Optimización de rutas de distribución con información y restricciones difusas

Abstract

En este trabajo se desarrolla un nuevo enfoque metodológico, simple, operativo y completo, para abordar la incertidumbre inherente a los problemas de planificación de rutas de distribución, producto de información o restricciones imprecisas. Se aplica la teoría de conjuntos y sistemas difusos para modelar problemas de planificación de rutas de distribución como problemas de optimización difusa. Se formulan modelos del problema de rutas de vehículos (VRP) y una de sus variantes más estudiadas, el problema de rutas de vehículos con ventanas de tiempo (VRPTW) que permiten afrontar la imprecisión de algunas componentes consideradas difusas. El desarrollo de la investigación nos ha conducido a la formulación de nuevas variantes del VRPTW. Una de estas variantes responde a la demanda de planificar rutas de distribución para productos congelados evitando las roturas de la cadena de frio. Otra variante, formula y resuelve el problema de planificación de rutas con flotas mixtas, con un parte de los vehículos subcontratados para complementar los vehículos propios. En este caso se realizan rutas cerradas, que retornan al almacén con los vehículos propios y rutas abiertas, con los vehículos externos que no regresan al almacén. Al mismo tiempo se proponen estrategias metaheurísticas para la resolución de estos problemas. En particular se diseñan, implementan y evalúan estrategias híbridas que combinan el procedimiento de búsqueda voraz aleatorizado y adaptativo (Greedy Randomized Adaptive Search Procedure, GRASP) la búsqueda por entornos variables, (Variable Neighborhood Search, VNS) y la optimización por colonias de hormigas (Ant Colony Optimization, ACO), aplicados a los modelos difusos propuestos. También se experimentan y validan estrategias hiperheursticas basadas en estrategias bioinspiradas en la ¿inteligencia de enjambre¿, ACO y la optimización por enjambre de partículas (Particle Swarm Optimization, PSO), sobre el híbrido GRASP-VNS. En definitiva hemos logrado, aplicando técnicas de Soft Computing, un nuevo enfoque para resolver de forma eficiente problemas rutas en contextos reales, que pueden ayudar al desarrollo de sistemas inteligente de planificación del transporte.