Algoritmo genético na otimização do custo de colheita e transporte da cana-de-açúcar

Abstract

O objetivo deste trabalho é propor um modelo matemático que consiste em determinar quais variedades de cana-de-açúcar adaptável ao solo local serão plantadas nos talhões disponíveis de forma a obter o menor custo possível para o processo de colheita e transporte da cana, e ainda desenvolver e testar um algoritmo genético (AG) para investigar a solução deste problema. Inicialmente é feito um breve estudo do ciclo produtivo da cana-de-açúcar, dos prazos para a eliminação de sua queima e do custo, de sua colheita e transporte até a usina. Em seguida estuda-se o algoritmo Branch-and-Bound, o qual dentre os métodos exatos é bastante utilizado para resolver Problemas de Programação Linear Inteira (PPLI). Para testar e comparar a performance do algoritmo genético com o Branch-and-Bound foram realizadas quatro simulações com diferentes áreas de plantio e número de variedades, simulando situações reais na região geográfica trabalhada. Os resultados foram analisados e discutidos neste texto, mostrando que o algoritmo genético pode ser uma ferramenta alternativa e de grande utilidade para problemas de grande porte

The objetive of this study is to propose a mathematical model that consist of determining which varieties of sugar cane adaptable to local soil should be planted in plots available in order to obtain the lowest cost to the process of harvesting and transportation of cane, and further develop and test a genetic algorithm (GA) to investigate the solution of this problem. Initially it has been done a short study of the production cycle of sugar cane, the deadline for the elimination of his burns and the cost of harvest and transport to the mill. In the next step, we studied the algorithm Branch-and-Bound, which among methods available is often employed to solve Integer Linear Programming Problems (PPLI). To test and compare the performance of the genetic algorithm with the Branch-and-Bound simulations were performed with four di®erent planting areas and number of varieties, simulating real situations in the geographical region worked. The results were analyzed and discussed in this text, showing that the genetic algorithm can be an alternative tool and very useful for large problems