Algoritmos genéticos aplicados ao problema de carregamento de contêiner

Abstract

O transporte é um elemento representativo na logística da maioria das empresas. Diminuir custos neste aspecto significa diminuir o custo agregado do produto, o que consequentemente gera uma maior competitividade em um cenário globalizado e um mercado onde a competição está cada vez mais acirrada. É nesse cenário que o problema de carregamento de contêineres está inserido. Mesmo possuindo abordagens clássicas na literatura, esse problema tem inúmeras faces, onde cada restrição ou conjunto de restrições representa uma abordagem diferente. Partindo dessa premissa, o objetivo principal desse trabalho é implementar um algoritmo genético para o problema de carregamento de contêineres a fim de observar a eficácia dessa meta-heurística nesse tipo de problema. Na metodologia, aplicou-se uma pesquisa experimental de campo na qual implementou-se um algoritmo genético com base na fundamentação teórica desenvolvida. A análise dos dados foi feita com a extração de dados das execuções da aplicação e gerações de gráficos. Nos resultados do trabalho, o algoritmo genético implementado mostrou-se capaz de realizar a otimização demonstrando que a heurística é eficaz. Além disso pode-se perceber que no cruzamento ordenado, a taxa de cruzamento maior combinada com a taxa de mutação menor, apresenta melhores resultados para indivíduos com maior quantidade de genes.

Transportation is a representative element in the logistics of most companies. Reduce costs in this aspect means reducing the aggregate cost of the product, which in turn generates greater competitiveness in a globalized scenario and a market where competition is increasingly fierce. It is in this scenario that the container loading problem is inserted. Even with conventional approaches in the literature, this problem has a number of faces where each constraint or set of constraints is a different approach. From this premise, the major objective of this paper is to implement a genetic algorithm for the container loading problem in order to observe the effectiveness of this heuristic in this type of problem. In the methodology, we applied an experimental field study in which it was implemented a genetic algorithm based on the developed theoretical framework. Data analysis was done with the extraction of data from the application executions and generations of graphics. The results of the study, the genetic algorithm implemented was capable of performing the optimization demonstrate that the heuristic is effective. Also one can see that the intersection commanded the largest intersection rate combined with lower mutation rate, the best results for individuals with larger number of genes.