ESTUDO SOBRE CLUSTERIZAÇÃO GEOGRÁFICA EM OPERAÇÕES DE DISTRIBUIÇÃO DE CARGA

Resumo

Este projeto buscou o combinar técnicas de aprendizado de máquina com metaheurísticas para solução de um problema de “Clusterização”, que é um problema combinatório clássico da área de Mineração de Dados (Silva et al., 2016). No caso específico deste artigo o trabalho contemplou, de forma particular a área de logística, o agrupamento que representa um importante problema prático dessa área. O problema de clusterização trata de distribuição de exemplares de um conjunto de dados em grupos com características similares entre si. O estudo fez uso de bases de dados disponíveis para desenvolver experimentos, com características similares a situações reais no ambiente de logística, dentre elas estão as coordenadas dos exemplares, identificação dos mesmo e uma variável representando carga máxima de cada um. Foram utilizadas três técnicas de clusterização combinadas e baseadas na metaheurística simulated annealing, em aprendizado de máquina, com o uso do algoritmo k-means e envolvendo uma rede neural artificial. A combinação de técnicas permitiu o estabelecimento de parâmetros de comparação, além de fornecer algoritmos capazes de realizar distribuições de exemplares em clusters gerando resultados otimizados. Nos experimentos desenvolvidos os resultados se mostraram satisfatórios em patamares elevados com nível de performance próximos de 100%, gerando clusters de qualidade razoavelmente elevada.