Relatório técnico : modelagem e otimização da colheita florestal com múltiplos períodos e restrições espaciais de adjacência

Abstract

Resumo: Este trabalho apresenta um modelo de planejamento da colheita florestal que integra decisões espaciais e temporais, considerando múltiplos períodos de colheita e restrições de adjacência entre talhões. O problema é formulado com o objetivo de atender uma demanda industrial crescente ao menor custo de transporte possível, respeitando limitações operacionais como a colheita única de cada talhão ao longo do horizonte de planejamento, o atendimento da demanda por período e a impossibilidade de colheita simultânea de talhões adjacentes na mesma semana. Foram avaliados três métodos de otimização: Programação Linear (PL), Algoritmo Genético (GA) e Simulated Annealing (SA). A Programação Linear foi utilizada como referência ótima em cenários estruturalmente mais simples, enquanto as metaheurísticas foram empregadas para lidar com a complexidade combinatória introduzida pela dimensão espaço-temporal e pelas restrições de adjacência. Experimentos computacionais foram conduzidos em 60 instâncias sintéticas, com níveis crescentes de demanda, permitindo analisar custo total, número de talhões selecionados e tempo computacional. Os resultados indicam que a introdução de múltiplos períodos aumenta exponencialmente o espaço de busca, impactando de forma não linear o desempenho das metaheurísticas. As restrições espaciais de adjacência elevam o custo médio das soluções e induzem a seleção de um maior número de talhões, especialmente nos métodos heurísticos. Conclui-se que, embora a Programação Linear apresente elevada eficiência computacional, as metaheurísticas tornam-se boas alternativas para incorporar realismo operacional em problemas de planejamento florestal espaço-temporais

Abstract: This study presents a forest harvest planning model that integrates spatial and temporal decision-making, considering multiple harvesting periods and spatial adjacency constraints between stands. The problem is formulated to meet increasing industrial demand at minimum transportation cost, while respecting key operational constraints, including single harvest per stand over the planning horizon, period-specific demand satisfaction, and the prohibition of simultaneous harvesting of adjacent stands within the same week. Three optimization methods are evaluated: Linear Programming (LP), Genetic Algorithm (GA), and Simulated Annealing (SA). Linear Programming is used as an optimal benchmark in structurally simpler scenarios, whereas metaheuristics are applied to handle the combinatorial complexity introduced by the spatio-temporal structure and adjacency constraints. Computational experiments were conducted on 60 synthetic instances with progressively increasing demand levels, allowing the analysis of total cost, number of selected stands, and computational time. Results show that the introduction of multiple planning periods leads to an exponential growth of the search space, causing a non-linear impact on the performance of heuristic methods. Spatial adjacency constraints increase average solution costs and induce the selection of a larger number of stands, particularly in GA and SA solutions. The study concludes that while Linear Programming is computationally efficient, metaheuristic approaches are viable alternatives for incorporating operational realism in spatio-temporal forest harvest planning problems