Sistema de suporte à decisão no planejamento florestal estratégico

Abstract

O objetivo do presente trabalho foi desenvolver uma interface para resolução de problemas de planejamento florestal estratégico utilizando meta-heurísticas (MH). No capítulo 1 foi feita uma revisão de literatura sobre as principais MH aplicadas no planejamento florestal estratégico. No capítulo 2 foi descrito o sistema desenvolvido além das MH implementadas. Para o desenvolvimento da interface e das MH foi utilizada a linguagem de programação C# e o visual studio 2017 como ide. Para a formulação do problema foi utilizada a programação linear inteira mista (PLIM). Foram implementadas: algoritmo genético (AG), Simulated annealing (SA), Variable Neighborhood Search (VNS) e Greedy Randomized Adaptive Search Procedures (GRASP). Para validação dessas MH foi desenvolvida uma instância hipotética baseada em um SIG, sendo extraídas informações espaciais como distância a fábrica, talhões vizinhos e distâncias entre os talhões. Finalmente, no capítulo 3 apresentamos uma comparação da GRASP, com três alternativas de busca local, com o método exato branch and bound, o software utilizado foi o Cplex Studio 12.5. A maior eficiência relativa foi obtida ao empregar GRASP + VNS. A interface desenvolvida resolveu problemas de otimização do planejamento florestal estratégico com eficiência e pode ser utilizado para resolução de problemas similares. Há possibilidade de expansão da interface, como a implementação de mais restrições, geração de novos gráficos para melhor controle das áreas e custos.

The objective of the present work was to develop an interface for solving strategic forestry planning problems using metaheuristics (MH). In chapter 1 a literature review was done on the main MH applied in strategic forestry planning. In chapter 2 the system developed beyond the implemented MH was described. For the development of the interface and the MH was used the programming language C # and visual studio 2017 as ide. For the formulation of the problem, mixed linear programming (PLIM) was used. Genetic algorithm (GA), simulated annealing (SA), Variable Neighborhood Search (VNS) and Greedy Randomized Adaptive Search Procedures (GRASP) were implemented. For the validation of these MHs, a hypothetical instance was developed based on a GIS, with spatial information being extracted such as distance to the factory, neighboring stands, and distances between stands. Finally, in chapter 3 we present a GRASP comparison, evaluating three local search alternatives, comparing with the exact branch and bound method, using Cplex Studio 12.5 software. The higher relative efficiency was obtained by using GRASP + VNS. The interface developed solved problems of optimization of strategic forestry planning efficiently and can be used to solve similar problems. It is possible to expand the interface, such as implementing more restrictions, generating new graphics for better control of areas and costs.