O Brasil é um dos principais produtores e exportadores de celulose e papel no mundo, beneficiando-se de condições climáticas e de solo favoráveis, além de investimentos substanciais em pesquisa. Um desafio significativo nesse setor é o Problema de Planejamento de Colheita Florestal (PPCF), semelhante a um derivado do Problema de Roteamento de Veículos (VRP), com uma frota heterogênea, demanda periódica e ganho de volume de madeira. Este estudo aborda o PPCF utilizando um modelo matemático de Programação Linear Inteira Mista (MILP) e a metaheurística Greedy Randomized Adaptive Search Procedure (GRASP) em cenários simulados e reais para otimizar o sequenciamento dos times de colheita entre as unidades produtivas. O objetivo é reduzir os custos operacionais e aumentar o crescimento do volume ao longo de um horizonte de planejamento de 12 meses, considerando também as restrições de janelas de tempo. Um total de 12 instâncias foram testadas para avaliar o desempenho do GRASP, sendo que a metaheurística superou o resultado do modelo MILP em nove casos. Além disso, três instâncias refletem cenários reais de uma grande empresa brasileira de celulose e papel. Quando comparado aos resultados da equipe de planejamento da empresa, o GRASP alcançou uma redução de até 61,9 por cento nos custos totais. Além disso, o GRASP fornece planos de colheita detalhados em um curto tempo de execução, reduzindo a carga de trabalho da equipe de planejamento e aumentando a flexibilidade na tomada de decisões.