Tesis Optimización VRPTW

Optimización
E.T.S. heurísticade
de Ingenieros económica
Caminos,aplicada
Canalesa lasy redes de transporte del tipo VRPTW
Puertos
http://personales.upv.es/vyepesp/
Optimización heurística
económica aplicada a las redes
de transporte del tipo VRPTW
TESIS DOCTORAL
Autor:
Víctor Yepes Piqueras
Dirigida por:
Dr. Josep R. Medina Folgado
>ValenciaSeptiembre2002
E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002

Optimización heurística económica
económica aplicada aplicada
a las redes a del
de transporte lastiporedes
VRPTW
de transporte del tipo VRPTW
Objetivos
Índice Introducción 1
Los problemas de optimización combinatoria 2
Modelos de distribución física y transporte 3
El problema de las rutas de vehículos con restricciones en el

horario de servicio: VRPTW 4
Definición del modelo de problema de rutas 5
Propuestas de estrategias de búsqueda secuencial por

entornos para la resolución del modelo VRPTW 6
Resumen y conclusiones 57

Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW
Motivación
INDICE
Introducción
Globalización Incremento de las
Los problemas de
optimización
combinatoria
de los mercados expectativas de los clientes
Modelos de El transporte
distribución
física y
transporte
como
El problema de las ventaja
rutas de Desarrollo de los Exigencia de productos
vehículos con competitiva
restricciones intercambios comerciales y servicios de calidad
en el horario
de servicio:
VRPTW
Definición del
modelo de
Decisiones empresariales
problema de
rutas
Disminución de Reducción de
Propuestas de inversión Mejora de servicio costes
estrategias de
búsqueda
secuencial
por entornos
para la
Resolución de problemas de transporte
resolución del
modelo
VRPTW
Sistemas inteligentes
Resumen y
conclusiones E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002
La logística y los problemas de distribución física

INDICE
Introducción A su
Distribución física tiempo
Los problemas de
optimización
combinatoria Materias primas
Modelos de
distribución
física y
Origen Recursos de producción Destino
transporte
Productos finales
El problema de las
rutas de
vehículos con Logística empresarial
restricciones Al coste
en el horario
de servicio: más bajo
VRPTW
Procesamiento
Definición del
Servicio al Control de de pedidos
modelo de
problema de cliente inventarios
rutas Previsión de Ubicación fábricas
Propuestas de la demanda Servicios de y almacenes
estrategias de Distribución y
búsqueda reparación transporte
secuencial Tratamiento Recuperación y
por entornos mercancías
para la
tratamiento de
resolución del devueltas desperdicios Almacenamiento
modelo
VRPTW
Resumen y
La logística y los problemas de distribución física

INDICE
Introducción
Los problemas de
optimización
combinatoria Gran variación de costes en las empresas
TRANSPORTE:
Modelos de
distribución
física y
transporte
El problema de las
Costes logísticos: 4-32%. Ballou (1991)
rutas de
vehículos con
restricciones
en el horario
Costes de transporte: 1/3-2/3 de los costes
de servicio:
VRPTW
logísticos. Ballou (1991)
Definición del
modelo de
problema de
76,5% del transporte de mercancías en
rutas vehículos. Halse (1992)
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo
VRPTW
Resumen y
Objetivos, contribución y estructura de la tesis

INDICE
Introducción
Los problemas de
Los operadores del transporte
optimización
combinatoria deben tomar decisiones
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones Procedimientos robustos, flexibles
en el horario
de servicio:
VRPTW y rápidos que proporcionen soluciones
Definición del
modelo de competitivas
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
Complejidad problemas Trascendencia económica
resolución del
modelo de distribución del transporte
VRPTW
Resumen y

INDICE
Introducción
Los problemas de
optimización
Contribuciones:
combinatoria
Modelos de
distribución
física y
Modelo de distribución con restricciones
transporte
horarias y objetivo económico.
El problema de las
rutas de
vehículos con
restricciones
Ventanas temporales de flexibilidad
en el horario
de servicio:
adaptable.
VRPTW
Definición del
modelo de
Incorporación de congestión, asimetrías,
problema de
rutas
jornadas laborables variables y
Propuestas de penalizaciones
estrategias de
búsqueda
secuencial
por entornos
Taxonomía de estrategias para la
para la
resolución del
optimización combinatoria.
modelo
VRPTW
Resumen y

INDICE
Introducción
Los problemas de
optimización
Contribuciones:
combinatoria
Modelos de
distribución
física y
Heurística económica de construcción de
transporte
soluciones factibles (HESECOR).
El problema de las
rutas de
vehículos con
restricciones
Operadores específicos para resolver el
en el horario
de servicio:
VRPTW y generalizaciones.
VRPTW
Definición del
modelo de
Conceptos de márgenes de viaje, esperas
problema de
rutas
ineludibles y ventanas temporales efectivas.
Propuestas de
estrategias de
Nuevas metaheurísticas: perturbación de
búsqueda
secuencial la velocidad, exploración convergente,
por entornos
para la
resolución del
búsqueda local adaptativa y otras.
modelo
VRPTW
Resumen y
La toma de decisiones en las empresas

INDICE
Introducción
Los problemas de Recursos ¿Existe Requisitos

optimización
escasos solución?
combinatoria Producción
Modelos de Personal
distribución
Horas de
física y Presupuesto descanso
transporte ¿Cuál es
Tiempo Otros
El problema de las la mejor?
rutas de
vehículos con
restricciones
en el horario
de servicio: Método científico
VRPTW
Definición del
modelo de
problema de
rutas
Investigación Operativa
Propuestas de
estrategias de
búsqueda
secuencial
por entornos Optimización Incertidumbre
para la
resolución del
modelo
VRPTW Realidad Modelo Cambios Predicción Validación Decisión
Resumen y
conclusiones
Algoritmia y complejidad computacional

INDICE
Introducción
Los problemas de
optimización
Complejidad problema de decisión
combinatoria
Modelos de
distribución
física y
transporte Rendimiento algorítmico
El problema de las
rutas de
vehículos con
restricciones Polinómica Exponencial
en el horario Cualquiera se
de servicio:
VRPTW
puede transformar
Definición del
en tiempo polinomial
modelo de
problema de P NP
rutas
Propuestas de
estrategias de
Sin
búsqueda
secuencial
demostrar NP-completo
por entornos P⊆NP
para la Basta uno
resolución del
modelo
¿P=NP?
VRPTW NP-hard
Resumen y
conclusiones
Técnicas de resolución de problemas de O.C.

INDICE
Introducción
Los problemas de
Optimización combinatoria:
optimización
combinatoria “contiene los dos elementos que hacen atractivo un
Modelos de
distribución
problema a los matemáticos: planteamiento sencillo y
física y
transporte
dificultad de resolución” (Garfinkel, 1985)
El problema de las
rutas de
vehículos con
restricciones Explosión combinatoria
en el horario
de servicio:
VRPTW
Definición del
Ruta más corta Mota de polvo
modelo de
problema de 1.86 x 1041
rutas entre 37 en la atmósfera
Propuestas de
estrategias de
búsqueda Ruta más corta Mota de polvo
secuencial 4.66 x 10155
por entornos entre 100 en el Universo
para la
resolución del
modelo
VRPTW
20 billones en 1 seg 20 nodos en 50 m 25 nodos en 5 siglos
Resumen y
conclusiones
Técnicas heurísticas
INDICE
Introducción
Los problemas de Heurísticas Procedimientos sencillos

optimización
combinatoria Algoritmos específicos
Modelos de
distribución
física y
“tailored algorithms” (Telfar, 1994)
transporte
El problema de las
Flexibilidad en el manejo de las
rutas de
vehículos con características propias del problema
restricciones
en el horario
de servicio: Éxito regla 80/20 (Ho, 1994)
VRPTW
Definición del
modelo de Metaheurísticas Métodos generales (Osman et al., 1996)
problema de
rutas
Emulan estrategias eficientes
Propuestas de
estrategias de
búsqueda
en la Naturaleza e inteligencia artificial
secuencial
por entornos
para la
Guían procedimientos específicos
resolución del
modelo Sistemas inteligentes
VRPTW
Resumen y
(Goonatilake et al., 1995)
conclusiones
Técnicas metaheurísticas
INDICE
Introducción Algoritmos
Los problemas de Inteligencia genéticos
optimización
combinatoria artificial Evolución
Lógica borrosa biológica
Modelos de
distribución
física y Algoritmos
transporte Redes
meméticos
El problema de las neuronales
rutas de
vehículos con
restricciones Búsqueda
METAHEURÍSTICAS Estrategias
en el horario
de servicio: tabú evolutivas
VRPTW
Definición del GRASP Comportamiento

modelo de
problema de
Búsqueda Mecánica de los insectos
rutas
Propuestas de
local guiada estadística
estrategias de Colonias de
búsqueda
secuencial Búsqueda hormigas
por entornos ... Aceptación
para la local iterada Cristalización
resolución del
por umbrales
modelo simulada ...
VRPTW
Resumen y
conclusiones
Aplicaciones de sistemas inteligentes

INDICE
Introducción
Los problemas de Aprenden,

optimización
combinatoria descubren, se
Modelos de
distribución
adaptan, son
física y
transporte
flexibles, explican Algoritmos Genéticos (“GA”)
El problema de las
situaciones ... - transportes, redes de gas y electricidad
rutas de - procesos industriales, circuitos
vehículos con
restricciones - evaluación de créditos e inversiones
en el horario
de servicio:
Redes Neuronales (“NN”)
VRPTW - análisis de datos: diques, lluvias, transportes
Definición del - navegación, robótica, tráfico
modelo de
problema de
- riesgo de inversiones, robo tarjetas
rutas Cristalización Simulada (“SA”)
Propuestas de - análisis de ondas, optimización de NN
estrategias de
búsqueda - transportes, diseño de circuitos integrados
secuencial - procesado de imagen, plantas de fabricación
por entornos
para la Sistemas Borrosos (“FS”)
resolución del
modelo - enfoque automático de cámaras
VRPTW
- control de electrodomésticos, tráfico
Resumen y
conclusiones
Técnicas de resolución de problemas de O.C.

INDICE
Introducción
Los problemas de
optimización
combinatoria
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
de servicio:
VRPTW
Definición del
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo
VRPTW
Resumen y
conclusiones
Evaluación de las heurísticas y las metaheurísticas

INDICE
Introducción
Los problemas de
optimización
combinatoria
Modelos de Robustez
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones Comparación
en el horario
de servicio:
Tiempo de Calidad de
VRPTW entre
cálculo la solución
Definición del
modelo de
estrategias
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial Barr et al. (1995)
por entornos Flexibilidad
para la
resolución del
modelo
VRPTW
Resumen y
conclusiones
Evaluación de las heurísticas y las metaheurísticas

INDICE
Introducción
Los problemas de
Óptimos de Pareto
optimización
combinatoria
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
de servicio:
VRPTW
Definición del
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo
VRPTW
Resumen y
conclusiones
> Modelos de distribución

física y transporte
Características de los problemas de asignación y
programación de rutas
Problemas básicos de distribución

Características de los problemas de rutas

INDICE
Introducción
Tamaño de Tipo de Almacén (5)
Los problemas de
optimización Número
combinatoria la flota (3) flota (4)
Modelos de rutas (3)
distribución Mercancías (2)
física y
transporte
Restricciones Grafo (4)
El problema de las
rutas de horarias (7) Naturaleza de
vehículos con
restricciones la demanda (6)
en el horario
de servicio: Costes (3) 8,8·109
VRPTW
280 años Localización de
Definición del Ciclos de
modelo de
problema de
servicio (2) la demanda (3)
rutas
Propuestas de Operaciones (5) Duración

estrategias de
búsqueda Precedencias (3)
secuencial ruta (5)
por entornos
Capacidad
para la
resolución del vehículos (3) Velocidad Función
modelo
VRPTW vehículos (4) objetivo (9)
Resumen y
conclusiones
Problemas básicos de distribución

INDICE
Introducción
Los problemas de
optimización
Traveling Salesman
combinatoria Problem
Modelos de
Cobertura de puntos
distribución TSP
física y
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
Multiple Traveling
de servicio: Salesman Problem
VRPTW
Definición del m-TSP

modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda Vehicle Routing
secuencial
por entornos Problem
para la
resolución del
modelo
VRP
VRPTW
Resumen y
conclusiones
Vehicle Routing Problem VRP

INDICE
Introducción
AVRP Asymmetric VRP VRPSF VRP with Satellite Facilities
Los problemas de
optimización CVRP Capacited VRP OVRP Open VRP
combinatoria
VRPLC VRP with Length Constraint LVR Location VRP
Modelos de
distribución PVRP Period VRP DVRP Dynamic VRP
física y
transporte FRP Fixed Routes Problem VRPVRT VRP with Variable Travel Times
El problema de las FSMVRP Fleet Size and Mix VRP VRPVADT VRP with Variable Access Time
rutas de
vehículos con VFMVRC Vehicle Fleet Mix with SVRP Stochastic VRP
restricciones Variable Unit Running Cost
en el horario VRPST VRP with Stochastic Travel
de servicio: VRPHE VRP with Heterogeneous Fleet Times
VRPTW
VRPB VRP with Backhauls VRPSD VRP with Stochastic Demands
Definición del
modelo de VRPDB VRP with Deliveries and VRPSDC VRP with Stochastic Demands
problema de Backhauls and Customers
rutas
PDP Pickup and Delivery Problem VRPM VRP with Multiple Use of
Propuestas de Vehicles
estrategias de MCVRP Multi Compartment VRP
búsqueda VRPSDV VRP with Split Delivery
secuencial min-maxVRP Min-max VRP
por entornos VRPTW VRP with Time Windows
para la VRPPC VRP with Precedence
resolución del Constraints VRPSTW VRP with Soft Time Windows
modelo
VRPTW MDVRP Multiple Depot VRP VRPTD VRP with Time Deadlines
Resumen y
conclusiones
El problema VRPTW
INDICE
Introducción
Una visita por cliente
Los problemas de
optimización
combinatoria
Ruta empieza y acaba en base
Modelos de
distribución
Flota homogénea
física y
transporte Capacidad en vehículos
El problema de las
rutas de
Horarios de entrega
vehículos con
restricciones
en el horario
de servicio:
VRPTW Literatura temprana: Pullen y Webb (1967)
Definición del
casos particulares Knight y Hofer (1968)
modelo de
problema de
rutas Madsen (1976)
Propuestas de
estrategias de
búsqueda
secuencial Hoy: Solomon (1987)
por entornos
para la
resolución del problema clásico Proyecto GreenTrip:
modelo
VRPTW
40 años/investigador 1996-98
Resumen y
conclusiones
El problema VRPTW: aplicaciones reales

INDICE
Introducción Área económica Aplicación

Los problemas de Distribución de piezas de repuesto
optimización
Industria del automóvil
combinatoria
Materias primas Combustible, gas natural, hormigón
Modelos de
distribución Transporte de alimentos Grandes superficies y pequeños comercios
física y
transporte Salud Reparto de medicamentos a farmacias
El problema de las
Prensa Distribución de periódicos y revistas
rutas de
vehículos con
restricciones Banca Reparto y recogida de dinero en efectivo
en el horario
de servicio: Sector público Recogida de basuras, limpieza de calles, reparto de correo
VRPTW
Agricultura Recogida de ganado, leche, cereales, etc.
Definición del
modelo de
Industria Suministro de piezas o mercancías entre almacenes
problema de
rutas
Servicios Reparación de electrodomésticos a domicilio.
Propuestas de
estrategias de Educación Rutas de autobuses escolares
búsqueda
secuencial Planificación Programación de actividades
por entornos
para la
Defensa Rutas de aviones espías, logística militar
resolución del
modelo
VRPTW Transporte Planificación de flotas de aviones, camiones, trenes, etc.
Resumen y
conclusiones
Modelo matemático del problema VRPTW

INDICE
Introducción
Los problemas de
optimización
Minimizar ∑∑ ∑ c x
k∈V i∈N j∈N
ij ijk
combinatoria
Modelos de
∑∑x
distribución
física y
transporte
Sujeto a
ijk =1 ∀i ∈ C
k∈V j∈N
∑q ∑ x ≤ Q
El problema de las
rutas de
vehículos con i ∀k ∈ V ijk
restricciones i∈C j∈N
∑ x = 1 ∀k ∈V
en el horario
de servicio:
VRPTW 0 jk
j∈N
∑x −∑x =0 ∀h ∈ C , ∀k ∈ V
Definición del
modelo de ihk hjk
problema de
rutas
i∈N j∈N
Propuestas de
estrategias de
∑x
i∈N
i , n +1, k =1 ∀k ∈ V
x (b + tij − b jk ) ≤ 0
búsqueda
secuencial
por entornos ijk ik ∀i, j ∈ N , ∀k ∈ V
para la
resolución del
modelo
ei ≤ bik ≤ ui ∀i ∈ N , ∀k ∈ V
VRPTW
Larsen (1999) xijk ∈ {0,1} ∀i , j ∈ N , ∀k ∈ V
Resumen y
conclusiones
Complejidad computacional del VRPTW

INDICE
Introducción VRP → NP-hard

Los problemas de
optimización (Lenstra y Rinnooy Kan, 1981)
combinatoria
Modelos de
distribución
física y
transporte
VRPTW → NP-hard
El problema de las
rutas de Poco probable
vehículos con
restricciones
en el horario
llegar a solución
de servicio:
VRPTW óptima en
Definición del
modelo de
tiempo polinomial
problema de
rutas
Propuestas de Solución viable

estrategias de
Con rutas fijas
TSPTW →
búsqueda
secuencial
por entornos
para la
VRPTW →
resolución del NP-completo
modelo NP-completo
VRPTW (Savelsberg, 1985)
Resumen y
conclusiones
Algoritmos de aproximación y heurísticas

INDICE
Introducción
Algoritmos secuenciales
Los problemas de Backer y Schaffer (1986)
optimización
combinatoria
Solomon (1987)
Modelos de van Ladeghem (1988)

distribución
física y Construcción Ioannou et al. (2001)
transporte
Algoritmos paralelos
El problema de las
rutas de
de rutas Povtin y Rousseau (1993)
vehículos con
restricciones Antes y Derigs(1995)
en el horario Heurísticas Russell (1995)
de servicio:
VRPTW
Definición del
VRPTW Kontoravdis y Bard (1995)
modelo de
problema de
Mejora de rutas
rutas Russell (1977); Savelsbergh (1986,1990,1992); Solomon et al.
Propuestas de
(1988); Baker y Schaffer (1986); van Landeghem (1988); Thompson
estrategias de y Psaraftis (1993); Potvin y Rousseau (1995)
búsqueda
secuencial
por entornos Mixtas
para la
resolución del Kontoravdis y Bard (1995); Antes y Derigs (1995); Russell (1995);
modelo Prosser y Shaw (1996); Cordone y Wolfler-Calvo (1997); Shaw
VRPTW
(1997, 1998); Caseau y Laburthe (1999); Bräysy (2001)
Resumen y
conclusiones
Heurística secuencial de Solomon (1987)

INDICE
Introducción
Cliente más alejado al depósito
Los problemas de Criterio de inicio de ruta
optimización
combinatoria
Cierre del inicio de servicio más temprano
Modelos de
distribución
física y
Criterio de inserción de cliente
c 1 [i (u ), u , j (u )] = min c 1 (i p −1 , u , i p )
transporte
El problema de las
rutas de
(Paso
4 .2 ) 1
p =1 ,..., m
c1 (i, u, j ) = α1c11 (i, u, j ) + α 2 c12 (i, u, j )
vehículos con
restricciones
α1 + α 2 = 1, α1 ≥ 0, α 2 ≥ 0
en el horario
de servicio:
VRPTW
c11 (i, u , j ) = d iu + d uj − Gd ij
Definición del G≥0
( )
modelo de
problema de c12 b ju − b j
c 2 [i (u *), u*, j (u *)] = max c 2 [i (u ), u , j (u )]

rutas
Propuestas de (Paso
4 .6 ) 2
u
estrategias de
c2 (i, j , u ) = λ ⋅ d 0u − c1 (i, j , u )
búsqueda
secuencial λ≥0
por entornos
para la
resolución del
modelo
VRPTW
Resumen y
λ=2; G=1; α1=1; α2=0
conclusiones
Búsqueda local
INDICE
Introducción
Solución
Los problemas de
optimización
combinatoria
inicial T
Modelos de
distribución
física y
transporte
Transformación
El problema de las de T en T’
rutas de
vehículos con
restricciones
en el horario
de servicio:
miopía
VRPTW
¿Criterio
Definición del
modelo de de parada ? SI
problema de
rutas
Propuestas de NO
estrategias de
búsqueda
secuencial
NO SI
por entornos
para la
¿Es T’ mejor Reemplazar Óptimo
resolución del
modelo que T ? T por T’ local
VRPTW
Resumen y
conclusiones
Taxonomía de los operadores de cambio

INDICE
Introducción
Movimientos dentro de una ruta
Los problemas de
optimización
combinatoria
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones 1-swap
en el horario 2-opt
de servicio: 1-swap*
VRPTW
Definición del
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo 1-relocate IOPT
VRPTW
Resumen y
conclusiones
Taxonomía de los operadores de cambio

INDICE
Introducción
Movimientos entre dos rutas
Los problemas de
optimización
combinatoria
Modelos de
distribución
física y 2-opt*
transporte CROSS 2-relocate 2-swap
2-opt**
El problema de las
rutas de
vehículos con Otros
restricciones
en el horario
de servicio:
ICROSS
Reconstrucción
VRPTW Or-opt GENIUS
Reductor rutas
Definición del
modelo de Intercambio vehículos
problema de
rutas
Movimientos entre tres rutas Sustitución vehículos
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la 3-swap 3-relocate 3-opt* Cíclicas
resolución del
modelo
VRPTW
Resumen y
conclusiones
Metaheurísticas VRPTW
INDICE
Algoritmos genéticos
Introducción
Los problemas de
optimización Garcia et al. (1994)
combinatoria
Thangiah et al. (1994) Blanton et al. (1993)
Modelos de
distribución Carlton (1995) Thangiah (1995)
física y
transporte De Backer et al. (1997) Potvin et al. (1996)
Thangiah et al. (1994)
El problema de las Badeau et al. (1997) Berger et al. (1998)
rutas de Chiang et al. (1996)
vehículos con Potvin et al. (1996)
restricciones Tan et al. (2000) Bräysy (1999)
en el horario Chiang et al. (1997)
de servicio: Li et al. (2001) Berger et al. (2001)
VRPTW Schulze et al. (1999)
Bent et al. (2001)
Definición del Taillard et al. (1997)
modelo de
Brandao (1999)
problema de
rutas Estrategias
Cordeau et al. (2000)
Propuestas de
estrategias de
evolutivas
búsqueda
secuencial Homberger et al. (1999)
por entornos
para la
resolución del
GRASP Bräysy et al. (2000)
modelo
VRPTW Kontoravdis et al. (1995)
Resumen y
conclusiones
Metaheurísticas VRPTW
INDICE
Introducción
Colonias de hormigas
Los problemas de
optimización Redes
combinatoria
BÚSQUEDA DISPERSA
Modelos de
distribución
neuronales
física y Rochat et al. (1995)
transporte
El problema de las Potvin et al. (1999) Reconstrucción

rutas de
vehículos con
restricciones
en el horario Gambardella et al. (1999)
de servicio: Schrimpf et al. (2000)
VRPTW
Definición del
modelo de Búsqueda local guiada
problema de Búsqueda en entornos amplios
rutas
Kilby et al. (1999)
Propuestas de
Shaw (1997, 1998)
estrategias de De Backer et al (2000)
búsqueda Bent et al. (2001)
secuencial
por entornos
Búsqueda local iterada Búsqueda en entornos variables
para la
resolución del Ibaraki et al. (2001) Rousseau et al. (2000)
modelo
VRPTW ILS
Bräysy (2001a, 2001b)
Resumen y
conclusiones
Problemas de Solomon (1987)

INDICE
Introducción
Los problemas de TW ↓ TW ↑
optimización
combinatoria
Aleatorio R1 R2
Modelos de
distribución
física y Agrupado C1 C2
transporte
El problema de las Mixto RC 1 RC 2

rutas de
vehículos con
restricciones Capacidad Capacidad
en el horario pequeña grande
de servicio: R1-R2 C1
VRPTW
Definición del
modelo de 56 problemas
problema de
rutas 100 clientes
Propuestas de 1 almacén
estrategias de
búsqueda
secuencial
Vehículos iguales
por entornos
para la
Tiempo máximo
resolución del
modelo TW 25%,50%,75%,100%
VRPTW
C2 RC 1 - RC 2
Resumen y
conclusiones
Comportamiento de las estrategias de optimización

INDICE
Introducción
460
Los problemas de
optimización 455 Solomon (1987) and
combinatoria
450 Potvin et al. (1993)
Modelos de
distribución 445
física y
transporte 440 Thompson et
El problema de las
al.(1993)
435
NTR
rutas de Antes et al. (1995)

vehículos con 430
restricciones Ioannou et al. (2001)
en el horario 425 Russell (1995) Cordone et al. (1998)
de servicio:
VRPTW 420 Caseau et al. (1999)
Definición del 415
modelo de
Bräysy (2001a)
problema de 410
rutas
405
Propuestas de
estrategias de 0 5 10 15 20 25 30
búsqueda
secuencial Tiempo en minutos
por entornos
para la
resolución del
modelo
VRPTW Efectividad de distintos procedimientos heurísticos. Bräysy y Gendreau (2001)
Resumen y
conclusiones

INDICE
Introducción
440
Los problemas de
optimización Garcia et al. (1994)
combinatoria 435
Modelos de
Kontoravdis et al.
distribución
física y
430 (1995)
transporte Rochat et al. (1995)
Potvin et al. (1996) Kilby et al. Brandão (1999)
El problema de las 425 Schulze et al. (1999)
NTR
Russell (1995) (1999)

rutas de Bräysy (1999b)
vehículos con Gambardella et al.
restricciones 420 Bräysy et al. (2000)
en el horario (1999)
de servicio: Gehring et al. (1999) Taillard et al. (1997)
VRPTW 415
Liu et al. (1999)
Definición del
Bräysy (2001a) Berger et al. (2001)
modelo de 410 Homberger et Homberger et
problema de Bräysy (2001b)
rutas Bräysy (2001c) al.(1999) al. (1999)
Propuestas de
405
estrategias de
búsqueda 0 50 100 150 200 250 300 350 400 450 500
secuencial
por entornos Tiempo en minutos
para la
resolución del
modelo
VRPTW Efectividad de distintos procedimientos. Bräysy y Gendreau (2001)
Resumen y
conclusiones

INDICE
Introducción
Los problemas de
optimización NTR D Referencia Estrategia
combinatoria
405 57710 Bräysy (2001c) Búsq. en entornos ampliados
Modelos de
distribución
física y 405 57952 Berger et al. (2001) Algoritmos genéticos
transporte
El problema de las 406 57876 Homberger et al. (1999) Algoritmos evolutivos

rutas de
vehículos con
restricciones 406 57641 Gehring et al. (2001) Algoritmos genéticos
en el horario
de servicio: Gambardella et al. (1999)
VRPTW
407 57525 Colonias de hormigas
Definición del 407 57556 Cordeau et al. (2000) Búsqueda tabú
modelo de
problema de
rutas
Propuestas de
estrategias de No es posible afirmar
búsqueda
secuencial
por entornos
categóricamente que una familia de
para la
resolución del metaheurísticas resuelve mejor que
modelo
VRPTW otra un problema del tipo VRPTW .
Resumen y
conclusiones

INDICE
Introducción
Referencia Problema Nº Rutas Distancia NTR
Los problemas de
optimización Lau et al. (2001) R103 13 1175,67 462
combinatoria
Taillard et al. (1997) RC108 10 1139,82 417
Modelos de
distribución Rochat et al. (1995) R105 14 1377,11 427
física y
transporte Rochat et al. (1995) R106 12 1252,03 427
El problema de las Rousseau et al. (2000) R202 3 1191,70 412
rutas de
vehículos con Shaw (1997) R104 9 1007,31 -
restricciones
en el horario Shaw (1997) R107 10 1104,66 -
de servicio:
VRPTW Shaw (1997) RC107 11 1230,48 -
Definición del Shaw (1998) RC103 11 1261,67 -
modelo de
problema de Ibaraki et al. (2001) RC208 3 828,14 -
rutas
Propuestas de
estrategias de
búsqueda
Un resultado excelente en la
secuencial
por entornos
optimización de un problema VRPTW
para la
resolución del no implica que la estrategia sea
modelo
VRPTW adecuada en casos semejantes.
Resumen y
conclusiones
Consideraciones
INDICE
Introducción ¡Demasiadas justificaciones para acreditar

Los problemas de la eficacia de un procedimiento!
optimización
combinatoria
Modelos de ¿Se ha reducido el

distribución
física y
¿Se ha mejorado
transporte
número de rutas de
una marca vigente?
El problema de las un conjunto de problemas?
rutas de
vehículos con
restricciones
en el horario
de servicio:
¿Es mejor que otro ¿Se ha reducido el
VRPTW
procedimiento considerado número de rutas del
Definición del
modelo de bueno? conjunto de problemas?
problema de
rutas
Propuestas de ¿Se ha reducido

estrategias de
búsqueda la distancia?
secuencial ¿Es mejor que otro
por entornos ¿Es mejor que otro
para la
resolución del
procedimiento de
banco de problemas
modelo su
VRPTW
más moderno?
Resumen y
misma familia?
conclusiones
Consideraciones
INDICE
Introducción
Los problemas de
optimización
En procedimientos No se han publicado a
combinatoria
aleatorios no se han veces tiempos de
Modelos de
distribución publicado a veces cálculo, y en otras
física y
transporte número de ensayos ni ocasiones no se conoce
El problema de las
rutas de estadísticos como la el hardware ni software.
vehículos con
restricciones
en el horario
dispersión y el valor
de servicio:
VRPTW medio.
Definición del
modelo de En ocasiones se han A veces se ha
problema de
rutas definido metaheurísticas cambiado la función
Propuestas de
estrategias de
como procedimientos objetivo adaptándola a
búsqueda
secuencial que extraen el mejor cada caso en distintas
por entornos
para la
resolución del
resultados de varios fases del cálculo. Éstas
modelo
VRPTW procedimientos. no han sido homogéneas
Resumen y
conclusiones
INDICE
Introducción
Los problemas de
optimización
combinatoria Universo de Universo de
Modelos de problemas distintos
distribución
física y reales de escenarios
transporte
transporte posibles para un
El problema de las
rutas de
problema concreto
vehículos con
restricciones
en el horario
de servicio:
Mejor solución
VRPTW posible para un
Definición del tiempo de
modelo de
problema de cálculo
rutas
Espacio de
Propuestas de
estrategias de Universo de soluciones
búsqueda
secuencial heurísticas y factibles
por entornos
para la
resolución del
metaheurística
modelo
VRPTW
s posibles
Resumen y
conclusiones
> Definición del modelo de

problema de rutas
Ámbito de los problemas de distribución y transporte
del modelo
Las ventanas temporales
Determinación del inicio del servicio y de los
márgenes de viaje
La función objetivo

Acercamiento a los problemas reales

INDICE
Introducción
Los problemas de
– Flota heterogénea: vehículos con diferente
optimización
combinatoria antigüedad, capacidad de carga, costes fijos y de
Modelos de
distribución operación, jornadas laborales...
física y
transporte
El problema de las
– Función objetivo basada en criterios
rutas de
vehículos con
económicos reales: tarifas y costes
restricciones
en el horario
de servicio:
– Presencia de horarios de servicio a los clientes
VRPTW
Definición del
y de apertura del almacén
modelo de
problema de
rutas
– Flexibilización en el horario de entrega o
Propuestas de
recogida siempre que se penalicen
estrategias de
búsqueda
secuencial
convenientemente las insatisfacciones del cliente
por entornos
para la
resolución del
– Posibilidad de que los vehículos reinicien
modelo
VRPTW nuevas rutas si no se sobrepasa la jornada
Resumen y
conclusiones
laboral.
Ámbito de los problemas del modelo

INDICE
Introducción
Los problemas de AVRP Asymmetric VRP VRPVADT VRP with

optimización
combinatoria
CVRP Capacited VRP Variable Access
Modelos de Time
distribución
física y VRPLC VRP with Length
transporte VRPM VRP with
Constraint
El problema de las Multiple Use of
rutas de
vehículos con FSMVRP Fleet Size and Vehicles
restricciones
en el horario Mix VRP VRPSDV VRP with Split
de servicio:
VRPTW
VFMVRC Vehicle Fleet Mix Delivery
Definición del
modelo de
with Variable VRPTW VRP with Time
problema de
rutas
Unit Running Windows
Propuestas de
Cost
estrategias de VRPSTW VRP with Soft
búsqueda
secuencial VRPHE VRP with Time Windows
por entornos
para la Heterogeneous VRPTD VRP with Time
resolución del
modelo Fleet Deadlines
VRPTW
Resumen y
conclusiones
Las ventanas temporales

INDICE
Introducción
5
Los problemas de
optimización
combinatoria
CTW
j (t ) = ∑ l, j (t)
CTW
Modelos de l =1
distribución
física y
transporte
El problema de las
rutas de
vehículos con
C1TW e e s
(
, j (t ) = p j + c j ⋅ e j − t ) t < e sj
restricciones k ej
 e hj − t 
C2, j (t ) = p j ⋅ h s
en el horario e 
de servicio:
TW  e sj ≤ t < e hj
e −e 
VRPTW  j j 
, j (t ) = 0
Definición del
modelo de C3TW e sj ≤ t ≤ u sj
problema de
rutas k uj
 t − u hj 
Propuestas de C4, j (t ) = p j ⋅ s
TW u   u hj < t ≤ u sj
estrategias de  u − uh 
búsqueda  j j 
( )
secuencial
, j (t ) = r j + c j ⋅ t − u j
C5TW t > u sj
por entornos u u s
para la
resolución del
modelo
VRPTW
Modelo de penalización económica para franjas horarias flexibles
Resumen y
conclusiones
Inicio del servicio y asimetrías en los viajes

INDICE
Introducción
Los problemas de
d ij
t (t ) = li (t ) + + a j (t )
optimización
combinatoria k
ij
Modelos de
distribución
vk
física y
transporte
El problema de las
rutas de
[ ]
bkj (t ) = max esj , bik (t ) + si + tijk (t ) ≤ u sj
vehículos con
restricciones
en el horario
de servicio:
e sj − bkj (t ) e sj > b kj (t )
w (t ) = 
VRPTW k
e sj ≤ b kj (t )
ij
Definición del  0
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo
VRPTW
Inserción sucesiva de clientes
Resumen y
conclusiones
Inicio del servicio y márgenes de viaje

INDICE
Introducción
Inicio más temprano posible
[ ]
Los problemas de
b kj ,early (i ) (t ) = max e sj , eis + si + tijk (t ) ≤ u sj

optimización
combinatoria
Modelos de
distribución
física y
Inicio más tardío posible
[
bkj ,last(i ) (t ) = min u sj , uis + si + tijk (t ) ≥ e sj ]
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
Ventana temporal efectiva
H ik, j max (t ) = b kj ,last (i ) (t ) − b kj ,early (i ) (t )
de servicio:
VRPTW
Definición del
modelo de
problema de Margen del viaje
H ik, j (t ) = b kj ,last (i ) (t ) − b kj (t )
rutas
Propuestas de
estrategias de
búsqueda
secuencial Espera ineludible Distancia ficticia
[
wijk ,min (t ) = max 0, e sj − b kj ,last (i ) (t ) ] d ijk,min (t ) = wijk ,min (t ) ⋅ vk
por entornos
para la
resolución del
modelo
VRPTW
Reducción del margen efectivo de los viajes
Resumen y
conclusiones
INDICE
Introducción
Los problemas de
  N 5 TW
B = ∑  F j + q j Rq j + d 0 j Rd j + q j d 0 j Rqd j − ∑ V j , k Cv j ,k  − ∑∑ Cl , j (t j ) −
optimización N Vs
combinatoria
Modelos de
j =1  k =1  j =0 l =1
distribución
física y
  N 5 TW
− ∑ Chk (Tk ) + ∑ (Cr , k + Cdu k ⋅ d r ,k ) − ∑∑ Cl , j (t j )
M Rk
transporte
El problema de las
rutas de k =1  r =1  j =0 l =1
vehículos con
restricciones
en el horario
de servicio:
VRPTW
I = ∑ (F j + q j Rq j + d 0 j Rd j + q j d 0 j Rqd j )
Definición del N
modelo de
problema de
rutas
Ingresos
j =1
Propuestas de
estrategias de
búsqueda
secuencial
C = Ch + Cd + Ctw + Cv
por entornos
para la
resolución del
Costes
modelo
VRPTW
Resumen y
conclusiones
INDICE
M
Ch = ∑ Chk (Tk )
Introducción
Los problemas de
Coste horario
optimización k =1
combinatoria
Modelos de Chlk ⋅ t 0 ≤ t ≤ Hlk


distribución
física y
Chk (t ) = Chlk ⋅ Hlk + Chek ⋅ t Hlk < t ≤ Hek
transporte Chl ⋅ Hl + Che ⋅ He + Chp ⋅ t t > Hek
 k k k k k
El problema de las
rutas de M
Cd = ∑ Cd k
vehículos con
restricciones
en el horario
Coste por distancia
de servicio: j =1
VRPTW
Rk
Definición del Cd k = ∑ Cr ,k + Cduk ⋅ d r ,k
modelo de r =1
problema de
rutas
, j (t j )
N 5
Propuestas de
estrategias de Penalizaciones TW Ctw = ∑∑ ClTW
búsqueda j = 0 l =1
secuencial
por entornos
para la N VJ
Cv = ∑∑ v j ,k ⋅ Cv j ,k
resolución del
modelo
VRPTW Coste por visita
j =1 k =1
Resumen y
conclusiones
> Propuestas de estrategias

de búsqueda secuencial por
entornos
Comportamiento de distintas estrategias en la
resolución del VRPTW con objetivo económico
Resolución de problemas de rutas VRPTW
generalizados

HESECOR
INDICE
Introducción
Los problemas de
optimización Heurística de
combinatoria
construcción
Modelos de
distribución
HESECOR económica y
física y
transporte secuencial de rutas
El problema de las
rutas de
vehículos con
restricciones
en el horario
de servicio:
VRPTW Mejora los criterios de Solomon (1987)
Definición del
modelo de
problema de
Generaliza problemas más complejos
rutas
Propuestas de
Adopción de variables espacio-temporales
estrategias de
búsqueda
secuencial Criterios de rentabilidad económica
por entornos
para la
resolución del
modelo
Amplios conjuntos de soluciones
VRPTW
Resumen y
conclusiones
Proximidad económica como criterio de inicio

INDICE
Introducción
Los problemas de
La variable espacio-temporal
optimización
combinatoria representa un criterio de cercanía entre
Modelos de
distribución
nodos mejor que su separación física.
física y
transporte
El problema de las
rutas de Esperas por franjas horarias
vehículos con
restricciones
en el horario
Velocidad de vehículos
de servicio:
VRPTW Dificultades de aproximación
Definición del
modelo de
problema de Potvin et al. (1996), Kilby et al. (1997),
rutas
Propuestas de
e incluso recientemente
estrategias de
búsqueda
por Lau et al. (2001) continúan
secuencial
por entornos despreciando la componente temporal
para la
resolución del
modelo
VRPTW
Resumen y
conclusiones
HESECOR
INDICE
Introducción
Los problemas de Criterio de inicio de ruta 1. Hora más tardía de llegada a la

optimización
combinatoria base
Modelos de
distribución 2. Cierre más temprano de la
física y
transporte franja horaria
El problema de las
rutas de
3. Cliente más rentable
vehículos con
restricciones
en el horario
4. Menor lapso entre el inicio del
de servicio:
VRPTW
servicio y el cierre de la ventana
Definición del
temporal
modelo de
problema de
rutas
5. Lejanía efectiva del cliente al
Lista ordenada con elección depósito
Propuestas de
estrategias de de cliente de inicio determinado
búsqueda 6. Cliente de mayor beneficio
secuencial (el mejor de la lista) o con cierta
por entornos inicial
para la probabilidad
resolución del
modelo 7. Buen posicionamiento respecto
VRPTW
a anteriores criterios
Resumen y
conclusiones
HESECOR
INDICE
Introducción B
Criterio de inserción 7,8d frente a 8d
d
Los problemas de
optimización
A
combinatoria
d
Modelos de
distribución
física y O 0,6 d 1,2 d
transporte
El problema de las Lista ordenada con elección d

rutas de
vehículos con
restricciones
de cliente a insertar determinado
d D
en el horario C
(el mejor de la lista) o con cierta
de servicio:
VRPTW
1. Máximo beneficio
probabilidad
Definición del 2. Máxima rentabilidad
modelo de
problema de
rutas 3. Máxima rentabilidad marginal
Propuestas de La inserción de un 4. Máxima diferencia del beneficio
estrategias de
búsqueda cliente que disminuya un
secuencial al incluir un nodo respecto a
por entornos incremento espacio-temporal
para la
a veces no es razonable asignar un itinerario exclusivo
resolución del
modelo frente a otro que rebaje el desde el depósito
VRPTW
coste total. 5. Mayor margen de la ruta
Resumen y
conclusiones
Función económica para problemas de Solomon (1987)

INDICE
Introducción
Los problemas de
optimización
A B C D E
combinatoria
Tarifa por unidad transportada 1 5 10 10 10
Modelos de
distribución y distancia Rqdj
física y
transporte
Tarifa fija por disposición del 50 1000 1000 1000 1000
El problema de las
rutas de
servicio Fj
vehículos con
restricciones Coste unitario distancia Cduk 100 200 100 100 10
en el horario
de servicio:
VRPTW Coste horario Chlk 10 10 10 100 100
Definición del
modelo de
problema de
rutas Coste fijo por inicio de ruta Cr,k 1000
Propuestas de
estrategias de
Penalización ruptura ventana temporal ruj 10000
búsqueda
secuencial Penalización horaria por espera Cej 10
por entornos
para la
resolución del
Penalización horaria tras ruptura ventana 1000
modelo
VRPTW
temporal Cuj
Resumen y
conclusiones
HESECOR determinista
INDICE
Introducción
56 problemas de Solomon (1987) Combinación 15
Los problemas de
optimización
combinatoria
Función económica tipo A (5,4) (26,8%)
Modelos de
distribución
35 combinaciones →1960 casos Inicio 5 18
física y
Candidatos 1/3 nodos libres (si >25) (32,1%)
transporte
El problema de las Inserción 4 35

rutas de
vehículos con 3,5 seg (62,5%)
restricciones
en el horario
de servicio:
VRPTW NTR DT
Definición del
modelo de Mejor combinación (7,4) 492 81878,69
problema de
rutas Peor combinación (6,5) 558 120144,07
Propuestas de
estrategias de Mejor inicio 7 510,60 89693,43
búsqueda
secuencial
por entornos
Mejor inserción 4 507,71 86677,79
para la
resolución del
modelo
VRPTW ¡RECORD! Iguala mejor metaheurística en C101, C105 y C107
Resumen y
conclusiones
INDICE
Introducción
Los problemas de ¿Qué ocurre si cambia

optimización
combinatoria
la función objetivo?
Modelos de
distribución
física y
transporte
El problema de las
Evaluación tradicional Objetivo económico
rutas de
vehículos con SOLOMON A-1 A-1 A-2
restricciones
en el horario
de servicio: NTR 453 451 459 455
VRPTW
Definición del
modelo de
DT 73005,00 73003,07 72567,31 71521,06
problema de
rutas
Propuestas de
estrategias de
búsqueda
No son comparables los métodos
secuencial
por entornos
que resuelven un problema VRPTW
para la
resolución del cuando se emplean distintas funciones
modelo
VRPTW objetivo.
Resumen y
conclusiones
INDICE
Introducción R103;R201;C104;C206;RC107;RC208 NTR DT BT

Los problemas de
optimización
SOL 47 7995,00
combinatoria
Dependencia
Modelos de A 48 7814,92 -818431,44
distribución
física y
de la calidad
transporte B 48 7447,20 247890,50
El problema de las
frente a la
rutas de C 49 7905,93 2460317,14
vehículos con función objetivo
restricciones
en el horario
D 49 9018,49 -541368,47
de servicio:
VRPTW E 49 10433,94 101269,05
Definición del
modelo de
problema de
rutas
Fijadas las tarifas y los costes, la
Propuestas de rentabilidad de una operación de
estrategias de
búsqueda
secuencial
reparto del tipo VRPTW es función de
por entornos
para la la distribución física y las franjas
resolución del
modelo
VRPTW
horarias de los clientes.
Resumen y
conclusiones
Búsqueda local aleatoria

INDICE
Introducción R103A
Los problemas de 52 s
optimización
combinatoria -143000
Modelos de
B eneficio -145000
distribución
física y
-147000
transporte -149000
108 s
El problema de las -151000
rutas de
vehículos con -153000
restricciones
en el horario -155000
de servicio:
VRPTW
0 10000 20000 30000 40000 50000
Definición del Iteraciones

modelo de
problema de
rutas 2-opt*(1) 2-opt*(1000)
Propuestas de
estrategias de
búsqueda
secuencial
La elección aleatoria de movimientos y la
por entornos
para la
selección de la primera mejora constituye una
resolución del
modelo
técnica razonable frente a las búsquedas
VRPTW
exhaustivas de todo el entorno.
Resumen y
conclusiones
Descenso aleatorio con múltiples operadores

INDICE
Introducción
Los problemas de
optimización R103A R103A
combinatoria
Modelos de -135000
-140000
distribución
física y -145000 -140000
B eneficio
Beneficio
transporte
-150000 -145000
El problema de las
rutas de
-155000 -150000
vehículos con
restricciones -160000
1-rel
2-rel
3-rel
Or-opt
(2-0)
(2-1)
(2-2)
2-opt*
3-opt*
C ross
1-sw
2-sw
3-sw
de servicio:
0 10000 20000 30000 40000
VRPTW
Iteraciones
Definición del Operadores
modelo de 2-opt* (1-0) (1-1) 1-relocate 25%
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
El empleo de múltiples operadores
por entornos
para la
amplía el entorno y las posibilidades de
resolución del
modelo
encontrar mejores soluciones, aunque requiera
VRPTW
mayor tiempo de cálculo.
Resumen y
conclusiones
Descenso aleatorio con múltiples operadores

INDICE
Introducción R103A
Los problemas de
-125000,00
optimización 10 operadores -145000,00
combinatoria
Primer descenso -165000,00
Modelos de a
-185000,00
Beneficio
distribución 250000 iteraciones
física y -205000,00 b
transporte
9 ensayos -225000,00 c
El problema de las
rutas de -245000,00 d
vehículos con
restricciones
-265000,00
en el horario -285000,00
de servicio: ¡Posible
VRPTW -305000,00
Definición del
encajonamiento 1000 10000 100000 1000000
modelo de
problema de de soluciones! Iteraciones
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
La calidad de la solución final tras aplicar
para la
resolución del
determinadas estrategias de búsqueda local a un
modelo
VRPTW
problema VRPTW, depende de la solución inicial.
Resumen y
conclusiones
Búsqueda local adaptativa con múltiples operadores

INDICE
Introducción
Probabilidad de uso de un operador N=20000 R=25
Los problemas de R=10
optimización en función de los éxitos recientes
combinatoria N=10000
Modelos de RRVNS -128000
distribución -130000
física y Cierta memoria que explora
transporte -132000
El problema de las
las opciones más prometedoras -134000
rutas de -136000
Beneficio
restricciones R103A
de servicio: HESECOR (7,4) -142000
VRPTW 15 operadores -144000
Definición del Probabilidad éxitos 1000 iter Seg. CPU 102 200 1788 2256
modelo de
problema de Primer descenso
rutas
Máximo Media Mínimo
9 ensayos
Propuestas de
estrategias de
búsqueda
secuencial
El ajuste de los parámetros de una
por entornos
para la
estrategia de búsqueda mejora los resultados
resolución del
modelo
obtenidos para un VRPTW determinado, sin que
VRPTW
ello signifique que sea mejor para otros casos.
Resumen y
conclusiones
Destrucción y reconstrucción de soluciones

INDICE
Introducción
Los problemas de
optimización
combinatoria
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
de servicio:
VRPTW
(ρ, Λ, m) -128000
Beneficio
Definición del -129000
modelo de
-130000
problema de
rutas R103A -131000 Radial
-132000 Aleatoria
Propuestas de
estrategias de HESECOR (7, 4) -133000 Mixta
búsqueda
secuencial Primer descenso -134000 Medias
por entornos -135000
para la 1000 iteraciones
resolución del -136000
modelo 1 ensayo -137000
ρ
VRPTW
0 1 3 7 11 15
Resumen y
conclusiones
Destrucción y reconstrucción de soluciones

INDICE
Introducción Destrucción mixta

Los problemas de 25-500 iteraciones -150000,00
optimización
combinatoria 2 ensayos
Beneficio
-200000,00
Modelos de
distribución Influencia de la magnitud -250000,00
física y
transporte de destrucción y tiempo -300000,00
El problema de las
rutas de
de cálculo -350000,00
vehículos con 0 500 1000 1500 2000
restricciones
en el horario
-130000 Iteraciones
de servicio:
VRPTW
-135000 a b c d
Definición del
Beneficio
modelo de -140000
problema de
rutas -145000
Influencia
Propuestas de solución inicial
estrategias de -150000
búsqueda
-155000
ρ =0
secuencial
por entornos
para la
0 1 10 100 Destrucción mixta
resolución del Minutos de CPU
modelo
2000 iteraciones
VRPTW
Resumen y
R103A ρ 0 5 10 15 30 9 ensayos
conclusiones
GRASP dirigido con búsqueda convergente

INDICE
Introducción
Población con
Los problemas de
optimización
HESECOR
combinatoria probabilista
Modelos de
distribución
física y
GRASP
transporte
rocedure
El problema de las
rutas de
vehículos con
earch
restricciones
en el horario daptative
de servicio: i
1−
P(i ) = P0
VRPTW andomized F
Definición del
modelo de reedy
problema de
rutas
Propuestas de
estrategias de Descarte
búsqueda
1− k
secuencial Probabilidad
p (i, n ) = k i −1 k→ 0 ⇒ Primero de lista
por entornos
para la Secuencias
1− k n
resolución del
modelo
ordenadas k→ 1 ⇒ Equiprobable
VRPTW
Resumen y
conclusiones
GRASP dirigido con búsqueda convergente

INDICE
-140000
Introducción -145000 R103A Influencia de la
Los problemas de
-150000 aleatoriedad y número
optimización
Beneficio
-155000 HESECOR de soluciones
combinatoria -160000
-165000 9 ensayos
Modelos de -170000
distribución
-175000
física y
Inicio 7: k=0,25
250
250
250
250
35
-180000
transporte -140000,00
-185000
El problema de las I II III IV V -150000,00
rutas de
B e n e fic io
vehículos con Inicio 1-7 7 7 7 1-7 -160000,00
restricciones k 0 0,2 0 0,2 0,2
en el horario -170000,00
de servicio: Inserción 1-5 4 4 4 1-5
VRPTW k 0 0 0,2 0,2 0,2 -180000,00 Inicio 1-7: k=1
Definición del -190000,00
modelo de Influencia de la aleatoriedad
problema de 1 10 100 1000
rutas de los criterios de inicio e
inserción de HESECOR Inserción 4: k=0 Soluciones generadas
Propuestas de
estrategias de
búsqueda
secuencial
Cierta aleatoriedad en la generación de
por entornos
para la
una población de soluciones al problema
resolución del
modelo
VRPTW lo suficientemente grande, favorece el
VRPTW
encuentro de individuos de mayor calidad.
Resumen y
conclusiones
Cristalización simulada
INDICE
Introducción
Los problemas de Selección temperatura inicial Probabilidad de aceptación

optimización
combinatoria
 ∆
P = exp − 
Modelos de
distribución
t0 Medina (2001)
física y
transporte  tk 
El problema de las
rutas de
vehículos con Movimientos Velocidad enfriamiento
restricciones
en el horario Cadena de Markov
de servicio:
VRPTW
No
ti +1 = r ⋅ ti i = 0,1,..., n
¿0,2<A%
t0 ← 2 t0
Definición del
modelo de
problema de
?
rutas Si
Propuestas de No Recalentamientos decrecientes
estrategias de
¿A%<0,4
? t0 ← t0 / 2
t r = max (t r −1 2, tb )
búsqueda
secuencial r = 1,..., R
por entornos Si
para la
resolución del
modelo
VRPTW
t0
Dowsland (1993)
Resumen y
conclusiones
Cristalización simulada
INDICE
Introducción CM=100 CM=250

R=0 R=25
Los problemas de
optimización
combinatoria
R103A -130000
Modelos de HESECOR -135000
Beneficio
distribución
física y
transporte 10 operadores -140000
-145000
El problema de las
rutas de
t0 =10000 CM=100
-150000 R=10
vehículos con
restricciones r =0,95 -155000
en el horario
de servicio:
VRPTW
CB=10 0 1000 2000 3000
Definición del 9 ensayos CM=250 Seg CPU

modelo de R=0
problema de Máximo Media Mínimo
rutas
Propuestas de
estrategias de
búsqueda
Recalentamientos con temperaturas
secuencial
por entornos
iniciales decrecientes junto con un alargamiento
para la
resolución del
de la cadena de Markov, aumenta la posibilidad
modelo
VRPTW
de encontrar mejores soluciones incrementando
Resumen y
el tiempo de cálculo.
conclusiones
Aceptación por umbrales

INDICE
Introducción
Los problemas de Selección umbral inicial

optimización
combinatoria
Modelos de
distribución
T0 Medina (2001)
física y
transporte
El problema de las
rutas de
vehículos con Movimientos
restricciones
en el horario Ciclo de iteraciones Minoración del umbral
de servicio:
T = T0 ⋅ (1 − x )
VRPTW
¿0,1<A% No
T0 ← 2 T0
Definición del
T = T0 exp(− ln 2 ⋅ x α )
modelo de
problema de
?
rutas Si
Propuestas de No
¿A%<0,3
estrategias de
búsqueda ?
T0 ← T0 / 2 Reducción umbral inicial en
secuencial cada ciclo
por entornos Si
para la
T0 = T0' ⋅ k
resolución del
modelo
VRPTW
T0
Resumen y
conclusiones

INDICE
Introducción
Influencia del umbral de
Los problemas de aceptación inicial
optimización
combinatoria
Modelos de
R103A -136000 T0=0 T0=2000
-138000
distribución
física y HESECOR -140000
Beneficio
transporte
El problema de las
2-opt* -142000
rutas de -144000
vehículos con Umbral al 90% -146000
T0=500
restricciones
T0=1000
en el horario
de servicio:
K=0,80 -148000
VRPTW -150000
R=25 0 500 1000 1500 2000 2500
Definición del
modelo de
problema de
30000 iter. ciclo Seg CPU
rutas
9 ensayos Máximo Media Mínimo
Propuestas de
estrategias de
búsqueda
secuencial
Dado un número de iteraciones, existe
por entornos
para la
un umbral inicial no nulo lo suficientemente
resolución del
modelo
moderado tal que permite encontrar soluciones
VRPTW
de calidad superior a la aceptación voraz.
Resumen y
conclusiones

INDICE
Introducción
R103A; HESECOR;
Los problemas de 1000
optimización 2-opt*; primer descenso;
combinatoria
enfriamiento lineal al 90% iter.;
Modelos de T0
distribución 30000 iteraciones
física y
transporte
500
El problema de las
rutas de Influencia de los reinicios 0,1 0,2 0,4 0,6
vehículos con
restricciones
Vida media α
en el horario
-136000
de servicio: -139000--138000 -138000--137000
VRPTW -137000
-138000 -137000--136000
Definición del
-139000
Beneficio
modelo de Máximo
problema de -140000
rutas Media Influencia del parámetro
-141000
Mínimo
Propuestas de -142000 de vida media y umbral
estrategias de -143000
búsqueda inicial
secuencial -144000
por entornos -145000
para la
resolución del 96 1152 R=25 k=0,80 R=25
R=1
modelo Segundos CPU
VRPTW 9 ensayos 5 ensayos
Resumen y
conclusiones
Metaheurísticas híbridas
INDICE
Introducción
Los problemas de
optimización
combinatoria H1 H2 H3 H4
Modelos de
distribución
física y Aceptación por
transporte
El problema de las
umbrales
rutas de
vehículos con
restricciones
en el horario
Cristalización
de servicio:
VRPTW simulada
Definición del
modelo de
problema de
Reconstrucción
rutas
Propuestas de
de soluciones
estrategias de
búsqueda
secuencial
Búsqueda local
por entornos
para la
resolución del
adaptativa
modelo
VRPTW
Resumen y
conclusiones
Óptimos de Pareto
INDICE
Introducción -125000,00
Los problemas de
optimización
6 min CPU → RR0 -130000,00
combinatoria
21 min CPU →BLA
Beneficio
-135000,00
Modelos de
distribución 23 min CPU →H4 -140000,00
física y
transporte 27 min CPU →H2 -145000,00
El problema de las
rutas de
153 min CPU →H4 -150000,00
vehículos con
restricciones
-155000,00
en el horario 1 10 100 1000
de servicio:
VRPTW -125000,00 Minutos de CPU
Definición del -130000,00 Valores máximos
modelo de
-135000,00
Beneficio
problema de
rutas
-140000,00
Propuestas de -145000,00
estrategias de
-150000,00
53 estrategias analizadas
búsqueda
secuencial
por entornos -155000,00 R103A
para la -160000,00
resolución del 9 ensayos en cada caso
modelo 1 10 100 1000
VRPTW
Valores medios Minutos de CPU
Resumen y
conclusiones
Comparación con soluciones teóricas

INDICE
Introducción R103A Metaheurística Mejor solución

Los problemas de híbrida H4 (Shaw, 1998) Kohl et al. (1997):
optimización
combinatoria Ingreso 41910,48 41910,48 reducir el número de
Modelos de
distribución
Coste 168258,86 173923,81 rutas o la distancia
física y
transporte Beneficio -126348,38 -132013,33 puede ser contradictorio
El problema de las
rutas de
Rutas 14 13
vehículos con
restricciones Distancia 1234,11 1292,68 Bent et al. (2002): si
en el horario se quiere reducir el
de servicio: Hora llegada 229,39 229,04
VRPTW número de rutas, las
Definición del Espera total 425,33 436,48 funciones basadas en
modelo de
problema de Total horas 2659,44 2729,15 coste no son eficientes
rutas
Propuestas de
Penalización 4253,29 4364,79
estrategias de
búsqueda
secuencial
Los problemas reales del tipo VRPTW no
por entornos
para la
se modelan bien con funciones objetivo no
resolución del
modelo
basadas en los costes e ingresos reales de las
VRPTW
operaciones.
Resumen y
conclusiones
Robustez frente a distintos problemas

INDICE
Introducción
Ancho
Los problemas de
optimización
combinatoria -62000
Beneficio
máximo
Modelos de
distribución -87000 TW
física y
transporte -112000
El problema de las -137000 Ancho
rutas de
vehículos con
R Estrecho
restricciones C R C RC
en el horario
Estrecho
de servicio: RC
VRPTW
-137000--112000 -112000--87000 -87000--62000
Definición del
modelo de
problema de Metaheurística H4 Aumento del 20,7% del beneficio total
rutas
Propuestas de
5 ensayos usando H4 frente a HESECOR
estrategias de
búsqueda Función económica A
secuencial
por entornos
para la
R103, R201 Preferible ventana temporal ancha y
resolución del
modelo
VRPTW
C104, C206 distribución geográfica RC
Resumen y RC107, RC208
conclusiones
Influencia de los ingresos y costes

INDICE
Introducción
Los problemas de
A D
optimización
combinatoria Tarifa por unidad transportada 1 10
Modelos de y distancia Rqdj Metaheurística H4
distribución
física y
transporte
Tarifa fija por disposición del 50 1000 5 ensayos
El problema de las
servicio Fj
rutas de R103
vehículos con Coste unitario distancia Cduk 100 100
restricciones
en el horario
de servicio: Coste horario Chlk 10 100
VRPTW
Definición del
modelo de
problema de
R103 Mínimo Media Máximo C.V.%
rutas
Propuestas de
A Distancia 1267,78 1245,22 1244,76 1,315
estrategias de
búsqueda Beneficio -130267,08 -127410,61 -126621,98 -1,268
secuencial
por entornos
para la D Distancia 1466,85 1477,60 1442,85 1,723
resolución del
modelo
VRPTW
Beneficio 184853,25 186179,31 187031,94 0,475
Resumen y
conclusiones
Vehicle Routing Problem with Soft Time Windows

INDICE
Introducción
Los problemas de
VRPSTW más genérico que el VRPTW.
optimización
combinatoria Compromiso entre tamaño de flotas y calidad de servicio.
Modelos de
distribución
física y
Permite valorar la insatisfacción del cliente.
transporte
El problema de las
Se amplía el campo de soluciones factibles
rutas de
vehículos con La función objetivo adquiere verdadero sentido económico.
restricciones
en el horario
de servicio:
VRPTW
14 →12 rutas Koskosidis et al. (1992)
Definición del Permiso 10% antes apertura
modelo de
problema de
-126348,38 → Balakrishnan (1993)
rutas
y 5% en el cierre
-115523,80 Taillard et al. (1997)
Propuestas de
estrategias de
búsqueda
secuencial
Una ligera flexibilización de los horarios
por entornos
para la
de servicio permite una mejora en la calidad de
resolución del
modelo
las soluciones obtenidas. Conviene una
VRPTW
negociación en las penalizaciones.
Resumen y
conclusiones
Influencia de la relajación de los horarios de servicio

INDICE
Introducción Rutas=12
D=1143,71
Los problemas de -110000
optimización
combinatoria
-112000
Modelos de
Beneficio
distribución
física y -114000 Máximo
transporte Medio
El problema de las -116000 Mínimo
rutas de
restricciones
en el horario
de servicio:
Fase 1: GRASP dirigido -120000
VRPTW
con HESECOR 0,01 0,1 0,5 1 10
Definición del
modelo de Parámetro rigidización TW
problema de Fase 2: Descenso local
rutas con múltiples operadores
Propuestas de
estrategias de
5 ensayos
búsqueda
secuencial R103A-S Si se negocia una bonificación con el
por entornos
para la
cliente por incumplimiento en la entrega, al
resolución del
modelo
operador le interesa una penalización a cambio
VRPTW
de ampliar en lo posible la franja de aceptación.
Resumen y
conclusiones
Flotas heterogéneas: VRPHESTW

INDICE
Introducción • No existen ejemplos en la literatura

Los problemas de Pocas publicaciones: científica para resolver el problema
optimización
combinatoria VRPHESTW con
Liu y Shen (1999)
Modelos de – Criterios basados en el beneficio
distribución
física y
Dullaert et al. (2001) – Distintas jornadas laborales
transporte
VRPHETW – Variables de congestión
El problema de las
rutas de
Características flota TIPO I TIPO II TIPO III Características Cliente
vehículos con
restricciones Número 2 8 - Tarifa disposición servicio 1500
en el horario
de servicio: Capacidad 100 200 500 Tarifa por unidad y distancia 15
VRPTW Duración aproximación 1
Velocidad 1,10 1,00 0,90
Definición del Duración servicio 10
Jornada normal 200 200 200
modelo de Duración alejamiento 1
problema de Jornada extraordinaria 50 50 50
Inicio suave TW ejs 0,90 ejh
rutas Duración carga 3 5 8
Final suave TW ujs 1,05 ujh
Propuestas de Coste disposición 10000 10000 12000
Cota penalización apertura pje 50
estrategias de Coste unitario distancia 100 100 110
búsqueda Coeficiente penalización apertura kje 1
secuencial Coste horario normal 100 100 110
por entornos Penalización horaria espera cje 10
para la Coste horario extra 120 120 130 Cota penalización cierre pju 50000
resolución del Coste horario plus 150 150 160
modelo Coeficiente penalización cierre kju 1
VRPTW Tasa visita cliente 0 0 0 Coste ruptura cierre rj u 107
Tasa inicio ruta 1000 1000 1500 Penalización horaria ruptura cju 1000
Resumen y
conclusiones

INDICE
Introducción Fase 1: GRASP dirigido con
Beneficio máximo
Los problemas de HESECOR
optimización
combinatoria Fase 2: Búsqueda convergente 200000
Modelos de con múltiples operadores 150000

distribución
física y Fase 3: Búsqueda local 100000 Fase III
transporte
aleatoria con múltiples operadores
El problema de las 50000 Fase II
rutas de 5 ensayos A
Fase I
vehículos con B
restricciones C
en el horario
de servicio:
VRPTW
Definición del
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
por entornos
para la
resolución del
modelo
VRPTW
Resumen y
conclusiones

INDICE
Introducción
Los problemas de
optimización
combinatoria
Modelos de
distribución
física y
transporte
El problema de las
rutas de
vehículos con
restricciones
en el horario
de servicio:
VRPTW
Definición del
modelo de
problema de
rutas
Propuestas de
estrategias de
búsqueda
secuencial
Una modificación transitoria en la función
por entornos
para la
objetivo modifica la topología del espacio de
resolución del
modelo
configuraciones, favoreciendo en ocasiones el
VRPTW
encuentro de soluciones de alta calidad.
Resumen y
conclusiones
Flotas heterogéneas y múltiples usos: VRPHEMSTW

INDICE
Introducción • ¿Por qué no permitir que

Los problemas de
optimización
los vehículos que terminen
combinatoria
VRPM: una ruta puedan iniciar
Modelos de
distribución Fleichmann (1990) otra?
física y
transporte Taillard et al. (1996) • ¿Es rentable el uso múltiple
El problema de las
Brandao et al. (1997) de vehículos?
rutas de
vehículos con
restricciones
• ¿Cómo influye el coste fijo
en el horario
de servicio:
de disposición de las
VRPTW unidades de transporte?
Definición del
modelo de
problema de
R103-HEMS-A Cada vehículo una ruta Con múltiples usos del vehículo
rutas Beneficio mínimo -439499,51 551033,33
Propuestas de
Beneficio máximo 481393,32 445955,02
estrategias de Beneficio máximo 816148,13 911018,50
búsqueda
secuencial Nº Vehículos 19 16
por entornos Nº Rutas 19 22
para la
resolución del Distancia 2027,79 1884,00
modelo
VRPTW
Criterio inicio 3 (cliente más rentable) 3 (cliente más rentable)
Criterio inserción 1 (máximo beneficio) 2 (máxima rentabilidad)
Resumen y
conclusiones

INDICE
Criterio (3-1) Cada vehículo una ruta Con múltiples usos del vehículo
Introducción
Nº soluciones 1 10 100 1 10 100
Los problemas de iniciales
optimización Nº vehículos 18 18 18 17 17 16
combinatoria Nº rutas 18 18 18 25 24 24
Modelos de Distancia 1998,53 2018,87 1930,89 2135,35 2117,79 2012,66
distribución Beneficio 949695,75 949403,50 958748,25 913416,75 982772,50 1014227,75
física y
transporte
Criterio (3-2) Cada vehículo una ruta Con múltiples usos del vehículo
El problema de las Nº soluciones 1 10 100 1 10 100
rutas de
vehículos con
iniciales
restricciones Nº vehículos 17 16 16 16 15 15
en el horario Nº rutas 17 16 16 23 20 21
de servicio: Distancia 1765,13 1686,69 1646,01 1891,88 1722,65 1773,52
VRPTW
Beneficio 923269,38 1009792,50 1015772,88 943234,75 1018419,38 1045132,75
Definición del
modelo de
problema de
rutas Un elevado coste fijo por disposición de
Propuestas de
estrategias de
los vehículos conlleva que la solución de mayor
búsqueda
secuencial
beneficio sea aquella que permita el comienzo de
por entornos
para la
nuevas rutas por parte de un mismo vehículo,
resolución del
modelo
siempre que lo permita su jornada laboral.
VRPTW
Resumen y
conclusiones

INDICE
Introducción
R103-HEMS-B Cada vehículo una ruta Con múltiples usos del vehículo
Los problemas de
optimización Beneficio mínimo 1424835,12 1489816,23
combinatoria Beneficio máximo 1858368,34 1671281,86
Beneficio máximo 2043210,50 1956185,00
Modelos de Nº Vehículos 18 18
distribución Nº Rutas 18 22
física y
Distancia 1852,11 2166,20
transporte
Criterio inicio 6 (cliente más beneficioso) 3 (cliente más rentable)
El problema de las Criterio inserción 2 (máxima rentabilidad) 2 (máxima rentabilidad)
rutas de
vehículos con El coste de
restricciones
en el horario disposición se Criterio (3-2) Cada vehículo una ruta Con múltiples usos del vehículo
de servicio: Nº soluciones 1 10 100 1 10 100
VRPTW reduce un 10% iniciales
Nº vehículos 18 18 17 18 17 17
Definición del Nº rutas 18 18 17 22 21 20
modelo de Distancia 1813,66 1815,62 1859,79 2137,14 1978,91 1937,53
problema de
Beneficio 2026968,63 2032251,00 2031874,38 1961944,88 1985870,13 2020961,38
rutas
Propuestas de
estrategias de Criterio (6-2) Cada vehículo una ruta Con múltiples usos del vehículo
búsqueda Nº soluciones 1 10 100 1 10 100
secuencial iniciales
por entornos Nº vehículos 18 18 18 18 18 17
para la Nº rutas 18 18 18 23 21 21
resolución del Distancia 1885,07 1849,21 1741,33 2172,24 1990,51 2013,35
modelo
Beneficio 2034268,50 2043728,38 2047117,38 1963724,63 2001658,88 2006550,13
VRPTW
Resumen y
conclusiones

INDICE
Introducción
Los problemas de
optimización
combinatoria
• Un mayor peso del coste fijo de los vehículos nos
Modelos de dirige a una solución que intenta minimizarlos.
distribución
física y
transporte • Sin embargo, pueden existir mayores beneficios si
El problema de las
rutas de
no se permite el reinicio de rutas por parte de los
vehículos con
restricciones
vehículos si los costes de disposición son poco
en el horario
de servicio: relevantes respecto a los de operación.
VRPTW
Definición del
modelo de
problema de
rutas En un problema de distribución, el uso
Propuestas de
estrategias de
múltiple o sencillo de los vehículos, dentro de su
búsqueda
secuencial
jornada laboral, es una decisión que depende de
por entornos
para la
la estructura de costes de cada problema
resolución del
modelo
concreto.
VRPTW
Resumen y
conclusiones
> Resumen y conclusiones

Presentación de un modelo económico de distribución de
mercancías que generalice los problemas de rutas sometidos a
restricciones temporales de servicio (VRPTW) y de un conjunto
de técnicas heurísticas y metaheurísticas capaces de resolverlo
eficientemente.

INDICE
Introducción Taxonomía de las técnicas de resolución aproximada de problemas

Los problemas de
optimización
de optimización combinatoria
combinatoria
Definición de un modelo de distribución que generaliza el VRPTW
Modelos de
distribución clásico:
física y
transporte Flexibilidad en las ventanas temporales
El problema de las
rutas de Empleo de función objetivo basado en la rentabilidad
vehículos con
restricciones
en el horario
Utilización de flotas heterogéneas
de servicio:
VRPTW Uso múltiple de vehículos
Definición del
modelo de
Asimetrías por congestión y dificultades de acceso
problema de
rutas Aportación de una heurística de construcción económica HESECOR
Propuestas de
estrategias de
Empleo de novedosas metaheurísticas y movimientos específicos
búsqueda
secuencial Conclusiones prácticas que permiten entender mejor el
por entornos
para la funcionamiento de las técnicas de aproximación
resolución del
modelo
VRPTW
Conveniencia de estrategias de negociación con los clientes para
evaluar las insatisfacciones en las entregas
Resumen y
conclusiones

Tesis Optimización VRPTW

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tesis Optimización VRPTW

Загружено:

Авторское право:

Доступные форматы

Optimización

E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002

Los problemas de optimización combinatoria 2

Modelos de distribución física y transporte 3

El problema de las rutas de vehículos con restricciones en el

Definición del modelo de problema de rutas 5

Propuestas de estrategias de búsqueda secuencial por

E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002

La logística y los problemas de distribución física

La logística y los problemas de distribución física

Objetivos, contribución y estructura de la tesis

Objetivos, contribución y estructura de la tesis

Objetivos, contribución y estructura de la tesis

La toma de decisiones en las empresas

Los problemas de Recursos ¿Existe Requisitos

Algoritmia y complejidad computacional

Técnicas de resolución de problemas de O.C.

Los problemas de Heurísticas Procedimientos sencillos

Definición del GRASP Comportamiento

Aplicaciones de sistemas inteligentes

Los problemas de Aprenden,

Técnicas de resolución de problemas de O.C.

Evaluación de las heurísticas y las metaheurísticas

Evaluación de las heurísticas y las metaheurísticas

> Modelos de distribución

E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002

Características de los problemas de rutas

Propuestas de Operaciones (5) Duración

Problemas básicos de distribución

Definición del m-TSP

Vehicle Routing Problem VRP

El problema VRPTW: aplicaciones reales

Introducción Área económica Aplicación

Modelo matemático del problema VRPTW

Complejidad computacional del VRPTW

Introducción VRP → NP-hard

Propuestas de Solución viable

Algoritmos de aproximación y heurísticas

Modelos de van Ladeghem (1988)

Heurística secuencial de Solomon (1987)

c 2 [i (u *), u*, j (u *)] = max c 2 [i (u ), u , j (u )]

Taxonomía de los operadores de cambio

Taxonomía de los operadores de cambio

El problema de las Potvin et al. (1999) Reconstrucción

Problemas de Solomon (1987)

El problema de las Mixto RC 1 RC 2

Comportamiento de las estrategias de optimización

rutas de Antes et al. (1995)

Comportamiento de las estrategias de optimización

Russell (1995) (1999)

Comportamiento de las estrategias de optimización

El problema de las 406 57876 Homberger et al. (1999) Algoritmos evolutivos

Comportamiento de las estrategias de optimización

Introducción ¡Demasiadas justificaciones para acreditar

Modelos de ¿Se ha reducido el

Propuestas de ¿Se ha reducido

> Definición del modelo de

E.T.S. de Ingenieros de Caminos, Canales y Puertos >ValenciaSeptiembre2002

Acercamiento a los problemas reales

Ámbito de los problemas del modelo

Los problemas de AVRP Asymmetric VRP VRPVADT VRP with

Las ventanas temporales

Inicio del servicio y asimetrías en los viajes

Inicio del servicio y márgenes de viaje

c 2 [i (u ), u, j (u *)] = max c 2 [i (u ), u , j (u )]