LEARNING TABU-SEARCH FOR HUB LOCATION PROBLEM

O problema de \textit{hub location} é um problema que busca satisfazer a demanda de movimentação entre
nós de origem e destinos, definindo \textit{hubs} para otimizar (minimizar) o número de ligações entre tais nós. Diversas áreas utilizam o conceito de rede com \textit{hubs}, tendo como as principais: empresas de linhas aéreas e as companhias postais. A solução exata de problemas de larga escala é computacionalmente inviável, tornando os métodos heurísticos boas ferramentas para a obtenção de soluções aproximadas. Os métodos heurísticos podem ainda ser combinados a técnicas de aprendizado de máquina, para a solução ainda mais rápida, conforme demonstrado nos resultados deste estudo. Este estudo propõe uma metaheurística híbrida com aprendizado para o problema de \textit{hub-location}. O modelo considera múltiplas alocações, uma função objetivo baseada no problema \textit{p-hub }medianas e os \textit{hubs} têm capacidade ilimitada. A solução foi baseada em busca tabu com baixo custo computacional, modificada para incluir aprendizado através de um algoritmo de propagação de rótulos. Para a avaliação dos resultados, foi utilizado um banco de dados dos correios australiano. A análise comparativa da busca tabu com a versão com aprendizado mostra indicativos de redução de tempo e alocação de memória quando consideradas as instâncias maiores.