BRKGA para o Problema de Corte de Estoque Unidimensional com setups

O problema de corte de estoque unidimensional consiste em cortar objetos disponíveis em estoque para atender a uma demanda de itens menores. Quando há necessidade de reposicionamento das facas durante o processo, surgem custos adicionais de setup, tornando desejáveis soluções com menor número de setups. O Biased Random-Key Genetic Algorithm (BRKGA) é uma metaheurística que realiza buscas em um hipercubo, onde cada ponto é mapeado para uma solução viável do problema por meio de um procedimento determinístico chamado decoder. Este trabalho propõe um novo decoder voltado para o problema de corte com setups, cuja eficácia é avaliada por meio de testes em dois grupos de instâncias da literatura: um baseado em dados reais e outro em instâncias aleatórias. Os resultados demonstram que o método proposto é eficiente na redução do número de setups, especialmente em cenários com altos custos de setup, superando, nesses casos, os resultados do estado da arte.