La ponencia presenta un procedimiento de optimización económica de rutas de reparto con flotas de vehículos heterogéneas y horarios de servicio flexibles VRPHESTW. Para ello se presenta una nueva heurística, denominada “Big-Bang” basada en la modificación gradual de la variable espacial donde se ubican los nodos que representan a los clientes. La simulación de esta heurística de relajación consiste en reducir la velocidad de todos los vehículos, que al principio es muy alta para estabilizarse al final en su verdadera magnitud. El algoritmo emplea para explorar el espacio de soluciones una búsqueda probabilista en entornos variables con una aceptación de máximo gradiente. El algoritmo propuesto encuentra soluciones de elevada calidad, con la ventaja de poder utilizar otros procedimientos de búsqueda local que resulten más eficientes que el de máximo gradiente (algoritmo del solterón, aceptación por umbrales, búsqueda tabú, etc.).
1. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
http://personales.upv.es/vyepesp/
1.Introducción
Big-Bang: Un nuevo algoritmo
2.El algoritmo Big
Bang
aplicado a la optimización de redes de
3.Descripción de la
transporte del tipo VRPTW
metaheurística
Propuesta
3.1. Fase 1
3.2. Fase 2
4.Ejemplo de
aplicación al
problema
VRPHESTW
V. Yepes1 y J.R. Medina2
5.Conclusiones
1Dept. Ingeniería de la Construcción y Proyectos de Ingeniería Civil
2Dept. Ingeniería e Infraestructuras de los Transportes
Universidad Politécnica de Valencia
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
2. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Vehicle Routing Problem
1.Introducción
Traveling Salesman
2.El algoritmo Big
Problem
Bang
TSP
3.Descripción de la
metaheurística
Propuesta
3.1. Fase 1
Multiple Traveling
3.2. Fase 2
Salesman Problem
4.Ejemplo de
m-TSP
aplicación al
problema
VRPHESTW
Vehicle Routing
5.Conclusiones
Problem
VRP
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
3. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Vehicle Routing Problem with Time Windows
1.Introducción
Una visita por cliente
2.El algoritmo Big
Ruta empieza y acaba en base
Bang
Flota homogénea
3.Descripción de la
Capacidad en vehículos
metaheurística
Horarios de entrega
Propuesta
3.1. Fase 1
3.2. Fase 2
ÁREA ECONÓMICA APLICACIÓN
4.Ejemplo de
aplicación al
Materias primas Combustible, gas natural, hormigón
problema
Sector público Recogida de basuras, correo, etc
VRPHESTW
Salud Reparto de medicamentos a farmacias
5.Conclusiones
Transporte de alimentos Grandes superficies y comercios
Defensa Rutas de aviones espía, logística militar
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
4. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Complejidad computacional del VRPTW
1.Introducción
VRP → NP-hard
2.El algoritmo Big (Lenstra y Rinnooy Kan, 1981)
Bang
3.Descripción de la
VRPTW → NP-hard
metaheurística
Propuesta
Poco probable
3.1. Fase 1
llegar a solución
3.2. Fase 2
óptima en
4.Ejemplo de
tiempo polinomial
aplicación al
problema
VRPHESTW
Solución viable
Con rutas fijas
TSPTW →
5.Conclusiones
VRPTW →
NP-completo
NP-completo
(Savelsberg, 1985)
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
5. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Acercamiento a los problemas reales VRPHESTW
1.Introducción
VRP with heterogeneous fleet of vehicles and soft time windows
2.El algoritmo Big
– Flota heterogénea: vehículos
Bang
Ventanas de tiempo
con diferente antigüedad, flexibles
capacidad de carga, costes fijos y
3.Descripción de la
de operación, jornadas laborales...
metaheurística
Propuesta
– Función objetivo basada en
3.1. Fase 1
criterios económicos reales: tarifas
3.2. Fase 2
y costes
4.Ejemplo de
–Presencia de horarios de
aplicación al
problema
servicio a los clientes y de
VRPHESTW
apertura del almacén
5.Conclusiones
–Flexibilización en el horario
de entrega o recogida siempre que
se penalicen convenientemente las
insatisfacciones del cliente
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
6. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Un universo de problemas y de técnicas
1.Introducción
2.El algoritmo Big
Universo de
Universo de
Bang
distintos
problemas
escenarios
reales de
3.Descripción de la
posibles para un
metaheurística transporte
problema concreto
Propuesta
3.1. Fase 1
3.2. Fase 2
Mejor solución
posible para un
4.Ejemplo de
tiempo de
aplicación al
cálculo
problema
Espacio de
VRPHESTW
soluciones
5.Conclusiones factibles
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
7. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
El algoritmo Big-Bang
1.Introducción
2.El algoritmo Big
Bang
3.Descripción de la
metaheurística
Propuesta
3.1. Fase 1
3.2. Fase 2
4.Ejemplo de
aplicación al
problema
VRPHESTW
5.Conclusiones
Incidencia de la variación de la velocidad de un
vehículo en el inicio del servicio
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
8. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Metaheurística propuesta
1.Introducción
Construcción de Generation mechanism
solución inicial based on GRASP
2.El algoritmo Big
Bang
(Yepes y Medina, 2006)
V←V0
3.Descripción de la
metaheurística
Propuesta
Local Search Using
Búsqueda de
3.1. Fase 1
Variable Neighborhood
3.2. Fase 2 óptimo local
Search (VNS)
4.Ejemplo de
aplicación al
no
problema
V ←V-∆V
¿V=Vf?
VRPHESTW
5.Conclusiones
si
Fin
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
9. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Búsqueda en entornos variables (VNS)
1.Introducción
Variable Neighborhood Search (VNS)
2.El algoritmo Big
• La estrategia para eludir un óptimo local consiste en cambiar
Bang
de operador (Mladenovic y Hansen, 1997).
3.Descripción de la
• Empleamos múltiples operadores seleccionados
metaheurística
probabilísticamente (Yepes, 2002).
Propuesta
3.1. Fase 1
3.2. Fase 2
4.Ejemplo de
aplicación al
problema
VRPHESTW
5.Conclusiones
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
10. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Búsqueda en entornos variables (VNS)
1.Introducción
Movimientos intra-ruta: (a) swap; (b) relocate
2.El algoritmo Big
Bang
3.Descripción de la
metaheurística
Propuesta
3.1. Fase 1
3.2. Fase 2
4.Ejemplo de
aplicación al
problema
VRPHESTW
5.Conclusiones
Probabilidades elección: swap 0.10; relocate 0.10
V. Yepes y J.R. Medina
VII Congreso de Transportes CIT 2006. Ciudad Real.
11. Big-Bang: Un nuevo algoritmo aplicado a la optimización de redes de transporte
Búsqueda en entornos variables (VNS)
1.Introducción
Movimientos entre-rutas: 2-exchange
2.El algoritmo Big
Bang
3.Descripción de la
metaheurística
Propuesta
3.1. Fase 1
3.2. Fase 2
4.Ejemplo de
aplicación al
problema
VRPHESTW
5.Conclusiones