Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2022-157593
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Neste trabalho, os autores comparam três meta-heurísticas, Variable Neighborhood Search, Greedy Randomized Adaptive Search Procedure e Simulated Annealing, com um modelo criado para resolver um problema de roteamento de veículos heterogêneos. O problema analisado é uma variante do problema dos caixeiros viajantes múltiplo, proposto por uma empresa e visando aplicações práticas. Nessa variante, além da determinação de quais caixeiros (veículos) visitam quais cidades (pontos de entrega de produtos), também é necessário distribuir cargas de produtos dentre os veículos levando em conta restrições de volume e peso, uma vez que os veículos são heterogêneos. Os algoritmos usados foram implementados usando a linguagem Python, o modelo foi executado no solver comercial Gurobi, utilizando da biblioteca gurobipy, e o resultados apresentados foram baseados em 16 instâncias criadas pelos autores.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo