Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis Slides
Tesis Slides
Eidelman, Adrin Pablo Valdez Lerena, Alejandro Directora: Dra. Irene Loiseau
Introduccin
Descripcin general del problema
Encontrar la mejor forma de organizar una flota de vehculos de reparto para poder entregar un conjunto de pedidos que van ingresando de manera dinmica Reducir los costos asociados a la cantidad de vehculos utilizados y sus recorridos Brindar una mejor atencin a los clientes
Motivacin
Una cuadricula representa una abstraccin del mapa de calles Cada pedido est asociado a un cliente, tiene un tamao fijo y una banda horaria donde debe realizarse la entrega El conjunto de pedidos no se conoce inicialmente sino que pueden ingresar en cualquier momento
Pedidos
Una ruta es factible cuando se puede realizar el recorrido completo cumpliendo todas las ventanas de tiempo y sin exceder la capacidad del vehculo Es un conjunto de rutas factibles que utilizan todos los pedidos que forman parte del sistema en un determinado momento
Solucin
para realizar las entregas Minimizar el tiempo de espera entre entregas consecutivas de una ruta Minimizar la distancia recorrida Maximizar la capacidad utilizada en cada vehculo
Problema a tratar
Cantidad de vehculos ilimitada Limite en el tiempo de viaje para un producto Pedidos de tamao variable Los vehculos tienen velocidad constante Los pedidos que ingresan son factibles
Nuestro enfoque
VRPTW dinmico es un problema NP-Hard
el uso de tcnicas heursticas Proporcionan soluciones razonablemente buenas en periodos cortos de tiempo, sin garantizar que la solucin sea ptima
Nuestro enfoque
Utilizamos una heurstica de bsqueda local
Parte de una solucin inicial y realiza modificaciones intentando encontrar otras en las que se minimice el valor de una funcin objetivo
Algoritmo propuesto
Solucin inicial
Debe ser rpida La solucin resultante debe ser factible Debe minimizar el costo de la solucin
Insercin de pedidos
Alternativas analizadas
Realizar una bsqueda exhaustiva y en caso de no poder agregar el pedido a ninguna ruta utilizar una ruta nueva. Utilizar un algoritmo goloso Asignar una ruta nueva al pedido Aprovechar al mximo el tiempo de cmputo disponible para optimizar la solucin en general
Factor decisivo
Insercin de pedidos
Asignar el pedido a una ruta nueva
Insercin en O(1) Permite que el algoritmo Tab explore las distintas formas de incorporar el pedido a la solucin Mantiene la factibilidad de la solucin
Heursticas de mejora
Estrategias a seguir para encontrar una
solucin nueva de menor costo a partir de la inicial Intercambios Or-Opt (Or, 1976)
Ampliamente utilizado en la bibliografa Se aplica a un par de rutas (origen, destino) Consiste en mover una secuencia de 1, 2 o 3 pedidos consecutivos desde la ruta de origen hacia algn punto de la ruta de destino
Intercambios Or-Opt
Ejemplo: El pedido 5 de la ruta 2 pasa al final
de la ruta 1
Intercambios Or-Opt
Ejemplo: Los pedidos 3 y 4 pasan al inicio de
la ruta
Heursticas de mejora
Radio de accin
Es la mxima amplitud angular que se le permite tener a una ruta, tomando como origen de coordenadas el centro de distribucin Idea no encontrada en la bibliografa Valor determinado en base a la experiencia Permite restringir el conjunto de posibles movimientos a analizar
Radio de accin
Ejemplo 1:
Radio de accin
Ejemplo 2:
Radio de accin
Un valor demasiado grande tender a producir rutas
con recorridos extensos en distancia Un valor demasiado chico tender a producir rutas con pedidos mas cercanos entre si, pero aumentar la cantidad de rutas de la solucin Permite que la metaheurstica no explore movimientos de pedidos entre rutas que no tengan radios de accin que se intersecan Esto permite no desperdiciar tiempo de computo en soluciones que seguramente no sern de buena calidad
Heursticas de mejora
Seleccin de rutas a optimizar
No es factible analizar todas las formas posibles de acomodar los pedidos Se debe elegir subconjuntos de rutas para analizar sus intercambios
Seleccionar aleatoriamente un conjunto de rutas X de tamao t que sern tratadas como rutas de origen. Priorizando las rutas con un solo pedido Seleccionar aleatoriamente un conjunto de rutas Y de tamao t que sern tratadas como rutas de destino (X e Y pueden tener elementos en comn)
En cada quanto de tiempo, analizar el vecindario de la solucin principal y luego utilizar el tiempo sobrante en el resto Intensificacin
Al priorizar la solucin principal al inicio de cada quanto se intensifica la bsqueda en la zona ms prometedora
Diversificacin Mediante las mltiples soluciones se analiza simultneamente distintas formas de realizar las entregas
Cada ruta tiene un costo de 10.000 unidades Cada unidad de distancia en el recorrido tiene un costo de 1 unidad
Implementacin
Mdulos principales
Dispatcher
Implementa el modelado del tiempo y la generacin de eventos Implementa la metaheurstica y el manejo de mltiples soluciones Permite comunicar el resultado de la simulacin
Optimizador
Visualizacin
Dispatcher
Necesidad de simular el avance del tiempo y
el ingreso dinmico de pedidos Escala de tiempo para poder realizar pruebas en tiempos ms cortos Utilizacin de un archivo de configuracin que contiene los pedidos con sus caractersticas y su horario de ingreso al sistema Implementa la poltica de salida de rutas
Dispatcher
Poltica de salida de rutas Los pedidos deben partir o se vencen sus ventanas de tiempo Caso real: operador humano A falta de un operador humano que tome la decisin, el sistema debe decidir cuando una ruta debe partir Problema intratable computacionalmente Poltica implementada
Las rutas parten lo ms tarde posible pero asegurando que haya tiempo para cumplirlas Para poder usar ms tiempo en la optimizacin
Optimizador
Mantiene la lista de mltiples soluciones y se
encarga de distribuir el tiempo disponible Se prioriza la optimizacin de la solucin principal y en caso de sobrar tiempo se analizan las dems Implementa la Bsqueda Tab y la Bsqueda Local
Visualizacin
Permite ver los pasos intermedios realizados
por la Bsqueda Tab y las rutas que deben ir saliendo Primera versin con log de texto
Visualizacin
Visualizacin
Visualizacin
Resultados
Comparacin con instancias VRP de Solomon Realizadas al principio del desarrollo Intencin: Ver el comportamiento del algoritmo teniendo en cuenta la distancia total de los recorridos
Resultados
Comparacin con instancias de VRPTW
Intencin: Ver el comportamiento del algoritmo respecto de las ventanas de tiempo, las polticas de salida de rutas y la cantidad total de rutas empleadas Instancias encontradas solo priorizaban la longitud total de las rutas
VRPTW dinmico
Resultados
Instancias de prueba generadas en forma
aleatoria
Evitar sesgo o error introducido manualmente Uso de distribucin uniforme Generacin de tres lotes con caractersticas propias
Resultados
Caractersticas generales de los lotes
utilizados
Resultados
Definicin de cota
Necesaria para poder tener un valor de referencia con el cual comparar Imposible calcular el valor exacto para las instancias Cota utilizada
Cantidad de vehculos necesarios para acomodar todos los pedidos existentes Valor para las instancias: 200 / 22 9 pedidos por vehculo Ventajas
Simple de calcular Es la mnima cota definible
Desventajas
Poco realista No tiene en cuenta la distribucin espacial ni temporal de los pedidos
Resultados
Lote A
Cantidad de simulaciones
9 1 1
Resultados
Lote A Muy pocas instancias se acercan a la cota mnima definida Posibles causas
Que la heurstica implementada no sea buena para el problema Que la cantidad de pedidos no llegue a negar el efecto de la distribucin espacial y temporal (que no es tenida en cuenta por la cota) Que la cota est demasiado alejada de instancias reales
Resultados
Lote B
Cantidad de simulaciones
Cant dad d
70 60 51 50 40 30 20 10 0 12 13 14 15 16 6 28 37 58
Resultados
Lote B 30% de los resultados estn en el valor de la cota Otro 30% se encuentra una ruta sobre el valor de la cota El resto de las instancias no se alejan mucho ms de la cota El algoritmo se comporta de una manera sumamente positiva para estas instancias a diferencia de lo que suceda con el lote A
Estos nos hace descartar que la heurstica no sea buena para el problema planteado Tambin nos permite descartar que la cota sea muy mala de por s
Resultados
Lote C
Cantidad de imulaciones
Cantidad de rutas
Resultados
Lote C
El 99% de las resoluciones de las instancias no supera en un 8% el valor de la cota Al igual que el lote B, este lote nos confirma que la cota no es mala en s misma y que el algoritmo funciona razonablemente bien
Resultados
Anlisis
Can idad de u as p
39
Resultados
Este ltimo grfico muestra que
Bajo las condiciones de prueba, a partir de los 100 pedidos, el espacio desperdiciado en las rutas pasa a ser despreciable El algoritmo se comporta razonablemente bien para instancias que superan este lmite de pedidos
Conclusiones
En base a las pruebas realizadas podemos afirmar
que la heurstica implementada se comporta razonablemente bien Es capaz de procesar varios cientos de pedidos de manera dinmica y con fuertes restricciones de tiempo de cmputo
Tener en cuenta que las simulaciones corran con una fraccin del tiempo real disponible
una gran cantidad de pedidos a repartir Confirmamos la eficacia de la Bsqueda Tab para el problema de VRPTW dinmico bajo las condiciones antes mencionadas
Trabajos futuros
Inclusin de un modelo matemtico formal
que ayude a comprender mejor el problema Implementacin de nuevas tcnicas heursticas para la resolucin del problema como submdulos del sistema Desarrollo de una interfaz grfica que permita interactuar en tiempo real con el sistema
Muchas gracias !!
Preguntas ?