Problema de generación de rutas para vehículos con una flota y ventanas de tiempo heterogéneas

Aunque MIP puede encontrar soluciones óptimas para problemas de pequeño tamaño, cuando aumenta el número de clientes, el problema se vuelve más difícil de resolver y, por lo tanto, MIP no pudo encontrar soluciones óptimas para problemas que contienen más de 10 clientes. Además, MIP no encuentra ninguna solución viable para problemas a gran escala (50 a 90 clientes) dentro de los límites de tiempo. Por lo tanto, hemos desarrollado un enfoque de solución basado en algoritmos genéticos para problemas a gran escala. Los resultados experimentales muestran que el enfoque basado en GA alcanza soluciones exitosas con una brecha del 9,66% en 392,8 s en promedio en lugar de 7200 s para los problemas que contienen de 10 a 50 clientes.

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

• Varios investigadores también han estudiado los problemas de generación de rutas de vehículos abiertos capacitados.
• Este estudio considera, por un lado, una versión del problema de enrutamiento de vehículos con costo fijo solo con prioridad del cliente, y las demandas del cliente son variables aleatorias, por otro lado.
• La experiencia computacional con las instancias de prueba de referencia confirma que nuestro enfoque produce soluciones de calidad aceptable tanto en términos de las soluciones generadas como del tiempo de procesamiento para este nuevo problema.
• El problema de generación de rutas de vehículos de flota heterogénea es una variante del problema de generación de rutas de vehículos clásico en el que los clientes son atendidos por una flota heterogénea de vehículos con varias capacidades, costos fijos y variables.
• Se propone un nuevo esquema basado en un algoritmo genético de agrupamiento heurístico para el HVRP en cinco pasos.

Los resultados empíricos muestran el desempeño de las heurísticas constructivas propuestas que brindan soluciones rápidas muy cercanas al óptimo, y también una mejora satisfactoria mediante el uso de los procedimientos de mejora. En trabajos futuros, con algunos ajustes y la introducción de movimientos de perturbación bien estudiados, los resultados obtenidos podrían mantenimiento de flota refinarse aún más para garantizar una mejor optimización de las soluciones. En este artículo, analizamos un problema de OVRP del mundo real para una empresa de producción. Hemos desarrollado un modelo de programación de enteros mixtos para el problema y generado problemas de prueba en diferentes tamaños (10 a 90 clientes) considerando parámetros del mundo real.

El estudio experimental muestra resultados satisfactorios para instancias de pequeño tamaño con MILP utilizando algunos cortes. Se utilizan dos estrategias de restricciones de eliminación de sub-recorridos que representan una buena idea para formular este tipo de restricciones.

Los resultados experimentales mostraron que aunque MIP pudo encontrar mejores soluciones que GA para problemas de pequeño tamaño, no fue posible obtener ninguna solución factible de problemas de gran tamaño dentro de los límites de tiempo. Por otro lado, GA pudo llegar a soluciones viables para problemas de gran envergadura en períodos de tiempo más cortos. Sin embargo, el porcentaje de brecha entre GA y MIP es mayor de lo esperado y, por lo tanto, continuamos nuestra investigación para mejorar GA e investigar nuevos métodos de solución para este problema único de generación de rutas para vehículos. La generación de algoritmos híbridos mediante el uso de diferentes metaheurísticas podría ser una vía de investigación valiosa.

Para problemas a gran escala (50 a 90 clientes), GA alcanza soluciones factibles de problemas dentro de los límites de tiempo. En conclusión, para las aplicaciones del mundo real, GA es preferible en lugar de MIP para alcanzar soluciones factibles en períodos cortos de tiempo. Aunque se encuentra a menudo en la práctica, el problema, que llamamos enrutamiento de vehículos de flota heterogénea con sobrecargas y ventanas de tiempo, no se ha abordado previamente en la literatura.

Buscar

Los resultados computacionales sobre los problemas de referencia muestran la efectividad del enfoque propuesto para reducir los costos de los vehículos con violaciones de capacidad mínimas, ofreciendo así evidencia de la importancia de esta variante de VRP. así, los vehículos tienen diferente limitación de tiempo de viaje y diferente costo variable y fijo según su tipo. Además, el problema de generación de rutas de vehículos de varios depósitos y el problema de generación de rutas mixtas de vehículos cerrados y abiertos se combinan. El objetivo del problema es minimizar el costo de servicio a los clientes con respecto a las demandas de los clientes y las limitaciones disponibles.

Se propone un nuevo modelo matemático MIP y, para abordar este problema, se investigan tres algoritmos metaheurísticos y se comparan los resultados con los resultados del solucionador CPLEX. Los resultados de los experimentos muestran que los algoritmos metaheurísticos propuestos son capaces de producir soluciones satisfactorias con respecto al solucionador de MIP CPLEX.

Con un procedimiento VND, estos métodos se gestionan para obtener soluciones mejoradas en un segundo paso de resolución del problema. El diseño de estos métodos se basa en elementos de razonamiento para obtener software mantenimiento intrínsecamente las mejores soluciones posibles a partir de las primeras iteraciones. La diversificación mejorada fue cubierta por un enfoque de investigación amplio para mejorar efectivamente los resultados.

El problema de enrutamiento heterogéneo con estocástico

En este documento, describimos una nueva variante del problema de generación de rutas para vehículos, a saber, el Problema de generación de rutas rentables para vehículos con múltiples viajes. Se utilizan dos estrategias diferentes de restricciones de eliminación de sub-recorridos y para cada estrategia se definen dos casos diferentes. Para instancias de gran tamaño, se proponen dos heurísticas constructivas codiciosas en un primer paso de resolución. Se desarrollan tres algoritmos Hill Climbing basados ​​en tres estructuras de vecindad.