Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos

Detalhes bibliográficos
Ano de defesa: 2014
Autor(a) principal: Pomari, Carlos Zaca [UNIFESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/48912/001300001stqr
Idioma: por
Instituição de defesa: Universidade Federal de São Paulo (UNIFESP)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
combinatorial optimization
biased random key genetic algorithm
berth allocation problem
clustering search
metaheuristic
maritime transport
otimização combinatória
algoritmo genético com chaves aleatórias viciadas
problema de alocação de berços
metaheurística
transporte marítimo
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=1325140
https://repositorio.unifesp.br/handle/11600/46510
Resumo: The aim of this work is to address one of the problems that is present in the operation of many ports and that influences their efficiency: The berth allocation problem (BAP), which seeks to minimize the vessels? handling times, indicating their order of berthing and their location on the quay. This problem has strong theoretical and practical interests, since the growth of the world economy and international trade in goods has stimulated, in recent years, the demand for shipping services. The methodology for the development of this work consists in studying and applying a hybrid algorithm based on Biased Random Key Genetic Algorithm (BRKGA) and Clustering Search (CS) metaheuristics to heuristically solve the BAP. A BRKGA searches the solution space of the combinatorial optimization problem indirectly, therefore, it is necessary to specify how solutions are encoded and decoded and how their corresponding fitness values are computed. This study uses the BRKGA as solutions generator to the CS? clustering process. To validate the proposed method, computational tests are performed with instances available in the literature and a case study of the BAP with operating data from Tubarão-ES port.
id UFSP_83fde800d6934dd03d51559743793e95
oai_identifier_str oai:repositorio.unifesp.br:11600/46510
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portosBiased random key genetic algorithm for ports optimization problems.combinatorial optimizationbiased random key genetic algorithmberth allocation problemclustering searchmetaheuristicmaritime transportotimização combinatóriaalgoritmo genético com chaves aleatórias viciadasproblema de alocação de berçosclustering searchmetaheurísticatransporte marítimoThe aim of this work is to address one of the problems that is present in the operation of many ports and that influences their efficiency: The berth allocation problem (BAP), which seeks to minimize the vessels? handling times, indicating their order of berthing and their location on the quay. This problem has strong theoretical and practical interests, since the growth of the world economy and international trade in goods has stimulated, in recent years, the demand for shipping services. The methodology for the development of this work consists in studying and applying a hybrid algorithm based on Biased Random Key Genetic Algorithm (BRKGA) and Clustering Search (CS) metaheuristics to heuristically solve the BAP. A BRKGA searches the solution space of the combinatorial optimization problem indirectly, therefore, it is necessary to specify how solutions are encoded and decoded and how their corresponding fitness values are computed. This study uses the BRKGA as solutions generator to the CS? clustering process. To validate the proposed method, computational tests are performed with instances available in the literature and a case study of the BAP with operating data from Tubarão-ES port.O objetivo deste trabalho é abordar um dos problemas presentes na operação de muitos portos e que influenciam sua eficiência: o problema de alocação de berços (PAB), que busca minimizar o tempo de atendimento dos navios, indicando a ordem de atracação dos mesmos e a respectiva localização no cais. É um problema que possui forte interesse teórico e prático, uma vez que o crescimento da economia mundial e o comércio internacional de bens têm estimulado, nos últimos anos, a demanda por serviços de transporte marítimo. A metodologia para o desenvolvimento do presente trabalho consiste no estudo e na aplicação de um algoritmo híbrido baseado nas meta-heurísticas Algoritmo Genético com Chaves Aleatórias Viciadas (BRKGA, do inglês Biased Random Key Genetic Algorithm) e Busca por Agrupamentos (CS, do inglês Clustering Search) para resolver de forma heurística o PAB. O BRKGA procura o espaço de solução do problema de otimização combinatória indiretamente, por isso, é necessário especificar como as soluções são codificadas e decodificadas e como seus valores de aptidão correspondentes são computados. Neste trabalho, utilizase o BRKGA como gerador de soluções para o processo de agrupamento do CS. Para validar o método proposto são realizados testes computacionais com instâncias disponíveis na literatura e um estudo de caso do PAB considerando os dados operacionais do Porto de Tubarão - ES.Dados abertos - Sucupira - Teses e dissertações (2013 a 2016)Universidade Federal de São Paulo (UNIFESP)Chaves, Antonio Augusto [UNIFESP]Universidade Federal de São Paulo (UNIFESP)Pomari, Carlos Zaca [UNIFESP]2018-07-27T15:50:21Z2018-07-27T15:50:21Z2014-05-30info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersion87 p.application/pdfhttps://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=1325140POMARI, Carlos Zaca. Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos. 2014. 87 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2014.CARLOS ZACA POMARI.pdfhttps://repositorio.unifesp.br/handle/11600/46510ark:/48912/001300001stqrporinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2024-07-31T17:36:17Zoai:repositorio.unifesp.br:11600/46510Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-07-31T17:36:17Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.none.fl_str_mv Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
Biased random key genetic algorithm for ports optimization problems.
title Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
spellingShingle Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
Pomari, Carlos Zaca [UNIFESP]
combinatorial optimization
biased random key genetic algorithm
berth allocation problem
clustering search
metaheuristic
maritime transport
otimização combinatória
algoritmo genético com chaves aleatórias viciadas
problema de alocação de berços
clustering search
metaheurística
transporte marítimo
title_short Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
title_full Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
title_fullStr Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
title_full_unstemmed Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
title_sort Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos
author Pomari, Carlos Zaca [UNIFESP]
author_facet Pomari, Carlos Zaca [UNIFESP]
author_role author
dc.contributor.none.fl_str_mv Chaves, Antonio Augusto [UNIFESP]
Universidade Federal de São Paulo (UNIFESP)
dc.contributor.author.fl_str_mv Pomari, Carlos Zaca [UNIFESP]
dc.subject.por.fl_str_mv combinatorial optimization
biased random key genetic algorithm
berth allocation problem
clustering search
metaheuristic
maritime transport
otimização combinatória
algoritmo genético com chaves aleatórias viciadas
problema de alocação de berços
clustering search
metaheurística
transporte marítimo
topic combinatorial optimization
biased random key genetic algorithm
berth allocation problem
clustering search
metaheuristic
maritime transport
otimização combinatória
algoritmo genético com chaves aleatórias viciadas
problema de alocação de berços
clustering search
metaheurística
transporte marítimo
description The aim of this work is to address one of the problems that is present in the operation of many ports and that influences their efficiency: The berth allocation problem (BAP), which seeks to minimize the vessels? handling times, indicating their order of berthing and their location on the quay. This problem has strong theoretical and practical interests, since the growth of the world economy and international trade in goods has stimulated, in recent years, the demand for shipping services. The methodology for the development of this work consists in studying and applying a hybrid algorithm based on Biased Random Key Genetic Algorithm (BRKGA) and Clustering Search (CS) metaheuristics to heuristically solve the BAP. A BRKGA searches the solution space of the combinatorial optimization problem indirectly, therefore, it is necessary to specify how solutions are encoded and decoded and how their corresponding fitness values are computed. This study uses the BRKGA as solutions generator to the CS? clustering process. To validate the proposed method, computational tests are performed with instances available in the literature and a case study of the BAP with operating data from Tubarão-ES port.
publishDate 2014
dc.date.none.fl_str_mv 2014-05-30
2018-07-27T15:50:21Z
2018-07-27T15:50:21Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=1325140
POMARI, Carlos Zaca. Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos. 2014. 87 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2014.
CARLOS ZACA POMARI.pdf
https://repositorio.unifesp.br/handle/11600/46510
dc.identifier.dark.fl_str_mv ark:/48912/001300001stqr
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=1325140
https://repositorio.unifesp.br/handle/11600/46510
identifier_str_mv POMARI, Carlos Zaca. Algoritmo genérico com chaves aleatórias viciadas para problemas de otimização em portos. 2014. 87 f. Dissertação (Mestrado) - Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo (UNIFESP), São José dos Campos, 2014.
CARLOS ZACA POMARI.pdf
ark:/48912/001300001stqr
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 87 p.
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1848497931424890880

Registros relacionados