Atualmente, com as pessoas cada vez mais conectadas virtualmente através da internet, cresce a importância da eficiência logística no setor de transportes, que impacta diretamente na economia de um país. Da perspectiva da ciência da computação, o Problema do Roteamento de Veículos com Capacidade (PRVC) é capaz de representar algumas das necessidades da indústria de transportes. Esse é um problema de otimização cuja solução não é nada trivial, demandando técnicas algorítmicas mais elaboradas que as tradicionais para obter soluções sub-ótimas. É comum a utilização de metaheurísticas para otimizar esse tipo de problema, como por exemplo Algoritmos Genéticos (AG) ou GRASP. Além desses, muitas pesquisas tem sido feitas em torno de metaheurísticas para melhorar a otimização desse problema. Neste trabalho, o Algoritmo Genético é aplicado ao PRVC utilizando instâncias baseadas em dados geoespaciais e demográficos apresentando um novo operador de cruzamento para o AG baseado no conceito de gulosidade, motivado pelo seu potencial para melhorar a qualidade das soluções do AG para esse problema, pois possui um processo de intensificação ainda mais preponderante em uma operação que também causa variação. Esse operador apresenta resultados melhores, é observada uma convergência mais rápida e uma minimização melhor em comparação com um conjunto de operadores de cruzamento comuns em problemas de codificação por permutações encontrados na literatura que são utilizados para a otimização do PRVC.

O problema de roteamento de veículos é um problema de classe NP-Difícil bem conhecido no campo da pesquisa em otimização combinatória e de grande interesse de muitos pesquisadores e da indústria. Pode-se dizer que é um típico problema em que há grande utilidade em usar metaheurísticas para buscar boas soluções. Nesse contexto, este trabalho visa apresentar a aplicação de uma técnica bem conhecida na literatura da área, o algoritmo genético. Com isso, são apresentados alguns estudos empíricos em relação à operação de cruzamento, que é considerada um componente essencial para o processo de busca dos algoritmos genéticos. Alguns resultados estatísticos de comparações entre os operadores order crossover (OX) e o crossover parcialmente mapeado (PMX) são apresentados neste trabalho.

Combinatorial optimization problems are commonly found in different stages of electric distribution systems deploying. Such problems demand the use of metaheuristics to find good solutions with acceptable computational effort. Among these metaheuristics, genetic algorithms prove to be an interesting method for this kind of problem due to the good solutions found by them in several applications. From this context, the present paper proposes an analysis of the effect of different crossover operators on the quality of obtained solutions in a genetic algorithm applied to the switch allocation problem in power distribution systems. The comparisons were conducted based on a hypothetical system from the literature with 135 buses and 1 feeder. The experiments showed which the restriction degree imposed on the search space influences the differences between crossover operators. The results suggest which exists an ideal number of cut points for the multi-points crossover operator which found better results than the one-point, uniform, and other crossovers.