Abordagens para o Problema do Carregamento de Contêineres

Reinaldo Morabito
Universidade Federal de São Carlos
Departamento de Engenharia de Produção
13565-905 - São Carlos, São Paulo
e-mail: morabito@power.ufscar.br

Marcos N. Arenales
Universidade de São Paulo
Departamento de Ciências de Computação e Estatística
Instituto de Ciências Matemáticas de São Carlos
13560-970 - São Carlos, São Paulo
e-mail: arenales@icmsc.sc.usp.br

Resumo

O problema do carregamento de contêineres consiste em arranjar itens (caixas) de

diferentes tamanhos dentro de objetos maiores (contêineres), de maneira a otimizar uma
função objetivo, p.e., maximizar o volume carregado. Neste artigo estamos interessados
no caso especial de arranjar o máximo volume de uma carga, composta de caixas de baixa
densidade, dentro de um único contêiner, safistazendo restrições de estabilidade do
carregamento. Revemos algumas abordagens conhecidas da literatura, tais como os
procedimentos em duas etapas de carregar as caixas em camadas horizontais e em pilhas
verticais, a aplicação de técnicas de programação dinâmica e, em particular, métodos de
busca baseados na representação do espaço de soluções num grafo-e/ou. Algumas destas
abordagens foram implementadas em micromputador para resolver um exemplo real com
784 caixas, e um exemplo pequeno mas difícil, com apenas 17 caixas, cuja solução ótima
é do tipo não-guilhotinado.

Palavras-chave: carregamento de contêineres, problemas de corte e empacotamento,

busca em grafo-e/ou, padrões de corte tridimensionais.

Abstract

The container loading problem consists of arranging items (boxes) of different sizes
inside large objects (containers), in such a way as optimizing an objective function, e.g.,
maximizing the volume loaded. In this paper we are interested in the special case of
arranging the maximum volume of a cargo, composed of low density boxes, in a single
container, satisfying stability constraints for the cargo loading. We review approaches
known in the literature, such as the two-phase procedures of loading boxes in either
horizontal layers or vertical stacks, the application of dynamic programming techniques
and, in particular, search methods based on an and/or-graph representation of the solution
space. Some of them were implemented in a microcomputer to solve a large real-life
example of 784 boxes, and a hard small example of only 17 boxes, whose optimal
solution is known to be of nonguillotine type.

Keywords: container loading, cutting and packing problems, and/or-graph search,

three-dimensional cutting patterns

1. Introdução

O problema do carregamento de contêineres (container loading problem)

consiste em carregar caixas de diversos tamanhos dentro de contêineres, de maneira a
otimizar um certo objetivo, por exemplo, maximizar o aproveitamento do espaço
disponível. Além das restrições geométricas envolvidas (o carregamento deve caber
dentro do contêiner, duas caixas não podem ocupar o mesmo espaço), outras restrições
devem ser eventualmente consideradas, como a estabilidade do carregamento.

Ao estudar o problema, Bischoff e Marriott (1990) distinguiram casos em que

uma grande carga deve ser transportada, combinando-se vários contêineres em função do
custo-benefício, e casos em que o máximo possível de uma carga deve ser carregada
dentro de um único contêiner. Os autores ainda distinguiram casos em que o peso da
carga e sua distribuição dentro do contêiner governam as opções de carregamento e casos
em que o objetivo é maximizar a utilização do contêiner em termos do volume e do valor
da carga carregada. Aspectos de fragilidade e manuseio da carga também podem vir a ser
considerados. Em particular, Gehring et al (1990) abordaram um caso com restrições de
balanceamento e localização das caixas dentro do contêiner.

Restrições de peso podem ser até certo ponto compensadas pela possibilidade de
escolha das dimensões dos contêineres (contêineres menores são escolhidos para cargas
mais densas). Uma escolha adequada do tamanho do contêiner em função da densidade
da carga permite que sua capacidade volumétrica seja melhor utilizada. Haessler e Talbot
(1990) abordaram o problema do carregamento de vagões ferroviários considerando
apenas caixas de baixa densidade. Em muitos casos, a capacidade volumétrica limita a
quantidade de caixas a ser carregada, antes que as restrições de peso sejam encontradas
(George e Robinson, 1980). No presente artigo admitimos que a carga tem baixa
densidade.

A figura 1a ilustra dois contêineres e três caixas de tamanhos diferentes. Suponha,

por exemplo, que dispomos de apenas um contêiner de cada tamanho e de duas caixas do
tamanho 1, duas caixas do tamanho 2 e uma caixa do tamanho 3, e que os dois
contêineres juntos sejam suficientes para arranjar todas estas cinco caixas. Considere o
seguinte problema de otimização combinatória:

Como carregar todas as caixas dentro dos contêineres,

tal que o volume total dos contêineres utilizados seja mínimo? (1)

Um subconjunto de contêineres deve ser escolhido para carregar todas as caixas.

A figura 1b ilustra uma solução para este simples exemplo, com todas as cinco caixas
arranjadas dentro do contêiner menor. Note que se os contêineres forem idênticos, então o
problema (1) consiste em minimizar o número de contêineres utilizados.

Suponha agora que dispomos de cinco caixas do tamanho 1, três caixas do

tamanho 2 e dez caixas do tamanho 3, e assim, os dois contêineres juntos não são mais
suficientes para arranjar todas estas 18 caixas. Considere este segundo problema de
otimização combinatória:

Como carregar o máximo volume de caixas dentro dos contêineres disponíveis? (2)

Um subconjunto de caixas deve ser escolhido e arranjado dentro dos contêineres

disponíveis. A figura 1c ilustra uma possível solução, com parte das 18 caixas carregadas
nos dois contêineres. Um caso importante do problema (2) é quando temos um único
contêiner disponível.

Os problemas (1) e (2) podem ser vistos como problemas de corte e

empacotamento (PCE) tridimensionais (Dyckhoff, 1990). Há décadas muitos autores têm
apresentado diferentes abordagens para resolver os PCE; entretanto, poucos autores se
preocuparam com os casos tridimensionais. Para uma lista de referências, veja os exames
de Dyckhoff e Finke (1992), Dowsland e Dowsland (1992), Sweeney e Paternoster (1992)
e Morábito e Arenales (1992); veja também a edição especial recente dos PCE em EJOR
(1995). Para uma discussão da relação entre problemas de carregamento de contêineres e
de carregamento de paletes do distribuidor, veja p.e. Bischoff e Ratcliff (1995) e as
referências lá citadas.

Neste artigo estamos particularmente interessados no problema (2) com um único

contêiner disponível. Admitimos que a carga tenha baixa densidade e consideramos
restrições espaciais (restrições geométricas das caixas dentro do contêiner) e de
estabilidade do carregamento (veja figura 8). Restrições de estabilidade do carregamento
são difíceis de serem modeladas (os autores não têm conhecimento de qualquer tentativa
na literatura)---na prática, elas são verificadas movimentando-se o carregamento
produzido. Apesar de uma definição formal de estabilidade do carregamento estar além
do escopo deste trabalho, nas abordagens a serem apresentadas discutiremos brevemente
como certas regras podem produzir carregamentos com maior chance de estabilidade,
pois permitem um rearranjo de peças sobrepostas de modo que soluções alternativas
podem ser submetidas à prática de movimentação do carregamento.
 Na seção 2 modelamos (2) como um subproblema de (1) (conforme Gilmore e
Gomory, 1965), distinguindo os casos irrestrito e restrito (veja problemas (3)-(4) e (5)-
(7) na seção 2). Também apresentamos um programa linear 0-1 para estes casos, que é
uma extensão do modelo de Beasley (1985b) originalmente proposto para um PCE
bidimensional.

Para resolver o problema irrestrito, três métodos aproximados são apresentados

nas seções 3, 4 e 5, respectivamente. Os dois primeiros são generalizações do método em
duas etapas de Gilmore e Gomory (1965): o primeiro arranja as caixas em camadas e o
segundo, em pilhas. Ambos os métodos em geral produzem carregamentos estáveis. O
terceiro é uma generalização das fórmulas recursivas de programação dinâmica de
Beasley (1985a), e não tem garantia de estabilidade do carregamento.

Para resolver tanto o problema irrestrito quanto o restrito, apresentamos na seção

6 a abordagem em grafo-E/OU (Morábito e Arenales, 1994), que é um método
aproximado que realiza uma busca num grafo-E/OU para tentar encontrar um bom
carregamento estável. No final do artigo (seção 7) apresentamos alguns resultados
computacionais de um exemplo real e de um exemplo construído, comparando as
soluções produzidas pelos métodos (exceto programação dinâmica).

2. Modelagem do problema

Considere um conjunto de caixas agrupadas em m tipos. Para cada tipo i,

caracterizado pelo comprimento, largura e altura (li, wi, hi), temos uma quantidade bi de
caixas. Considere também um conjunto de contêineres agrupados em n tipos. Para cada
tipo k, caracterizado pelas dimensões (Lk, Wk, Hk), estão disponíveis Bk contêineres. As
caixas devem ser carregadas ortogonalmente dentro dos contêineres. Por simplicidade e
sem perda de generalidade, admita que as caixas sejam carregadas com uma orientação
fixada, isto é, com li, wi e hi paralelos a Lk, Wk e Hk, respectivamente.

Gilmore e Gomory (1963, 1965) apresentaram um método para resolver o

problema (1) baseado no método simplex (dado que ele pode ser modelado como um
programa linear) e num subproblema que deve ser resolvido em cada iteração do simplex
para produzir um padrão de carregamento. Este subproblema é dado por:

m
max ∑ vi ai (3)
i =1

s.a.: (a1, a2, ..., am) corresponde a um padrão de carregamento tridimensional (4)

onde ai é uma variável inteira representando o número de caixas do tipo i no padrão, e vi é

o multiplicador simplex (ou uma função dele) associado com uma base particular. Seja
z denotando o maior inteiro menor ou igual a z. Este método funciona bem quando bi é
consideravelmente maior do que o produto  Lk / li  Wk / wi   H k / hi  , que
corresponde ao número máximo de caixas do tipo i no contêiner (Lk, Wk, Hk).

Considere agora apenas um contêiner de tamanho (L, W, H). Note que se vi em (3)
for o volume da caixa do tipo i, então o problema (3)-(4) é o caso particular do problema
(2) com um único contêiner disponível. Se a quantidade bi não for suficientemente grande
(i.e. bi <  Lk / li  W / wi   H / hi  ), então a variável ai deve ser limitada superiormente por
bi. Neste caso o problema (3)-(4) é chamado restrito, dado por:

m
max ∑ v i a i (5)
i =1

s.a.: (a1, a2, ..., am) corresponde a um padrão de carregamento tridimensional (6)
com: ai ≤ bi, i= 1, ..., m (7)

A restrição adicional (7) impõe consideráveis dificuldades para resolver o

problema acima, em relação ao problema (3)-(4), conforme será visto.

Tanto o problema (3)-(4) quanto o problema (5)-(7) podem ser escritos como um
programa 0-1, estendendo-se para o caso tridimensional o programa 0-1 proposto
originalmente em Beasley (1985b) para o caso bidimensional. Cada variável 0-1 do
programa representa a decisão de colocar ou não uma caixa do tipo i na coordenada (x,y,z)
dentro do contêiner. Sem perda de generalidade, pode ser mostrado que x, y e z pertencem
respectivamente aos conjuntos de discretização (veja seção 6.3.1):

 m

X=  x| x = ∑ α i li , x ≤ L − l0 , α i ≥ 0, inteiro (8)
 i =1 

 m

Y=  y| y = ∑ β i wi , y ≤ W − w0 , β i ≥ 0, inteiro (9)
 i =1 

 m

Z=  z|z = ∑ γ i hi , z ≤ H − h0 , γ i ≥ 0, inteiro  (10)
 i =1 

onde l0 = min{li, i = 1, ..., m} (similarmente para w0 e h0).

No texto que segue denotamos por |A| o número de elementos do conjunto A.

Sejam xj o j-ésimo elemento do conjunto X, yk o k-ésimo elemento do conjunto Y, e zl o
l-ésimo elemento do conjunto Z (note que xj, yk e zl não são incógnitas, isto é, são
determinados a priori). Se decidirmos colocar uma caixa do tipo i, com o canto conforme
a figura 2 na posição (xj, yk, zl), então não podemos colocar outra caixa em qualquer
posição (xp, yq, zr) satisfazendo xj ≤ xp ≤ xj + li - 1, yk ≤ yq ≤ yk + wi - 1 e zl ≤ zr ≤ zl
+ hi - 1, com p = 1, ... , |X|, q = 1, ..., |Y| e r = 1, ..., |Z| (verifique na figura 2).

Para evitar a sobreposição de caixas, definimos a matriz de incidência gijklpqr

como:

1 se x j ≤ x p ≤ x j + li − 1, yk ≤ yq ≤ yk + wi − 1, e zl ≤ zr ≤ zl + hi − 1,
gijklpqr = 
0 caso contrario.

que deve ser computada a priori para cada caixa do tipo i (i = 1, ..., m), para cada posição
(xj, yk, zl) (j = 1, ..., |X|, k = 1, ..., |Y| e l = 1, ..., |Z|), e para cada posição (xp, yq, zr) (p = 1,
..., |X|, q= 1, ..., |Y| e r= 1, ..., |Z|).

Sejam J(i) = arg maxj=1, ..., |X| {xj | xj ≤ L - li }, K(i) = arg maxk=1,...,| Y| { yk | yk ≤ W - wi } e
L(i) = arg maxl=1,...,|Z| {zl | zl ≤ H - hi}, e as variáveis de decisão aijkl definidas como:

1 se uma caixa do tipo i e' colocada na posicao ( x j , y k ,z l )

a ijkl = 
0 caso contrario.

Note que, necessariamente, aijkl = 0 para todo j>J(i), ou k>K(i), ou l>L(i).. O

problema pode ser formulado como:

m J(i) K(i) L(i)

max ∑ ∑ ∑ ∑v a i ijkl (11)
i =1 j =1 k =1 l =1

m J(i) K(i) L(i)

s. a .: ∑ ∑ ∑ ∑g
i =1 j =1 k =1 l =1
ijklpqr a ijkl ≤ 1, p = 1, ..., | X|, q = 1, ..., |Y |, r = 1, ..., | Z| (12)

J(i) K(i) L(i)

∑∑∑ aijkl ≤ bi , i = 1, ..., m (13)

j =1 k =1 l =1

com: aijkl ∈ {0, 1}, i=1, ..., m, j=1, ..., J(i), k=1, ..., K(i), l=1, ..., L(i) (14)

O modelo (11)-(14) contém O(m|X| |Y| |Z|) variáveis e O(|X| |Y| |Z|) restrições. Se
uma orientação não for fixada para carregar as caixas dentro do contêiner, o modelo
acima pode ser estendido porém com um número ainda maior de variáveis e restrições.
Nos casos práticos estes números chegam facilmente a ordem de milhões, o que
desestimula o emprego das técnicas usuais de programação linear inteira. Além disso, a
solução do modelo (11)-(14) não tem garantia de produzir um carregamento estável.
 Outro modelo 0-1 para os problemas (3)-(4) e (5)-(7) pode ser encontrado em Tsai
et al (1993), porém, com número de variáveis e restrições que cresce exponencialmente
com o número de caixas a serem carregadas e também sem garantia de produzir um
carregamento estável. Estas dificuldades em parte justificam a coleção de métodos
heurísticos encontrados na literatura, como por exemplo em George e Robinson (1980),
Han et al (1989), Correia et al (1992), Mohanty et al (1994), Morabito e Arenales (1994)
e Bischoff et al (1995). Algoritmos de aproximação com limite de desempenho
assintótico também são encontrados; veja p.e. Miyazawa (1997) e as referências nele
citadas.

Os métodos das próximas três seções tratam apenas o problema (3)-(4), enquanto
que o método da seção 6 trata ambos os problemas (3)-(4) e (5)-(7). Todos os métodos
são heurísticos.

3. Carregamento em camadas

A seguir apresentamos um procedimento em duas etapas para se obter padrões de

carregamento tridimensional em geral estáveis. Na primeira etapa, camadas horizontais
são formadas arranjando-se caixas de mesma altura (i.e. no máximo m problemas
bidimensionais são resolvidos) e na segunda etapa, estas camadas são escolhidas para
serem empilhadas ao longo da altura do contêiner (i.e. um problema da mochila
unidimensional é resolvido).

3.1. Etapa 1

Na primeira etapa, caixas com altura hj são escolhidas e arranjadas para formar
camadas de dimensões (L, W, hj) (veja figura 3a). Seja λ ij o número de caixas do tipo i na
camada j (i.e. uma camada com dimensões (L, W, hj)) e:

Hj = { i | hi = hj, i = 1, ... , m }

Se hk = hj, k ≠ j, então a camada k pode ser desconsiderada. Seja Vj definido

como:

V j = max ∑ vi λ ij (15)
i ∈H j

s.a.: (λ 1j,λ 2j ,..., λ mj ) corresponde a um padrão de carregamento bidimensional, onde

retângulos (li, wi), i ∈ Hj são escolhidos e arranjados em (L, W) (16)
3.2. Etapa 2

Na segunda etapa, camadas j com valor Vj são escolhidas e empilhadas ao longo

da altura H do contêiner (figura 3b). Seja µ j o número de vezes que a camada j é
utilizada. O seguinte problema da mochila deve ser resolvido:

m
max ∑V µ
j =1
j j (17)
m
s.a .: ∑ hj µj ≤ H (18)
j =1

com: µ j ≥ 0 e int eiro, j = 1, ..., m (19)

O valor da variável ai em (3)-(4) é finalmente obtido por:

m
ai = ∑ λ ij µ j , i = 1, ..., m
j =1

Este procedimento generaliza o método de Gilmore e Gomory (1965) proposto

para problemas bidimensionais com padrões de corte em 2-estágios. Cada problema
bidimensional (15)-(16) da primeira etapa ainda pode ser resolvido heuristicamente por
meio da solução de um conjunto de problemas da mochila (Gilmore e Gomory, 1965), e
assim, as duas etapas envolvem apenas problemas unidimensionais. Na seção a seguir
apresentamos uma outra maneira de generalizar o método de Gilmore e Gomory.

4. Carregamento em pilhas

Outro procedimento em duas etapas, similar ao procedimento da seção 3, pode ser

definido para resolver (3)-(4). Na primeira etapa, pilhas com altura máxima H do
contêiner são formadas empilhando-se caixas, uma sobre a outra (i.e. vários problemas da
mochila unidimensionais são resolvidos) e na segunda etapa, estas pilhas são escolhidas
para serem arranjadas sobre a base (L,W) do contêiner (i.e. um problema de carregamento
bidimensional é resolvido). Os padrões de carregamento obtidos em geral são estáveis.

4.1. Etapa 1

Admita sem perda de generalidade que l1 ≤ l2 ≤ ... ≤ lm. Na primeira etapa,

pilhas de dimensões (lj, wk,, H) são formadas com caixas (li, wi, hi), i ∈ LWjk, empilhadas
uma sobre a outra, onde:

LWjk = { i | li ≤ lj e wi ≤ wk, i = 1, ..., m }, j = 1, ..., m, k = 1, ..., j (20)

 Note em (20) que não precisamos considerar LWjk, k>j, uma vez que: (a) as caixas
do tipo i, i>j, não cabem na pilha (lj, wk,, H) quando li > lj, e (b) tal pilha não deixa de ser
considerada em (20) quando li = lj.

No caso de resultarem pilhas com mesmas dimensões, apenas uma pilha é

considerada. Por exemplo, se wk = wj, k < j, então a pilha (lj, wk, H) pode ser
desconsiderada, uma vez que ela é igual à pilha (lj, wj, H). Se o número de pilhas ainda
for muito grande, podemos reduzí-lo, sob pena de perder soluções melhores, ao
considerar apenas as m pilhas (lj, wj, H), j = 1, ..., m (conforme figura 4a).

Seja λ ijk o número de caixas do tipo i na pilha jk (i.e. uma pilha com dimensões
(lj, wk, H)). Definimos Vjk como:

V jk = max ∑v λ
i∈LWjk
i ijk (21)

s. a.: ∑hλ
i ∈LWjk
i ijk ≤H (22)

com: λ ijk ≥ 0 e int eiro, i = 1,...,m (23)

4.2. Etapa 2

Na segunda etapa, pilhas jk com valor Vjk são escolhidas e arranjadas sobre a base
(L,W) do contêiner (figura 4b). Seja µ jk denotando o número de vezes que a pilha jk é
utilizada neste arranjo. O seguinte problema bidimensional deve ser resolvido:

m j
max ∑ ∑V
j =1 k =1
jk µ jk (24)

s.a.: ( µ jk , j=1, ..., m, k=1, ..., j) corresponde a um padrão de

carregamento bidimensional, onde os retângulos (lj, wk), j=1, ..., m,
k=1, ..., j são escolhidos e arranjados em (L, W) (25)

O valor da variável ai em (3)-(4) é finalmente obtido por:

m j
ai = ∑ ∑ λ ijk µ jk ,i = 1,...,m
j =1 k =1

Note que tanto o carregamento em camadas (15)-(19) quanto o carregamento em

pilhas (21)-(25) são métodos heurísticos para o problema irrestrito (3)-(4), e que ambos
envolvem resolver problemas unidimensionais e bidimensionais. Se os problemas
bidimensionais forem aproximados por um conjunto de problemas unidimensionais
(Gilmore e Gomory, 1965), então os dois métodos envolvem resolver apenas problemas
da mochila.

Convém salientar que, para estender o carregamento em pilhas para resolver o

problema restrito (5)-(7), precisamos incorporar no modelo (21)-(25) as restrições não-
lineares:

m j

∑∑λ ijk µ jk ≤ bi , i = 1, ..., m (26)

j =1 k =1

e isto dificulta significativamente a aplicação do procedimento em duas etapas

(similarmente para o carregamento em camadas (15)-(19)).

5. Programação dinâmica

Beasley (1985a) propôs uma fórmula recursiva de programação dinâmica para o

problema bidimensional com cortes guilhotinados (um corte é guilhotinado se, ao ser
realizado sobre um retângulo, produz dois retângulos). Esta fórmula pode ser estendida
para resolver o problema (3)-(4) ao impormos artificialmente a restrição de cortes
guilhotinados (ao ser produzido sobre o paralelepípedo, o corte guilhotinado produz dois
paralelepípedos). A solução obtida não tem garantia de estabilidade (veja p.e. as figuras
8a e 8b). Note também que, mesmo que a solução seja estável, ela não tem garantia de
otimalidade, uma vez que o carregamento ótimo para o problema (3)-(4) pode ser não
guilhotinado.

Seja F(x,y,z) o valor do melhor carregamento tridimensional (guilhotinado) para

um paralelepípedo de dimensões (x,y,z), dado por (para maiores detalhes veja Beasley,
1985a):

F(x,y,z) = max{H(x,y,z); (27)

F(x1,y,z) + F(  x − x1  x , y, z), x1 ∈ X, 0 < x1 ≤ x-1; (28)
F(x,y1,z) + F(x,  y − y1  y , z), y1 ∈ Y, 0 < y1 ≤ y-1; (29)
F(x,y,z1) + F(x,y,  z − z1  z , y, z), z1 ∈ Z, 0 < z1 ≤ z-1} (30)
x ∈ X ∪ {L}, y ∈ Y ∪ {W}, z ∈ Z ∪ {H} (31)

onde
  x   y   z 
H(x, y,z) = max vi        (32)
i = 1,...,m
  li   wi   hi  
 x  x = max{x1 | x1 ≤ x, x1 ∈ X } (33)
  y y = max{y1 | y1 ≤ y, y1 ∈Y } (34)
 z z = max{z1 | z1 ≤ z, z1 ∈Z } (35)

e X, Y e Z são definidos conforme (8)-(10) na seção 2.

Note que F(L,W,H) requer memória computacional de O(|X| |Y| |Z|), o que nos
casos práticos dificulta sua computação. Uma maneira de reduzir o esforço da
computação de F(L,W,H) sob pena de perder a otimalidade é utilizar a heurística H4
descrita na seção 6.4.3, que reduz os conjuntos X, Y e Z. Esta abordagem, no entanto,
possui uma deficiência em relação à abordagem da próxima seção, conforme mostrado
em Morábito e Arenales (1995).

A fórmula recursiva (27)-(31) pode ser estendida para tratar o problema restrito
(5)-(7) definindo-se F(x,y,z,c) de maneira similar à F(x,y,z), onde c denota qualquer
elemento do conjunto C = {(c1, c2, ..., cm) | 0 ≤ ci ≤ bi e inteiro, i = 1, ..., m} que
permita produzir um padrão factível para o paralelepípedo (x,y,z) (veja Christofides e
Hadjiconstantinou, 1995). Entretanto, devido ao número exponencial de elementos deste
conjunto, o cálculo de F(L,W,H, C) torna-se inviável computacionalmente. A heurística
H3 (seção 6.4.3) reduz a busca a um pequeno subconjunto de C.

6. Abordagem em grafo-E/OU

Um grafo G = (V, E) consiste de um conjunto finito e não vazio V = {1, 2, ..., r }

e um conjunto E = {e1, e2, ..., es} cujos elementos são subconjuntos de V de tamanho 2,
isto é, eu = (i, j), onde i, j ∈ V. Os elementos de V são chamados vértices (ou nós), e os
elementos de E são chamados arestas (ou arcos).

Uma maneira de generalizar um grafo é permitir arcos em E de qualquer

tamanho; por exemplo, um arco eu = (i, j, k) onde i, j, k ∈ V. Para esta generalização, G
= (V, E) é chamado hipergrafo. Uma outra maneira de generalizar um grafo é definir os
arcos como pares eu = (i, Vu), onde i ∈ V e Vu ⊂ V; por exemplo, um arco eu = (i, {j, k})
onde i ∈ V e {j, k} ⊂ V. Se Vu tem cardinalidade maior do que 1, então eu é chamado de
arco-E e G de grafo-E/OU (caso especial de um hipergrafo orientado). Note que um arco
de um grafo define uma relação entre dois nós, um arco de um hipergrafo define uma
relação entre um subconjunto de nós, e um arco de um grafo-E/OU define uma relação
entre um nó e um subconjunto de nós. Para maiores detalhes de grafos, hipergrafos, e
grafos-E/OU, veja por exemplo Berge (1973) e Pearl (1984).

A seguir definimos um grafo-E/OU particular para representar todos os possíveis

padrões de carregamento tridimensional guilhotinados. Ambos os casos irrestrito e
restrito (seção 2) são abordados.
6.1. Padrão guilhotinado irrestrito

A figura 5a esquematiza uma sequência de cortes guilhotinados feitos sobre o

contêiner (L,W,H) (A na figura), para produzir o padrão de carregamento guilhotinado da
figura 5b. Primeiro, um corte é feito no comprimento L do contêiner (corte 1 da figura),
produzindo duas caixas intermediárias B e C, chamadas sucessoras de A. Em seguida,
ambas B e C são cortadas independentemente. A caixa B é cortada na sua altura H (corte
2), produzindo D e E. A caixa C é cortada na sua largura W (corte 3), produzindo F e G.
Note neste exemplo que as caixas B e C são caixas intermediárias e não aparecem na
figura, enquanto que as D, E, F e G são supostas caixas (li, wi, hi), i=1, ..., m, ou caixas
que correspondem a espaço não utilizado no padrão.

Definimos o 0-corte como a opção de não cortar uma caixa, ou seja, ao ser
aplicado sobre a caixa, deixa-a intacta. Obviamente, outros cortes alternativos poderiam
ter sido feitos sobre cada caixa da figura 5, gerando diferentes padrões de carregamento.
Se todas estas alternativas de corte fossem consideradas, incluindo o 0-corte, poderíamos
ter gerado todos os padrões guilhotinados irrestritos (note que nenhuma consideração foi
feita com respeito às quantidades disponíveis bi, i = 1, ..., m). Para cada caixa sucessora,
um subproblema similar ao original é obtido (mas com tamanho menor).

As caixas e os cortes ilustrados na figura 5a podem ser representados

respectivamente como nós e arcos num grafo-E/OU orientado (i.e. uma árvore-E/OU
neste exemplo particular). A caixa (L,W,H) corresponde ao nó inicial e as caixas após o
0-corte, aos nós finais. Cada corte guilhotinado feito sobre um nó não final corresponde a
um arco-E ligando o nó aos seus dois sucessores. Além disto, cada 0-corte aplicado sobre
um nó não final corresponde a um arco ligando o nó e uma réplica de si mesmo. Note que
um nó não final (l,w,h) tal que l < l0 ou w < w0 ou h < h0 aceita apenas o 0-corte --- tal
nó representa o espaço vazio no padrão de carregamento, onde l0 = min{li , i = 1, ..., m}
(similarmente para w0 e h0).

Considere agora a seguinte sequência de arcos (ou cortes): A partir do nó inicial,

escolhemos um arco-E (corte guilhotinado) ou o 0-corte e, a partir de cada nó sucessor,
escolhemos um arco-E ou o 0-corte, e assim por diante, até que todos os nós sejam finais.
Esta sequência é chamada caminho completo no grafo-E/OU (note que todos os nós finais
do caminho completo são obtidos por 0-cortes). Para cada padrão de carregamento existe
pelo menos um caminho completo no grafo-E/OU cuja sequência de arcos (cortes) resulta
no padrão de carregamento. Se o nó final corresponde a uma caixa do tipo i (i.e. o nó
corresponde a (li, wi, hi)), então o seu valor é vi; caso contrário é nulo. O valor do
caminho completo é definido como a soma dos valores dos seus nós finais. Portanto, o
melhor padrão guilhotinado irrestrito corresponde ao caminho completo mais valioso do
grafo-E/OU descrito.
6.2. Padrão guilhotinado restrito

Se existe um limite bi para o número de caixas do tipo i no padrão e

bi <  L / li  W / wi   H / hi  , então o problema é restrito (seção 2). Considere um nó N
do grafo. Note agora que a decisão de produzir caixas do tipo i a partir de N não é mais
independente da decisão de produzir outras caixas do tipo i a partir de outros nós que
pertencem ao mesmo caminho que inclue N.

Seja bi (N) o máximo número de caixas do tipo i que podem ser produzidas a
partir de N. Se N for um nó inicial, então bi (N) = bi, i=1, ..., m. Seja (N1, N2) um par de
sucessores de N, obtidos por um corte guilhotinado. O seguinte problema deve ser
resolvido:
max ∑ vi (ai1 + ai2 )
m
(37)
i =1

s.a.: (a , a21 , ..., am1 ) é um padrão guilhotinado para N1

1
1
(38)
(a , a22 , ..., am2 ) é um padrão guilhotinado para N2
2
1 (39)
( ai1 + ai2 ≤ b i ( N ), i = 1, ..., m ) (40)

Não é uma tarefa trivial resolver este problema. Note que se b i (N), i = 1, ..., m ,
for grande o suficiente, a restrição (40) será redundante e o problema (37)-(39) pode ser
decomposto em dois problemas independentes para N1 e N2, e voltamos ao caso anterior
do problema irrestrito.

Uma estratégia de busca é uma maneira particular de percorrer o grafo-E/OU (ou

enumerar seus nós). Nos casos práticos a enumeração completa dos nós é, em geral,
computacionalmente infactível. Uma maneira de reduzir a busca é evitar os padrões
equivalentes, isto é, padrões diferentes que resultam no mesmo número de peças do tipo
i, i=1, ..., m (figura 6). Na seção 6.3 descrevemos algumas regras para evitá-los e
incluímos regras para garantir a estabilidade do carregamento. A busca também pode ser
reduzida utilizando limitantes para evitar caminhos ruins ou pouco promissores (método
branch-and-bound). Entretanto, mesmo utilizando regras e limitantes, a busca ainda
assim pode ser inviável, e heurísticas precisam ser definidas para reduzí-la. Na seção 6.4
apresentamos limitantes, heurísticas e uma estratégia de busca que, combinados, nos
permite encontrar soluções boas e computacionalmente factíveis para os problemas
guilhotinados irrestrito e restrito.
6.3. Regras para evitar padrões equivalentes e tentar produzir padrões
estáveis

Nesta seção apresentamos resumidamente algumas regras para evitar os padrões

equivalentes. Para maiores detalhes, veja Herz (1972), Christofides e Whitlock (1977) e
Morabito e Arenales (1994). No final da seção incluímos regras para tentar garantir que
os padrões sejam estáveis.

6.3.1. Padrões normais

Herz (1972) e depois Christofides e Whitlock (1977) mostraram que, sem perda
de generalidade, os cortes guilhotinados podem ser reduzidos às combinações lineares
não negativas e inteiras dos tamanhos das caixas. Isto é, podemos reduzir os cortes ao
longo do comprimento L, da largura W e da altura H do contêiner pelos elementos
contidos nos conjuntos de discretização X, Y e Z em (8)-(10). Os padrões obtidos por
cortes contidos nestes conjuntos são chamados padrões normais.

6.3.2. Exclusão

Christofides e Whitlock (1977) também mostraram que, sem perda de

generalidade, o conjunto X pode ser reduzido definindo para cada nó N o conjunto X(N),
considerando os efeitos de exclusão. Admita que N representa uma caixa de tamanho (x,
y, z). Note que se uma caixa (li, wi, hi) é tal que wi > y ou hi > z, então seu comprimento li
pode ser desconsiderado ao gerar X(N) (veja na figura 7 um exemplo com hi > z). O
conjunto X(N) é definido por:

 m
X (N) = { x 1 | x 1 = ∑ α i li e ( se wi > y ou hi > z ⇒ α i = 0 ),
 i =1 (41)
1 ≤ x 1 ≤ x − l0 , 0 ≤ α i ≤ bi e int eiro}

(similarmente para Y(N) e Z(N)).

A fórmula proposta por Christofides e Whitlock (1977) para o problema

bidimensional pode ser aqui estendida para gerar os conjuntos X(N), Y(N) e Z(N).
Primeiro, os conjuntos são determinados para o nó inicial e depois, são facilmente
determinados para cada nó N. Admita que l1 ≤ l2 ≤ ... ≤ lm. Para cada combinação dos
comprimentos que somam x1, considere a máxima largura. Seja Fi(x1) a menor entre as
máximas larguras das caixas 1, 2, ..., i cujos comprimentos combinados somam x1.
Assim,

 x  
Fi(x1)= min{Fi-1(x1); max{wi; min ρ {Fi-1(x1- ρ li), 1 ≤ ρ ≤ min  1  ,bi  e ρ inteiro}}},
 li  
li ≤ x1 ≤ L - l0
Fi(x1)= Fi-1(x1), x1 < li

onde F0(x1) = ∞ , x1 = 1, 2, ..., L - l0, e Fi(0) = 0, i = 0, 1, ..., m (similarmente, seja Gi(x1)

a menor das máximas alturas das caixas 1, 2, ..., i cujos comprimentos combinados
somam
x1).

Se Fi(x1) < ∞ e Gi(x1) < ∞ , então x1 = ∑

i
j =1
α i l j , 0 ≤ α j ≤ b j e inteiro;
consequentemente, x1 ∈ X(N). Uma vez que Fi(x1) é independente do nó, ela pode ser
gerada antes do início da busca. Depois disso, o conjunto X(N) pode ser facilmente obtido
usando Fm(x1) e Gm(x1): Se Fm(x1) ≤ y e Gm(x1) ≤ z, então x1 ∈ X(N). Podemos
reescrever X(N) em (41) como:

X(N) = {x1 | Fm(x1) ≤ y e Gm(x1) ≤ z, 1 ≤ x1 ≤ x - l0} (42)

(similarmente para Y(N) e Z(N)).

6.3.3. Simetria e ordenação de cortes

Considere novamente o nó N representando uma caixa de tamanho (x,y,z). Note

que para cada corte x1 ∈ X(N), se (x-x1) ∈ X(N) então um deles pode ser desconsiderado,
uma vez que ambos, ao serem aplicados sobre (x, y, z), produzem as mesmas caixas (x1, y,
z) e (x-x1, y, z). Isto pode ser feito simplesmente substituindo 1 ≤ x1 ≤ x - l0 por 1 ≤ x1
x
≤   em X(N) (42).
2

Considere que a caixa (x, y, z) seja cortada em x1 ∈X(N), produzindo (x1,y,z) e (x-
x1,y,z). Depois disto, considere que (x-x1, y,z) seja cortado em x2 ∈ X(N), produzindo (x2,
y, z) e (x-x1-x2, y, z). Note que estes três nós também poderiam ter sido produzidos
cortando (x,y,z) em x2 e depois disto, cortando (x-x2, x, z) em x1. Christofides e Whitlock
(1977) observaram que, sem perda de generalidade, esta duplicação pode ser evitada
simplesmente introduzindo uma ordem (arbitrária) na sequência dos cortes ao longo de x
(similarmente nos cortes ao longo de y e z).

Se o problema for irrestrito conforme (3)-(4), então as regras de simetria e

ordenação de cortes podem ser aplicadas sem perda de generalidade. Se o problema for
restrito conforme (5)-(7), então estas regras tornam-se heurísticas quando combinadas
com a heurística gulosa H3, apresentada na seção 6.4.3 para resolver o problema (37)-
(40).

6.3.4. Estabilidade do carregamento

Também é necessário considerar a estabilidade das caixas que são empilhadas. A

figura 8a ilustra um carregamento instável devido ao espaço vazio debaixo da caixa 3.
Note que os métodos apresentados nas seções 3 e 4 em geral produzem carregamentos
estáveis, por outro lado, o método na seção 5 pode produzir um carregamento como o da
figura 8a.

Uma regra heurística adicional pode ser imposta no processo de busca para tentar
evitar carregamentos instáveis: (i) Após um corte ao longo da altura, todas as caixas
sucessoras só podem ser cortadas ao longo de suas alturas, para garantir que tenhamos
camadas (caixas intermediárias) compostas apenas de uma ou várias caixas iguais (veja
padrão homogêneo descrito na seção 6.4.1). (ii) Se o carregamento não for estável,
permutar estas camadas entre si na tentativa de obter um carregamento estável.

A parte (i) da regra acima evita o carregamento instável da figura 8a, uma vez que
após o corte zz', a caixa intermediária que resulta abaixo de zz' não pode sofrer o corte xx'
(note na figura que esta caixa corresponde à camada composta de caixas diferentes 1 e 2).
Por outro lado, apenas a parte (i) da regra não evita o carregamento instável da figura 8b
(note o espaço vazio debaixo da camada z2, composta de duas caixas iguais). Ao aplicar a
parte (ii), as camadas z1, z2 e z3 são permutadas e obtemos um carregamento equivalente
estável (figura 8c). Notamos, entretanto, que apesar da regra proposta acina,
carregamentos instáveis podem ainda ocorrer, bem como no método de carregamento em
pilhas (seção 4).

6.4. Limitantes, heurísticas e estratégia de busca

Considere o nó N representando uma caixa (x, y, z) e seja

M(N) = { i | li ≤ x, wi ≤ y, hi ≤ z, i = 1, ..., m }

o conjunto de tipos de caixas que podem ser carregados na caixa do nó N.

6.4.1. Limitantes inferior e superior

Um simples limitante inferior para o nó N pode ser definido a partir de padrões

triviais que utilizam apenas um tipo de caixa (padrões homogêneos):
   x   y   z  
L(N) = max vi min       , b i (N)
i ∈M(N) 
   li   wi   hi  
(43)
  x   y   z  
= v j min        , b j (N)
  l j   w j   h j  

onde b j (N) é definido conforme apresentado na seção 6.2. Note, entretanto, que se b j (N)
 x  y  z 
é muito menor do que o produto       , o padrão homogêneo conterá muito
 l j   w j   h j 
espaço vazio. Neste caso outros limitantes inferiores, combinando padrões homogêneos,
podem ser descritos (veja Morábito e Arenales, 1994, 1996).

Um simples limitante superior para o nó N usado por outros autores (p.e. Beasley,
1985a) também pode ser aqui utilizado. Considere a relaxação do problema (5)-(7)
levando em conta apenas a restrição de volume. Temos o seguinte limitante superior:

U(N) = max ∑v a
i ∈M(N)
i i (44)

s. a.: ∑ (l w h )a ≤ xyz
i ∈M(N)
i i i i (45)

com: 0 ≤ a i ≤ b i (N) e int eiro, i ∈M (N) (46)

Relaxando as condições ai ≤ bi (N) e inteiro em (46), obtemos um limitante

superior fácil de ser computado:

  x  y  z  
U (N) = max vi       , i ∈ M (N)
  li   wi   hi  
Apesar de serem simples, os limitantes L(N) e U(N) são efetivos, conforme resultados
computacionais em Morabito e Arenales (1994).

6.4.2. Método branch-and-bound

Os limitantes inferior e superior da seção anterior podem ser usados para

enumerar implicitamente os nós do grafo. Seja V(N) o melhor valor atual obtido para o nó
N. V(N) é dado por um limitante inferior ou por algum caminho completo conhecido a
partir do nó N, e é atualizado assim que uma solução melhor for obtida por meio dos
sucessores de N. Por exemplo, se V(N) < L(N1) + L(N2), onde (N1, N2) é um par de
sucessores de N, então V(N) é atualizado para L(N1) + L(N2).

Além disso, se V(N) ≥ U(N1) + U(N2), então N1 e N2 não precisam ser

explicitamente considerados. Note que se V(N) = U(N), então V(N) fornece o melhor
valor para o nó N. Estas observações caracterizam um método branch-and-bound onde a
ramificação foi definida nas seções 6.1-6.3. Existem várias estratégias para percorrer o
grafo-E/OU, isto é, diferentes maneiras para escolher um nó a ser ramificado. Antes de
descrever uma estratégia de busca, discutimos outras heurísticas para descartar caminhos
não promissores durante a busca.

6.4.3. Heurísticas

Três heurísticas apresentadas em Morábito e Arenales (1994), além de uma

heurística devida a Beasley (1985a), podem ser utilizadas para reduzir o espaço de busca.

Heurística H1

Considere o nó N e um par de sucessores (N1, N2), e seja λ 1 uma fração previamente

definida. A heurística H1 pode ser definida como:

Se (1 + λ 1 ) V(N) ≥ U(N1) + U(N2)

Então: Abandone a ramificação que leva a N1 e N2.

Note que se λ 1 = 0, o procedimento acima deixa de ser heurístico.

Heurística H2

Seja λ 2 uma outra fração previamente definida. A heurística H2 é definida como:

Se λ 2 L(N) ≥ L(N1) + L(N2)

Então: Abandone a ramificação que leva a N1 e N2.

Note que se λ 2 = 0, o procedimento acima deixa de ser heurístico.

Heurística H3

Esta é uma heurística gulosa para tratar o problema (37)-(40). Inicialmente consideramos
o nó N1 com o limite bi (N), i=1, ..., m e, após determinar um padrão de carregamento
para a caixa representada por N1, consideramos o nó N2 com o limite bi (N) -
1 1
a i , i = 1,...,m, onde a i é a quantidade de caixas do tipo i utilizadas em N1. Observe que
as regras de simetria e ordenação de cortes (seção 6.3.3), em conjunto com H3, tornam-se
uma nova heurística, dado que a ordem em que os nós são percorridos agora é relevante
para se obter uma solução.
Heurística H4

Seja M um limite para o número de elementos a ser considerado do conjunto X em (8).

Beasley (1985a) propôs um simples procedimento para garantir que esse número seja
menor ou igual a M (similarmente para Y e Z). Este procedimento também pode ser
aplicado para o problema restrito determinando X conforme (42).

6.5. Estratégia de busca

Uma estratégia de busca híbrida pode ser utilizada para percorrer o grafo-E/OU,
que combina duas estratégias básicas: back-tracking (BT) e hill-climbing (HC) (Morábito
et al, 1992; Morábito e Arenales, 1994). Seja DB um inteiro positivo denotando o limite
de profundidade para a estratégia BT. Por simplicidade, o algoritmo descrito a seguir foi
implementado como uma busca em árvore-E/OU:

Algoritmo BT-HC

1. Defina DB para cada árvore-E/OU a ser gerada. Seja RAIZ uma lista que inicialmente
contém apenas o nó inicial.

2. Enquanto RAIZ não for vazia, faça:

3. Seja s o primeiro nó de RAIZ. Gere uma árvore-E/OU a partir do nó raiz s,

utilizando a estratégia BT. Retire s de RAIZ.

4. Escolha o caminho mais valioso a partir de s e descarte os demais (estratégia

HC). Se houverem nós neste caminho que não sejam finais e cuja profundidade
seja DB, então inclua-os em RAIZ.

No passo 3 a geração dos sucessores de s deve considerar as regras discutidas na

seção 6.3, o método branch-and-bound da seção 6.4.2 e eventualmente as heurísticas
discutidas na seção 6.4.3. No passo 4 cada caminho escolhido a partir de s corresponde a
um trecho (com profundidade no máximo igual a DB) do caminho completo desde o nó
inicial até os nós finais. Observe que a estratégia HC, baseada em otimização local em
cada trecho, não garante encontrar o caminho mais valioso (i.e. o padrão de carregamento
ótimo para os problemas (3)-(4) ou (5)-(7)).

Note que o algoritmo BT-HC não requer grande quantidade de memória

computacional, dado que ele armazena apenas o melhor caminho percorrido até então.
Por outro lado, abordagens baseadas em programação dinâmica, como a da seção 5,
requerem memória computacional de O(|X| |Y| |Z|) (veja também Gilmore e Gomory,
1965).
7. Resultados computacionais

Os três métodos descritos nas seções 3 (carregamento em camadas), 4

(carregamento em pilhas) e 6 (abordagem em grafo-E/OU) foram implementados em
linguagem Pascal (compilador Turbo-Pascal v5.5) num microcomputador PC-486DX2
(relógio de 66 Mherz, 640 Kbytes RAM, DOS 5.0). Para resolver os problemas
unidimensionais (problemas da mochila) e bidimensionais envolvidos nos dois primeiros
métodos, utilizamos respectivamente o algoritmo de busca em profundidade primeiro
proposto em Gilmore e Gomory (1963) e o algoritmo BT-HC conforme Morábito et al
(1992). Outros algoritmos poderiam ter sido escolhidos.

A título de ilustração, escolhemos um exemplo real introduzido por George e

Robinson (1980) referente ao carregamento de um contêiner numa companhia da Nova
Zelândia. A tabela 1 apresenta os dados da carga composta de 784 caixas (com volume
26,325 m3) de m=8 tamanhos diferentes, que deve ser carregada num contêiner de
tamanho (L,W,H) = (5793, 2236, 2261) milímetros (com volume 29,287 m3). Por
conveniência, consideramos que cada caixa do tipo i, i = 1, ..., m, tem valor vi = (li wi
hi)/(L W H). O carregamento deve ser estável e cada caixa pode ser arranjada sobre
qualquer uma de suas seis faces dentro do contêiner (i.e. nenhuma orientação é fixada).

i li wi hi bi
1 785 139 273 400
2 901 185 195 160
3 901 195 265 40
4 1477 135 195 40
5 614 480 185 8
6 400 400 135 16
7 264 400 400 80
8 385 365 290 40
784 caixas

Tabela 1 - Dados do exemplo de George e Robinson (1980)

A melhor solução obtida pela heurística proposta por George e Robinson (1980)
carregou 783 caixas (com valor 0,8974 e volume 26,283 m3), deixando apenas uma caixa
do tipo 7 para fora do contêiner (i.e. 0,0422 m3).

Ao relaxarmos as quantidades disponíveis bi da tabela 1, obtemos um problema

irrestrito. Resolvendo-se este problema por meio dos métodos de carregamento em
camadas ou carregamento em pilhas, as soluções obtidas não satisfazem as restrições ai ≤
bi, i = 1 , ..., m, e portanto, são infactíveis para o problema original. Por exemplo, ao
fixarmos uma orientação para as caixas, o valor da solução do modelo (15)-(19)
(carregamento em camadas) é 0,9597 (obtido em menos de 1 segundo), e do modelo (21)-
(25) (carregamento em pilhas) é 0,9655 (obtido em 96 segundos). Entretanto, estas
soluções são infactíveis pois, envolvem mais de 40 caixas do tipo 8 (e portanto violam as
restrições (26)).

Fixando uma orientação para carregar as caixas

Mesmo fixando uma orientação para as caixas, os conjuntos de discretização X, Y

e Z em (8)-(10) resultam extremamente grandes (i.e., |X| = 2655, |Y| = 1316 e |Z| = 1128,
incluindo o elemento 0). Isto desencoraja qualquer tentativa de resolver otimamente o
modelo (11)-(14), com ordem de bilhões de variáveis. Uma alternativa então é utilizar a
abordagem em grafo-E/OU para o caso restrito (algoritmo BT-HC da seção 6), com a
regra de estabilidade do carregamento da seção 6.3.4.

A tabela 2 apresenta as soluções obtidas para diferentes valores de M (heurística

H4) e do limite de profundidade DB (veja algoritmo BT-HC). Conforme indicam as
colunas da tabela 2, estas soluções foram obtidas aplicando-se a heurística gulosa H3,
porém desconsiderando as heurísticas H1 (i.e., λ 1 = 0), H2 ( λ 2 =0), e as regras de simetria
e ordenação de cortes (seção 6.3.3).

M DB Heur. λ1 λ 2 Simetria e Valor da Número Tempo Número de

H3 ordenação Solução de caixas (seg) nós
10 3 Sim 0 0 Não 0,8097 709 1 4.065
20 3 Sim 0 0 Não 0,8907 778 23 85.277
50 3 Sim 0 0 Não 0,8840 776 733 2.736.123
20 2 Sim 0 0 Não 0,8533 748 2 6.471
20 4 Sim 0 0 Não 0,8927 778 299 1.260.813

Tabela 2 - Soluções do exemplo de George e Robinson (1980) com orientação fixada

Note que ao fixarmos a orientação das caixas, nenhuma solução foi superior à
solução obtida por George e Robinson (1980). Note também que, a medida que
aumentamos os valores de M e DB, esperamos encontrar uma solução melhor. No
entanto, devido à presença das outras heurísticas envolvidas, não temos garantia de que
esta solução será de fato melhor (compare p.e. a segunda e terceira linhas da tabela 2,
com M=20 e M=50, respectivamente).

Carregando as caixas sobre qualquer uma de suas faces

Ao considerarmos o problema sem nenhuma orientação para carregar as caixas,

devemos fazer algumas adaptações nas regras e expressões descritas nas seções
anteriores, como por exemplo redefinir os conjuntos X, Y e Z da seção 6.3.2 e os
limitantes inferior e superior da seção 6.4.1. A tabela 3 apresenta as soluções obtidas
com a abordagem em grafo-E/OU ao carregarmos as caixas sobre qualquer uma de suas
faces dentro do contêiner.
M DB Heur λ1 λ2 Simetria e Valor da Número Tempo Número
H3 ordenação Solução de caixas (seg) de nós
10 3 Sim 0 0 Não 0,8848 768 8 20.909
20 3 Sim 0 0 Não 0,8989* 784 128 284.193
50 3 Sim 0 0 Não 0,8989* 784 1950 4.177.223
20 2 Sim 0 0 Não 0,8859 775 11 25.223
20 4 Sim 0 0 Não 0,8950 781 790 2.067.815
20 3 Sim 0,01 0,95 Não 0,8989* 784 97 190.713
20 3 Sim 0,01 0,95 Sim 0,8975 783 25 51.087

Tabela 3 - Soluções do exemplo de George e Robinson (1980) sem orientação fixada

Note que a abordagem em grafo-E/OU encontra a solução ótima do exemplo de

George e Robinson (com valor 0,8989 e volume 26,325 m3), uma vez que todas as 784
caixas foram carregadas no contêiner (veja segunda, terceira e penúltima linhas da
tabela 3). Além disso, a abordagem em grafo-E/OU é capaz de encontrar soluções sub-
ótimas ainda melhores do que a solução obtida por George e Robinson (1980), num
tempo relativamente pequeno. Veja, por exemplo, a solução com valor 0,8975 e volume
26,286 m3 na última linha da tabela, que deixa de fora apenas uma caixa do tipo 4 (i.e.,
0,0389 m3). A escolha dos valores dos parâmetros DB, λ 1 e λ 2 baseia-se em trabalhos
anteriores (Morábito et al, 1992, e Morábito e Arenales, 1994, 1996).

Estes resultados são compatíveis com os publicados em Morábito e Arenales

(1994). Mais recentemente, Bischoff e Ratcliff (1995) propuseram um algoritmo
heurístico que também foi capaz de encontrar uma solução ótima do exemplo de George e
Robinson, carregando todas as 784 caixas.

Nossa experiência com a aplicação da abordagem em grafo-E/OU neste e em

diversos outros exemplos sugere que ela é capaz de produzir boas soluções. Apesar disto,
não é difícil construir um exemplo pequeno cuja solução ótima não possa ser encontrada.
Considere o exemplo da tabela 4 com 17 caixas de apenas m=3 tipos diferentes, que
devem ser carregadas num contêiner de tamanho (L,W,H)= (75,75,75) (note que o volume
das caixas é igual ao volume do contêiner). Por simplicidade, admitimos que vi=(li wi
hi)/(LWH). O carregamento deve ser estável e cada caixa pode ser arranjada dentro do
contêiner sobre qualquer uma de suas seis faces.

i li wi hi bi
1 60 15 30 6
2 45 30 30 6
3 15 15 15 5
17 caixas

Tabela 4 - Exemplo com padrão ótimo não-guilhotinado

 Note que ao relaxarmos as quantidades bi (problema irrestrito), a solução ótima
com valor 1 é trivial (carregar 125 caixas do tipo 3) e é obtida em menos de 1 segundo
por qualquer uma das abordagens de carregamento em camadas ou em pilhas.

Para obter a solução ótima do problema restrito, estendemos o modelo (11)-(14)

da seção 2 para o caso mais geral de nenhuma orientação das caixas ser fixada, e o
implementamos na linguagem de modelagem GAMS (versão 2.25), utilizando o solver
GAMS/OSL (Brooke et al, 1992). Note que, apesar deste exemplo ser relativamente
pequeno (X = Y = Z = {0, 30, 15, 45, 60}), o programa 0-1 resultante envolve mais de
2000 variáveis 0-1 e quase 400 restrições. A solução ótima, obtida em alguns minutos,
carrega todas as 17 caixas dentro do contêiner; entretanto, o padrão de carregamento
correspondente é não-guilhotinado.

Ao aplicarmos a abordagem em grafo-E/OU com os parâmetros M = ∞ , λ 1 = 0 e

λ 2 = 0, a melhor solução encontrada coloca apenas 16 caixas (lembre-se que ela é capaz
de gerar apenas padrões guilhotinados). Os resultados computacionais com e sem
orientação fixada e para diferentes valores de DB estão apresentados na tabela 5. Algumas
idéias para estender a abordagem em grafo-E/OU para gerar padrões tridimensionais não-
guilhotinados foram esboçadas em Arenales e Morábito (1995) - estas idéias estão na
nossa agenda de pesquisa e deverão ser exploradas num trabalho futuro.

Orientação DB Heur. Simetria e Valor da Número Tempo Número

fixada H3 ordenação solução de caixas (seg) de nós
Sim 3 Sim Não 0,6160 13 1 2.395
Sim 6 Sim Não 0,6160 13 16 159.365
Não 3 Sim Não 0,9360 16 1 1.979
Não 6 Sim Não 0,9360 16 30 137.041
Não 9 Sim Não 0,9360 16 1100 4.209.639

Tabela 5 - Soluções do exemplo com padrão ótimo não-guilhotinado

Agradecimentos
Os autores agradecem aos dois árbitros anônimos da revista pelos seus
comentários pertinentes e úteis. Esta pesquisa contou com o apoio do CNPq (processos
522973/95-7 e 680082/95-6) e FAPESP (processo 1995/9522-0).

Referências

(1) Arenales, M. e R. Morabito (1995). An AND/OR-graph approach to the solution of

two-dimensional non-guillotine cutting problems. Eur.J.Oper.Res. 84, 599-617.

(2) Beasley, J. (1985a). Algorithms for unconstrained two-dimensional guillotine

cutting. J.Oper.Res.Soc. 36, 297-306.
(3) Beasley, J. (1985b). An exact two-dimensional non-guillotine cutting tree search
procedure. Oper.Res. 33, 49-64.

(4) Berge, C. (1973). Graphs and hypergraphs. North-Holland, Amsterdam.

(5) Bischoff, E. e M. Marriott (1990). A comparative evaluation of heuristic for

container loading. Eur.J.Oper.Res. 44, 267-276.

(6) Bischcoff, E. e S. W. Ratcliff (1995). Loading multiple pallets. J.Oper.Res.Soc. 46,

1322-1336.

(7) Bischoff, E.; F. Janetz; S. W. Ratcliff (1995). Loading pallets with non-identical
items. Eur.J.Oper.Res. 84, 681-692.

(8) Brooke, A.; D. Kendrick; A. Meeraus (1992). Release 2.25 GAMS - User's guide.
The Scientific Press, San Francisco.

(9) Christofides, N. e C. Whitlock (1977). An algorithm for two-dimensional cutting

problems. Oper.Res. 25, 30-44.

(10) Christofides, N. e E. Hadjiconstantinou (1995). An exact algorithm for orthogonal 2-

D cutting problems using guillotine cuts. Eur.J.Oper.Res. 83, 21-38.

(11) Correia, M. H.; J. F. Oliveira; J. S. Ferreira (1992). Problemas de empacotamento

tridimensional. Investigação operacional 12(2), 169-180.

(12) Dowsland, K. e W. Dowsland (1992). Packing problems. Eur.J.Oper.Res. 56, 2-14.

(13) Dyckhoff, H. (1990). A typology of cutting and packing problems. Eur.J.Oper.Res.

44, 145-159.

(14) Dyckhoff, H. e U. Finke (1992). Cutting and packing in production and

distribution: Typology and bibliography, Springler-Verlag Co, Heildelberg.

(15) EJOR (1995). Special issue on cutting and packing problems, Eur.J.Oper.Res. 84.

(16) Gehring, H.; K. Menschner; M. Meyer (1990). A computer based heuristic for
packing pooled shipment containers. Eur.J.Oper.Res. 44, 277-288.

(17) George, J. e D. Robinson (1980). A heuristic for packing boxes into a container.
Computers and Oper.Res. 7, 147-156.

(18) Gilmore, P. e R. Gomory (1963). A linear programming approach to the cutting

stock problem - Part II. Oper.Res. 11, 863-888.
(19) Gilmore, P. e R. Gomory (1965). Multistage cutting stock problems of two and more
dimensions. Oper.Res.14, 1045-1074.

(20) Haessler, R. e F. Talbot (1990). Load planning for shipments of low density
products. Eur.J.Oper.Res. 44, 289-299.

(21) Han, C. P.; K. Knott; P. Egbelu (1989). A heuristic approach to the three-
dimensional cargo loading problem. Int.J.Prod.Res. 27(5), 757-774.

(22) Herz, J. (1972). Recursive computational procedure for two-dimensional stock

cutting. IBM J.Res.Develop. 16, 462-469.

(23) Miyazawa, F. K. (1997). Algoritmos de aproximação para problemas de

empacotamento. Tese de doutoramento, IME-USP, São Paulo, SP.

(24) Mohanty, B.; K. Mathur; N. Ivancic (1994). Value considerations in three-

dimensional packing - A heuristic procedure using the fractional knapsack problem.
Eur.J.Oper.Res. 74, 143-151.

(25) Morabito, R. e M. Arenales (1992). Um exame dos problemas de corte e

empacotamento. Pesquisa Operacional 12(1), 1-20.

(26) Morabito, R. e M. Arenales (1994). An AND/OR-graph approach to the container

loading problem. Int.Trans.Oper.Res. 1(1), 59-73.

(27) Morabito, R. e M. Arenales (1995). Performance of two heuristics for solving large
scale two-dimensional guillotine cutting problems. INFOR 33(2), 145-155.

(28) Morabito, R. e M. Arenales (1996). Staged and constrained two-dimensional

guillotine cutting problems: An AND/OR-graph approach. Eur.J.Oper.Res. 94(3),
548-560.

(29) Morabito, R.; M. Arenales; V. F. Arcaro (1992). An AND/OR-graph approach for

two-dimensional cutting problems. Eur.J.Oper.Res. 58(2), 263-271.

(30) Pearl, J. (1984). Heuristics: Intelligent search strategies for computer problem
solving. Addison-Wesley Co., Reading, MA.

(31) Sweeney, P. e E. Paternoster (1992). Cutting and packing problems: A categorized,

application-oriented research bibliography. J.Oper.Res.Soc. 43, 691-706.

(32) Tsai, R.; E. Malstrom; W. Kuo (1993). Three dimensional palletization of mixed box
sizes. IIE Trans. 25(4), 64-75.
Figura 2 - Colocação da Caixa tipo i (li, wi, hi) na posição (xj, yk, zl) do contêiner.
Figura 3 - Carregamento de caixas em camadas.

(a) (b)
Figura 4 - Carregamento de caixas em pilhas

Figura 5 - Sequência de cortes e correspondente padrão de corte

Figura 6 - Três Carregamentos Equivalentes

Figura 7 - Regra de Exclusão: x1 ∉ X(N) devido a hi > z.

Figura 8 - Carregamentos: instável (a) (b), e estável (c)