Solución al problema de ruteo de vehículos con flota heterogénea (HFVRP) a partir de un algoritmo genético para operación de distribución en la empresa Blu Logistics S.A.S.

Abstract

BLU LOGISTICS S.A.S. es una empresa de transporte de mercancía con sede principal en Barranquilla, la cual ha estado realizando la planeación de la asignación de vehículos y ruteo con un método empírico basado en la experiencia de los operarios. Esta estrategia, no es efectiva al momento de cumplir con los estándares de servicios establecidos por los directivos de la empresa, ocasionando sobrecostos en la operación. Al analizar esta situación, se determinó que el caso presentado es modelado como un problema de ruteo de vehículos con flota heterogénea.

Para la obtención de soluciones, se propuso un algoritmo genético que permite un avance en el proceso de asignación de vehículos, ya que la codificación de las soluciones son generadas con base a un vector que reduce la capacidad ociosa y en el cruzamiento se explora el espacio de solución, generando hasta diez soluciones por cada par de padres. Así mismo, con el fin de generar soluciones de mejor calidad se minimizaron las distancias evaluando la función de ajuste con una matriz creada con los trayectos reales que deben recorrer los vehículos.

En cuanto a los resultados obtenidos, se determinó que a medida que se incrementa el porcentaje de mutación de la población, se incrementan los tiempos de cálculo pero mejora la calidad de las soluciones, en los escenarios evaluados, se determinó que el mejor porcentaje de mutación es del 7%. De igual forma, se determinó que las mejores soluciones se encuentran, en el peor de los casos, antes de la generación 300, para un caso de 80 nodos. Por otra parte, se evaluó el comportamiento del sistema bajo distintas condiciones y se determinó que de entre los tres cruzamientos propuestos para la asignación, el mejor fue el segundo, de naturaleza secuencial.

BLU LOGISTICS S.A.S. is a merchandise transport company with headquarters in Barranquilla, which has been planning the allocation of vehicles and routing with an empirical method based on the experience of the operators. This strategy is not effective at the time of complying with the service standards established by the executives of the company, causing cost overruns in the operation. When analyzing this situation, it was determined that the presented case is modeled as a problem of vehicle routing with a heterogeneous fleet.

In order to obtain solutions, a genetic algorithm was proposed that allows an advance in the vehicle allocation process, since the coding of the solutions is generated based on a vector that reduces the idle capacity and in the crossing the space is explored of solution, generating up to ten solutions for each pair of parents. Likewise, in order to generate better quality solutions, the distances were minimized by evaluating the adjustment function with a matrix created with the real paths that the vehicles must travel.

Regarding the results obtained, it was determined that as the mutation percentage of the population increases, the calculation times increase but the quality of the solutions improves, in the evaluated scenarios, it was determined that the best percentage of mutation It is 7%. Likewise, it was determined that the best solutions are found, in the worst case, before generation 300, for a case of 80 nodes. On the other hand, the behavior of the system was evaluated under different conditions and it was determined that among the three proposed crossings for the assignment, the best was the second, of a sequential nature.