Submitted by Caroline Periotto (carol@ufscar.br) on 2016-09-19T18:29:26Z No. of bitstreams: 1 DissRBL.pdf: 2233937 bytes, checksum: 7a73fb1e4ba8f340cb8d4bdf4e8153d4 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-20T18:01:34Z (GMT) No. of bitstreams: 1 DissRBL.pdf: 2233937 bytes, checksum: 7a73fb1e4ba8f340cb8d4bdf4e8153d4 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-20T18:05:15Z (GMT) No. of bitstreams: 1 DissRBL.pdf: 2233937 bytes, checksum: 7a73fb1e4ba8f340cb8d4bdf4e8153d4 (MD5) / Made available in DSpace on 2016-09-20T18:05:28Z (GMT). No. of bitstreams: 1 DissRBL.pdf: 2233937 bytes, checksum: 7a73fb1e4ba8f340cb8d4bdf4e8153d4 (MD5) Previous issue date: 2015-12-14 / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / The Brazilian market for dairy products is highly competitive and is still dominated by multinationals. Thus, it's essential that the national companies to invest in operational efficiency in order to compete successfully. Therefore, this research focuses in a small dairy company of the state of Pará, whose distribution system requires periodic stops for battery recharging. Moreover, the system is characterized by multiple periods and multiple time windows. To our knowledge, so far the literature hasn't presented a directly applicable methodology for the treatmeant of the application with similar characteristics. Therefore, aiming to provide more effective solutions than the ones in practice, a mixed integer linear model was developed to describe (and solve) the problem as a vehicle routing problem with time window constraints, multi-period and periodic stops for recharging. The results showed that the model adequately describes the distribution of the company, and the obtained solutions are better than those currently practiced. Furthermore, the model shows good performance within 3600 seconds of computational time for instances of 40 customers, 1 vehicle and 1 and 2 recharging stations. Aiming to tackle with larger examples, we developed a mathematical programming heuristic Relax-and-Fix to solve the model. It was also tested adapting a similar model present in the literature in order to analyze if the relaxation of some restrictions have a positive impact on the quality of the solutions. Finally, we propose a location-distribution model for recharging stations in order to examine whether the addition of new stations produce significant improvements in the solutions. / O mercado brasileiro de laticínios é altamente competitivo, sendo ainda dominado por multinacionais. Desta forma, é indispensável que as empresas nacionais invistam na eficiência operacional de forma a concorrer satisfatoriamente neste mercado. À vista disso, o foco desta pesquisa é uma pequena empresa de laticínios do Estado do Pará, cujo o sistema de distribuição a pontos de venda possui a particularidade de necessitar de paradas periódicas para recarga da bateria. Ainda, esse sistema tem como característica múltiplos períodos e múltiplas janelas de tempo. Nota-se que o levantamento bibliográfico realizado não apontou nenhuma metodologia diretamente aplicável para solução da aplicação real tratada. Portanto, objetivando provar soluções mais efetivas que as correntemente aplicadas na prática, foi desenvolvido um modelo linear inteiro misto para descrever (e resolver) o problema como um problema de roteamento de veículos com restrições janela de tempo, multi-períodos e paradas periódicas para recarga. Os resultados mostraram que o modelo proposto descreve adequadamente o processo distribuição da empresa, e as soluções obtidas são melhores que as praticadas atualmente. Além disso, verificou-se que o modelo tem um desempenho satisfatório em até 3600 segundos de processamento para instâncias de até 40 clientes, 1 veículo e até 2 postos de recarga. Com vistas ao tratamento de problemas de maior porte, foi desenvolvida uma heurística de programação matemática do tipo Relax-and-Fix para resolução do modelo. Também foi testada a adaptação de um modelo similar presente na literatura, visando analisar se a relaxação de algumas restrições impacta positivamente na qualidade das soluções. Finalmente, é proposto um modelo de localização-distribuição de postos de recarga, de forma a se examinar se a inclusão de novos postos produz melhorias significativas nas soluções atuais. / FAPESP: 14/10330-0

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-10-06T17:59:08Z No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-20T13:51:08Z (GMT) No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-20T13:51:14Z (GMT) No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) / Made available in DSpace on 2016-10-20T13:51:20Z (GMT). No. of bitstreams: 1 DissJFSN.pdf: 5729965 bytes, checksum: 946688f479f7780db197fa49b4b4c853 (MD5) Previous issue date: 2016-03-21 / Não recebi financiamento / Vehicle routing problems occur in many practical situations where the pickup and/or delivery of goods is required. In this context, the present research aims to contribute to the study of logistic operations that arise in companies that deliver products on a regular basis to customers in densely populated urban areas. The problem consists in designing minimal cost daily routes serving the maximal number of customers. To this end, the crew of each vehicle comprise multiple deliverymen as means to reduce service times. Based on a case study in a drinks producer and distributor in the state of São Paulo, it is proposed a mixed integer linear programming model that comprise costs with own and chartered vehicles and the number of deliverymen, and various operational constraints such as time windows in customers, multiple daily trips, time limitations for the circulation of some vehicle types in specific areas, compatibility between vehicles and customers, maximum load in each vehicle, maximum route time and minimum load for the realization of a second trip. Results obtained by solving the model with real instances through exact (branch&cut), heuristic (constructive, local search, GRASP and Simulated Annealing) and hybrid (GRASP and branch&cut) approaches demonstrate the good quality of the generated solutions, and indicate the potential of application of some of these methods in practice. / Problemas de roteamento de veículos ocorrem em diversas situações práticas onde se faz necessária a distribuição e/ou coleta de produtos. Nesse contexto, a presente pesquisa visa o estudo das operações logísticas presentes em empresas que entregam produtos em base regular a clientes localizados em áreas urbanas de alta densidade demográfica. O problema consiste na obtenção de rotas de mínimo custo visando o atendimento do maior número de clientes da carteira diária. Para tal, a tripulação de cada veículo pode contemplar múltiplos entregadores para redução dos tempos de serviço. Com base em um estudo de caso em uma distribuidora de bebidas do interior do Estado de São Paulo, é proposto um modelo de programação linear inteira mista que considera custos com frota própria e fretada e com o número de entregadores, e diversas restrições operacionais, tais como janelas de tempo em clientes, múltiplas viagens diárias, limitações de horários de circulação de tipos de veículos, compatibilidade entre veículos e clientes, capacidade máxima de carga a ser transportada em cada veículo, tempo máximo de rota e carga mínima para realização da segunda viagem. Resultados da resolução do modelo para instâncias reais por meio de abordagens exatas (branch&cut), heurísticas (construtiva, busca local, GRASP e Simulated Annealing) e híbrida (GRASP e branch&cut), demonstram a boa qualidade das soluções geradas, e evidenciam o potencial de uso dessas metodologias na prática.

Made available in DSpace on 2016-06-02T19:50:20Z (GMT). No. of bitstreams: 1 5182.pdf: 6075915 bytes, checksum: 91596b4ab6b9108e05799c5f3c87831d (MD5) Previous issue date: 2013-05-17 / Financiadora de Estudos e Projetos / The object of this study are combined problems of the Vehicle Routing Problem and the Container Loading Problem, recently addressed as Integrated Vehicle Routing and Loading Problems. In these problems, the objective is to optimize simultaneously the planning of the vehicles routes and the arrangement of the cargo inside them, while considering a series of practical constraints from both vehicle routing and container loading. The objectives of this study are: (i) to study the integration between the Vehicle Routing Problem and the Container Loading Problem; (ii) to develop mathematical programming models to represent Integrated Vehicle Routing and Loading Problems; (iii) to develop and implement heuristics and metaheuristics to solve some of these problems; (iv) to analyze and compare the performance of the proposed models, by means of modeling languages and optimization solvers, as well as the heuristic methods, when solving instances from the literature and real-world situations. Besides being hard and relatively less studied problems, the main reason for this study is that with effective solution methods for optimizing the vehicle routing and the cargo loading, operational and tactical decisions could be made with more reliability, accuracy, quickness and with less uncertainty in real situations, besides of an improved use of the staff tasked to load and unload the cargo. On the other hand, these methods can also be usefull to reduce fixed and variable costs in a company that might use them. Computational experiments with some of the proposed models were performed with an optimization software and randomly generated instances. The results show that the models are consistent and properly represent the practical situations treated, although this approach (in its current version) is limited to solve to optimality only problems of moderate size, that is, situations with few customers, few vehicles, and mainly with a relatively reduced number of possible positions to load the boxes. This has motivated the development of heuristic and metaheuristic methods to solve more realistic vehicle routing and loading problems. The algorithms are based on the combination of classical heuristics from both the vehicle routing and container loading literatures, as well as two metaheuristic strategies, and their use in more elaborate procedures. Although these approaches cannot assure optimal solutions for the respective problems, they are relatively simple, fast enough to solve real instances, flexible enough to include practical considerations, and normally assure relatively good solutions in acceptable computational times in practice. Computational experiments were performed with these methods considering instances based on the vehicle routing literature and actual customers orders, as well as instances based on a real-world situation where the problem occurs. / O objeto de estudo deste trabalho são problemas combinados do Problema de Roteamento de Veículos com o Problema de Carregamento de Contêineres, tratados mais recentemente na literatura como Problemas Integrados de Roteamento e Carregamento de Veículos. Nestes problemas, genericamente, busca-se otimizar simultaneamente o planejamento dos roteiros dos veículos e o arranjo da carga dentro dos mesmos, respeitando-se uma série de considerações práticas que advêm tanto do Problema de Roteamento de Veículos como do Problema de Carregamento de Contêineres. Os objetivos deste trabalho são: (i) estudar a integração do Problema de Roteamento de Veículos com o Problema de Carregamento de Contêineres; (ii) desenvolver modelos de programação matemática para representar Problemas Integrados de Roteamento e Carregamento de Veículos; (iii) desenvolver e implementar métodos heurísticos e meta-heurísticos para resolver alguns destes problemas; (iv) analisar e comparar o desempenho da solução dos modelos, via linguagens de modelagem e aplicativos de otimização, e dos métodos heurísticos desenvolvidos ao resolver exemplos baseados na literatura e em situações reais em que este problema ocorre. Além de serem problemas difíceis e relativamente pouco estudados, a principal justificativa para o estudo destes problemas é que, com métodos de solução eficazes para a otimização do roteamento dos veículos e do carregamento das cargas, decisões operacionais e táticas podem ser tomadas com maior segurança, acurácia, rapidez e menor incerteza em situações reais, além de possibilitar um melhor desempenho do pessoal encarregado da montagem e descarregamento da carga. Por outro lado, estes métodos também podem ser úteis na redução de custos fixos e variáveis de uma empresa que venha a utilizá-los. Experimentos computacionais com alguns dos modelos propostos foram realizados utilizando um aplicativo de otimização e aplicados a exemplos gerados aleatoriamente. Estes resultados mostram que os modelos são coerentes e representam adequadamente as situações tratadas, embora esta abordagem (na sua versão atual) esteja limitada a resolver otimamente apenas problemas de tamanho bem moderado, isto é, em que haja poucos clientes, poucos veículos, e que o número de possíveis posições para se arranjar as caixas dentro de cada veículo seja relativamente pequeno. Isso motivou o desenvolvimento de métodos heurísticos e meta-heurísticos para resolver problemas mais realistas de roteamento e carregamento de veículos. Os algoritmos são baseados na combinação de heurísticas clássicas das literaturas de Roteamento de Veículos e de Carregamento de Contêineres, bem como em duas estratégias meta-heurísticas, e no uso delas em procedimentos mais elaborados. Embora não haja garantias de que as soluções obtidas para os respectivos problemas sejam ótimas, tratam-se de heurísticas relativamente simples, suficientemente rápidas para resolver problemas reais, razoavelmente flexíveis para incorporar aspectos práticos, e que normalmente garantem soluções relativamente boas em tempos computacionais aceitáveis na prática. Experimentos computacionais foram realizados com estes métodos considerando exemplos baseados na literatura de Roteamento de Veículos e em pedidos reais de cargas, bem como exemplos baseados em um caso real em que o problema ocorre.

Submitted by Maike Costa (maiksebas@gmail.com) on 2017-06-29T14:15:20Z No. of bitstreams: 1 arquivototal.pdf: 1397036 bytes, checksum: 303111e916d8c9feca61ed32762bf54c (MD5) / Made available in DSpace on 2017-06-29T14:15:20Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1397036 bytes, checksum: 303111e916d8c9feca61ed32762bf54c (MD5) Previous issue date: 2017-01-31 / The Maximu m Diversity Problem (MDP) is a problem of combinatorial optimization area that aims to select a pre-set number of elements in a given set so that a sum of the differences between the selected elements are greater as possible. MDP belongs to the class of NP-Hard problems, that is, there is no known algorithm that solves in polynomial time accurately. Because they have a complexity of exponential order, require efficient heuristics to provide satisfactory results in acceptable time. However, heuristics do not guarantee the optimality of the solution found. This paper proposes a new hybrid approach for a resolution of the Maximum Diversity Problem and is based on the Particle Swarm Optimization (PSO) and Tabu Search (TS) metaheuristics, The algorithm is called PSO_TS. The use of PSO_TS achieves the best results for known instances testing in the literature, thus demonstrating be competitive with the best algorithms in terms of quality of the solutions. / O Problema da Diversidade Máxima (MDP) é um problema da área de Otimização Combinatória que tem por objetivo selecionar um número pré-estabelecido de elementos de um dado conjunto de maneira tal que a soma das diversidades entre os elementos selecionados seja a maior possível. O MDP pertence a classe de problemas NP-difícil, isto é, não existe algoritmo conhecido que o resolva de forma exata em tempo polinomial. Por apresentarem uma complexidade de ordem exponencial, exigem heurísticas eficientes que forneçam resultados satisfatórios em tempos aceitáveis. Entretanto, as heurísticas não garantem otimalidade da solução encontrada. Este trabalho propõe uma nova abordagem híbrida para a resolução do Problema da Diversidade Máxima e está baseada nas meta-heurísticas de Otimização por Nuvem de Partículas (PSO) e Busca Tabu(TS). O algoritmo foi denominado PSO_TS. Para a validação do método, os resultados encontrados são comparados com os melhores existentes na literatura.

Submitted by Jesiel Ferreira Gomes (jesielgomes@ufcg.edu.br) on 2018-04-20T20:05:55Z No. of bitstreams: 1 Paulo Aliberto Barros PUCU – TESE (PPGEQ) 2015.pdf: 1544520 bytes, checksum: 9f0c94dbee5a50446ebe3c2ab8e538a5 (MD5) / Made available in DSpace on 2018-04-20T20:05:55Z (GMT). No. of bitstreams: 1 Paulo Aliberto Barros PUCU – TESE (PPGEQ) 2015.pdf: 1544520 bytes, checksum: 9f0c94dbee5a50446ebe3c2ab8e538a5 (MD5) Previous issue date: 2015-02-24 / O Brasil possui atualmente 115 plataformas de petróleo, sendo 79 fixas e 34 flutuantes, com capacidade de produção de 2,1 milhões de barris diários de petróleo. Diante desta produção torna-se necessária uma estratégia eficiente para a distribuição deste petróleo para as refinarias, onde será processado e refinado. O petróleo proveniente das plataformas é transportado para as refinarias através de navios ou dutos, sendo que grande parte do custo operacional de produção é devido ao seu transporte. Por este motivo a minimização do custo de transporte é extremamente importante. Este trabalho tem por objetivo, utilizando a técnica de programação matemática (Programação Linear Inteira Mista – PLIM), reduzir os custos decorrentes do sistema de transporte. O modelo consiste em uma frota heterogênea de navios, os quais apresentam compartimentos que só podem ser ocupados por um único tipo de produto em cada viagem. Inicialmente são geradas todas as possíveis rotas e, posteriormente, selecionados os navios, associados às respectivas rotas, de forma a atender as demandas das refinarias e a necessidade de retirada de petróleo dos tanques de armazenamento das plataformas. Para a implementação do modelo foi utilizado o software GAMS (General Algebraic Modeling System), juntamente com os solveres de otimização CPLEX e BONMIN. / Currently, Brazil has 115 petroleum platforms, been 79 fixed and 34 floating, with daily production capacity of 2.1 million barrels of oil. Given this production is necessary a strategy for the efficient distribution of oil to refineries, where it will be processed and refined. Oil from the platforms is transported to refineries through pipelines or ships, with much of the operational cost of production is due to transport. For this reason the minimization of the cost of transport is extremely important. This work has for objective, using the technique of mathematical programming (linear mixed integer programming - LMIP), reduce costs arising from transport system. The model consists of a heterogeneous fleet of ships, which have compartments that can only be occupied by a single type of product on each trip. Initially are generated all possible routes and then selected the vessels, associated with their routes in order to attend the demand of refineries and the need for removal of oil in the storage tanks of the platforms. For the implementation of the model was used the software GAMS (General Algebraic Modeling System), together with the solveres of CPLEX and BONMIN optimization. The results were satisfactory.

The struggle to model and solve Combinatorial Optimization Problems (COPs) has challenged the development of new approaches to deal with COPs. In one of the front lines of such approaches, Operational Research (OR) and Constraint Programming (CP) optimization techniques are beginning to converge, despite their very different origins. More specifically, Mixed Integer Linear Programming (MILP) and Constraint Logic Programming (CLP) are at the confluence of the OR and the CP fields. This thesis summarizes and contrasts the essential characteristics of MILP and CLP, and the ways that they can be fruitfully combined. Chapters 1 to 3 sketch the intellectual background for recent efforts at integration and the main results achieved. In addition, these chapters highlight that CLP is known by its reach modeling framework, and the MILP modeling vocabulary is just based on inequalities, which makes the modeling process hard and error-prone. Therefore, a combined CLP-MILP approach suffers from this MILP inherited drawback. In chapter 4, this issue is addressed, and some "high-level" MILP modeling structures based on logical inference paradigms are proposed. These structures help the formulation of MILP models, and can be seen as a contribution towards a unifying modeling framework for a combined CLP-MILP approach. In addition, chapter 5 presents an MILP formulation addressing a combinatorial problem. This problem is focused on issues regarding the oil industry, more specifically, issues involving the scheduling of operational activities in a multi-product pipeline. Chapter 5 demonstrates the applicability of the high-level MILP modeling structures in a real-world scenario. Furthermore, chapter 6 presents a CLP-MILP formulation addressing the same scheduling problem previously exploited. This chapter demonstrates the applicability of the high-level MILP modeling structures in an integrated CLP-MILP modeling framework. The set of simulations conducted indicates that the combined CLP-MILP model was solved to optimality faster than either the MILP model or the CLP model. Thus, the CLP-MILP framework is a promising alternative to deal with the computational burden of this pipeline-scheduling problem. In essence, this thesis considers the integration of CLP and MILP in a modeling standpoint: it conveys the fundamentals of both techniques and the modeling features that help establish a combined CLP-MILP approach. Herein, the concentration is on the building of MILP and CLP-MILP models rather than on the solution process.

O estudo tem como finalidade tratar a alocação de recursos no nível operacional com a presença de incertezas. Para isso, foi proposta uma abordagem de otimização usando métodos heurísticos. As soluções de problemas de produção e logística, comumente abordadas em pesquisa operacional, exploram diversos parâmetros dentre os quais o presente estudo considera três como de incerteza: demanda, tempo de execução e indisponibilidade de recursos. Para tal finalidade foi escolhido como estudo de caso a resolução de um problema de logística. O problema consiste na minimização dos custos de operação, na seleção de veículos em uma frota heterogênea, consolidação das cargas para cada cliente e na seleção do tipo de frete utilizado. Quanto ao tipo de frete, são considerados dois, os quais se diferenciam quanto aos ativos envolvidos na produção e ao tipo de prestação de serviço, sendo eles: i) frota da empresa com serviço terceirizado; ii) frota e serviços totalmente terceirizados. O problema original foi decomposto em duas etapas: i) Compartimentalizador e ii) Alocador. As duas etapas são solucionadas via a abordagem de Busca Tabu, sendo que a primeira etapa (Compartimentalizador) gera uma lista dos carregamentos factíveis que atenda pedidos de até três clientes distintos. O Alocador se utiliza da lista dos carregamentos factíveis para definir como e quando cada pedido será atendido. Os resultados indicam a viabilidade da adoção desta abordagem para a solução de problemas reais. / The study aims to address the allocation of resources at the operational level under uncertainties. For this reason, it was proposed an optimization approach based on heuristic methods. The resolutions of production and logistics problems, commonly addressed in operational research, explore various parameters among which the present study considers three variables of uncertainty: demand, operation time and resources availability. For this purpose a logistics problem was chosen as study of case. The problem consists in minimizing cost operation, selection of vehicles in a heterogeneous fleet, consolidation of loads for each client and selecting the type of freight payables. Regarding of freight payables types, there are centered in two different tariffs, mainly due to assets and service negotiation, such as: i) fleet controlled by company and service outsource; ii) fleet and service completely outsource. The resolution of the original problem was broke down in two steps: i) Compartmentalizer and ii) Allocator. Both steps are solved through Tabu Search approach; the first step (Compartmentalizer) generates a list of feasible shipments to fulfill orders up to three different customers. The second step, the allocator uses the list of feasible shipments to define how and when each request will be supplied. The results aim the feasibility of assumes this approach in order to solve real problems.

A Inteligência de Enxame (Swarm Intelligence) é uma área de estudos que busca soluções para problemas de otimização utilizando-se de técnicas computacionais inspiradas no comportamento social emergente encontrado na biologia. A metaheurística Particle Swarm Optimization (PSO) é relativamente nova e foi inspirada no comportamento social de bandos de pássaros. PSO tem apresentado bons resultados em alguns trabalhos recentes de otimização discreta, apesar de ter sido concebido originalmente para a otimização de problemas contínuos. Este trabalho trata o Problema de Atribuição de Tarefas - Task Assignment Problem (TAP), e apresenta uma aplicação: o problema de alocação de táxis e clientes, cujo objetivo da otimização está em minimizar a distância percorrida pela frota. Primeiramente, o problema é resolvido em um cenário estático, com duas versões do PSO discreto: a primeira abordagem é baseada em codificação binária e a segunda utiliza permutações para codificar as soluções. Os resultados obtidos mostram que a segunda abordagem é superior à primeira em termos de qualidade das soluções e tempo computacional, e é capaz de encontrar as soluções ótimas para o problema nas instâncias para as quais os valores ótimos são conhecidos. A partir disto, o algoritmo é adaptado para a otimização do problema em um ambiente dinâmico, com a aplicação de diferentes estratégias de resposta às mudanças. Os novos resultados mostram que a combinação de algumas abordagens habilita o algoritmo PSO a obter boas soluções ao longo da ocorrência de mudanças nas variáveis de decisão problema, em todas as instâncias testadas, com diferentes tamanhos e escalas de mudança. / Swarm Intelligence searches for solutions to optimization problems using computational techniques inspired in the emerging social behavior found in biology. The metaheuristic Particle Swarm Optimization (PSO) is relatively new and can be considered a metaphor of bird flocks. PSO has shown good results in some recent works of discrete optimization, despite it has been originally designed for continuous optimization problems. This paper deals with the Task Assignment Problem (TAP), and presents an application: the optimization problem of allocation of taxis and customers, whose goal is to minimize the distance traveled by the fleet. The problem is solved in a static scenario with two versions of the discrete PSO: the first approach that is based on a binary codification and the second one which uses permutations to encode the solution. The obtained results show that the second approach is superior than the first one in terms of quality of the solutions and computational time, and it is capable of achieving the known optimal values in the tested instances of the problem. From this, the algorithm is adapted for the optimization of the problem in a dynamic environment, with the application of different strategies to respond to changes. The new results show that some combination of approaches enables the PSO algorithm to achieve good solutions along the occurrence of changes in decision variables problem, in all instances tested, with different sizes and scales of change.

O estudo tem como finalidade tratar a alocação de recursos no nível operacional com a presença de incertezas. Para isso, foi proposta uma abordagem de otimização usando métodos heurísticos. As soluções de problemas de produção e logística, comumente abordadas em pesquisa operacional, exploram diversos parâmetros dentre os quais o presente estudo considera três como de incerteza: demanda, tempo de execução e indisponibilidade de recursos. Para tal finalidade foi escolhido como estudo de caso a resolução de um problema de logística. O problema consiste na minimização dos custos de operação, na seleção de veículos em uma frota heterogênea, consolidação das cargas para cada cliente e na seleção do tipo de frete utilizado. Quanto ao tipo de frete, são considerados dois, os quais se diferenciam quanto aos ativos envolvidos na produção e ao tipo de prestação de serviço, sendo eles: i) frota da empresa com serviço terceirizado; ii) frota e serviços totalmente terceirizados. O problema original foi decomposto em duas etapas: i) Compartimentalizador e ii) Alocador. As duas etapas são solucionadas via a abordagem de Busca Tabu, sendo que a primeira etapa (Compartimentalizador) gera uma lista dos carregamentos factíveis que atenda pedidos de até três clientes distintos. O Alocador se utiliza da lista dos carregamentos factíveis para definir como e quando cada pedido será atendido. Os resultados indicam a viabilidade da adoção desta abordagem para a solução de problemas reais. / The study aims to address the allocation of resources at the operational level under uncertainties. For this reason, it was proposed an optimization approach based on heuristic methods. The resolutions of production and logistics problems, commonly addressed in operational research, explore various parameters among which the present study considers three variables of uncertainty: demand, operation time and resources availability. For this purpose a logistics problem was chosen as study of case. The problem consists in minimizing cost operation, selection of vehicles in a heterogeneous fleet, consolidation of loads for each client and selecting the type of freight payables. Regarding of freight payables types, there are centered in two different tariffs, mainly due to assets and service negotiation, such as: i) fleet controlled by company and service outsource; ii) fleet and service completely outsource. The resolution of the original problem was broke down in two steps: i) Compartmentalizer and ii) Allocator. Both steps are solved through Tabu Search approach; the first step (Compartmentalizer) generates a list of feasible shipments to fulfill orders up to three different customers. The second step, the allocator uses the list of feasible shipments to define how and when each request will be supplied. The results aim the feasibility of assumes this approach in order to solve real problems.

The struggle to model and solve Combinatorial Optimization Problems (COPs) has challenged the development of new approaches to deal with COPs. In one of the front lines of such approaches, Operational Research (OR) and Constraint Programming (CP) optimization techniques are beginning to converge, despite their very different origins. More specifically, Mixed Integer Linear Programming (MILP) and Constraint Logic Programming (CLP) are at the confluence of the OR and the CP fields. This thesis summarizes and contrasts the essential characteristics of MILP and CLP, and the ways that they can be fruitfully combined. Chapters 1 to 3 sketch the intellectual background for recent efforts at integration and the main results achieved. In addition, these chapters highlight that CLP is known by its reach modeling framework, and the MILP modeling vocabulary is just based on inequalities, which makes the modeling process hard and error-prone. Therefore, a combined CLP-MILP approach suffers from this MILP inherited drawback. In chapter 4, this issue is addressed, and some "high-level" MILP modeling structures based on logical inference paradigms are proposed. These structures help the formulation of MILP models, and can be seen as a contribution towards a unifying modeling framework for a combined CLP-MILP approach. In addition, chapter 5 presents an MILP formulation addressing a combinatorial problem. This problem is focused on issues regarding the oil industry, more specifically, issues involving the scheduling of operational activities in a multi-product pipeline. Chapter 5 demonstrates the applicability of the high-level MILP modeling structures in a real-world scenario. Furthermore, chapter 6 presents a CLP-MILP formulation addressing the same scheduling problem previously exploited. This chapter demonstrates the applicability of the high-level MILP modeling structures in an integrated CLP-MILP modeling framework. The set of simulations conducted indicates that the combined CLP-MILP model was solved to optimality faster than either the MILP model or the CLP model. Thus, the CLP-MILP framework is a promising alternative to deal with the computational burden of this pipeline-scheduling problem. In essence, this thesis considers the integration of CLP and MILP in a modeling standpoint: it conveys the fundamentals of both techniques and the modeling features that help establish a combined CLP-MILP approach. Herein, the concentration is on the building of MILP and CLP-MILP models rather than on the solution process.