Resumo: o Problema de Escalonamento de Motoristas (PEM) consiste em gerar uma escala de trabalho de motoristas, para cobrir uma escala de veículos com o menor custo, satisfazendo restrições impostas pelas leis trabalhistas, acordos sindicais e normas da empresa. Esse processo é uma etapa fundamental para o planejamento operacional de empresas do setor de transporte coletivo visto que o custo com motoristas atinge uma parcela significativa no custo global da empresa. Considerado como NP-Difícil, vários trabalhos abordam a resolução do PEM através de algoritmos heurísticos devido às limitações dos algoritmos exatos para tratar com instâncias de grande porte. O presente trabalho propõe uma abordagem para a solução do PEM envolvendo dois procedimentos de busca local em uma estrutura de vizinhança, denominados PCR e k-swap, de forma determinística e em conjunto com a meta-heurística VNS. Para validação da proposta foram utilizadas instâncias reais com mais de 2300 viagens e instâncias aleatórias extraídas das instâncias reais. Os experimentos realizados comprovam a eficiência da meta-heurística VNS para instâncias de grande porte, onde os resultados obtidos são comparados com resultados apresentados por outros trabalhos que utilizaram os procedimentos PCR e k-swap sem a utilização da meta-heurística VNS.
Abstract: The Bus Driver Scheduling Problem (BDSP) consists to generate a set of drivers schedule to cover a set of vehicles schedule at the lowest cost, satisfying constraints imposed by labor laws, trade union agreements and company standards. This process is vital to the operational planning of public transportation companies since the drivers cost afIects a significant portion ofthe overall cost ofthe company. Considered NP-Hard, several works address the resolution of PEM through heuristic algorithms due to the limitations of the exact algorithms to work with large instances. The present work propose a approach for solving the BDSP involving two local search procedures in a neighborhood structure, called PCR and k-swap, in a deterministic way and in conjunction with VNS meta-heuristic. To validate the work is proposed real instances with over 2300 travei and random instances extracted of real instances. The experiments demonstrated the efficacy of VNS meta-heuristic for large instances, where the present results are compared with results reported by other studies that used PCR and k-swap procedures without the use ofVNS meta-heuristic. |
