Algoritmos De Ruteo Vrp

VRP ESTUDIO PARA LA CIUDAD DE BOGOTA (REF 4 ARTICULOS)

Los artículos sobre Los problemas de rutas de vehículos (VRP) son aplicables a la ciudad de Bogotá debido a que esta ciudad hasta ahora está integrando su transporte hecho que hace que se presenten dificultades de todo tipo. Por otro lado el esfuerzo por conjugar el número de rutas de flotas par prestar un óptimo servicio a un sinnúmero de grupos de clientes, con el fin de optimizar las diferentes combinaciones que se pueden dar.

De igual manera la aplicación de estos modelos para solucionar diversas situaciones que generan inconvenientes en las mismas como lo son las de carácter logístico, y las cadenas de suministro en general, hacen que el modelo escogido se vulva cada vez mas complejo para modelar matemáticamente pero a su vez mucho más precioso por lo robusto que se puede convertir el modelo, esto hace que quizás los resultados no se den de manera rápida y veras en tiempo real hecho que hace que las soluciones tarden .

El alza del combustible es uno de los problemas que hace que las decisiones de aprovisionamiento en del mismo en la ciudad tiene un valor importante ya que hasta ahora se está integrando el transporte en la misma. Aun quedan empresas sueltas que normalmente sus vehículos tinquean en el sitio x, en el cual se den costos más bajos o a los cuales se ha llegado a un convenio.

Cada una de las acciones anteriormente y demás que se puedan presentar son parte del conjunto de variables a estudiar con miras a reducir o minimizar costos, y optimizar tiempos en el desarrollo de una solución más precisa.

Esto está dado por un numero de variables vinarias que normalmente excede como lo decía anteriormente esto hace que se dificulte encontrar resultados en tiempos razonables cuando el objetivo o consigna es resolver este tipo de problemas lo que no arroja resultados óptimos y exactos, sin embargo en este primer artículo se muestra que se han realizado esfuerzos por encontrar soluciones , hecho que ha llevado a desarrollar métodos heurísticos y meta heurísticos como algoritmos genético como done el meta heurístico es un componente de optimización mientras que el heurístico no produce una sola solución, como algoritmos genéticos, optimización de de flotas en general, enjambres de partículas, optimización (pso)etc.

De igual manera datare un ejemplo tomado del articulo numero 1 R. Nallusamy1*, K. Duraiswamy2, R. Dhanalaksmi3 and P. Parthiban “1” E n el cual en el 2008 se utilizo un algoritmo (pso) con el fin de optimizar problemas de diseño de almacenamiento en niveles, en los cuales mediante la aplicación del modelo utilizando algoritmos genéticos se dio solución optima a el mismo.

Durante las pasadas 4 décadas se ha buscado de manera continua y sin reducir esfuerzos maneras de optimizar y crear modelos que busquen dar solución a dichos problemas, no solo en lo referente a la logística si no también a cada una de las variables de la cadena de suministros. De igual manera es obligación de cada uno de nosotros los ingenieros estar a la vanguardia de estos procesos, para

R. Nallusamy1*, K. Duraiswamy2, R. Dhanalaksmi3 and P. Parthiban “1”

hallar soluciones de mejoramiento continuo a cada una de las mismas ya que en general por estar dentro de la industria en la empresa más remota que apliquemos tendremos este tipo de inconvenientes que deberemos estudiara fondo para dar soluciones optimas a los mismos.

En los siguientes artículos estudiados como por ejemplo OPTIMIZATION OF MULTIPLE VEHICLE ROUTING PROBLEMS USING APPROXIMATION ALGORITHMS “2” Problemas en la utilización algoritmos de aproximación en los cuales de igual manera se utilizan os mismos modelos normalmente para la optimización combinatoria con el fin de de servir a un número de clientes con una flota de vehículos con el objetivo de minimizar costos totales de transporten el.

Si el (pso) no puede resolverle modelo directamente se acude a métodos heurísticos y meta heurísticos, esto debido a su complejidad, para lo cual se debe utilizar un procedimiento de codificación en el cual se le da un valor o signo a cada una de las variables como lo expresare mediante un ejemplo a continuación:

• Índice de interacción=α

• Índice de partícula= k

• Índice de dimensión=Ω

• Numero aleatorio uniforme =u

• Velocidad de la partícula=ℓ

• Peso de la interacción=£

• Velocidad del índice de la partícula=ℓ£

• Posición del índice de la partícula=¥k

• Aceleración constante©

• Mejor solución local=Ŋ

• Vehículo mejor solución=ΐ Etc.

Con estos códigos se plantea el algoritmo planteare un ejemplo simple:

Iniciar una partícula, como enjambre general con pocisoion aleatoria en un rango (0) velocidad (0)

Y el mejor personal para k1

De esta manera se utilizan las codificaciones se generan las rutas, se calcula la medición del desempeño, la partícula marca el mejor personal, que obtiene el menor valor de aptitud para ser la mejor solución.se maximiza la aptitud distancia –ratio, si no se cumple lo esperado se regresa al paso requerido repitiendo el procedimiento un sinnúmero de veces hasta hallar la solución optima.

El pso proporciona un vector donde la solución óptima final no es derivable, por ello se utilizan codificadores para asignar,

El método aplicado a casos reales donde se vuelve robusto el vrp esto hace que se aumentan el gasto total de transporte pero al mismo tiempo aumenta la demanda.

OPTIMIZATION OF MULTIPLE VEHICLE ROUTING PROBLEMS USING APPROXIMATION ALGORITHMS “2”

Los algoritmos sobre los problemas de aproximación de utilización para múltiples rutas donde se da una complejidad en los enrutamientos de los vehiculos utilizando como descongestionante el (mvrp) en el cual se agrupan, para colocar un

Ejemplo: en la ciudad de Bogotá por flotas por ejemplo trasmilenio, sistema integral

de transporte, transporte de carga pesada, transporte de rutas de estudiantes, de rutas de empresas etc. Utilizando una ruta clave para cada vehículo en el cual se a codificado, el valor de la distancia mínima y de cada una de las variables que se requieran se hallan utilizando métodos meta heurísticos según el caso así como los genéticos, o porque no los pso o heurísticos.

Estos modelos nos permiten plantear unos objetivos los cuales nos dirán el alcance debido al uso de enfoques hibridos que nos sirven para resolverlas diferentes variaciones de los problemas de optimización combinada

En el estudio de la asignación se registra los sitios a los cuales va cada vehículo así se genera una base de datos en la cual tenemos toda la información datilada como lo son las repeticiones así como los costos y demás factores influyentes para hallar las soluciones posibles por medio de algoritmos heurísticos para resolver el vrp con miras a optimizar de esta manera se obtiene el GA el cual da mejor solución al (mvrp)

Dependiendo de la cantidad de información que se tenga se halla una exactitud mayor, sin embargo entre más robusto sea el modelo Sencillamente se vuelve más complejo el proceso de llegar una solución a corto plazo

por . Reinaldo Abel Medina Alvarez .bogota colombia

...