Modelo real de planificación y rutas bi-objetivoequilibrio entre costes y preferencias de clientes

  1. Martínez Puras, Amaya. 1
  2. Pacheco Bonrostro, Joaquín. 1
  1. 1 Universidad de Burgos
    info

    Universidad de Burgos

    Burgos, España

    ROR https://ror.org/049da5t36

Revista:
Anales de ASEPUMA

ISSN: 2171-892X

Año de publicación: 2014

Número: 22

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Anales de ASEPUMA

Resumen

En este trabajo se ha desarrollado una metodología ad hoc basada en Búsqueda Tabú para la resolución de un problema bi-objetivo en el contexto del PVRP (Periodic Vehicle Routing Problem). El problema consiste en diseñar las rutas diarias de una empresa de análisis químicos de Salamanca a lo largo de un horizonte de planificación y la asignación de los calendarios de visita a sus clientes. El objetivo es doble: reducción de los costes y reducción de las modificaciones sobre los calendarios actuales de los clientes. Desde el punto de vista metodológico, la estrategia empleada para la resolución de este nuevo modelo es una adaptación del procedimiento MOAMP (MultiObjective Adaptative Memory Procedure) desarrollado por Caballero et al (2013) para problemas multiobjetivo. Con el fin de examinar la ‘bondad’ de los resultados obtenidos, se comparan los mismos con una adaptación de un algoritmo de referencia como es NSGA-II (Non-Dominated Sorting Genetic Algorithm). Para ello se ha tomado una instancia con datos reales y se han generado otras instancias basadas en estos datos (instancias seudo reales). La conclusión final es que la estrategia MOAMP obtiene curvas de eficiencia más densas y pobladas que las obtenidas con NSGA-II. Además, todas las soluciones obtenidas con NSGA-II son dominadas por soluciones MOAMP.

Referencias bibliográficas

  • Bentley, J.L. (1992). “Fast Algorithms for Geometric Salesman Problems”. ORSA Journal of Computing, 4, pp. 387-411. Caballero, R., Molin, J. y Rodríguez, M.V. (2003). “MOAMP: Programación Multiobjetivo mediante un Procedimiento de Búsqueda Tabú”. II Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, MAEB, Gijón.
  • Deb, K., Pratap, A., Agarwal, S. and Meyarivan, T. (2002). “A Fast Elitist NonDominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGAII”. IEEE Transactions on Evolutionary Computation 6, 2, pp. 182–197.
  • García, I., Pacheco, J. y Álvarez, A. (2013). “Optimizing routes and stock”. Journal of Heuristics, 19, 2, pp. 157-177.
  • Gendreau, M., Hertz, A. and Laporte, G. (1992). “New insertion and postoptimization procedures for the traveling salesman problem”. Operations Research, 40, pp. 1086-1094.
  • Gómez, J.R., Pacheco, J. and Gonzalo-Orden, H. (2013). “A Tabu Search method for a Biobjective Urban Waste Collection Problem”. To appear in Computer-Aided Civil and Infrastructure Engineering doi: 10.1111/mice.12031
  • Gulczynski, D., Golden, B. and Wasil, E. (2011). “The period vehicle routing problem: New heuristics and real-world variants”. Transportation Research Part E 47, 5, pp. 648-668.
  • Martínez, A. (2013). “Modelos reales de problemas simultáneos de rutas y planificación. Equilibrio entre prioridades del cliente y reducción de costes”. Tesis doctoral, Universidad de Burgos.
  • Pacheco, J., Caballero, R., Laguna, M. and Molina, J. (2013). “Bi-objective Bus Routing: An Application to School Buses in Rural Areas”. Transportation Science 47, 3, pp. 397-411
Fuente de los datos: Dialnet