas maiores,
coerentes com a realidade das empresas que realizam roteamento de seus veculos,
um mtodo heurstico pode fornecer uma boa soluo, mas no garantidamente a
tima, em um tempo razovel de processamento. Portanto, neste captulo sero
propostos e testados mtodos heursticos para soluo deste problema.
Primeiramente, na Seo 4.1, apresentada a ideia geral dos mtodos. Em
seguida, na Seo 4.2, os mtodos so detalhados passo a passo. Os critrios que
diferenciam os mtodos so descritos na Seo 4.3. Devido ao ineditismo do
problema na literatura, no existem problemas de referncia para esse problema,
portanto instncias foram geradas para avaliar os mtodos, cujo processo de
gerao est descrito na Seo 4.4. Finalmente, as avaliaes dos mtodos so
apresentadas e analisadas na Seo 4.5.
4.1
Viso Geral
Os mtodos heursticos desenvolvidos neste trabalho so do tipo construtivo
50
51
4.2
Etapas do Procedimento
O mtodo heurstico consiste em quatro etapas, que sero detalhadas a
Etapa 1: Inicie uma nova rota escolhendo o cliente ainda no atendido mais
distante do armazm. Caso no exista nenhum cliente ainda no atendido,
encerre o procedimento. Caso exista pelo menos um cliente no roteado, faa
uma rota ida e volta com o veculo de menor capacidade possvel que
atenda sua demanda e marque esse cliente como j atendido.
Etapa 2: Verifique quais clientes podem entrar na rota, ou seja, que possuem
uma demanda que pode ser atendida pela diferena entre a demanda total da
rota e a capacidade do maior veculo. Se houver pelo menos um cliente
nessas condies, siga para a Etapa 3, seno retorne Etapa 1;
52
metodologia empregada.
Etapa 1
PrInicializao
Etapa
2
Existem
Clientes
no
roteados?
Etapa
3
Marcar cliente
como j
roteado
Etapa
2
Fim
Etapa 2
Etapa
1
Etapa
4
Calcular diferena
entre capacidade
do maior veculo e
demanda da rota
(Cdisp)
Existem clientes
no roteados com
demanda inferior a
Cdisp?
Sim
No
Marcar esses
clientes como
candidatos
Etapa
3
Etapa
1
Etapa 3
Etapa
2
Calcular C1
de cada
candidato
Calcular C2
de cada
candidato
Existe
candidato
com C2
positivo?
Sim
Etapa
4
No
Etapa
1
Etapa 4
Etapa
3
Escolher o
candidato
com maior C2
Adicionar
cliente
escolhido rota
Marcar cliente
como j
roteado
Etapa
2
Figura 4.1 Fluxo geral das heursticas propostas dividido em quatro etapas.
4.3
53
veculo que executa a rota. O impacto desses trs elementos no clculo de C1D
[ 1
, ,
= 1, ,
, ,
onde:
1 ( , , )+
1 ( , , )+
1 ( , , ), 1, 2, 3 0
54
comparao entre fazer uma entrega exclusiva ao cliente u e o critrio C1. Na ACS,
os valores a serem somados so a distncia e o tempo entre o armazm e o cliente
(dados por d0u e t0u), o tempo de servio nesse cliente (su) e o custo fixo do menor
veculo que atenda a demanda deste cliente, dado por Ck1(qu). Desta soma subtraise C1D(u). um fator que tem o objetivo de calibrar C2.
2 ( )= (
)+
) 1 ( )
55
1 (, , )=
[ 1
1 (, , )=
1 (, , )=
, ,
1 ( , , )+
+
1 (, , )=
1 ( , , )+
= 1, ,
1 (, , )
1, 2, 3 0
formulao que C1D, explicada na Seo 4.3.1, com exceo de C13S1. Neste caso,
ele se d pela diferena entre Pv, o custo total do veculo que executa a rota com a
demanda e distncia anterior adio de u, e Pvnew, o custo de veculo que executa
a rota com a adio da demanda de u e o aumento de distncia da rota decorrente
da adio dele entre os clientes i e j.
C2S1 deve seguir os mesmos critrios adotados de ACS, porm adaptado aos
custos escalonados como foi feito em C13S1. Desta forma, ao invs de considerar o
custo fixo do menor veculo que executa a rota exclusiva entre o armazm e o
cliente, ele levar em conta o custo total do veculo que faz essa rota de acordo com
os custos de frete escalonado. Esse custo dado por P(0,u,0). Portanto, C2S1 ter a
seguinte forma:
2 ( )=
)+
(0, , 0) 1 ( )
1, 2, 3 0
56
dentro das janelas de tempo e capacidade dos veculos. Como o custo dado de
forma fixa para cada tipo de veculo em cada faixa de distncia, as variaes da
distncia e do custo fixo no mais devem ser consideradas separadamente, j que
ambos os elementos so parte do mesmo custo. Partindo dessa constatao no
mais interessante separar C1 e C2 em trs elementos distncia, tempo e custo fixo
-, mas sim em dois elementos - custo e tempo.
Para diferenciar a notao das metodologias, os critrios C1 e C2 da SCI2
sero doravante denominados 1
o clculo de 1
1 ( )=
[ 1
, ,
= 1, ,
, ,
1 ( , , )+
1 (, , )
1, 2 0
Onde 1, 2 so fatores para balancear o peso da variao do custo fixo (dado por
1 ) e da variao do tempo de roteamento ( 1 ).
1 (, , )=
Onde
anterior adio de u e
Onde
1 , o critrio
(0, , 0) +
) 1 ( )
1, 2 0
tambm no
57
Onde
(0, , 0) o custo total do veculo que faz uma viagem exclusiva entre o
adequadamente o melhor cliente a adicionar. Desta forma pode acabar por adicionar
um cliente que levar a distncia total at o limite da faixa de distncia, enquanto
outro poderia ainda deixar espao na mesma faixa, que seria uma oportunidade de
adicionar mais um cliente na rota na prxima iterao sem alterar o custo.
Com o objetivo de permitir heurstica ter visibilidade dessas situaes, foi
proposta a heurstica SCI3. Ela semelhante a SCI2, com a adio de um terceiro
elemento a C1. Esse elemento, C13, a diferena entre o fim da faixa de distncia e
a distncia total da rota aps a adio do cliente candidato. Seu valor subtrado do
total de C1, desta forma, quanto mais unidades de distncia ainda estiverem
disponveis para futuras inseres de outros clientes na faixa de distncia aps a
adio de um cliente rota, menor o valor de C1 desse cliente. Com esse elemento
reduzindo o valor total do critrio, existe um aumento na atratividade de um cliente
quando comparado a outro que est na mesma faixa de distncia, mas o aumento
de distncia maior. C13 deve ser considerado mesmo quando a adio do cliente
gerar mudana na faixa de distncia na qual a rota est inserida, j que o custo
dessa mudana de faixa j est considerado no critrio C11.
Para a heurstica SCI3, C1 ser doravante chamado
1 , assim como C2
1 (, , )=
[ 1
, ,
1 ( , , )+
1 ( , , )
= 1, ,
1 (, , )
1, 2, 3 0
58
1 (, , )=
1 (, , )=
1 (, , )=
1 (, , )=0
2 ( )=
Onde
(0, , 0) +
1
se
(
) 1 ( )
se
<
=
1, 2 0
distncia total, dada por Wf+1. Caso a distncia total nova esteja na ltima faixa de
distncia, o elemento 1
59
Heurstica
ACS
SCI1
SCI2
SCI3
C1 (i,u,j)
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=0
C2 (u)
1 +
1 +
+
1 +
1
+
1 +
1 +
2 = (
1
1
1
1
se
se
+
+
)+
(
(
)+
) 1
(0, , 0) 1
(0, , 0) +
) 1
(0, , 0) +
) 1
<
=
4.4
Gerao de Instncias
O conjunto de instncias no qual os mtodos propostos so avaliados foi
gerado com base tanto nas instncias apresentadas na literatura como nos casos
reais dos testes computacionais utilizados com o modelo PLIM. As instncias com
base na literatura so adaptaes das 168 instncias propostas por Liu e Chen
(1999) para o FSMVRPTW. Em seu trabalho, os autores fazem a primeira
abordagem formal deste tipo de problema e, para testar os mtodos propostos,
adaptam as 56 instncias geradas por Solomon (1987) para o VRPTW adicionando
a elas diferentes tipos de veculos com capacidades e custos fixos para cada um.
4.4.1 Origem das Instncias-Base
Solomon (1987) gerou as instncias com o objetivo de simular cenrios
prximos realidade no roteamento de veculos, incluindo caractersticas como
diferentes distribuies geogrficas, demandas e janelas de tempo. Foram geradas
56 instncias com 100 clientes cada, como j mencionado no captulo 2, agrupadas
em seis grupos de acordo com caractersticas de distribuio geogrfica dos clientes
60
C: Clientes
agrupados no
espao
1: Janelas de tempo
apertadas
R1 (12)
C1 (9)
RC1 (8)
R2 (11)
C2 (8)
RC2 (8)
Tabela 4.2: Caractersticas dos grupos de instncias de Solomon (1987) para o VRPTW.
61
Grupo
R1
C1
RC1
R2
C2
RC2
Veculo
1
2
3
4
5
1
2
3
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
5
6
Capacidade
30
50
80
120
200
100
200
300
40
80
150
200
300
400
600
1.000
400
500
600
700
100
200
300
400
500
1.000
a
50
88
140
250
500
300
800
1.350
60
150
300
450
450
700
1.200
2.500
1.000
1.400
2.000
2.700
150
350
550
800
1.100
2.500
Custo Fixo
b
10
16
28
50
100
60
160
270
12
30
60
90
90
140
240
500
200
280
400
540
30
70
110
160
220
500
c
5
8
14
25
50
30
80
135
6
15
30
45
45
70
120
250
100
140
200
270
15
35
55
80
110
250
Tabela 4.3: Caractersticas dos veculos nas instncias para o FSMVRPTW gerados por Liu e
Shen (1999).
62
Os clientes tero a mesma localizao e distncia (dij) entre si, demanda (qi) e
janelas de tempo ([ei,li]) que as geradas por Solomon (1987);
aos custos dos veculos. A estratgia ser tornar escalonada a estrutura linear de
custos, sem alterar suas propriedades bsicas.
Para atender a essa estratgia, determina-se que o custo de cada faixa de
distncia ser igual ao que seria cobrado na estrutura de custos linear para a
distncia inicial da faixa. Ou seja, Ckf = CFk + Wf para qualquer f, sendo que CFk o
custo fixo de um veculo k na estrutura de custos de Liu e Shen (1999).
63
Custos Escalonados
Custo
Custos Lineares
Distncia Percorrida
Figura 4.2: Esquema grfico da converso de custo linear para escalonado utilizado para
criao de instncias do FSMVRPTWSC.
64
Dividindo-se (1) por (4), obtm-se (5) o nmero mdio de clientes que uma
rota pode atender.
Multiplicando (5) por (3), obtm-se (6) o tempo mdio gasto por cada veculo
em servio em clientes.
Subtraindo (6) de (1) temos o tempo estimado mximo que um veculo passa
em trnsito, ou seja o valor de WF.
A determinao de F para cada instncia foi feita observando exemplos
65
situaes reais raro que um veculo chegue a atingir a ltima faixa de distncia, na
qual o custo se torna linear.
As instncias do grupo 1 (R1, C1 e RC1), que possuem janelas de tempo
curtas, no permitem longas rotas, portanto devem possuir um menor nmero de
faixas de distncia que os de janela de tempo longas do grupo 2 (R2, C2 e RC2).
Assim, determinou-se que problemas do grupo 1 tero quatro faixas de custo fixo,
alm da ltima de custo linear, enquanto as do grupo 2 tero cinco.
Aps determinar WF e o total de faixas de cada problema, foi possvel
determinar o incio das outras faixas (W1, W2, ..., WF-1). Isso feito pela diviso da
distncia at WF em tamanhos crescentes de acordo com o nmero determinado
para aquele grupo. Assim teremos que Wf-1 < Wf < Wf+1, para qualquer 1 < f < F. A
seguir temos um resumo passo a passo da determinao das faixas de distncia Wf
com seus respectivos resultados.
66
Instncia
R2
C2
RC2
R1
C1
RC1
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
% da distncia total
Wf
1
10,0%
0
4,0%
0
8,0%
0
15,0%
0
6,0%
0
14,0%
0
2
12,5%
100
5,0%
140
12,0%
80
17,5%
30
7,0%
70
18,0%
30
3
15,0%
230
6,0%
310
16,0%
200
20,0%
70
8,0%
160
22,0%
70
4
17,5%
380
7,0%
510
20,0%
350
22,5%
120
9,0%
260
26,0%
120
5
20,0%
560
8,0%
750
24,0%
540
25,0%
170
70,0%
370
20,0%
180
6
25,0%
760
70,0%
1020
20,0%
770
4.5
Experimentos Computacionais
Nesta
seo
apresentaremos
os
resultados
obtidos
nos
testes
67
68
Quantidade
% Grupo
Grupo
Nmero de
Instncias
SCI1
SCI2
SCI3
ACS
SCI1
R1
36
28
0,0
25,0
77,8
0,0
R1a
12
0,0
41,7
66,7
0,0
R1b
12
11
0,0
8,3
91,7
0,0
R1c
12
0,0
25,0
75,0
0,0
C1
27
20
22,2
7,4
74,1
0,0
C1a
66,7
22,2
22,2
0,0
C1b
0,0
0,0
100,0
0,0
C1c
0,0
0,0
100,0
0,0
RC1
24
22
0,0
8,3
91,7
0,0
RC1a
0,0
25,0
75,0
0,0
RC1b
0,0
0,0
100,0
0,0
RC1c
0,0
0,0
100,0
0,0
C2
24
16
8,3
29,2
66,7
0,0
C2a
0,0
75,0
25,0
0,0
C2b
25,0
12,5
75,0
0,0
C2c
0,0
0,0
100,0
0,0
R2
33
15
16
45,5
24,2
48,5
3,0
R2a
11
0,0
63,6
27,3
9,1
R2b
11
63,6
0,0
45,5
0,0
R2c
11
72,7
9,1
72,7
0,0
RC2
24
10
41,7
29,2
37,5
0,0
RC2a
50,0
62,5
12,5
0,0
RC2b
25,0
12,5
62,5
0,0
RC2c
50,0
12,5
37,5
0,0
Total
168
33
35
111
19,6
20,8
66,1
0,6
SCI2
SCI3
ACS
Tabela 4.5 Nmero de Instncias que cada heurstica obteve o melhor resultado.
80%
66%
51%
33%
7%
27%
20%
15%
21%
1%
0%
SCI2
SCI3
1%
Geral
ACS
Figura 4.3 Porcentagem de melhores resultados sobre o total de instncias dos quatro
mtodos agrupados pela caracterstica de janelas de tempo das instncias.
69
70
Grupo de
Instncias
R1
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia
SCI1
SCI2
SCI3
ACS
3.126,2
5.065,0
2.346,9
1.966,6
3.606,1
6.893,3
2.347,8
1.577,2
4.498,5
6.828,6
3.566,4
3.100,5
2.208,8
4.649,1
1.250,0
703,6
3.735,0
8.111,3
1.905,0
1.188,8
2.015,4
4.023,8
1.221,3
801,3
2.479,7
4.116,7
1.829,5
1.492,8
3.739,3
6.986,7
2.582,2
1.648,9
3.367,3
5.541,8
2.475,2
2.085,0
2.093,6
4.054,5
1.415,5
810,9
3.299,2
6.553,8
2.013,8
1.330,0
2.132,3
3.993,8
1.445,0
958,1
2.800,5
2.389,8
4.097,5
1.668,2
1.390,0
3.386,9
6.984,4
2.007,8
1.168,3
3.168,8
5.367,5
2.261,3
1.877,6
2.084,1
4.280,0
1.265,5
706,8
3.310,0
7.095,0
1.860,0
967,5
2.032,3
4.090,0
1.198,8
808,1
2.694,1
3.329,0
5.064,0
2.625,8
2.297,2
3.799,3
7.377,8
2.352,2
1.667,8
3.932,0
6.085,0
3.088,8
2.622,1
3.350,0
5.096,4
2.708,2
2.245,5
4.020,0
8.361,3
2.262,5
1.436,3
3.796,8
4.923,8
3.490,1
2.976,6
3.660,4
2.742,8
Milhares
3,74
3,72
3,69
3,20
2,98
2,65
2,5
2,51
3,66
2,74
2,48
2,80
2,69
2,0
1,5
1,0
0,5
0,0
SCI2
SCI3
Geral
ACS
Figura 4.4 Valores mdios das solues dos quatro mtodos agrupados pela caracterstica
de janelas de tempo das instncias.
71
A partir dessas tabelas e grficos possvel notar que a heurstica SCI3 tem
desempenho claramente superior aos outros mtodos quando aplicada s instncias
de janela de tempo mais apertada (R1, C1 e RC1). Nos trs grupos dessa
caracterstica, esse mtodo apresenta a melhor soluo para mais de 80% das
instncias e tem a menor mdia de custos, sendo 7,2% inferior heurstica SCI2,
25,5% SCI1 e 29,6% se comparado ao ACS.
interessante apontar que o cenrio de janelas apertadas o mais prximo
realidade vivida por empresas. Isso se deve s limitaes da jornada de trabalho de
motoristas e ajudantes, restries de veculos pesados em determinados horrios
em cidades e algumas vias, alm do horrio em que clientes esto disponveis para
carga e descarga. Portanto, para esse cenrio com tempo sendo um importante
limitante ao roteamento, a heurstica SCI3 permite realizar os atendimentos com o
menor custo total.
J nas instncias de janelas de tempo mais folgadas (R2, C2 e RC2), SCI3
tambm proporciona os melhores resultados no geral, porm menos dominante do
que observado nos cenrios tipo 1. Nesses grupos, o mtodo obtm a melhor
soluo em 51% dos problemas. Os custos mdios nesses casos esto mais
prximos, apesar de SCI3 ter o menor custo mdio, este somente 1,3% inferior ao
custo mdio de SCI2 e 7,2% inferior ao de SCI1. ACS, novamente tem o pior
desempenho, gerando custos 50,4% maiores que SCI3.
Como citado anteriormente, a avaliao da heurstica ACS, sem qualquer
adaptao para os custos escalonados de frete, nas instncias adaptadas para os
custos escalonados, tem o objetivo de verificar se existe um benefcio claro em
utilizar mtodos especficos para o FSMVRPTWSC ou se um mtodo que no leve
em conta custos escalonados teria desempenho semelhante. Os resultados
mostram que o ACS somente traz o melhor resultado para uma instncia das 168
testadas. O custo mdio gerado por este mtodo o pior dos quatro testados, com
valor mdio 36% mais caro ao mtodo que trouxe menor custo, o SCI3, e 31%
superior mdia do penltimo melhor mtodo, o SCI2.
Desta forma, fica clara a relevncia das heursticas propostas, ou seja,
mtodos especficos para criar rotas que levem em conta a estrutura de cobrana de
frete por custos escalonados podem obter reduo de custo para o cliente.
72
73
Inst.
1
2
3
4
5
6
7
8
5
5
6
6
6
6
8
8
Custo
Real
2.372,0
2.372,0
2.038,7
2.827,2
2.827,2
5.429,7
2.652,5
3.190,3
Custo
timo
1.485,0
1.380,0
1.750,0
1.750,0
1.750,0
3.256,0
1.485,0
1.500,0
SCI1
SCI2
SCI3
ACS
1.485,0
1.645,0
1.765,0
2.129,6
2.129,6
4.016,0
1.855,0
1.632,6
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
3.786,0
1.485,0
1.590,0
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
3.786,0
1.485,0
1.590,0
1.645,0
1.645,0
1.765,0
1.925,0
1.925,0
4.079,6
1.485,0
1.590,0
Melhor Heuristica
Vart
Varreal
0,0
37,4
16,1
30,6
0,8
13,4
9,1
31,9
9,1
31,9
14,0
30,3
0,0
44,0
5,7
50,2
74
5 Concluses
O problema abordado nesta dissertao o FSMVRPTWSC, problema de
roteamento de veculos com frota mista, janelas de tempo para atendimento em
clientes e custos escalonados. Ao contrrio do tradicional, no h custo linear, mas
sim uma tabela de custos fixos de acordo com tipo de veculo e faixas de distncia
percorrida.
Conforme observado na reviso bibliogrfica esse problema est alinhado
tendncia de enriquecer o problema de roteamento de veculos com caractersticas
que o torne mais prximo realidade vivida pelas empresas. Os custos escalonados
esto presentes na indstria como decorrncia da terceirizao de frota que realiza
as entregas. O frete das entregas efetuadas cobrado pelo parceiro logstico a partir
de uma tabela com custos fixos para cada faixa de distncia percorrida por cada
veculo de cada tipo. Como verificado, a utilizao de operadores logsticos e esta
forma de cobrana de frete so amplamente conhecidas e aplicadas na indstria,
porm no foram encontrados trabalhos publicados que abordem este problema.
Desta forma, a proposta deste trabalho foi elaborar mtodos para solucionar este
problema.
Neste trabalho so apresentados um modelo de programao linear inteira
mista (PLIM) e trs mtodos heursticos. Para a avaliao do modelo, oito instncias
reais foram utilizadas e, para fins de comparao, tambm aplicadas s heursticas.
Para avaliao dos mtodos, 168 instncias da literatura para o FSMVRPTW foram
adaptadas para FSMVRPTWSC. Alm disso, a heurstica ACS, criada para
solucionar o FSMVRPTW, foi testada nas instncias adaptadas para comparao
com os trs mtodos propostos.
Nos testes com instncias reais, o modelo PLIM apresentou custos
substancialmente inferiores aos obtidos pela empresa que forneceu os dados.
Nestes mesmos casos os mtodos heursticos apresentaram bons resultados,
sempre inferiores aos da empresa e prximos aos valores timos obtidos pelo
modelo. Devido complexidade do problema, os testes foram limitados a problemas
de pequenas dimenses.
75
76
6 Bibliografia
BASSI, S. Pesquisa operacional aplicada rea de logstica de transportes
rodovirios em projetos de grande porte. Trabalho de Formatura - Escola
Politcnica, USP. So Paulo, 2009.
BELFIORE P., YOSHIZAKI H.T.Y. A scatter search for a real-life
heterogeneous fleet vehicle routing problem with time windows and split deliveries in
Brazil. European Journal of Operational Research, 119, p. 750-758, 2009.
CHRISTOFIDES N.; EILON S. An algorithm for the vehicle-dispatching
problem. Operational Research Quaterly, 20 No 3, p. 309318, 1969.
CLARKE G.; WRIGHT J. Scheduling of vehicles from a central depot to a
number of delivery points. Operations Research, 12, p. 568581, 1964.
DANTZIG G.B.; RAMSER, The truck dispatching problem, Management
Science, 6, 80-91, 1959.
DELLAMICO, M.; MONACHI, M.; PAGANI, C.;VIGO, D.; Heuristic approaches
for the FSMVRP with time windows, Transportation Science, 41, 516526, 2007.
DESROCHERS, M.; VERHOOG, T. W.; A new heuristic for the fleet size and
mix vehicle routing problem. Computers & Operations Research, 18, 263-274,
1991.
DULLAERT, W.; JANSSENS, G.K.;SERENSEN, K.; VERNIMMEN, B. New
heuristics for the fleet size and mix vehicle routing problem with time windows.
Jornal of the Operational Research Society, 53, 1232 1238, 2002.
GHIANI, G.; LAPORTE, G.; MUSMANNO, R. Introduction to Logistic
Systems Planning and Control, Ed. Wiley, 2004.
GILLET, B., MILLER, L. A heuristic algorithm for the vehicle dispatching
problem. Operations Research, 22, 340-349, 1974.
GOLDEN, B.L.; ASSAD, A.; LEVY, L.; GHEYSENS, F. The fleet size and mix
vehicle routing problem. Computers & Operations Research, 11, 49-66, 1984.
77
78
3/4
TOCO
TRUCK
BAHIA
FRETE R$
FRETE R$
FRETE R$
100
101
150
R$ 350
R$ 450
R$ 470
R$ 590
R$ 675
R$ 745
151
200
R$ 550
R$ 650
R$ 870
201
250
R$ 645
R$ 760
R$ 995
251
300
R$ 745
R$ 855
R$ 1.105
301
351
350
400
R$ 840
R$ 960
R$ 1.230
R$ 855
R$ 1.070
R$ 1.350
401
450
R$ 945
R$ 1.175
R$ 1.475
451
500
R$ 1.035
R$ 1.270
R$ 1.580
501
550
R$ 1.110
R$ 1.375
R$ 1.700
551
600
R$ 1.200
R$ 1.480
R$ 1.820
601
650
R$ 1.290
R$ 1.585
R$ 1.945
651
700
701
750
R$ 1.350
R$ 1.435
R$ 1.655
R$ 1.755
R$ 2.020
R$ 2.140
751
800
R$ 1.520
R$ 1.860
R$ 2.260
801
850
R$ 1.610
R$ 1.960
R$ 2.375
851
900
R$ 1.695
R$ 2.065
R$ 2.495
901
951
950
1.000
R$ 1.760
R$ 2.145
R$ 2.585
R$ 1.845
R$ 2.245
R$ 2.700
1.001
1.100
R$ 1.920
R$ 2.335
R$ 2.800
ACIM A
1.101,00
R$2,20/ Km
R$2,30/ Km
R$2,60/Km
GERENTE DE LOGSTICA
79
Funes do pseudo-cdigo:
Criar_Nova_Rota ( i )
o Entrada: cliente i;
o Sada: nova rota exclusiva para o cliente i com o menor veculo possvel.
80
CalcularC1( i , p )
o Entrada: cliente i, posio p na rota em desenvolvimento;
o Sada: valor de C1 conforme o mtodo aplicado.
CalcularC2( i , C1 )
o Entrada: cliente i, calor de C1 desse cliente;
o Sada: valor de C2 conforme o mtodo aplicado.
Adicionar_a_Rota ( i , p )
o Entrada: cliente i, posio p na rota em desenvolvimento;
o Sada: rota em desenvolvimento com o cliente i adicionado posio p.
81
Veculo
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
C1
a
Veculo
1
2
3
1
2
3
1
2
3
Faixa:
Distncia:
Capacidade
30
50
80
120
200
30
50
80
120
200
30
50
80
120
200
Faixa:
Distncia:
Capacidade
100
200
300
100
200
300
100
200
300
W1
W2
W3
W4
W5
35
75
125
180
Ck1
Ck2
Ck3
Ck4
Ck5
50
88
140
250
500
10
16
28
50
100
5
8
14
25
50
85
123
175
285
535
45
51
63
85
135
40
43
49
60
85
160
198
250
360
610
120
126
138
160
210
115
118
124
135
160
285
323
375
485
735
245
251
263
285
335
240
243
249
260
285
465
503
555
665
915
425
431
443
465
515
420
423
429
440
465
W1
W2
W3
W4
W5
W6
150
320
520
740
Ck1
Ck2
Ck3
Ck4
Ck5
300
800
1.350
60
160
270
30
80
135
450
950
1.500
210
310
420
180
230
285
770
1.270
1.820
530
630
740
500
550
605
1.290
1.790
2.340
1.050
1.150
1.260
1.020
1.070
1.125
2.030
2.530
3.080
1.790
1.890
2.000
1.760
1.810
1.865
990
Ck6
3.020
3.520
4.070
2.780
2.880
2.990
2.750
2.800
2.855
82
R2
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
C2
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
Faixa:
Distncia:
Capacidade
300
400
600
1.000
300
400
600
1.000
300
400
600
1.000
Faixa:
Distncia:
Capacidade
400
500
600
700
400
500
600
700
400
500
600
700
W1
W2
W3
W4
W5
W6
120
260
420
600
Ck1
Ck2
Ck3
Ck4
Ck5
450
700
1.200
2.500
90
140
240
500
45
70
120
250
570
820
1.320
2.620
210
260
360
620
165
190
240
370
830
1.080
1.580
2.880
470
520
620
880
425
450
500
630
1.250
1.500
2.000
3.300
890
940
1.040
1.300
845
870
920
1.050
1.850
2.100
2.600
3.900
1.490
1.540
1.640
1.900
1.445
1.470
1.520
1.650
800
Ck6
2.650
2.900
3.400
4.700
2.290
2.340
2.440
2.700
2.245
2.270
2.320
2.450
W1
W2
W3
W4
W5
410
880
1.420
2.030
Ck1
Ck2
Ck3
Ck4
Ck5
1.000
1.400
2.000
2.700
200
280
400
540
100
140
200
270
1.410
1.810
2.410
3.110
610
690
810
950
510
550
610
680
2.290
2.690
3.290
3.990
1.490
1.570
1.690
1.830
1.390
1.430
1.490
1.560
3.710
4.110
4.710
5.410
2.910
2.990
3.110
3.250
2.810
2.850
2.910
2.980
5.740
6.140
6.740
7.440
4.940
5.020
5.140
5.280
4.840
4.880
4.940
5.010
W6
2.710
Ck6
8.450
8.850
9.450
10.150
7.650
7.730
7.850
7.990
7.550
7.590
7.650
7.720
83
RC1
a
Veculo
1
2
3
4
1
2
3
4
1
2
3
4
RC2
Veculo
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
Faixa:
W1
W2
W3
W4
W5
40
85
140
200
Capacidade
Ck1
Ck2
Ck3
Ck4
Ck5
40
80
150
200
40
80
150
200
40
80
150
200
60
150
300
450
12
30
60
90
6
15
30
45
100
190
340
490
52
70
100
130
46
55
70
85
185
275
425
575
137
155
185
215
131
140
155
170
325
415
565
715
277
295
325
355
271
280
295
310
525
615
765
915
477
495
525
555
471
480
495
510
W1
0
Ck1
150
350
550
800
1.100
2.500
30
70
110
160
220
500
15
35
55
80
110
250
W2
155
Ck2
305
505
705
955
1.255
2.655
185
225
265
315
375
655
170
190
210
235
265
405
W3
330
Ck3
635
835
1.035
1.285
1.585
2.985
515
555
595
645
705
985
500
520
540
565
595
735
W4
540
Ck4
1.175
1.375
1.575
1.825
2.125
3.525
1.055
1.095
1.135
1.185
1.245
1.525
1.040
1.060
1.080
1.105
1.135
1.275
W5
770
Ck5
1.945
2.145
2.345
2.595
2.895
4.295
1.825
1.865
1.905
1.955
2.015
2.295
1.810
1.830
1.850
1.875
1.905
2.045
Distncia:
Faixa:
Distncia:
Capacidade
100
200
300
400
500
1.000
100
200
300
400
500
1.000
100
200
300
400
500
1.000
84
Fatores
SCI1
SCI3
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
1,0
2,0
0,5
1,0
0,5
2,0
1,0
2,0
0,5
1,0
1,0
2,0
1,0
1,0
0,5
0,5
1,0
1,0
0,5
1,0
0,5
0,5
1,0
0,5
1,0
1.645,0
1.645,0
1.765,0
1.925,0
1.645,0
1.645,0
1.765,0
1,0
-
1,0
-
0,5
-
1.645,0
1.645,0
1.645,0
1.645,0
1.765,0
1.645,0
1.765,0
1.925,0
3.786,0
2.030,0
3.786,0
1.765,0
1.645,0
1.765,0
1.925,0
1.925,0
2.030,0
2.030,0
3.786,0
1.485,0
1.590,0
2.030,0
2.030,0
3.786,0
1.485,0
1.590,0
1
2
2
Instncia Real
SCI2
1
2
3
4
5
6
7
8
1,0
0,5
1,0
1,0
0,5
1,0
0,5
1,0
1.485,0
1.485,0
1.485,0
1.645,0
1.765,0
1.750,0
1.765,0
1.645,0
1.765,0
2.129,6
2.129,6
2.129,6
2.129,6
2.129,6
2.129,6
4.016,0
1.855,0
4.079,6
1.855,0
4.016,0
1.855,0
1.632,6
1.632,6
1.632,6
2.468,1
1.750,0
2.030,0
1.750,0
1.910,0
1.910,0
2.030,0
2.030,0
2.030,0
3.786,0
1.765,0
1.485,0
3.786,0
1.485,0
1.855,0
Tabela C.1. Resultados das heursticas propostas para diferentes valores dos fatores e nas
instncias reais.
85
Fatores
SCI1
1
0,2
0,8
1,0
1,0
0,8
0,5
0.4
0,2
0,2
1,0
1,0
0,2
0,5
0.1
1,0
0,8
1,0
1,0
0,8
0,5
0.2
0,5
0,8
1,0
0,5
0,1
1,0
0.2
0,5
0,8
1,0
0,5
0,1
1,0
0.2
1,0
3.126,2
5.065,0
2.346,9
1.966,6
3.606,1
6.893,3
2.347,8
1.577,2
4.498,5
6.828,6
3.566,4
3.100,5
2.208,8
4.649,1
1.273,6
703,6
3.735,0
8.111,3
1.905,0
1.188,8
2.015,4
4.023,8
1.221,3
801,3
3,147.4
1,0
2.919,6
5.045,9
2.060,1
1.652,9
3.466,7
7.080,0
2.120,0
1.200,0
4.325,8
6.690,8
3.403,9
2.882,6
2.406,2
5.272,7
1.246,4
699,5
3.586,7
7.807,5
1.867,5
1.085,0
2.406,2
5.272,7
1.246,4
699,5
3.082,4
1,0
3.098,8
5.264,2
2.260,8
1.771,4
3.667,6
7.255,6
2.251,9
1.495,2
4.146,3
6.847,5
3.033,3
2.558,3
2.368,3
4.960,9
1.322,7
821,4
3.816,3
8.216,3
2.067,5
1.165,0
2.368,3
4.960,9
1.322,7
821,4
3.173,9
1,0
2.980,2
5.150,1
2.105,7
1.685,0
3.604,4
7.095,6
2.213,3
1.504,4
4.034,3
6.684,9
2.914,2
2.504,0
2.256,7
4.573,6
1.394,5
801,8
3.689,6
8.138,8
1.920,0
1.010,0
2.256,7
4.573,6
1.394,5
801,8
3.068,5
1,0
2.950,3
5.097,0
2.068,1
1.685,7
3.376,1
6.907,8
2.025,6
1.195,0
4.465,3
6.870,7
3.528,0
2.997,2
2.427,6
5.295,5
1.272,7
714,5
3.540,4
7.846,3
1.825,0
950,0
2.427,6
5.295,5
1.272,7
714,5
3.085,2
1,0
3.610,8
5.796,8
2.734,0
2.301,6
4.974,1
10.357,8
2.781,1
1.783,3
4.575,9
7.400,7
3.467,6
2.859,5
2.803,6
5.550,0
1.871,8
989,1
3.854,2
7.921,3
2.191,3
1.450,0
2.803,6
5.550,0
1.871,8
989,1
3.736,6
1.0
3,977.0
6,586.3
2,914.6
2,430.2
5,169.2
10,685.8
3,033.3
1,788.3
4,711.4
7,431.2
3,609.8
3,093.3
3,700.6
6,734.5
2,782.7
1,584.5
4,165.8
8,446.3
2,460.0
1,591.3
3,700.6
6,734.5
2,782.7
1,584.5
4.266,6
Grupo de instncias
3
R1
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
Tabela C.2. Resultado dos testes na heurstica SCI1 para diferentes valores de e .
86
Grupo de instncias
Fatores
SCI2
1
0.80
1.00
1.00
1.00
0.80
0.50
0.40
0.20
0.50
1.00
1.00
0.20
0.50
0.10
0.20
0.50
1.00
0.50
0.10
1.00
0.20
0.80
1.00
1.00
0.50
0.40
1.00
0.80
R1
2.479,7
2.494,5
2.601,9
2.491,8
2.656,8
3.319,7
3.700,9
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
4.116,7
4.351,7
1.730,5
1.401,3
3.529,3
7.010,0
2.183,3
1.394,4
3.420,9
5.613,3
2.515,7
2.133,7
2.356,8
4.760,0
1.504,5
805,9
3.974,2
8.591,3
2.030,0
1.301,3
2.356,8
4.760,0
1.504,5
805,9
2.927,5
4.394,7
1.886,8
1.524,1
3.654,8
7.148,9
2.386,7
1.428,9
3.468,0
5.614,6
2.581,2
2.208,1
2.393,6
4.899,1
1.462,7
819,1
4.207,1
8.715,0
2.508,8
1.397,5
2.393,6
4.899,1
1.462,7
819,1
3.018,1
4.265,5
1.755,2
1.454,8
3.855,6
7.136,7
2.661,1
1.768,9
3.291,7
5.582,5
2.351,8
1.940,9
2.218,6
4.089,1
1.694,5
872,3
3.762,1
7.907,5
2.128,8
1.250,0
2.218,6
4.089,1
1.694,5
872,3
2.905,7
4.807,7
1.760,3
1.402,3
3.430,4
7.016,7
2.048,9
1.225,6
3.491,1
6.168,8
2.396,5
1.908,0
3.233,0
7.331,8
1.564,5
802,7
3.480,8
6.967,5
2.267,5
1.207,5
3.233,0
7.331,8
1.564,5
802,7
3.075,7
5.376,0
2.500,5
2.082,5
5.050,6
10.435,6
2.843,3
1.872,8
4.046,5
6.563,9
3.039,7
2.536,1
2.946,5
5.810,0
1.958,2
1.071,4
4.625,8
8.918,8
3.078,8
1.880,0
2.946,5
5.810,0
1.958,2
1.071,4
3.764,9
5.924,0
2.808,6
2.370,1
5.229,8
10.711,1
2.965,6
2.012,8
4.163,5
6.628,7
3.172,4
2.689,6
3.271,4
5.694,5
2.420,9
1.698,6
4.842,9
9.336,3
2.996,3
2.196,3
3.271,4
5.694,5
2.420,9
1.698,6
4.048,6
1.829,5
1.492,8
3.739,3
6.986,7
2.582,2
1.648,9
3.367,3
5.541,8
2.475,2
2.085,0
2.093,6
4.054,5
1.415,5
810,9
3.299,2
6.553,8
2.013,8
1.330,0
2.132,3
3.993,8
1.445,0
958,1
2.800,5
Tabela C.2. Resultado dos testes na heurstica SCI2 para diferentes valores de e .
Grupo de instncias
Fatores
87
0.8
1.0
SCI3
1.0
0.2
0.5
1.0
1.0
0.1
0.5
0.1
0.8
0.7
1.0
1.0
0.2
0.5
0.2
0.8
0.5
1.0
0.5
0.4
1.0
0.2
0.2
1.0
1.0
0.5
0.1
1.0
0.8
R1
2,552.78
2,710.2
2,601.9
2,576.3
2,397.8
3,438.0
3,854.4
R1a
R1b
R1c
C1
C1a
C1b
C1c
RC1
RC1a
RC1b
RC1c
R2
R2a
R2b
R2c
C2
C2a
C2b
C2c
RC2
RC2a
RC2b
RC2c
Mdia Geral
4,219.0
1,852.8
1,586.5
3,766.3
7,063.3
2,598.9
1,636.7
3,401.5
5,600.0
2,498.3
2,106.3
1,982.4
3,837.3
1,200.9
909.1
3,379.2
6,587.5
2,208.8
1,341.3
1,982.4
3,837.3
1,200.9
909.1
2,825.6
4,565.8
1,973.8
1,590.8
3,668.5
7,114.4
2,350.0
1,541.1
3,558.5
5,683.7
2,702.2
2,289.5
2,495.3
5,169.1
1,328.2
988.6
3,852.1
8,170.0
2,170.0
1,216.3
2,495.3
5,169.1
1,328.2
988.6
3,058.8
4,394.7
1,886.8
1,524.1
3,654.8
7,148.9
2,386.7
1,428.9
3,468.0
5,614.6
2,581.2
2,208.1
2,393.6
4,899.1
1,462.7
819.1
4,207.1
8,715.0
2,508.8
1,397.5
2,393.6
4,899.1
1,462.7
819.1
3,018.1
4,288.8
1,869.5
1,570.7
3,740.9
7,322.2
2,386.7
1,513.9
3,378.6
5,633.8
2,462.3
2,039.8
2,271.5
4,395.5
1,377.3
1,041.8
3,397.9
6,973.8
2,000.0
1,220.0
2,271.5
4,395.5
1,377.3
1,041.8
2,893.3
4,134.5
1,669.0
1,390.0
3,386.9
6,984.4
2,007.8
1,168.3
3,168.8
5,367.5
2,261.3
1,877.6
2,126.4
4,280.0
1,380.0
719.1
3,310.0
7,095.0
1,860.0
975.0
2,049.4
4,128.8
1,210.0
809.4
2,694.1
5,439.7
2,627.4
2,246.7
5,087.4
10,535.6
2,908.9
1,817.8
4,194.0
6,637.7
3,214.2
2,730.1
3,164.5
5,505.5
2,390.9
1,597.3
4,021.7
8,180.0
2,327.5
1,557.5
3,164.5
5,505.5
2,390.9
1,597.3
3,810.2
6,165.5
2,875.7
2,521.8
5,324.8
10,755.6
3,084.4
2,134.4
4,240.3
6,711.9
3,218.8
2,790.2
3,873.8
5,887.3
3,203.6
2,530.5
4,643.3
8,923.8
2,890.0
2,116.3
3,873.8
5,887.3
3,203.6
2,530.5
4,310.5
1.0
0.7
0.5
0.4
Tabela C.3. Resultado dos testes na heurstica SCI3 para diferentes valores de e .