Este trabalho trata do problema de configuração de redes logísticas, em que são consideradas como principais decisões a quantidade e a localização de instalações logísticas e a definição da alocação de clientes às instalações. Mais especificamente, o trabalho considera um processo típico de configuração de redes logísticas que se vale de modelos discretos de otimização e a tomada de decisão com base nos resultados. O objetivo da tese é propor modelos e métodos capazes de dar suporte às etapas fundamentais deste tipo de estudo. Inicialmente são propostos métodos para a seleção de locais candidatos considerados nos modelos de localização. Os métodos se valem de informações sobre a distribuição dos pontos de demanda ao longo da rede para a obtenção dos candidatos a instalação e são avaliados por meio de sua aplicação a dois conjuntos de instâncias da literatura científica e comparação de tempos de resolução e de valores da função objetivo. Os resultados mostram que o tempo de resolução foi reduzido, na média, em 57% e os gaps das funções objetivo resultantes vale menos que 0,16% em comparação com os modelos que consideram todos os pontos de demanda como candidatos. Adicionalmente, também foram propostos métodos capazes de obter soluções alternativas de qualidade para problemas de localização que podem ser comparadas a fim de fornecer mais subsídio para a tomada de decisão. Os métodos são capazes de obter as K melhores soluções de problemas de localização e são avaliados por meio de sua aplicação a 215 instâncias da literatura científica. Além disso, a abordagem proposta permitiu a análise de resultados nunca antes obtidos para um problema muito estudado: as K melhores soluções do problema de localização de instalações capacitadas com custo fixo. Duas características principais foram identificadas: a quantidade de instalações é estável - em 99% das instâncias testadas o desvio padrão da quantidade de instalações nas 20 melhores soluções de cada instância é menor que um - e grande parte das instalações que fazem parte da solução ótima de cada instância também faz parte da maior parte das 20 melhores soluções. A partir de tais conclusões, o trabalho investiga algumas propriedades gerais de problemas de localização e apresenta uma análise topológica das 215 instâncias utilizadas, com base em indicadores propostos. Por fim, três tipos de modelos de redes neurais capazes de identificar relações entre os valores dos indicadores das instâncias e os valores das variáveis resposta associadas às melhores soluções são aplicados e avaliados. A abordagem consiste em comparar o tempo de resolução e o valor da função objetivo de modelos cujos espaços de soluções viáveis são reduzidos com base nos resultados obtidos pelas redes neurais. Os resultados mostram que é possível utilizar tal abordagem para melhorar o processo de configuração de redes logísticas, seja na etapa de construção dos modelos seja proporcionando mais subsídios para a tomada de decisão.

This thesis deals with the supply chain network design problem (SCND) that aims to find the optimal location of facilities and the allocation of customers to each facility. The work considers a typical process of SCND in which discrete optimization models are run and its results are used in the decision making. The goal of the thesis is to propose models and methods to support the stages of this type of planning process. Initially, methods for the selection of candidates considered in the localization models are proposed. The methods consider the distribution of the demand points throughout the network to obtain the candidates and are evaluated by their application to two sets of scientific literature instances and comparison of computational times and objective function values. The results show that the average computational time has been reduced by 57% and the resulting objective function gaps are less than 0,16% compared to the solutions obtained by the models that consider all the demand points as candidates. In addition, the thesis present methods capable of obtaining high-quality alternative solutions to location problems that can be compared in order to provide better support for decision making. The methods obtain the K-best solutions of location problems and are evaluated by their application to 215 instances of the scientific literature. In addition, the proposed approach allowed the analysis of results never before obtained for a well-studied problem: the best solutions of the capacitated fixed cost facility location problem. Two main insights were identified: the number of facilities is stable - in 99% of the tested instances the standard deviation of the number of facilities in the 20 best solutions of each instance is less than one - and most of the selected facilities in the optimal solution of each instance is selected in most of the 20 best solutions as well. Based on these conclusions, the work investigates some general properties of localization problems and presents a topological analysis of the 215 instances, based on proposed indicators. Finally, three types of neural network models capable of identifying relations between the instances indicators and the values of the variables of the best solutions are applied and evaluated. The approach consists in comparing the computational time and the objective function value of models whose feasible solution spaces are reduced based on the results obtained by the neural networks. The results show that it is possible to use such approach to improve the SCND process, either at the construction stage of the models or by providing more information for the decision making.