Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/3003
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorPenna, Puca Huachi Vazpt_BR
dc.contributor.advisorSouza, Marcone Jamilson Freitaspt_BR
dc.contributor.authorRosa, Patrick Moreira-
dc.date.accessioned2021-04-29T17:20:51Z-
dc.date.available2021-04-29T17:20:51Z-
dc.date.issued2021pt_BR
dc.identifier.citationROSA, Patrick Moreira. Roteamento de unidades móveis de mamografia em Minas Gerais. 2021. 32 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/3003-
dc.description.abstractEste trabalho introduz o Problema de Roteamento de Unidades Móveis de Mamografia. Neste problema, apresentamos uma metodologia para otimizar as rotas das Unidades Móveis de Mamografia (MMU) em uma região do Estado de Minas Gerais, composta por 444 locais candidatos. Como parte da metodologia desenvolvida, definimos uma função de avaliação hierárquica que leva em consideração dois objetivos: o primeiro objetivo visa a maximização da cobertura total de exames de mamografia, enquanto o segundo busca a minimização da distância total percorrida pelas MMUs. Para tratar o problema, foram desenvolvidos dois algoritmos heurísticos baseados nas meta-heurísticas Iterated Greedy Search e Variable Neighborhood Search. Para testá-los, foram realizados três experimentos. O primeiro deles leva em consideração a aquisição gradativa de MMUs de capacidades 5069 e 10138 exames, aumentando gradativamente o número de MMUs por depósito até obter 100% da cobertura de exames na região estudada. Por sua vez, no segundo experimento é aplicado o teste estatístico de Kruskal-Wallis com o objetivo de identificar se os dois algoritmos se diferem em termos estatísticos. Por fim, no último experimento é feita uma análise de probabilidade empírica de desempenho dos algoritmos para retornar 50%, 70% e 90% da demanda total da região considerada. Os resultados mostraram que os algoritmos propostos são capazes de retornar soluções de boa qualidade em tempo de processamento de até 500 segundos. Além disso, o teste estatístico comprova a existência de diferença estatística entre os métodos apenas para algumas das instâncias analisadas. Para finalizar, o IGS se mostrou mais eficiente do que o VNS para encontrar os valores alvos de demanda desejados.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectMamografiapt_BR
dc.subjectTransporte rodoviáriopt_BR
dc.subjectHeurísticapt_BR
dc.titleRoteamento de unidades móveis de mamografia em Minas Gerais.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereePenna, Puca Huachi Vazpt_BR
dc.contributor.refereeSouza, Marcone Jamilson Freitaspt_BR
dc.contributor.refereeGomes Júnior, Aloísio de Castropt_BR
dc.contributor.refereeSouza, André Luyde da Silvapt_BR
dc.description.abstractenThis work introduces the Mobile Mammography Unit Routing Problem. In this problem, we present a methodology to optimize the Mobile Mammography Units (MMU) routes in a region of the State of Minas Gerais that contains 444 candidate cities. As part of the methodology developed, we defined a hierarchical assessment function that takes into account two objectives: the first objective aims to maximize the total coverage of screenings; the second objective, on the other hand, seeks to minimize the total distance traveled by the MMUs. Two heuristic algorithms based on the Iterated Greedy Search and Variable Neighborhood Search metaheuristics were developed to solve the problem. Three experiments were carried out to test them. The first one considers the gradual acquisition of MMUs with capacities of 5069 and 10138 screenings, increasing the number of MMUs per depot until obtaining 100% of the coverage of screenings in the studied region. In turn, in the second experiment, the Kruskal-Wallis statistical test is applied to identify whether the two algorithms differ in statistical terms. Finally, in the last experiment, an empirical probability analysis of the algorithms' performance is performed to return 50%, 70%, and 90% of the total demand of the considered region. The results showed that the proposed algorithms return good quality solutions in the processing time of up to 500 seconds. Besides, the statistical test proves the existence of a statistical difference between the methods only for some of the analyzed instances. Finally, IGS proved to be more efficient than VNS in finding the desired target demand values.pt_BR
dc.contributor.authorID15.2.4141pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_RoteamentoUnidadesMóveis.pdf1,25 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons