Heurística de minería de datos híbrida para el problema de enrutamiento de vehículos de flotas heterogéneas

Si Woodman’s invierte en vehículos basándose en una demanda máxima, habrá un alto gasto de capital y habrá una baja utilización cuando la demanda sea baja. Si Woodman invierte en vehículos basándose en una demanda menor, podría haber ocasiones en las que la demanda de entrega exceda la capacidad del vehículo y se podrían perder clientes. Woodman’s podría abordar este problema adoptando una estrategia similar a la de Walmart de usar servicios de viajes compartidos para satisfacer el exceso de demanda. En este estudio de caso, consideramos una implementación hipotética de tal estrategia. Prins, C.. Dos algoritmos meméticos para problemas de rutas de vehículos de flotas heterogéneas.

El aumento de la disposición de estos números aleatorios designará la secuencia de clientes de VehicleType1. De manera similar, la secuencia de clientes en VehicleType2 estará determinada por los números de clave aleatorios (0.11, 0.26 y 0.30).

La Figura 3 muestra los tipos de vehículos y los clientes para el problema de examen. De acuerdo con la Figura 2, necesitamos calcular los vehículos de carga completa para los subórdenes de cada cliente, considerando dos tipos de productos. Luego, para las cargas restantes, debemos combinar los vehículos en la misma ruta. Para el ejemplo considerado, tres clientes y dos tipos de vehículos, ignoraremos los vehículos que están completamente cargados para simplificar la explicación. Dado que la definición del problema es única, no se dispone de una referencia para este tipo de problema. Por lo tanto, generamos muestras aleatorias para evaluar el desempeño del modelo MIP que se detallan en la Sección 4.1.

Debo decir que @deepdyve es una solución fabulosa al problema de los investigadores independientes de

Aunque podemos encontrar soluciones con brechas más pequeñas de problemas de pequeño tamaño (10 a 50 clientes) utilizando MIP, no podemos encontrar ninguna solución factible para problemas de gran tamaño del mundo real (60 a 90 clientes) dentro del tiempo. Para manejar problemas de gran tamaño, desarrollamos un algoritmo genético con búsqueda local que se detalla en la Sección 3. Un algoritmo evolutivo paralelo para santamisa.es el problema de enrutamiento de vehículos con flota heterogénea. Woodman’s Markets, un minorista de comestibles con sede en Wisconsin, facilita la entrega de pedidos a domicilio a través de su sitio web. Actualmente, los pedidos se entregan utilizando los propios vehículos y conductores de Woodman. Debido a que la demanda no es la misma todos los días, Woodman’s debe ser inteligente en cuanto al tamaño de su flota.

Un rico y heterogéneo problema de enrutamiento de vehículos de flotas con ventanas de tiempo flexibles: un estudio de caso de la cadena de suministro de lácteos

Después de asignar la primera demanda al vehículo, si la capacidad del vehículo existente es suficiente, la ruta es la misma y el número de clientes en la ruta es menos de dos, entonces la siguiente demanda se puede cargar en el vehículo. Esta demanda de carga puede ser el suborden del mismo producto, la demanda del segundo producto del mismo cliente o la demanda del siguiente cliente en la ruta. Para explicar cómo el algoritmo obtiene las rutas para los clientes y calcular los costos totales, se considera el ejemplo de la Figura 1. Según el cromosoma que se muestra en la Figura 1, el número de subórdenes para CustomerA, CustomerB y CustomerC se determina como dos, dos y uno, respectivamente. VehicleType1 proporcionará el primer suborden de CustomerA y el suborden de CustomerC. VehicleType2 proporcionará el primer y segundo suborden de CustomerB y el segundo suborden de CustomerA. La secuencia de clientes en VehicleType1 estará determinada por los números de clave aleatorios (0,20 y 0,43).

• En este caso, a cada cliente se le asocia un beneficio económico que se integrará a la función objetivo.
• El concepto de rentabilidad surge cuando solo se puede atender a un subconjunto de clientes por falta de medios o por insuficiencia de la oferta.
• El objetivo principal es cubrir y resolver una situación realista más compleja del transporte de distribución.
• El problema resultante puede denominarse Problema de generación de rutas rentables para vehículos con varios viajes.