Diseño de una hibridación entre la metaheurística búsqueda tabú y el algoritmo PAES para resolver un green vehicle routing problem multi-depósito y multi-producto biobjetivo
El problema de ruteo de vehículos (VRP) es un problema clásico en los estudios de logística. Una de las variantes más importantes dentro de este problema se denomina Green Vehicle Routing Problem (GVRP), en el que se consideran aspectos ambientales al diseñar rutas de entrega de productos. Esta vari...
- Autores:
-
Gaviria Hernandez, Maria Alejandra
Azuero Ortiz, Juan Sebastian
Jiménez Rodriguez, Vicky Magnolia
Vale Santiago, Edgar José
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/59113
- Acceso en línea:
- http://hdl.handle.net/10554/59113
- Palabra clave:
- Metaheuristica
Green vehicle routing problem
Multi-producto
Multi-deposito
Biobjetivo
Metaheuristic
Green vehicle routing problem
Multi-product
Multi-depot
Bi objective
Ingeniería industrial - Tesis y disertaciones académicas
Metaheurística
Logística empresarial
Transporte de carga
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
Summary: | El problema de ruteo de vehículos (VRP) es un problema clásico en los estudios de logística. Una de las variantes más importantes dentro de este problema se denomina Green Vehicle Routing Problem (GVRP), en el que se consideran aspectos ambientales al diseñar rutas de entrega de productos. Esta variante surge debido a los altos niveles de contaminación que producen los vehículos de transporte, por lo que es una variación cuyo estudio representa un impacto vital en la actualidad. Este proyecto considerará un GVRP y se desarrollará considerando las características de multidepósito (MDVRP) y multiproducto (VRPMP) para minimizar la distancia recorrida y las emisiones de CO2.Para resolver el problema se propone una hibridación entre la clásica metaheurística de búsqueda tabú y el algoritmo PAES para generar la frontera de Pareto de ambos objetivos. Se formula y desarrolla un modelo de programación lineal mixta entera para que cada función objetivo tenga un punto óptimo de comparación para la eficiencia del algoritmo propuesto. Además, se implementa el algoritmo del vecino más cercano para comparar la metaheurística propuesta con una heurística teórica.La metaheurística se parametrizó a través de un análisis determinista. A partir de allí, se llevaron a cabo dos experimentos computacionales, uno para instancias pequeñas y otro para instancias grandes. El experimento para instancias pequeñas mostró que la GAP de cada extremo de la frontera con respecto al modelo MILP es en promedio 0,73%. Para instancias grandes, la metaheurística mejora en un 0,1% los resultados presentados por el modelo MILP, mostrando que la metaheurística proporciona soluciones casi óptimas más cercanas en menos tiempo computacional. Además, la metaheurística, en comparación con la heurística de vecindad más cercana, mejora en un 44,21% los resultados de emisiones y en un 3,88% los costos. Todos estos resultados demuestran la efectividad de la metaheurística. |
---|