GPEA

Projetos de Pesquisa em Andamento

Automação de Planejamento: Algoritmos para Problemas de Escalonamento.

Problema de Escalonamento (Scheduling Problem) é uma nomenclatura geral para uma classe de problemas que têm como objetivo geral alocar um conjunto de eventos ao longo de um período de tempo atendendo um conjunto de restrições e, normalmente, otimizando uma função objetivo. O foco de investigação deste projeto é voltado para algumas classes de problemas, tais como: escalonamento de enfermeiros,  escalonamento na agroindústria, escalonamento de motoristas, escalonamento de projeto e programação de horário escolar.

Escalonamento de Enfermeiros:
Escalonamento de enfermeiros é uma classe que possui muitas variantes, algumas vezes envolvendo preferências e escolha de habilidades. Tivemos um trabalho voltado para escalonamento de enfermeiros classificado como finalista numa competição internacional (8th International Conference on the Pratice and Theory of Automated Timetabling – PATAT 2010), prêmio de primeiro lugar no 23º Prêmio Paranaense de Ciência e Tecnologia em 2009, além de conseguir melhores resultados em mais de 90% das instâncias de maior escala de uma conhecida base de benchmark.

Escalonamento na Agroindústria:
O escalonamento na agroindústria é uma classe ainda pouco explorada pela literatura e apresenta novos desafios envolvendo a integração de escalonamento de pessoal, escalonamento de veículos e programação da produção.

Escalonamento de Motoristas:
O escalonamento de motoristas em transporte é uma classe mais conhecida na literatura, mas dado o sucesso da metodologia aplicada em escalonamento de enfermeiros e na agroindústria, pretendemos estender a investigação para esta classe.

O desafio na área de escalonamento é desenvolver modelos e algoritmos que possa solucionar o problema de forma efetiva e eficiente, viabilizando, com isso, a construção de sistemas computacionais para geração automática de soluções. Dado o sucesso dos resultados alcançados recentemente, o presente projeto tem como objetivo ampliar a investigação, propor extensões e melhoria nos modelos e algoritmos, utilizar nova base de dados de benchmark e investigar a aplicação em outros problemas de escalonamento.