Big Bang Vrptw

1,345 views
1,267 views

Published on

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.).

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,345
On SlideShare
0
From Embeds
0
Number of Embeds
53
Actions
Shares
0
Downloads
46
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Big Bang Vrptw

  1. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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

×