We address a number of operational challenges encountered in two emerging types of practices in the procurement of truckload transportation services: collaboration and auctions. The main objective in these two types of procurement strategies is identifying and exploiting synergies between the lanes of a carrier's network. In shipper collaboration, we take the perspective of a shipper who collaborates with other shippers to seek synergy between his lanes and other participants' lanes. On the other hand, in procurement auctions, although we take the carriers' perspective in our work, a shipper tries to discover the carrier (or carriers) whose network has the most synergy with his lanes. The first part of the thesis concerns the solution of optimization problems arising in collaborative transportation procurement networks where a group of shippers comes together and jointly negotiates with carriers for the procurement of transportation services. Through collaboration, shippers may be able to identify and submit sequences of continuous loaded movements to carriers, reducing the carriers' need for repositioning, and thus lowering the carriers' costs. A portion of the carriers' cost savings may be returned to the shippers in the form of lower prices. We discuss optimization technology that helps identify repeatable, dedicated truckload continuous move tours with little truck repositioning. Timing considerations are critical to practical viability and are a key focus of our efforts. We demonstrate the effectiveness of our algorithms on randomly generated instances as well as on instances derived from real-world data. The second part concerns the pricing of transportation services offered by the trucking companies (carriers). We look at the bid determination problem faced by carriers in transportation procurement auctions where a shipper requests quotes from multiple carriers and purchases the services of the lowest bidder. The specific problem being studied is the bid valuation problem in the case where the carrier must place bids on multiple lanes simultaneously. We model the problem as a stochastic optimization problem and propose a coordinate search algorithm for solving this problem. Then, we conduct a simulation study to demonstrate the positive impact of the approach on carrier profits.

A necessidade de redução de custos logísticos tem obrigado as empresas a colaborar entre si. O problema de logística colaborativa aqui enfocado é assim definido: identificar ciclos (ou seja, um percurso fechado) em um conjunto de rotas de carga de lotação (onde o caminhão coleta carga em um ponto e vai diretamente ao local de descarga, pois é completamente preenchido) de vários embarcadores de forma a minimizar o reposicionamento (isto é, viagens sem carga útil) de caminhões, dado que o subconjunto de rotas de um determinado embarcador pode conter rotas que complementam aquelas de outro. Desta maneira, vários embarcadores combinados podem oferecer aos transportadores um conjunto de ciclos com movimentação regular de veículos com carga completa e com mínimo reposicionamento. Esse problema pode ser modelado como um problema particular de cobertura de conjuntos com restrição de ciclos, o problema de cobertura de rotas com cardinalidade restrita (PCRCR), que é NP-Hard. Este estudo apresenta uma heurística alternativa que obtém resultados, em média, 1,74% melhores que a literatura existente, além de solucionar instâncias maiores. Ademais, o tempo de execução da heurística cresce de forma polinomial em função do tamanho do problema, ao contrário dos demais métodos aqui avaliados, que possuem comportamento exponencial. / Cost and sustainability imperatives are compelling reasons to make companies to collaborate with each other in order to operate more efficiently. The shipper collaboration problem can be defined as how to identify tours (i.e. a closed path) in a set of lanes from various shippers that minimize truck repositioning (deadheads), as the sub-set of routes from a single shipper may have lanes that complement the routes of another shipper. Thus, combined shippers may offer to carriers a set of tours with regularly executed truckload movements (where the truck loads at a point and go directly to the disposal location) with minimum asset repositioning. This problem can be modeled as a particular case of the set covering formulation with constrained cycles, the cardinality constrained lane covering problem (CCLCP), which is NP-hard. This work resents an alternative heuristic that obtains results about 1.74% better than the existing literature, and solves larger instances. Besides, the heuristics execution time presents polynomial growth, unlike other methods that have exponential behavior.

Empresas estão procurando reduzir seus custos e aumentar seu desempenho e competitividade. Neste cenário de redução de custos, a logística colaborativa pode ser uma aliada. Numa rede complexa, onde embarcadores muitas vezes nem sabem da existência de outros embarcadores com demandas complementares, existe um potencial de sinergia e redução de custos através da diminuição de deslocamentos de veículos sem carga, ou seja, deslocamentos para reposicionar os veículos. Visando essa redução, o Problema de Cobertura de Rotas (PCR), que tem como objetivo cobrir rotas no mínimo custo, une as demandas de frete de vários embarcadores e tenta minimizar os deslocamentos sem cargas (reposicionamentos), reduzindo assim o custo total de toda a rede dos embarcadores envolvidos. Esta pesquisa propõe um modelo e uma heurística para resolver, em grande escala através de programação paralela, uma expansão do PCR. / Companies are looking to reduce costs and improve performance and competitiveness. In this cost-cutting scenario, collaborative logistics can be an ally. In a complex network where shippers often do not know of the existence of other shippers with complementary demands, there is potential for synergy and cost savings by reducing unloaded travelling of vehicles, i.e, the distance and time to reposition the vehicles\'. Towards that reduction, the Lane Covering Problem (LCP), which aims to cover at least cost routeslinks the various shippers\' demands of freight and tries to minimize operations without loads (repositioning), thus reducing the total cost of the entire network for involved shippers. This research proposes a model and an heuristic to solve, in large-scale through parallel programming, an expansion of the PCR.

A crescente necessidade de buscar operações mais eficientes, com menor custo e mais sustentáveis tem feito com que empresas passassem a procurar oportunidades pelas quais estes objetivos pudessem ser atingidos. Na área de transportes encontrou-se na colaboração uma oportunidade para tal. Este trabalho trata o problema de cobertura rotas com cardinalidade restrita (PCRCR), onde empresas que realizam viagens de carga cheia se unem com o objetivo de reduzir o deslocamento vazio de veículos através da formação de ciclos. É chamado de problema de cardinalidade restrita uma vez que limitamos o número de máximo de viagens no ciclo, o que torna este problema NP-Hard. Existem na literatura duas heurísticas (construtivas) e um modelo por programação linear inteira para a solução deste problema. Este trabalho apresenta uma heurística baseada em um método de busca local que reduziu em média 3,19% os melhores resultados apresentados na literatura. Também são apresentados os tempos de execução de cada um dos algoritmos e a importância de escolher de uma boa solução inicial quando se deseja implantar uma Heurística com Busca Local. / The growing need to seek more efficient, lower cost and more sustainable operations has caused industries to seek opportunities in which these objectives could be achieved. In the area of transportation, collaboration is an opportunity for that. This work deals with the cardinality constrained lane covering problem (CCLCP), where companies who uses full truck loads join efforts in order to reduce empty vehicle travel through closed cycle formation. It is known as cardinality constraint problem as the maximum number of trips in the cycle is limited to an integer number, which makes this problem NP-Hard. There are two heuristics in the literature (constructive) and an integer linear programming model for solving this problem. This work presents a heuristic based on a local search method that reduced an average of 3.19% the better results in the literature. It also presents the execution times of each algorithm and the importance of choosing a good initial solution when you want to create a Local Search Heuristic.

Empresas estão procurando reduzir seus custos e aumentar seu desempenho e competitividade. Neste cenário de redução de custos, a logística colaborativa pode ser uma aliada. Numa rede complexa, onde embarcadores muitas vezes nem sabem da existência de outros embarcadores com demandas complementares, existe um potencial de sinergia e redução de custos através da diminuição de deslocamentos de veículos sem carga, ou seja, deslocamentos para reposicionar os veículos. Visando essa redução, o Problema de Cobertura de Rotas (PCR), que tem como objetivo cobrir rotas no mínimo custo, une as demandas de frete de vários embarcadores e tenta minimizar os deslocamentos sem cargas (reposicionamentos), reduzindo assim o custo total de toda a rede dos embarcadores envolvidos. Esta pesquisa propõe um modelo e uma heurística para resolver, em grande escala através de programação paralela, uma expansão do PCR. / Companies are looking to reduce costs and improve performance and competitiveness. In this cost-cutting scenario, collaborative logistics can be an ally. In a complex network where shippers often do not know of the existence of other shippers with complementary demands, there is potential for synergy and cost savings by reducing unloaded travelling of vehicles, i.e, the distance and time to reposition the vehicles\'. Towards that reduction, the Lane Covering Problem (LCP), which aims to cover at least cost routeslinks the various shippers\' demands of freight and tries to minimize operations without loads (repositioning), thus reducing the total cost of the entire network for involved shippers. This research proposes a model and an heuristic to solve, in large-scale through parallel programming, an expansion of the PCR.

A necessidade de redução de custos logísticos tem obrigado as empresas a colaborar entre si. O problema de logística colaborativa aqui enfocado é assim definido: identificar ciclos (ou seja, um percurso fechado) em um conjunto de rotas de carga de lotação (onde o caminhão coleta carga em um ponto e vai diretamente ao local de descarga, pois é completamente preenchido) de vários embarcadores de forma a minimizar o reposicionamento (isto é, viagens sem carga útil) de caminhões, dado que o subconjunto de rotas de um determinado embarcador pode conter rotas que complementam aquelas de outro. Desta maneira, vários embarcadores combinados podem oferecer aos transportadores um conjunto de ciclos com movimentação regular de veículos com carga completa e com mínimo reposicionamento. Esse problema pode ser modelado como um problema particular de cobertura de conjuntos com restrição de ciclos, o problema de cobertura de rotas com cardinalidade restrita (PCRCR), que é NP-Hard. Este estudo apresenta uma heurística alternativa que obtém resultados, em média, 1,74% melhores que a literatura existente, além de solucionar instâncias maiores. Ademais, o tempo de execução da heurística cresce de forma polinomial em função do tamanho do problema, ao contrário dos demais métodos aqui avaliados, que possuem comportamento exponencial. / Cost and sustainability imperatives are compelling reasons to make companies to collaborate with each other in order to operate more efficiently. The shipper collaboration problem can be defined as how to identify tours (i.e. a closed path) in a set of lanes from various shippers that minimize truck repositioning (deadheads), as the sub-set of routes from a single shipper may have lanes that complement the routes of another shipper. Thus, combined shippers may offer to carriers a set of tours with regularly executed truckload movements (where the truck loads at a point and go directly to the disposal location) with minimum asset repositioning. This problem can be modeled as a particular case of the set covering formulation with constrained cycles, the cardinality constrained lane covering problem (CCLCP), which is NP-hard. This work resents an alternative heuristic that obtains results about 1.74% better than the existing literature, and solves larger instances. Besides, the heuristics execution time presents polynomial growth, unlike other methods that have exponential behavior.

A crescente necessidade de buscar operações mais eficientes, com menor custo e mais sustentáveis tem feito com que empresas passassem a procurar oportunidades pelas quais estes objetivos pudessem ser atingidos. Na área de transportes encontrou-se na colaboração uma oportunidade para tal. Este trabalho trata o problema de cobertura rotas com cardinalidade restrita (PCRCR), onde empresas que realizam viagens de carga cheia se unem com o objetivo de reduzir o deslocamento vazio de veículos através da formação de ciclos. É chamado de problema de cardinalidade restrita uma vez que limitamos o número de máximo de viagens no ciclo, o que torna este problema NP-Hard. Existem na literatura duas heurísticas (construtivas) e um modelo por programação linear inteira para a solução deste problema. Este trabalho apresenta uma heurística baseada em um método de busca local que reduziu em média 3,19% os melhores resultados apresentados na literatura. Também são apresentados os tempos de execução de cada um dos algoritmos e a importância de escolher de uma boa solução inicial quando se deseja implantar uma Heurística com Busca Local. / The growing need to seek more efficient, lower cost and more sustainable operations has caused industries to seek opportunities in which these objectives could be achieved. In the area of transportation, collaboration is an opportunity for that. This work deals with the cardinality constrained lane covering problem (CCLCP), where companies who uses full truck loads join efforts in order to reduce empty vehicle travel through closed cycle formation. It is known as cardinality constraint problem as the maximum number of trips in the cycle is limited to an integer number, which makes this problem NP-Hard. There are two heuristics in the literature (constructive) and an integer linear programming model for solving this problem. This work presents a heuristic based on a local search method that reduced an average of 3.19% the better results in the literature. It also presents the execution times of each algorithm and the importance of choosing a good initial solution when you want to create a Local Search Heuristic.