MODELAGEM E AVALIAÇÃO DE DIFERENTES MÉTODOS DE OTIMIZAÇÃO DO SORTIMENTO FLORESTAL

Nome: RODRIGO FREITAS SILVA
Tipo: Tese de doutorado
Data de publicação: 14/12/2018
Orientador:

Nome Papelordem decrescente
GILSON FERNANDES DA SILVA Co-orientador

Banca:

Nome Papelordem decrescente
GILSON FERNANDES DA SILVA Coorientador
RENATO VINICIUS OLIVEIRA CASTRO Examinador Externo
ANTONIO ALMEIDA DE BARROS JUNIOR Examinador Externo
ADRIANO RIBEIRO DE MENDONÇA Examinador Interno
MAYRA LUIZA MARQUES DA SILVA Orientador

Resumo: Um mercado florestal cada vez mais competitivo e atrelado às demandas por
multiprodutos da madeira favorece o estudo de métodos de otimização que busquem maximizar a receita dos empreendimentos florestais. Comparativamente, pouco se sabe a respeito da eficiência e da eficácia entre os diferentes métodos de solução aplicáveis ao Problema de Otimização do Sortimento Florestal (POSF). A dificuldade em encontrar os sortimentos ótimos é atribuída ao crescimento exponencial do número de padrões de corte a serem analisados em função do número de produtos comercializados e das dimensões dendrométricas dos fustes traçados. É necessário, portanto, alguma técnica que otimize o sistema de busca. Nesse sentido, o objetivo desse trabalho foi modelar matematicamente o POSF e comparar por meio de três
estudos de caso diferentes métodos de solução propostos para resolver o problema. Os dados correspondentes ao estudo de caso 1 constituem-se de 408 árvores de Pinus taeda L. oriundas de Santa Catarina. Os dados do estudo de caso 2 correspondem a 197 árvores de Eucalyptus sp. oriundas do sul da Bahia. Já o estudo de caso 3 é composto por 42.974 árvores de Eucalyptus saligna oriundas do Paraná. Os métodos de otimização implementados em nível de árvore individual no cenário bucking-to-value alvos de análise dos estudos de caso 1 e 2 foram: (1) Programação Dinâmica (PD), (2) estratégia gulosa, (3) busca exaustiva, (4) Heurística de Construção por Partes (HCP) e as meta-heurísticas (5) Greedy Randomized Adaptive Search Procedure (GRASP) e (6) Iterated Local Search (ILS). Os resultados desses algoritmos foram confrontados no estudo de caso 1 com os já conhecidos na literatura
do Algoritmo Genético (AG) e do Simulated Annealing (SA). No estudo de caso 2 o valor de comercialização das toras foi determinado em função de sua classe de qualidade. Quatro classes de qualidade foram definidas segundo a quantidade de nós existentes. Embora a PD seja o método de solução mais indicado para resolver o POSF em nível de árvore individual, a HCP, o GRASP e o ILS alcançaram excelentes resultados chegando, respectivamente, a 99,99%; 99,93% e 99,01% da solução ótima no estudo de caso 1 e a 99,98%; 99,97% e 99,84% da solução ótima no estudo de caso 2. Por outro lado, no cenário bucking-to-demand, alvo de análise do estudo de caso 3, foi avaliado um sistema de otimização multinível implementado por meio dos seguintes métodos de solução híbridos: (1) PD + Programação Linear Inteira (PLI)
executada via CPLEX, (2) PD + Heurística de Busca Intensiva (HBI), (3) GRASP + HBI, (4) ILS + HBI e (5) HCP + HBI. Nesse caso, a PD + HBI foi capaz de chegar a 99,77% da solução ótima em menos da metade do tempo gasto pela PD + PLI para obter a solução exata do problema.

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910