PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/5288
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGalvao Junior, Jovanio Josept_BR
dc.date.accessioned2022-12-19T22:12:17Z-
dc.date.available2022-12-19T22:12:17Z-
dc.date.issued2022-12-10-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/5288-
dc.description.abstractIn this work, a generalization of the Capacitated Vehicle Routing Problem (CVRP) called Vehicle Routing Problem with Simultaneous Pickup and Delivery (VRPSPD) was addressed. In this variant that generalizes the CVRP, a set of collection demands is added, which must be met simultaneously with the set of delivery demands. The objective of the VRPSPD is to determine routes that meet all collection and delivery demands for all customers, with all vehicles starting at the depot and returning to the depot, minimizing the total distance traveled by all vehicles. This work proposes the use of real data collected from available and free map applications. Throughout the proposed work was to use a heuristic called Ant Colony Optimization Algorithm (ACO) to solve the VRPSPD, along with the ACO two other approaches were used, a solver called Gurobi and a heuristic called Busca Tabu (TS, being the solver and the TS heuristic already exists in the literature and was used as a benchmark. in map applications. The Gurobi solver proved to be very effective in small instances and even in some medium ones, while in large instances the solver did not achieve a good performance with the parameters and averages, but in larger instances they did not show a good performance. The ACO proved to be better in most instances, that is, it was better in time to obtain the solution and in the cost obtained.pt_BR
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectVRPSPDpt_BR
dc.subjectAlgoritmo de otimização por colônia de formigas (ACO)pt_BR
dc.titleProblema de roteamento de veículos com coleta e entrega simultânea com dados coletados a partir de aplicativos de mapaspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Ribeiro, Alexandrept_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1810688034922299pt_BR
dc.contributor.referee1Dantas, Maria José Pereirapt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5115002204148904pt_BR
dc.contributor.referee2Gusmão, Mírian Sandra Rosapt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2339662575282521pt_BR
dc.description.resumoNeste trabalho foi abordada uma generalização do Problema de Roteamento de Veículos Capacitados (CVRP), chamada Problema de Roteamento de Veículos Com Coleta e Entrega Simultânea (VRPSPD). Nesta variante que generaliza o CVRP é adicionado um conjunto de demandas de coleta, que devem ser atendidas simultaneamente ao conjunto de demandas de entrega. O Objetivo do VRPSPD é determinar rotas que atendam todas as demandas de coleta e entrega para todos os clientes, sendo que todos os veículos devem iniciar no depósito e retornar ao depósito, minimizando a distância total percorrida por todos os veículos. Este trabalho propõe utilizar dados reais coletados a partir de aplicativos de mapas disponíveis e livres. Ao longo do trabalho foi proposto utilizar uma heurística chamada Algoritmo de Otimização por Colônia de Formigas (ACO) para solucionar o VRPSPD, junto ao ACO outras duas abordagens foram utilizadas, um solver chamado Gurobi e uma heurística chamada Busca Tabu (TS), sendo o solver e a heurística TS já existentes na literatura e foram utilizadas para benchmark. Os experimentos computacionais consistiram em executar todas as abordagens (soluções propostas) com um conjunto de parâmetros e considerar a melhor solução obtida nessas condições para um conjunto de instâncias criadas a partir dos dados coletados em aplicativos de mapa. O solver Gurobi mostrou-se bem efetivo em instâncias pequenas e até em algumas medias, já em instâncias grandes o solver não conseguiu um bom desempenho com os parâmetros definidos. A TS apresentou-se efetiva em quase todas as instâncias pequenas e médias, já em instâncias maiores não demonstrou um bom desempenho. O ACO mostrou-se melhor na maioria das instâncias, visto que, ficou melhor em tempo para obter a solução e no custo obtido.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.creator.Latteshttp://lattes.cnpq.br/246649544236069pt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
tcc.pdf1,53 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador