Métodos meta-heurísticos para o problema de localização de máxima cobertura multiobjetivo.

Abstract

A definição da melhor localização para uma instalação é uma decisão estratégica desafiante para os gestores de organizações públicas e privadas, vistos os inúmeros benefícios que uma decisão adequada pode gerar. A correta localização de uma ou mais instalações pode proporcionar vantagens competitivas para as organizações através da proximidade com clientes/fornecedores e de fontes de recursos, bem como com a redução de alguns custos operacionais e logísticos. Ela pode implicar, também, no melhor atendimento da demanda dos clientes. Porém, a decisão de localização requer inúmeros estudos específicos e necessita da utilização de algum tipo de ferramenta para auxiliar na análise das alternativas. Visando auxiliar os gestores das organizações na determinação da localização de instalações, tornando a tomada de decisão mais adequada, este trabalho tem como objetivo desenvolver métodos para a resolução do problema de localização de máxima cobertura formulado como um problema de otimização multiobjetivo (MO-PLMC). Problemas de localização tratam de decisões sobre a obtenção da melhor configuração para a instalação de uma ou mais facilidades, visando atender com qualidade a demanda de uma população, com o menor custo possível. O MO-PLMC será abordado buscando a otimização de dois objetivos: a maximização da demanda atendida e a minimização do custo de instalação das facilidades. Na resolução de um problema de otimização multiobjetivo é determinado um diagrama de Pareto, onde cada ponto representa uma solução Pareto-ótima. Porém, a construção do diagrama pode ser muito complexa, dependendo da natureza do problema a ser resolvido. Visto isso, foram implementados e testados dois métodos meta-heurísticos, baseados no Greedy Randomized Adaptive Search Procedure e no Variable Neighborhood Search, para gerar conjuntos de soluções Pareto-ótimas

para o MO-PLMC. Para avaliar a eficiência dos métodos, os conjuntos de soluções Pareto- ótimas obtidos através da utilização de instâncias geradas como proposto na literatura, e

adaptadas para a otimização multiobjetivo, foram comparados através de três métricas de avaliação de desempenho: medidas de distância, diferença de hipervolume e taxa de erro. Foram realizados, também, experimentos estatísticos com o intuito de comprovar a existência de diferença significativa entre os métodos com relação às métricas utilizadas. Para isso foi utilizado o teste estatístico t de Student, adequado para a comparação de duas populações. Com base nos experimentos computacionais, concluiu-se que o MOVNS foi superior ao GMO, para todas as instâncias, em relação às três métricas.