Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN
En este trabajo se aborda el problema del transporte de muchos orgenes a muchos destinos
con varios hubs. Este es el problema que cualquier empresa de paquetera debe afrontar para el
transporte entre delegaciones. Para cada par origen-destino, se trata de elegir la alternativa de
ruta de manera que el coste del sistema resulte ptimo en trminos econmicos, cumpliendo
un determinado nivel de servicio. Las alternativas de ruta que se contemplan en este trabajo
son: transporte directo, transporte a travs de un hub, transporte a travs de dos hubs,
transporte mediante una ruta con paradas mltiples en origen (peddling en origen), transporte
mediante una ruta con paradas mltiples en destino (peddling en destino).
Los resultados del algoritmo se contrastan, para ejemplos pequeos, con los resultados exactos
encontrados utilizando la programacin entera. Finalmente el algoritmo se aplica a un
problema real.
1. INTRODUCCIN
Las redes logsticas de muchas empresas de transporte, como puede ser la de una empresa de
paquetera, estn configuradas por una serie de servicios de transporte con orgenes y destinos
en el pas o rea de actuacin, que aseguran, a travs de unas determinadas frecuencias y
capacidad de vehculos, un plazo de entrega (normalmente 24-48 horas o entrega al da
siguiente antes de las 10:00 para mensajera del sector servicios). Para ofrecer dichos
servicios, las empresas cuentan con una estructura logstica basada en la existencia de puntos
710 Logstica y transporte de mercancas .
Las alternativas de ruta existentes para cada par origen-destino son: envo directo, envo a
travs de uno o varios hubs y envo por una ruta que hace peddling. En cuanto a las rutas a
travs de hubs, las ms comunes encontradas en la bibliografa son: envo a travs del hub que
genera la ruta de menor coste, envo a travs del hub ms cercano al origen, envo a travs del
hub ms cercano al destino y envo a travs de dos hubs (el ms cercano al origen y el ms
cercano al destino respectivamente). stas son las alternativas de ruta a travs de hubs que han
L. Barcos Redin et al. . 711
sido consideradas en este trabajo. Para el peddling no se establece ningn lmite en el nmero
de paradas, y se puede realizar tanto en origen como en destino.
Dada una solucin, el coste total es la suma de los costes asociados a cada una de las rutas que
constituyen dicha solucin. El coste correspondiente a cada tipo de ruta se calcula como sigue:
La frmula (1) corresponde al coste de una ruta directa, la (2) al coste de una ruta que pasa a
travs del hub h, la (3) corresponde a una ruta que pasa a travs de dos hubs h1 y hu2, y la
frmula (4) corresponde al coste de una ruta con peddling. R es el coste por unidad de
distancia, P es el coste fijo por parada, c rh es el coste de manipulacin de la carga en el hub h
por unidad de carga, nparadas es el nmero de paradas realizadas en una ruta que hace peddling
(incluyendo el origen y el destino) y dtotal es la distancia total recorrida en dicha ruta.
Los algoritmos ACO son procesos iterativos. En cada iteracin se "lanza" una colonia de m
hormigas y cada una de las hormigas de la colonia construye una solucin al problema. Las
hormigas construyen las soluciones de manera probabilstica, guindose por un rastro de
feromona artificial y por una informacin calculada a priori de manera heurstica. La regla
probabilstica para el caso del TSP es:
p k
t
ij
(t) ij
donde pijk (t) es la probabilidad con la que, en una iteracin t del algoritmo, la hormiga k,
situada actualmente en la ciudad i, elige a la ciudad j como prxima parada. Nik es el conjunto
de ciudades no visitadas todava por la hormiga k. ij (t) es la cantidad de feromona acumulada
sobre el arco (i,j) de la red en la iteracin t. ij es la informacin heurstica para la que, en el
caso del TSP, se utiliza la inversa de la distancia existente entre las ciudades i y j. y son
dos parmetros del algoritmo, los cuales hay que ajustar.
Cuando todas las hormigas han construido una solucin debe actualizarse la feromona en cada
arco. La frmula a seguir es:
Se obliga a que el nivel de feromona permanezca en un rango min , max . Estos lmites se
imponen con el objetivo de evitar el estancamiento en la bsqueda de soluciones. Toda la
feromona se inicializa con max .
L. Barcos Redin et al. . 713
Tras la actualizacin de la feromona puede comenzarse una nueva iteracin. El resultado final
es la mejor solucin encontrada a lo largo de todas las iteraciones realizadas.
4. HEURSTICO DESARROLLADO
En primer lugar, se envan directamente aquellos vehculos que queden llenos en el propio
origen. A partir de este momento el heurstico trabaja con una nueva matriz de cargas en la
que ya se han eliminado las cargas correspondientes a dichos vehculos llenos.
Dada la gran complejidad que alberga el problema se ha credo conveniente dividirlo en dos
subproblemas: subproblema D-H y subproblema D-H-P. Ambos se resuelven mediante
optimizacin con colonias de hormigas. El subproblema D-H consiste en encontrar la solucin
ptima del problema general pero ignorando la posibilidad de hacer peddling. El subproblema
D-H-P parte de la solucin encontrada en el subproblema D-H e intenta mejorarla
introduciendo la posibilidad de hacer peddling.
4.1 Resolucin del subproblema D-H mediante optimizacin con colonias de hormigas
En una iteracin del proceso, cada hormiga de la colonia deber elegir, para cada carga, una
alternativa de ruta entre las cinco posibles alternativas consideradas (excluyendo el peddling).
Todo par origen-destino tendr asociado un determinado nivel de feromona y un parmetro de
informacin heurstica para cada opcin de ruta. En la resolucin de este subproblema se ha
decidido tomar como informacin heurstica la inversa del mnimo coste imputable a la carga
cuando sta sigue una determinada ruta.
Cuando una carga se transporta a travs de una ruta con hubs, el mnimo coste imputable a la
misma es la parte proporcional a la carga del coste de dicha ruta, exceptuando el coste por
manipulacin de la carga en los hubs que se le imputa completamente. Slo para el caso de
envos directos, el coste imputable es igual al coste total de la ruta. As por ejemplo, si Q(i, j )
se enva a travs del hub h, el mnimo coste imputable a la misma y el parmetro de
informacin heurstica correspondiente se calculan segn las frmulas (7) y (8)
respectivamente.
Q(i, j )
Cijmin ( RD(i, h) RD(h, j ) 4 P c rh C ) (7)
C
1
ijh (8)
Q(i, j )
C
4 P RD(i, h) RD(h, j ) c rh C
Si no se cumple esta cuarta condicin, no quiere decir que la carga Q(l , j ) no puede ser
candidata a peddling, sino que tiene menos probabilidad de serlo. En el algoritmo, esto se
traduce en que Q(l , j ) slo es considerada como candidata un porcentaje de las veces que se
construye una solucin. Dicho porcentaje (probabilidad) se calcula dividiendo el mnimo coste
imputable a las dos cargas en 0 entre el coste de la ruta con peddling. Lgicamente, a mayor
diferencia entre ambos costes, menor ser la probabilidad.
4.3 Resolucin del subproblema D-H-P mediante optimizacin con colonias de hormigas
Cada hormiga de la colonia, en cada iteracin, debe construir una solucin tomando cargas
que se transportan directamente o a travs de hubs en 0 para generar con ellas rutas que
hacen peddling. Esto se consigue eligiendo, para cada Q(i, j ) , otra carga Q(l , j ) entre sus
candidatas a peddling. Despus se intenta aadir otra parada ms en la ruta eligiendo entre las
candidatas de Q(l , j ) , y as sucesivamente, intentando agotar la capacidad del vehculo. Se
comienza por las cargas con mayor distancia entre el origen y el destino. Si a alguna carga se
le agotan las candidatas, entonces dicha carga se enviara tal y como se enva en 0 . Las rutas
con peddling construidas deben asegurar que los plazos de entrega de las cargas involucradas
sean iguales o mejores que en 0
L. Barcos Redin et al. . 715
La eleccin de una carga entre las candidatas a peddling se realiza de manera probabilstica,
siguiendo una frmula similar a (5). Existir un nivel de feromona y un parmetro de
informacin heurstica ( utilidad) asociado a cada carga candidata.. La utilidad
correspondiente a una ruta de peddling en origen segn la secuencia i-l-j se calcula as:
Q(i, j ) Q(l , j )
U iljO (9)
D(i, l ) D(l , j )
D(i, j ) D(l , j )
Es preciso aclarar que, todo lo dicho en estos dos ltimos subapartados respecto al peddling en
origen se aplica igualmente al peddling en destino. El resto del proceso de optimizacin del
subproblema D-H-P se realiza de manera similar a lo explicado en el tercer apartado, aunque
con una peculiaridad aadida: tras cada iteracin, se toma la mejor solucin encontrada en la
misma y a partir de ella se realiza una mejora local. Con ella se pretende consolidar de manera
ms eficiente las cargas que todava se transportan directamente o a travs de hubs.
El resultado final al problema general ser la mejor solucin encontrada a lo largo de los dos
procesos ACO descritos.
Para cuantificar de alguna manera dichos errores, se han generado ejemplos aleatorios, los
cuales han sido resueltos, por un lado, de manera exacta (mediante programacin entera) y por
otro, utilizando el heurstico. La resolucin mediante programacin entera ha obligado a que
los problemas abordados sean de tamao relativamente pequeo. Se han resuelto 110
ejemplos: 70 para cuantificar el error generado en la resolucin del subproblema D-H y otros
40 que intentan cuantificar el error en la construccin de las rutas de peddling. Del primer
grupo, los ejemplos de mayor tamao resuelto tenan 9 nodos y 3 hubs. Del segundo grupo, los
ejemplos de mayor tamao resueltos constaban de 7 orgenes y 2 destinos.
Los resultados reflejan que para ejemplos con uno o dos hubs el heurstico resuelve el
subproblema D-H de manera exacta; mientras que para ejemplos con tres hubs el error relativo
716 Logstica y transporte de mercancas .
medio encontrado no llega al 3%. En cuanto al segundo grupo de ejemplos, el mximo error
relativo medio alcanzado ha sido del 1,2% (para ejemplos con 7 orgenes y 2 destinos).
Finalmente, el heurstico se ha aplicado a un ejemplo real. Para ello se han tomado los datos
de una empresa espaola especializada en el transporte de paquetera industrial puerta a
puerta, sector en el que destaca como empresa lder. La aplicacin se ha centrado en el
servicio que ofrece dicha empresa en Espaa peninsular y en Baleares, actividad que
desarrolla mediante transporte terrestre.
La solucin proporcionada por el heurstico genera un coste por unidad de carga transportada
alrededor de un 8% inferior al coste actual de la empresa. Bien es verdad que la solucin
depende bastante de datos estimados, como es la hora ms temprana de salida de los
vehculos. As, si dicha hora se retrasara en tan solo un cuarto de hora, entonces el coste de la
solucin obtenida con el heurstico sera alrededor de un 2% ms barato que el coste actual. En
cualquier caso, lo que realmente se deduce de la aplicacin al caso real es que el heurstico
resulta ser una herramienta vlida de resolucin, puesto que sus resultados son lgicos,
coherentes con la realidad e incluso es capaz de mejorar la situacin actual.
Finalmente, aadir que el testeo del algoritmo en 90 ejemplos de diferentes tamaos reflejan
que la relacin entre el tiempo de computacin y el tamao del problema (tomndose ste
como el nmero de delegaciones del sistema) sigue una funcin polinomial de grado dos.
Sin embargo, en este trabajo no se han tenido en cuenta una serie de aspectos que deberan ser
incluidos en futuras investigaciones. Estos son:
Introduccin de rutas que hacen peddling con destino en un hub (o bien que parten de un
hub y hacen peddling en diferentes destinos).
Introduccin de los retornos en vaco en el proceso de optimizacin.
Flota de vehculos no homognea en cuanto a su capacidad.
L. Barcos Redin et al. . 717
REFERENCIAS
DAGANZO, C.F. (1.996), Logistics Systems Analysis, Springer-Verlag, Berlin.
DORIGO, M., MANIEZZO, V. y COLORNI, A. (1996), "The Ant System: Optimization by a
Colony of Cooperating Agents", IEEE Transactions on Systems, Man and Cybernetics, 26B:1,
pp. 29-42.
DORIGO, M., DI CARO, G. y GAMBARDELLA, L.M., (1999), "Ant Algorithms for
Discrete Optimization", Artificial Life, 5:3, pp. 137-172.
HALL, R.W. (1987), Comparison of strategies for routing shipments through transportation
terminals, Transportation Research A, 21A:6, pp. 421-429.
HALL, R.W. (1989), Configuration of an overnight package air network; Transportation
Research A, 23A:2, pp. 139-149.
LEUNG, J.M.Y., MAGNANTI, T.L., SINGHAL, V. (1.990), Routing in point-to-point
delivery systems: Formulations and solution heuristics, Transportation Science, 24:4, pp.
245-260.
POWELL, W.B. y SHEFFI, Y. (1.989), Design and implementation of an interactive
optimization system for network design in the motor carrier industry, Operations Research,
37:1, pp. 12-29.
ROBUST, F., ALMOGERA, J.M., GARGALLO, X., ARDANUY, A. (1.996), Sistema de
ayuda a la decisin para la reestructuracin de la red logstica de una empresa de transporte
urgente, Actas del II Symposium de Ingeniera de los Transportes, tomo II, 269-277, Colegio
de Ingenieros de Caminos, Canales y Puertos, Madrid, 22-24 de mayo de 1.996.