Problema de roteamento de veículos com coleta e entrega de cargas completas: métodos de otimização e restrições práticas da milha intermediária da cadeia de suprimentos

Resumo

Este projeto visa estudar uma rica variante do problema de roteamento de veículos com coleta e entrega de cargas completas. A variante é baseada nas operações da milha intermediária da cadeia de suprimentos e aborda uma configuração na qual um operador de serviços logísticos precisa transportar cargas completas entre múltiplos centros de distribuição. O operador logístico possui uma frota limitada de veículos e tem a opção de terceirizar o atendimento de parte da demanda. Em consonância com a crescente preocupação ambiental e ecológica, a frota considerada é movida a eletricidade ou combustíveis provenientes de fontes renováveis. Isso implica na necessidade de se estabelecer um planejamento para o reabastecimento dos veículos em pontos estratégicos da rede de transporte. Além das clássicas restrições de roteamento, como janelas de tempo, pareamento e pontos de coleta e entrega, esta variante também lida com a programação do trabalho de um conjunto de motoristas ao longo de um horizonte de planejamento. Cada motorista possui restrições de bio-ritmo, que indicam os horários de início e término das atividades, bem como limitações de viagem, que o impede de se afastar de seu domicílio por um número máximo de dias. Tais restrições são particularmente relevantes no contexto das operações da milha intermediária e devem ser consideradas na elaboração dos roteiros da frota própria. Para resolver este novo problema, será desenvolvido um modelo matemático e uma API (Application Programming Interface), que integra várias metaheurísticas em um framework colaborativo e paralelizado. Tal API será genérica e poderá ser reutilizada para resolver outros problemas de otimização combinatória, demandando apenas a implementação de funções decodificadoras. Como uma inovação metodológica, pretende-se explorar o conceito de chaves aleatórias (random-keys), proposto no Random-Key Genetic Algorithm (RKGA) e no Biased RKGA, em diversas metaheurísticas clássicas da literatura. Os algoritmos implementados serão avaliados tanto em conjuntos de dados públicos da literatura quanto em conjuntos de dados gerados especificamente para a variante em estudo. Ao final do projeto, a API será disponibilizada publicamente para a comunidade acadêmica. (AU)