| dc.description.abstract | 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. | |
