Você está na página 1de 9

Simulated annealing aplicado resoluo do problema de roteamento de veculos com janela de tempo

Alosio de Castro Gomes Jnior Marcone Jamilson Freitas Souza Alexandre Xavier Martins
Universidade Federal de Ouro Preto, Departamento de Computao
RESUMO: Este trabalho apresenta um algoritmo eficiente, baseado na metaheurstica Simulated Annealing (SA), para resolver o Problema de Roteamento de Veculos com Janela de Tempo. Esse problema tem como objetivo determinar as rotas de custo mnimo para uma frota de veculos de mesma capacidade, atendendo demanda de um conjunto de clientes, para os quais o atendimento somente possvel dentro de um intervalo de tempo determinado, chamado janela de tempo. A metodologia proposta, denominada SA-RAI, incorpora ao algoritmo Simulated Annealing clssico, mecanismos auto-adaptativos para determinao da temperatura inicial e nmero de iteraes em uma mesma temperatura. Nesta metodologia, quando a temperatura atinge um valor limiar, a mesma reaquecida um certo nmero de vezes, possibilitando escapar de timos locais. Alm disso, ela conta com uma fase de intensificao. Sempre que uma melhor soluo encontrada, ela submetida a um procedimento de refinamento, visando ao seu melhoramento. A metodologia foi aplicada a 168 problemas-teste da literatura e 13 novos melhores resultados foram encontrados. ABSTRACT: This work presents an efficient algorithm based on Simulated Annealing metaheuristic (SA) for solving the Vehicle Routing Problem with Time Windows. The goal of this problem is to find a set of routes with minimum cost (in terms of traveled distance) for a fleet of identical vehicles based at the depot, obeying the capacity of the vehicles and the demand of a set of costumers and its predefined time windows. The proposed method, named SA-RAI, uses auto-adaptive mechanisms to determine the initial temperature and number of iterations in a same temperature. When the temperature is close to zero, there is a reheating in order to escape local optimums. In addition, SA-RAI uses a refinement phase when a new best solution is found. The proposed method was applied to 168 benchmarks and 13 new best solutions were found.

1 INTRODUO O Problema de Roteamento de Veculos com Janela de Tempo (PRVJT) um dos vrios problemas derivados do Problema de Roteamento de Veculos (PRV), um dos problemas mais estudados da rea de Otimizao Combinatria. O PRVJT pode ser definido como segue. Seja G={V, A} um grafo onde V={v0, v1, ..., vn} o conjunto de vrtices e A={(vi,vj) : vi, vj V, ij} o conjunto de arcos. O vrtice v0 representa o Centro de Distribuio (CD), enquanto os demais n vrtices correspondem aos clientes. Com A so associados uma matriz de custos (cij) e uma matriz de tempo de viagens (tij). Se estas matrizes so simtricas, o caso mais comum, ento padro definir o PRVJT em um grafo no direcionado G={V, E}, onde E={(vi,vj) : vi, vjV, ij} um conjunto de arestas. Cada cliente tem uma demanda no-negativa mi e um tempo de atendimento fi. Uma frota de veculos idnticos de capacidade Q atribuda ao CD. O
18

nmero de veculos pode ser conhecido com antecedncia ou tratado como uma varivel de deciso. Neste trabalho considera-se que o nmero de veculos ilimitado. O PRVJT consiste em construir um conjunto de rotas de entrega ou coleta tal que: cada rota inicie e termine no CD; cada cliente seja visitado exatamente uma vez por exatamente um veculo; demanda total de cada rota no exceda Q; a janela de tempo [ei, li] seja respeitada, ou a seja, um cliente no pode ser atendido antes de ei e nem aps o tempo li e custo total da rota seja minimizado. o Encontrar uma soluo de boa qualidade para o PRVJT de fundamental importncia, uma vez que, segundo Ballou (2001), o custo de transporte corresponde de um tero a dois teros dos custos logsticos de uma empresa.
vol. XIII, n. 2, p. 5-20, dezembro de 2005

Devido importncia prtica dos problemas de roteirizao e o desafio de resolv-los eficientemente, vrias tcnicas de soluo tm sido relatadas na literatura. Em virtude de o PRVJT ser da classe NP-difcil, o uso exclusivo de mtodos exatos para sua resoluo se torna bastante restrito, justificando sua abordagem por metodologias heursticas. Clark e Wright (1964) desenvolveram uma tcnica heurstica aplicada ao PRV clssico que se inicia com tantas rotas quantos forem os clientes. A seguir, so analisadas todas as possveis combinaes de rotas e aquela combinao que produzir a maior economia satisfazendo as restries de capacidade dos veculos realizada, o que faz diminuir em uma unidade o nmero de rotas. Esse procedimento repetido at que no seja mais possvel combinar rotas sem violar as restries. Golden et al. (1984) adaptaram a heurstica de Clark e Wright (1964) ao PRV com frota heterognea. Os autores desenvolveram vrias frmulas de economia tentando incorporar frmula de economia desenvolvida por Clark e Wright (1964) os custos fixos relativos a cada tipo de veculo que poderia ser utilizado. Liu e Shen (1999) basearam-se no trabalho de Golden et al. (1984), inserindo nas frmulas desenvolvidas por estes as restries de janela de tempo pertinentes a cada cliente. Esses autores abordaram o PRV com frota heterognea e janelas de tempo. Gendreau et al. (1999) aplicaram a metaheurstica Busca Tabu (BT) ao PRV com frota heterognea. O procedimento desenvolvido se baseia em um procedimento de memria adaptativa para gerar solues iniciais para o procedimento BT. Nesse procedimento, as inseres dos clientes nas rotas so baseadas na heurstica GENIUS, desenvolvida por Gendreau et al. (1992) para resolver o Problema do Caixeiro Viajante. Tailard (1993) aplica o mesmo algoritmo de Gendreau et al. (1999) ao PRV com frota heterognea. O procedimento difere na estrutura de vizinhana usada. Ao invs de usar a heurstica GENIUS, o mesmo utiliza trocas e inseres convencionais. Outro ponto diferente que o mtodo proposto faz uso de um procedimento de re-otimizao das rotas atravs da aplicao de um algoritmo exato para o Problema do Caixeiro Viajante. Tan et al. (2001) aplicam diversas metaheursticas ao PRV com janela de tempo. Todas elas utilizam um procedimento para determinao da soluo inicial e um procedimento de dupla troca. O procedimento de gerao da soluo inicial procura gerar solues iniciais factveis baseadas na insero, em cada iterao, de um cliente a uma rota, respeitandose as restries de capacidade do veculo e janela de
vol. XIII, n. 2, p. 5-20, dezembro de 2005

tempo de cada cliente. A partir da so aplicadas as metaheursticas Simulated Annealing, Busca Tabu e Algoritmos Genticos. Cordeau et al. (2002) apresentam quatro caractersticas cruciais para um bom algoritmo para o PRV e suas variantes, a saber: a) Preciso (que mede o quo distante a soluo heurstica ficou da soluo tima ou da melhor soluo conhecida); b) Velocidade (que avalia o tempo para a tomada de decises); c) Simplicidade (que avalia a facilidade de se implementar e entender o cdigo e tambm o nmero de parmetros que so utilizados, que podem facilitar ou dificultar a compreenso do algoritmo, alm de dificultar a implementao do mesmo); d) Flexibilidade (que avalia a capacidade para incluir novas restries comumente encontradas na maioria das aplicaes da vida real). Esses autores apresentam, ainda, uma comparao entre vrias tcnicas aplicadas resoluo do PRV baseadas nestas quatro caractersticas. Neste trabalho apresenta-se uma metodologia baseada na metaheurstica Simulated Annealing para resolver eficientemente o PRVJT. Esta metodologia faz uso de mecanismos auto-adaptativos para determinar a temperatura inicial e o nmero mximo de iteraes em uma dada temperatura. Por um determinado nmero de vezes, sempre que a temperatura atinge um valor limiar, feito um reaquecimento para tentar escapar de timos locais a baixas temperaturas. Alm disso, sempre que o mtodo encontra uma melhor soluo, aplicado um mecanismo de busca local para refinar a soluo. Este trabalho est organizado como segue. Na seo 2 apresenta-se um modelo de programao matemtica para o PRVJT. Na seo 3 especifica-se em detalhe o mtodo proposto para resolver o problema. Os resultados so apresentados e discutidos na seo 4, enquanto a seo 5 conclui o trabalho. 2 FORMULAO DE PROGRAMAO MATEMTICA Apresenta-se, a seguir, uma formulao de programao matemtica, descrita em Tan et al. (2001), para o Problema de Roteamento de Veculos com Janela de Tempo. Esta formulao considera que a frota heterognea. Variveis de deciso: ti = hora de chegada no cliente i wi = tempo de espera no cliente i

19

Dados de entrada: K = nmero total de veculos n = nmero total de clientes dij = distancia euclidiana entre o cliente i e o cliente j cij = custo incorrido no arco do cliente i ao cliente j tij = tempo de viagem entre o cliente i e o cliente j mi = demanda do cliente i qk = capacidade do veculo k ei = incio da janela de tempo do cliente i li = final da janela de tempo do cliente i fi = tempo de servio no cliente i rk = tempo de rota mximo permitido para o veculo k.

as rotas iniciem e terminem no CD. Os conjuntos de equaes (4) e (5) definem que todo n cliente pode ser visitado somente uma vez por um veculo. As restries (6) asseguram que a capacidade de cada veculo ser respeitada. As equaes (7) limitam o tempo mximo de viagem. As restries (8) a (10) asseguram o respeito s janelas de tempo, enquanto as restries (11) indicam a bivalncia das variveis de deciso. 3 METODOLOGIA Nesta seo mostra-se como uma soluo para o problema representada, como so geradas as solues iniciais, os tipos de movimentos usados para explorar o espao de solues do problema, a funo de avaliao utilizada para guiar a busca e a descrio detalhada do algoritmo proposto. 3.1 Representao de uma soluo Uma soluo do problema representada por uma lista de nmeros inteiros, sendo que os nmeros positivos representam os clientes a serem visitados e os negativos, os veculos e suas respectivas capacidades. Essa lista ordenada e a posio dos clientes na lista indica a ordem de visita. Assim, a lista {-200, 1, 3, 2, 5, -200, 6, 4, 7} indica que um veculo de capacidade 200 sai do centro de distribuio (CD) e visita os clientes 1, 3, 2 e 5, nesta seqncia, e retorna ao CD. Outro veculo de mesma capacidade sai do CD e visita os clientes 6, 4 e 7 e retorna ao CD. 3.2 Determinao de uma Soluo Inicial Para gerar uma soluo inicial para o PRVJT criouse um procedimento que, partindo do CD, insere a cada iterao um nico cliente em uma rota. A insero feita observando o limite de capacidade do veculo e a janela de tempo de cada cliente. O cliente a ser inserido na rota corrente escolhido aleatoriamente dentre aqueles que ainda no foram inseridos e cuja insero no faa ultrapassar nem a capacidade do veculo alocado rota nem a janela de tempo pr-definida de cada cliente. Se no existirem clientes satisfazendo a essas duas condies, faz-se o retorno ao CD e uma nova rota iniciada. Este procedimento termina quando todos os clientes forem inseridos. Observa-se que, com este procedimento, as solues iniciais so sempre factveis. Alm disso, tem-se um limite superior para o nmero de veculos a serem utilizados (constante K da restrio 6 da seo 2).

As equaes (1) a (11) modelam o PRVJT:

A expresso (1) a funo objetivo do problema. A restrio (2) especifica que h no mximo K rotas saindo do CD. As equaes (3) fazem com que todas
20

vol. XIII, n. 2, p. 5-20, dezembro de 2005

3.3 Estrutura de Vizinhana Dada uma soluo s, um vizinho s desta soluo obtido ou por um movimento de realocao de clientes ou por um movimento de troca entre clientes na ordem das visitas. O movimento de realocao pode ser inter-rota, quando um cliente passado de uma rota para outra, ou intra-rota, na qual a ordem de visita de um cliente alterada dentro de uma mesma rota. A Figura 1 ilustra a aplicao dos dois possveis movimentos de realocao. Nela, o movimento inter-rotas mostra que o cliente 2 realocado para ser o primeiro cliente a ser visitado pelo segundo veculo de capacidade 200. J o movimento intra-rotas ilustrado com o cliente 3 sendo realocado para ser visitado aps o cliente 5 da primeira rota. O movimento de troca tambm pode ser intrarota, quando dois clientes de uma mesma rota tm suas ordens de visita trocadas entre si, ou inter-rota, quando h a permutao entre clientes de rotas distintas. Observa-se que, com esses dois tipos de movimentos, so consideradas na explorao do espao de busca tanto as solues factveis quanto as no factveis. 3.4 Funo de Avaliao Uma soluo s avaliada por uma funo que leva em conta o custo de transporte do cliente i para o cliente j, a capacidade do veculo que ir atender aquela rota e a janela de tempo em que o cliente deve ser atendido. Esta funo dada pela expresso: em que cij representa o custo de transporte do cliente i para o cliente j, f1 ( s ) representa a sobrecarga dos veculos, ou seja, o excesso de peso nos veculos e f 2 ( s ) representa o tempo em que um veculo excede o horrio mximo permitido para atendimento a

determinado cliente. O cliente 0 o centro de distribuio (CD), um fator de penalidade igual ao valor da maior distncia entre dois clientes quaisquer da instncia considerada e outro fator de penalidade, fixado em = 1000. A comparao entre duas solues feita apenas com base no valor da funo de avaliao, sem levar em considerao o nmero de veculos associado a cada soluo. 3.5 Algoritmo SA-RAI Este mtodo consiste no algoritmo Simulated Annealing clssico, ao qual incorporado um mecanismo auto-adaptativo para determinar a temperatura inicial e o nmero mximo de iteraes em uma dada temperatura. O mtodo conta tambm com um procedimento de busca local que acionado sempre que uma nova melhor soluo gerada. Alm disso, por um certo nmero de vezes a temperatura reaquecida quando se aproxima de zero, de forma a escapar de mnimos locais. O mtodo parte de uma soluo inicial gerada conforme seo 3.2 e consiste de um procedimento iterativo que gera, a cada iterao, um nico vizinho s da soluo corrente s. Seja a variao de valor da funo objetivo ao mover-se para uma soluo vizinha candidata, isto , = f ( s ' ) f ( s ) . Para o PRVJT, o mtodo aceita o movimento e a soluo vizinha passa a ser a nova soluo corrente se < 0. Caso 0 a soluo vizinha candidata tambm poder ser aceita, mas neste caso, com uma probabilidade e / T , onde T um parmetro do mtodo, chamado de temperatura, que regula a probabilidade de se aceitar solues de pior custo. A temperatura

Figura 1: Estrutura de Vizinhana


vol. XIII, n. 2, p. 5-20, dezembro de 2005

21

T assume, inicialmente, um valor elevado T0 (obtido de forma auto-adaptativa pelo procedimento descrito na seo 3.6). Aps um nmero fixo de iteraes (que representa o nmero de iteraes necessrias para o sistema atingir o equilbrio trmico), a temperatura gradativamente diminuda por uma razo de resfriamento , tal que Tk Tk-1, sendo 0<<1. Com esse procedimento, d-se, no incio, uma chance maior para escapar de mnimos locais e, medida que T se aproxima de zero, o algoritmo se comporta como um mtodo de descida, uma vez que diminui a probabilidade de se aceitar movimentos de piora. De forma a escapar de timos locais a baixas temperaturas, quando a temperatura se aproxima de seu valor mnimo, no caso 0,01, ela reaquecida. Este procedimento aplicado por NR vezes, sendo a temperatura de reincio calculada com base na frmula (13):

Figura 3: Pseudocdigo do algoritmo SA-RAI 3.6 Determinao da Temperatura Inicial

em que Tr a r-sima temperatura de reincio (r > 1) e NR o nmero de reincios. Esta frmula obriga o algoritmo em seu ltimo reincio a trabalhar com uma temperatura inicial igual a 100, que foi o parmetro utilizado por Tan et al. (2001). O mtodo SA-RAI conta, ainda, com um mecanismo de busca local (MBL), que acionado sempre que uma nova melhor soluo gerada. No caso, aplicado um procedimento de descida usando movimentos de troca (intra e inter-rotas). Os parmetros de controle do mtodo SA-RAI so o nmero de reincios (fixado em 2), a razo de resfriamento (fixada em 0,998), o nmero de iteraes para cada temperatura (SAmax = n, sendo n o nmero de clientes) e a temperatura inicial T0, a qual determinada pelo procedimento auto-adaptativo descrito na seo 3.6. A Figura 3 apresenta o pseudocdigo do mtodo proposto.
22

Utilizou-se um mecanismo auto-adaptativo para determinar a temperatura inicial do algoritmo SARAI. Tal mecanismo, descrito em Souza (2006), consiste em partir de uma soluo s qualquer e de uma temperatura de partida baixa. A seguir, contamse quantos vizinhos dessa soluo s so aceitos em um determinado nmero de iteraes (SAmax) nessa temperatura. Caso esse nmero de vizinhos aceitos seja elevado, no caso 90% dos vizinhos, ento retorna-se a temperatura corrente como a temperatura inicial para o processo de refinamento. Caso o nmero de vizinhos aceitos no atinja o valor mnimo requerido, aumenta-se a temperatura segundo uma certa taxa, no caso 10%, e repete-se a contagem do nmero de vizinhos aceitos naquela temperatura. O procedimento prossegue at que se obtenha o nmero mnimo de vizinhos aceitos. A temperatura na qual essa condio ocorre representa a temperatura inicial para o mtodo. A Figura 2 apresenta o
vol. XIII, n. 2, p. 5-20, dezembro de 2005

Os resultados obtidos so apresentados nas tabelas a seguir. Nessas tabelas, os melhores resultados da literatura advm de duas fontes, cujo acesso se deu em 16/05/2005: http://neo.lcc. uma.es/radi-aeb/WebVRP/index.html e http://w.cba.neu.edu/ ~msolomon. As Tabelas 2 e 3, em anexo, mostram as caractersticas das solues obtidas, bem como o desempenho do mtodo SA-RAI em todas as instncias de 50 e 100 cidades. Nestas tabelas, a coluna DT representa a distncia total percorrida pelos veculos e NV o nmero de veculos da soluo. A coluna Desvio Mdio calculada com base na frmula (14): Figura 2: Pseudocdigo para determinao da temperatura inicial pseudocdigo deste procedimento. Os parmetros utilizados por este mecanismo foram: taxa de aumento da temperatura (no caso = 1,1), taxa mnima de aceitao de solues vizinhas (no caso = 0,90) e T0 temperatura de partida para o mtodo (T0 = 2). 4 APRESENTAO E ANLISE DOS RESULTADOS O algoritmo proposto foi desenvolvido na linguagem C, utilizando o compilador C++ Builder 6.0 da Borland, e executado em um computador PENTIUM IV 1.8 GHz com 512 MB de memria RAM, sob plataforma Windows XP Pro. Os problemas-teste adotados para a validao do algoritmo so as 168 instncias apresentadas em Solomon (1987). Essas instncias se dividem em 3 grupos: C onde os clientes se encontram clusterizados, ou seja, esto distribudos geograficamente em grupos de clientes prximos uns dos outros; R onde os clientes so distribudos aleatoriamente sem formar grupos e distantes uns dos outros; e RC onde se tem uma mistura dos dois grupos anteriores. O algoritmo proposto foi executado trinta vezes, cada qual partindo de uma semente diferente de nmeros aleatrios.

sendo f(s*) o melhor resultado encontrado na literatura e f(si) o resultado encontrado na i-sima execuo do algoritmo. J a coluna Desvio da Melhor Soluo calculada com base na frmula (15):

A Tabela 1 apresenta os resultados relativos ao desempenho do algoritmo aplicado aos grupos de instncias envolvendo 25, 50 e 100 clientes. Nesta tabela so apresentadas a mdia dos desvios mdios encontrados para cada grupo de instncia, bem como a mdia dos desvios das melhores solues encontradas nesse grupo. Como pode ser observado na Tabela 1, as melhores solues geradas pelo procedimento SARAI desviam dos melhores resultados da literatura em apenas 0,68%, na mdia. Considerando os valores mdios gerados nas diversas execues dos algoritmos, o procedimento tem um desvio mdio de 3,13%. Assim, tendo em vista que as melhores solues da literatura foram obtidas por diferentes algoritmos, cada qual explorando as especificidades
23

vol. XIII, n. 2, p. 5-20, dezembro de 2005

de uma dada instncia ou conjunto de instncias, o algoritmo desenvolvido mostrou-se capaz de produzir solues finais bastante satisfatrias. Tabela 1: Desempenho mdio do algoritmo SA-RAI nos grupos de instncias
Grupo de instncias C25 R25 RC25 C50 R50 RC50 C100 R100 RC100 Mdia Mdia do Desvio Mdio 0,13% 0,88% 0,98% 1,56% 2,94% 4,04% 8,23% 3,62% 5,78% 3,13% Mdia do Desvio da Melhor Soluo 0,00% 0,00% 0,02% 0,15% 0,56% 0,89% 2,72% 0,07% 1,67% 0,68%

REFERNCIAS BIBLIOGRFICAS
Ballou, R. (2001) Gerenciamento da Cadeia de Suprimentos: Planejamento, Organizao e Logstica Empresarial. So Paulo: Bookman. Clark, G. e J. Wright (1964) Scheduling of Vehicles from a Central Depot to a Number of Delivery Points. Operations Research, v. 12, p. 568-581. Cordeau, J. F.; M. Gendreau; G. Laporte; J. Y. Potvin e F. Semet (2002) A guide to Vehicle Routing Problem. Journal of the Operational Research Society, v. 53, p. 512-522. Gendreau, M.; G. Laporte; C. Musaraganyi e E. D. Taillard (1999) A Tabu Search Heuristic for the Heterogeneous Fleet Vehicle Routing Problem. Computers & Operations Research, v. 26, p. 1153-1173. Gendreau, M.; A. Hertz e G. Laporte (1992) New Insertion and Postoptimization Procedures for the Traveling Salesman Problem. Operations Research, v. 40, p. 1086-1093. Golden, B.; A. Assad; L. Levy e F. Gheysens (1984) The Fleet Size and Mix Vehicle Routing. Computers & Operations Research, v. 11, n. 1, p. 49-66. Liu, F. e S. Y. Shen (1999) A Method for Vehicle Routing Problem with Multiple Vehicle Types and Time Windows. Proc. Natl. Sci. Counc.. Hsinchu, Taiwan, v. 23, p. 526-536. Souza, M. J. F. (2006) Inteligncia Computacional para Otimizao. Departamento de Computao, Universidade Federal de Ouro Preto, Ouro Preto, Disponvel em http://www.decom. ufop.br/prof/marcone/InteligenciaComputacional/Inteligencia Computacional.pdf. Taillard, . (1993) Parallel iterative search methods for vehicle routing problems. Networks, v. 23, p. 661-673. Tan, K.C.; L. H. Lee; Q. L. Zhu e K. Ou (2001) Heuristic methods for vehicle routing problem with time windows. Artificial Intelligence in Engineering, v. 15, p. 281-295.

5 CONCLUSES Neste trabalho proposto um algoritmo, baseado na metaheurstica Simulated Annealing, para resolver o problema de roteamento de veculos com janela de tempo. A metodologia proposta, denominada SARAI, incorpora ao algoritmo Simulated Annealing clssico, mecanismos auto-adaptativos para determinao da temperatura inicial e nmero de iteraes em uma mesma temperatura. Neste mtodo, quando a temperatura atinge um valor limiar, a mesma reaquecida um certo nmero de vezes, possibilitando escapar de timos locais. Alm disso, ele conta com uma fase de intensificao. Sempre que uma melhor soluo encontrada, ela submetida a um procedimento de refinamento, visando ao seu melhoramento. A metodologia foi aplicada a 168 problemas-teste da literatura e 13 novos melhores resultados foram encontrados. Alm desses resultados obtidos, a metodologia produziu solues finais que, em mdia, diferem pouco das melhores solues da literatura. Agradecimentos
Os autores agradem FAPEMIG, processo CEX-459/04, e Universidade Federal de Ouro Preto pelo apoio recebido ao desenvolvimento do trabalho, bem como Borland Latin America pela licena de uso do Borland C++ Builder 6.0.

Alosio de Castro Gomes Jnior (algomesjr2004@yahoo.com.br) Marcone Jamilson Freitas Souza (marcone@iceb.ufop.br) Alexandre Xavier Martins (xmartins@decea.ufop.br) Artigo recebido em 17/10/2004 e aprovado em 28/07/2005.

24

vol. XIII, n. 2, p. 5-20, dezembro de 2005

ANEXOS Tabela 2: Desempenho do algoritmo SA-RAI nas instncias de 50 clientes


Instncia C101-50 C102-50 C103-50 C104-50 C105-50 C106-50 C107-50 C108-50 C109-50 C201-50 C202-50 C203-50 C204-50 C205-50 C206-50 C207-50 C208-50 R101-50 R102-50 R103-50 R104-50 R105-50 R106-50 R107-50 R108-50 R109-50 R110-50 R111-50 R112-50 R201-50 R202-50 R203-50 R204-50 R205-50 R206-50 R207-50 R208-50 R209-50 R210-50 R211-50 RC101-50 RC102-50 RC103-50 RC104-50 RC105-50 RC106-50 RC107-50 RC108-50 RC201-50 RC202-50 RC203-50 RC204-50 RC205-50 RC206-50 RC207-50 RC208-50
(1)

Melhor Publicado DT 362,4 (2) 361,4 (2) 361,4 (2) 358,0 (2) 362,4 (2) 362,4 (2) 362,4 (2) 362,4 (2) 362,4 (2) 360,2 (2) 360,2 (2) 359,8 (2) 350,1 (2) 359,8 (2) 359,8 (2) 359,6 (2) 350,5 (2) 1044,0 (2) 909,0 (2) 772,9 (2) 625,4 (2) 899,3 (2) 793,0 (2) 711,1 (2) 617,7 (2) 786,8 (2) 697,0 (2) 707,2 (2) 630,2 (2) 791,9 (2) 698,5 (2) 603,5 (2) 509,5 (1) 690,1 (2) 632,4 (2) 584,6 (1) 487,7 (1) 600,6 (2) 645,6 (2) 551,3 (1) 944,0 (2) 822,5 (2) 710,9 (2) 545,8 (2) 855,3 (2) 723,2 (2) 642,7 (2) 598,1 (2) 684,8 (2) 613,6 (2) 555,3 (2) 444,2 (1) 630,2 (2) 610,0 (2) 558,6 (2) NV 5 5 5 5 5 5 5 5 5 3 3 3 2 3 3 3 2 12 11 9 6 9 5 7 6 8 7 7 6 6 5 5 2 4 4 4 2 4 4 3 8 7 6 5 8 6 6 6 5 5 4 3 5 5 4 DT 362,4 361,4 361,4 358,0 362,4 362,4 362,4 362,4 362,4 360,2 360,2 359,8 359,1 359,8 359,8 359,6 350,5 1045,3 909,0 773,8 629,5 904,4 793,0 715,5 619,1 798,7 717,4 708,8 639,4 799,7 709,2 605,3 508,1 698,2 640,6 576,8 493,9 600,6 652,7 541,9 955,1 838,9 711,8 545,8 888,9 765,7 642,7 598,1 684,8 613,6 555,3 444,2 630,2 610,0 560,2 489,1 NV 5 5 5 5 5 5 5 5 5 3 3 3 2 3 3 3 2 13 11 9 6 10 8 7 6 8 8 7 6 5 6 5 3 4 4 3 2 4 5 3 9 8 6 5 9 7 6 6 5 5 4 3 5 5 5 4

SA-RAI Desvio Desvio da Mdio Melhor Soluo 0,00% 0,51% 0,00% 0,54% 0,00% 0,64% 0,00% 2,47% 0,00% 0,28% 0,00% 0,00% 0,00% 0,93% 0,00% 0,25% 0,00% 0,52% 0,00% 4,90% 0,00% 4,19% 0,00% 1,17% 4,42% 2,57% 0,00% 0,76% 0,00% 1,30% 0,00% 1,10% 0,00% 2,58% 0,74% 0,12% 0,00% 0,89% 1,51% 0,12% 3,65% 0,66% 2,55% 0,57% 0,00% 2,45% 3,70% 0,62% 3,45% 0,23% 3,04% 1,51% 4,80% 2,93% 3,40% 0,23% 4,69% 1,46% 3,08% 0,98% 3,95% 1,53% 3,31% 0,30% -0,27% 2,28% 3,31% 1,17% 3,27% 1,30% -1,33% 1,55% 3,54% 1,27% 3,13% 0,00% 3,48% 1,10% -1,71% 1,78% 2,97% 1,18% 5,35% 1,99% 7,27% 0,13% 0,00% 1,93% 6,86% 3,93% 16,62% 5,88% 0,00% 3,55% 0,00% 0,51% 0,00% 3,47% 0,00% 0,05% 0,00% 6,30% 0,00% 4,65% 0,00% 0,52% 0,00% 0,15% 0,35% 0,29% -

Tempo mdio (s) 38,90 36,69 33,52 30,51 37,14 38,33 35,34 33,38 31,86 36,96 34,73 33,07 28,16 34,43 32,75 32,29 32,09 42,02 38,35 36,06 33,04 38,47 36,85 34,85 32,15 34,96 33,57 33,71 31,94 32,37 31,63 30,32 28,09 30,28 29,68 29,26 27,72 29,76 29,87 28,25 38,38 37,67 35,71 33,39 37,55 35,15 34,84 33,56 33,37 32,11 30,88 28,85 32,44 30,83 30,30 28,56

http://neo.lcc.uma.es/radi-aeb/WebVRP/index.html ; (2) http://w.cba.neu.edu/~msolomon.


vol. XIII, n. 2, p. 5-20, dezembro de 2005

25

Tabela 3: Desempenho do algoritmo SA-RAI nas instncias de 100 clientes


Instncia C101-100 C102-100 C103-100 C104-100 C105-100 C106-100 C107-100 C108-100 C109-100 C201-100 C202-100 C203-100 C204-100 C205-100 C206-100 C207-100 C208-100 R101-100 R102-100 R103-100 R104-100 R105-100 R106-100 R107-100 R108-100 R109-100 R110-100 R111-100 R112-100 R201-100 R202-100 R203-100 R204-100 R205-100 R206-100 R207-100 R208-100 R209-100 R210-100 R211-100 RC101-100 RC102-100 RC103-100 RC104-100 RC105-100 RC106-100 RC107-100 RC108-100 RC201-100 RC202-100 RC203-100 RC204-100 RC205-100 RC206-100 RC207-100 RC208-100
(1)

Melhor Publicado DT 827,3 (2) 827,3 (2) 826,3 (2) 822,9 (2) 827,3 (2) 827,3 (2) 827,3 (2) 827,3 (2) 827,3 (2) 589,1 (2) 589,1 (2) 588,7 (2) 588,1 (2) 586,4 (2) 586,0 (2) 585,8 (2) 585,8 (2) 1637,7 (2) 1466,6 (2) 1208,7 (2) 971,5 (2) 1355,3 (2) 1234,6 (2) 1064,6 (2) 960,88 (2) 1146,9 (2) 1068,0 (2) 1048,7 (2) 982,14 (2) 1143,2 (2) 1191,7 (2) 939,54 (2) 825,52 (2) 994,42 (2) 906,14 (2) 893,33 (2) 726,75 (2) 909,16 (2) 939,34 (2) 892,71 (2) 1619,8 (2) 1457,4 (2) 1258,0 (2) 1135,48 (2) 1513,7 (2) 1424,73 (2) 1207,8(2) 1114,2(2) 1261,8 (2) 1092,3 (2) 1049,62 (2) 798,41 (2) 1154,0 (2) 1146,32 (2) 1061,14 (2) 828,14 (2) NV 10 10 10 10 10 10 10 10 10 3 3 3 3 3 3 3 3 20 18 14 11 15 13 11 9 13 12 12 9 8 3 3 2 3 3 2 2 3 3 2 15 14 11 10 15 11 12 11 9 8 3 3 7 3 3 3 DT 827,3 827,3 826,3 834,0 827,3 827,3 827,3 827,3 827,3 624,0 626,9 617,8 635,1 619,8 613,1 613,3 612,9 1675,9 1491,1 1236,0 1021,5 1399,1 1267,7 1107,7 967,85 1185,3 1119,8 1101,2 1000,26 1188,2 1062,06 889,69 759,70 1005,73 917,41 832,38 732,60 897,53 952,22 786,80 1686,0 1515,7 1335,4 1204,05 1544,0 1454,80 1292,2 1143,5 1311,8 1140,3 977,38 813,38 1183,7 1107,20 993,42 800,46 NV 10 10 10 10 10 10 10 10 10 4 4 4 4 4 4 4 4 21 19 15 12 17 14 13 11 13 12 13 11 10 9 6 5 7 6 6 4 6 8 6 18 16 12 12 16 14 13 12 10 10 7 5 8 7 7 5

SA-RAI Desvio Desvio da Mdio Melhor Soluo 0,00% 2,65% 0,00% 3,43% 0,00% 5,93% 6,68% 1,35% 0,00% 3,64% 0,00% 2,20% 0,00% 2,67% 0,00% 3,23% 0,00% 3,76% 16,79% 5,92% 15,25% 6,42% 14,38% 4,94% 12,96% 7,99% 13,26% 5,70% 10,43% 4,62% 11,75% 4,69% 10,95% 4,63% 4,00% 2,33% 3,88% 1,67% 4,85% 2,26% 8,42% 5,15% 6,38% 3,23% 6,15% 2,68% 7,74% 4,05% 5,18% 0,73% 7,26% 3,35% 7,93% 4,85% 7,75% 5,01% 5,31% 1,84% 6,50% 3,94% -6,99% -10,88% -5,31% 0,26% -3,17% -7,97% 3,99% 1,14% 5,15% 1,24% -1,98% -6,82% 6,37% 0,80% -1,28% 2,51% 3,90% 1,37% -8,10% -11,86% 7,14% 4,09% 7,37% 4,00% 10,80% 6,15% 10,19% 6,04% 7,15% 2,00% 4,33% 2,11% 10,73% 6,99% 9,09% 2,63% 7,65% 3,96% 7,33% 4,39% -3,20% -6,88% 7,20% 1,87% 6,36% 2,57% -0,43% -3,41% -2,01% -6,38% -3,34% 2,71%

Tempo mdio (s) 216,93 195,78 176,10 153,89 199,60 191,75 189,05 173,74 160,79 187,29 173,76 159,53 144,93 165,34 157,78 158,04 151,83 228,56 212,50 191,48 171,01 201,05 196,39 181,88 167,82 180,77 175,59 179,53 162,85 160,34 156,87 149,18 139,16 147,07 144,24 141,05 134,48 143,38 147,08 134,52 210,34 205,81 192,22 178,44 202,19 188,23 182,61 176,49 165,48 159,54 152,58 142,80 159,85 151,13 145,64 138,82

http://neo.lcc.uma.es/radi-aeb/WebVRP/index.html ; (2) http://w.cba.neu.edu/~msolomon.

26

vol. XIII, n. 2, p. 5-20, dezembro de 2005