O Problema Integrado de Roteamento e Clusterização (PIRC) que propomos aqui
utiliza-se de padrões de omuni ação similares àqueles empregados no SHS. Comu-
ni ação direta entre os nós sensores não é permitida; apenas omuni ação single-hop
entre ossorvedouros e osnós sensores pode o orrer.
OPIRCpodeserdes ritodaseguinteforma. Dadosum onjunto
V = {1, . . . , n}
de nós sensores (ativosouinativos,nun adesligados) noplano Eu lideanoeum onjuntoK = {1, . . . , K}
de sorvedouros móveis, o problema que pretendemos resolver onsiste em en ontrarK ∈ Z
+
rotas,uma para ada sorvedouro móvel. Cada rota deve in luir alguns nós sensores, denominados luster heads, de formaque todonó sensor daredeesteja in luídoemuma rota (onóéum luster head) ouesteja auma distân iamenor
que
R
de um luster head perten ente a uma dasK
rotas.Note que o termo luster head assume agora um signi ado um pou o diferente.
No trabalho de Aio [2007℄, ele foi utilizado para denir os entros geométri os dos
lusters, osquaiseram oslo ais aserem visitadospelosorvedouro. No PIRC, o termo
deneumnósensorqueserávisitadoporumdossorvedouros. Apesarde quenoPIRC
os luster heads são aqueles nós visitados pelos sorvedouros, a eles não é atribuída
nenhuma função espe ial na rede quando omparados aos nós sensores que não são
luster heads.
Visandoobter baixas taxasde atrasonaentregade mensagens, pro uramosen on-
trar
K
rotasde formaqueo omprimentodamaior delassejaminimizado. Namedida em que o valor deK
res e, o atraso médio na entrega de mensagens deve de res er. Minimizar a rota mais longa permite balan ear os omprimentos dasK
rotas de tal forma quetodos os sorvedouros levemaproximadamenteo mesmotempo para oletara informaçãodos nós sensores atribuídosà sua rota.
20 Clusterização em RSSFs
aso, arede poderia ar desbalan eada, uma vez que um nó sensor visitado poruma
rota menor omuni ariamais frequentemente om o sorvedouro a eleatribuídoque os
nós visitados por rotas mais longas. Outra razão para a sin ronização é permitir a
implementaçãode um ontrolede densidade entralizado,noiní iode ada i lo,antes
dos sorvedouros ini iarem seus movimentos. Sendo assim, o primeiro sorvedouro que
atingirodepósito(pontoini ialenaldarotadossorvedouros)deveesperara hegada
dos demais para ini iarum novo i lo de planejamento darede (que ompreendeuma
travessia ompleta de todos os sorvedouros pelas suas respe tivasrotas).
Para formular o PIRC omo um Problemade Otimização emGrafos, utilizaremos
um parâmetro
R
, que dene o raio máximo de omuni ação entre o sorvedouro e um nó sensor, e um digrafoD = (V, A)
om o onjunto de vérti esV = {1, . . . , n}
e de ar osA
. Para este propósito, assuma que, ini ialmente, todos os sorvedouros móveis estão lo alizados em um depósito, representado pelo vérti e1 ∈ V
. O onjunto de ar osA := {(i, j), (j, i) : ∀i, j ∈ V, i 6= j}
representa todas aspossíveistranslações dos sorvedourosmóveis, movendode um luster head aoutro. Umpesod
ij
≥ 0
éatribuído a ada ar o(i, j) ∈ A
. Nestetrabalho,d
ij
orrespondeaomaiorinteiro menorouigual àdistân iaEu lideana entrei
ej
. Vamostambémdenird
ii
= 0, ∀i ∈ V
. Finalmente, onsidere queω(i) := {j ∈ V : d
ij
≤ R}
denota o onjunto de vérti es su ientemente próximos dei
. Observe quediantedas deniçõesanterioresi ∈ ω(i), ∀i ∈ V
.Uma solução para o PIRC em
D
é uma oleção deK
rotas sujeitas a algumas restriçõesadi ionais. Cadarotak ∈ K
temseu iní ioem1
,visitaum onjuntoS
k
\ {1}
devérti essele ionadoseretornaaovérti e1
. Referimo-nosaosubgrafodeD
induzido por adarotak
omoH
k
= (S
k
, A
k
)
. Consequentemente,H =
S
K
k=1
(S
k
, A
k
)
representa o subgrafo asso iado ao onjunto ompleto deK
rotas. No que segue, dizemos quei 6∈S
K
k=1
S
k
é oberto porj
se existek ∈ K
talquej ∈ S
k
ei ∈ ω(j)
. Quando estefor o aso,tambémdizemosquei
é obertopelarotak
. Sedenirmosf (H
k
) =
P
(i,j)∈Ak
d
ij
omoo omprimentoda
k−
ésima rota, o usto de uma soluçãoviávelH
para oPIRC édado porf (H) =
max{f (H
k
) : k = 1, . . . , K}
.Diante doexposto, o PIRC onsiste noproblema de:
min
f (H) : H =
K
[
k=1
(S
k
, A
k
),
(3.1) talque∀k ∈ K : A
k
induz um ir uitoHamiltonianoentre os vérti esdeS
k
,
(3.2)∀i ∈ V : i ∈
K
[
k=1
S
k
ou∃j ∈ V \ {i} : j ∈
K
[
k=1
S
k
, i ∈ ω(j).
(3.4)Note que (3.3) garante que o depósito é o úni o vérti e em omum visitado por
qualquer par de rotas e que (3.4) impõe que ada vérti e é um luster head ou está
oberto poralgum luster head.
O PIRC é laramente um problema uja versão de de isão é NP-Completo, uma
vez que o Problema do Caixeiro Viajante [Dantzig et al., 1954; Jüngeret al., 1995℄ é
um de seus asos espe iais, quando
K = 1
eω(i) = {i}, ∀i ∈ V
(R = 0
).De a ordo om nossa revisão bibliográ a,a variantedoProblema de Roteamento
deVeí ulos(PRV)maispróximadoPIRCéaqueladis utidaporGlaab[2002℄. Naquele
trabalho, os autores introduzem um Problema de Roteamento de Veí ulos que surge
no ontexto do projeto de sistemas semi-automáti os de orte de ouro. Assim omo
no PIRC, deseja-se minimizar o omprimento da rota mais longa e o tamanho da
frota é xo. Entretanto, o PIRC difere daquela variante do PRV em dois aspe tos
fundamentais: (i) por aquela variante não apresentar natureza seletiva (i.e. todos os
lientes devem ser visitados) e (ii) pelo fato de que ada veí ulo ini ia sua trajetória
de um depósito diferente.
Cabe men ionar que outrosproblemas de OtimizaçãoCombinatóriaguardamsim-
ilaridades om o PIRC exatamente por exibir uma natureza seletiva. Como exemp-
los, podemos itar o Covering Tour Problem [Gendreau et al., 1997℄, o Problema do
Caixeiro Viajante Seletivo [Gendreau et al., 1998℄ e o problema do Caixeiro Viajante
Generalizado [Fis hetti etal., 1997℄. Todos estes três problemas são semelhantes ao
PIRC no aso espe ial em que
K = 1
. Entretanto, todos diferem do PIRCde alguma forma.Dados onjuntos de vérti es
T, V, W
, tais queT ⊆ V
, no Covering Tour Problem deseja-se en ontrar um ir uito hamiltonianode usto mínimo quepasse portodos osvérti es de
T
. Em adição a estes, podem também ser visitados vérti es emV \ T
. O ir uito es olhido deve ser tal que todo vérti e emW
esteja su ientemente próximo de algum vérti e visitado. Observe que quandoK = 1
, o PIRC difere do Covering Tour Problem já que no PIRC não existe um onjunto de vérti es terminaisT
que ne essariamente pre isaser visitado.Assim omo o CoveringTourProblem, noProblemado CaixeiroViajante Seletivo
há um onjunto de vérti es
T
que deve ser visitado. Alémde ustos serem atribuídos às arestas do grafo, prêmios não negativos são também asso iados aos seus vérti es.Assim sendo,deseja-se obter um ir uito ujasoma dos prêmios dos vérti esvisitados
22 Clusterização em RSSFs
NoProblemadoCaixeiroViajanteGeneralizado,porsuavez,osvérti esdografode
deniçãodo problema são previamenteorganizados em lusters ( onjuntos de vérti es
disjuntos). Oobjetivo onsisteentãoemobterumtour demínimo ustoquevisitepelo
menosum vérti e de ada luster. Observequeeste problema difere doPIRC(
K = 1
) uma vez que neste último, a organização dos vérti es em lusters não é previamenteestabele ida.
Nas Seções seguintes, apresentamos dois modelos de Programação Inteira para o
PIRC: oprimeirobaseado emFluxosemRedes eosegundo baseado emDesigualdades
de Eliminaçãode Subrotas.