Está en la página 1de 21

INFORME PROFESIONAL

MII 505 Métodos de


Optimización Aplicados

 Grupo: Grupo N°1


 Integrantes:
o Mauricio Arroyo
o Christian Cardenas
o Camila Cruz
 Fecha: 21 de Abril del 2019
1. INTRODUCCIÓN

Dentro de la competencia que caracteriza al siglo XXI hemos observado un aumento en estudios

de optimización basados en Investigación de Operaciones para el manejo efectivo del suministro

de bienes y/o servicio con tal de generar una ventaja competitiva frente a la competencia. Una

buena planificación de los procesos de aprovisionamiento y/o distribución pueden llegar a generar

ahorros de entre el 5% al 20% en los costos de transporte, y considerando que estos últimos

representan entre un 10% al 20% del costo final de los bienes, su impacto es sumamente

significativo en el resultado final de las empresas u organizaciones.

Lo anterior, de forma matemática, lo vemos representado en un problema clásico de

optimización combinatoria y de programación de entero con múltiples aplicaciones que se

denomina Problema de enrutamiento de vehículos (VRP, por sus siglas en inglés); un depósito

central, clientes que requieren productos con cierta demanda y una flota de vehículos, donde se

desea buscar el óptimo de rutas para la flota de vehículos que debe satisfacer la demanda de un

conjunto dado de clientes, teniendo como objetivo minimizar los costos de transporte (distancia

total recorrida, número de vehículos, tiempo total de transporte, entre otros).

De esta formulación clásica, que tiene su origen en los años 50´s., se derivan una serie de

variaciones del problema general. El presente informe profundizará en particular en aquellos

problemas en que las nuevas solicitudes aparecen dinámicamente, problemas dinámicos de

enrutamiento de vehículos (D-VPR, por sus siglas en inglés), donde a diferencia de los problemas

estáticos donde los datos son conocidos antes de construir las rutas, algunos datos solo son
conocidos durante el periodo de operación, inclusión de una variable de carácter dinámico, por lo

que se debe ajustar el ruteo en función de las nuevas restricciones y comportamientos

En el siguiente informe se presentará la definición y explicación del problema abordado.

Comenzaremos el informe presentando la evolución histórica según la formulación de VRP,

realizando un análisis de las principales características y aplicaciones asociadas a los problemas

de ruteo dinámico de vehículos. Además, revisaremos el modelo matemático descrito en la

literatura que trata este tema, explicando sus variables, función objetivo y restricciones.
2. DEFINICIÓN DEL PROBLEMA

2.1 Marco teórico – evolución histórica

El primer problema planteado tipo VRP fue el del Agente Viajero o TPS (Travelling Salesman

Problem), introducido por Flood en 1956. El problema recibe este nombre dado que puede

describirse en términos de un agente que debe visitar cierta cantidad de ciudades en un solo viaje,

de tal manera que inicie y termine su recorrido en la ciudad de “origen”. Para ello, el agende debe

determinar (optimizar) que ruta debe seguir para visitar cada ciudad una solo vez y regresar de tal

manera que la distancia total recorrida sea la mínima. En la figura 1, se observa un ejemplo grafo

del TSP, donde el vértice de origen viene dado por el vértice A, siguiendo la ruta pasando luego

por los vértices B-C-D (considerando este orden como óptimo dado que minimizan los valores

entre arcos) la mejor alternativa para cumplir con el objetivo.

Figura N°1. Problema agente viajero (TSP)

De la formulación propuesta por Flood nacen variaciones como el TPS generalizado, también

conocido como Problema de Enrutamiento de Vehículos o VRP (Vehicle Routing Problem). El

VRP tiene sus orígenes ya a finales de los años 50´s., etapa en la cual Dantzing y Rasmer formulan

el modelamiento en torno a una distribución de combustible. Este modelo es uno de los más

comunes en la optimización de operaciones logísticas; plantea encontrar solución óptima


considerando diferentes restricciones que se pueden presentar en la realidad. Una formulación de

este tipo podría considerar un amplio número de variables y diversos parámetros, siempre

conocidos desde el inicio del ruteo cuando hablamos del modelo original. En general responde a

condicionantes tales como: un deposito central, un conjunto determinado de vehículos (flota de

vehículos con cierta capacidad de carga), una red de carreteras dada, productos y/o servicios que

se deben entregar a un conjunto de clientes (demanda) y un conjunto de rutas, entre otras, de tal

forma que las demandas de los clientes sean satisfechas y el coste total de transportación este

minimizado (distancia total recorrida, número de vehículos, tiempo total de transporte).

La red vial se puede describir utilizando un grafo donde los arcos representan secciones o

tramos viales y los vértices representan la localización de los clientes y del depósito. Los arcos

pueden ser dirigidos o no, debido a costes distintos en cada dirección o alguna variante del

problema. Cada arco tiene un coste asociado que representa la longitud o tiempo de viaje. En la

figura 2 se ilustra el problema de enrutamiento de vehículo clásico.

Figura N°2. Problema de enrutamiento vehicular clásico (VRP)

Donde, como mencionamos anteriormente, la función objetivo puede ser diferente dependiendo

de la aplicación particular del resultado, como por ejemplo:


- Minimizar el costo total del transporte basado en la distancia total recorrida con los

vehículos utilizados.

- Minimizar el número de vehículos utilizados para satisfacer a todos los clientes.

- Minimizar la variación entre el tiempo de viaje y la carga del vehículo.

2.2 Marco teórico - variantes del VRP

Algunas variantes del modelo VRP más conocidas son:

 VRPPD, problema de enrutamiento del vehículo con recogida y entrega. Un número de

productos necesita ser trasladado de cierta ubicación de recogida hacia otras ubicaciones

de entrega. El objetivo es encontrar las rutas óptimas para una flota de vehículos para visitar

las ubicaciones de recogida y entregar los productos en sus correspondientes ubicaciones.

 VRPTW, problema de enrutamiento del vehículo con ventanas de tiempo. Las ubicaciones

de entrega tienen ventanas de tiempo, dentro del cual las entregas tienen que ser realizadas.

 CVRP, problema de enrutamiento del vehículo con capacidad. Los vehículos han limitado

su capacidad de los bienes que deben ser entregados.

 VRPMT, problema de enrutamiento del vehículo con viajes múltiples. Los vehículos

pueden hacer más de una ruta.

 OVRP, problema de enrutamiento del vehículo abierto. Las rutas de los vehículos no

requieren terminar en el depósito.


2.3 Marco teórico - métodos de solución

Respecto a los métodos de solución, de la revisión bibliográfica se concluye que existen tres

grandes categorías, las cuales pueden ser agrupadas de la siguiente manera: métodos exactos,

heurísticas y metaheurísticas.

 Métodos Exactos: Los métodos exactos son eficientes en problemas hasta 50 depósitos

debido a restricciones de tiempo computacional. Los métodos exactos se pueden clasificar

en tres grupos:

- Búsqueda directa de árbol

- Programación dinámica

- Programación lineal y entera

 Heurísticas: Las heurísticas son procedimientos que proporcionan soluciones de aceptable

calidad mediante una exploración limitada del espacio. Estos métodos parten de rutas que

contienen un único nodo para encontrar el mejor par (nodo, ruta) que representa la mejor

intersección. Algunos métodos heurísticos son:

- Métodos Constructivos

- Métodos de 2 fases

- Heurística de mejora

 Metaheurísticas: Se caracterizan porque realizan un procedimiento de búsqueda para

encontrar soluciones de aceptable calidad, mediante la aplicación de operadores

independientes del dominio que modifican soluciones intermedias guiadas por la idoneidad

de su función objetivo. Algunos métodos metaheurísticos son:

- Algoritmos genéricos

- Redes neuronales
- Recocido simulado

- Algoritmos de hormiga

- Búsqueda tabú

- Búsqueda de vecindades

2.3 Marco teórico – principales formulaciones matemáticas

Hay tres diferentes aproximaciones principales a la modelización del VRP:

 Formulaciones basadas en el flujo del vehículo (variables enteras asociadas con cada arco

del grafo, cuentan el número de veces que la arista es recorrida por un vehículo). Es

generalmente utilizado para el básico VRP. Es adecuado para casos donde el coste de la

solución puede ser expresado como la suma de los costes asociado con los arcos.

 Formulaciones basadas en el flujo de productos (Variables enteras adicionales asociadas

con los arcos o aristas qué representan el flujo de las mercancías a lo largo de los caminos

recorrido por los vehículos). Esto ha sido utilizado recientemente para encontrar una

solución exacta al problema.

 Formulaciones basadas en particionar el problema en conjuntos (Número exponencial de

variables binarias, cada una asociada a una ruta factible diferente). El VRP es entonces

formulado como un problema qué pregunta cuál es la colección de rutas con coste mínimo

que satisface las restricciones del VRP.


2.4 Marco teórico – Problema de ruteo dinámico de vehículos - DVRP

Al continuar investigando sobre los VRP dentro del problema general, de manera específica

encontramos el Problema de Ruteo Dinámico de Vehículos DVRP (Dynamic Vehicle Routing

Problems), problema estudio para el presente informe, el que cuenta con cuatro componentes

relevantes a saber, los clientes, los depósitos, los vehículos y el tipo de red a analizar

(Wohlgemuth, Oloruntoba, & Clausen, 2012). En este tipo de modelos introducimos el

concepto de requerimientos inmediatos, destacando el concepto de solicitudes de servicio que

deberán ser atendidas lo más rápido posible. La principal variante al problema original VRP

es que la información inicial puede presentar cambios después de definir la secuencia o ruta

para un vehículo, provocando que el modelo se deba reformular para buscar la nueva ruta

óptima bajo las nuevas restricciones, por ende, en contraste con el ruteo estático de vehículos

se incluyen nuevos elementos que incrementan la complejidad de la toma de decisiones, como

muestra la Figura N°3.

Figura N°3. Problema de enrutamiento dinámico vehicular (DVRP)

El ruteo dinámico permite el re-direccionamiento o relocalización de vehículos en la flota,

con el fin de atender la situación de demanda de mayor cercanía, con el fin de generar los

esquemas de conocimiento en tiempo real acerca de la posición del vehículo y tener la


capacidad de comunicarse rápidamente con los conductores con el fin de reasignar un nuevo

destino (Farid Ghannadpoura, Noory, & Tavakkoli – Moghaddam, 2013).

En cuanto a la función objetivo del ruteo dinámico, generalmente difiere del ruteo habitual

(estático), el que busca únicamente el minimizar el costo de la ruta, ya que el DVRP incluye

otras nociones como lo son niveles de servicio, número de salidas, maximización de utilidades,

tiempo de repuesta, etc, (Musolino, POlimeri, Rindone, & Vitetta, 2012).

El dinamismo en el DVRP puede ser definido a partir de niveles caracterizados por dos

variables:

- Frecuencia de los cambios.

- Urgencia de las solicitudes.

2.4.1 Diferencias entre el VRP y DVRP

Las principales diferencias de un ruteo dinámico estático y uno dinámico son:

a) La dimensión temporal se cataloga como esencial; variable fundamental, esquema de

posicionamiento de vehículos debe poder manejarse en cualquier punto de tiempo definido.

b) El problema se considera de carácter abierto; no se definen rutas cerradas, sino en su lugar

caminos flexibles definidos.

c) Información futura es de carácter incierto e impreciso; información de cambio futuro no

presenta certeza implícita, sino una serie de bases probabilísticas de pronóstico.


d) Los eventos cercanos son más importantes; dada la uniformidad de información, se define

como de mayor relevancia los eventos directamente cercanos de atención, y los eventos a

largo plazo se consideran en segunda instancia.

e) Los mecanismos de actualización son esenciales; las entradas en un problema dinámico

están sujetas a cambios durante la operación por lo que se hace esencial que mecanismos

de actualización se encuentren integrados a los métodos de solución

f) Secciones de relocalización y re secuenciación deben ser definidas; al tener nuevas

entradas implica que las decisiones tomadas en torno a soluciones del modelo se definan

como de carácter subóptimo, forzando a generar secciones de relocalización, reasignación

o definición de nuevas rutas.

g) Tiempos computacionales rápidos se hacen necesarios; se hace imperativo obtener

soluciones en tiempo real para tomar decisiones oportunas.

h) Mecanismos para posponer actividades; existe la posibilidad de que para un punto

específico se involucre la necesidad de posponer la atención, considerando que se ubica en

condiciones desfavorables ante otras demandas.

i) Función objetivo diferencial; considerando el grado de flexibilidad no se hace posible

definir un sistema línea, sino no lineal, con el fin de contemplar factores tales como la

posposición.

j) Restricción de tiempo diferenciales; restricciones enfocadas a factores de tiempo son

consideradas en un mayor nivel de flexibilidad teniendo en cuenta que existe un sistema

de peso atención.

k) Flexibilidad en la flota de vehículos; calidad del servicio puede variar respecto al total de

vehículos disponibles para atender las demandas en tiempo real.


2.4.2 Enfoques del DVRP

Con todo lo anterior, entendemos que la información crítica se revela con el tiempo, por lo que

la instancia completa sólo se conoce al final del horizonte de planeación. Dado lo anterior, y

sabiendo que los métodos exactos sólo proporcionan una solución óptima para la situación actual,

pero no garantizan que la solución seguirá siendo óptima una vez vayan ingresando nuevos datos

al sistema, los enfoques dinámicos se sustentan en heurística.

Los enfoques para los DVRP se pueden dividir en dos categorías:

a) Re-optimización periódica; se centra en la búsqueda de la ruta óptima cada vez que una

nueva petición se conoce. Resuelve periódicamente un problema estático (ya sea siempre

que los cambios en los datos estén disponibles o en intervalos de tiempo fijo). Puede

basarse en algoritmos de ruteo estático.

b) Re-optimización continúa; llevan a cabo la optimización de todo el día y mantener la

información sobre las buenas soluciones en una memoria adaptativa. Siempre que los datos

se encuentre disponibles son agregados a la memoria para actualizar el ruteo actual. Dado

que la ruta actual está sujeta a cambios en cualquier momento, los vehículos no conocen

su destino hasta que terminen el servicio de una solicitud.


3. MODELO MATEMÁTICO

Como mencionamos en la introducción los DVRP son problemas en los que las nuevas

solicitaciones aparecen de manera dinámica agregándose nuevos vértices a nuestro problema.

Para esto se debe realizar una formulación analítica del problema: un desvió de la ruta inicial es el

hecho de permitir que el transporte tenga un desvió de su destino inicial o programado para lograr

surtir una orden que, para la planeación nueva, debería ser más conveniente siempre y cuando no

se violen las restricciones. En la figura N°3 se observa este caso en donde, una nueva orden llega

en el instante t, en donde el vehículo 𝐷′ , el cual debe servir al punto D, se realiza un desvío;

modificando el destino y provocando un cambio en la ruta atendiendo en punto A en primera

instancia para luego atender el punto D.

Bajo esta situación nos encontramos con tres condiciones:

a) Si el vehículo se encuentra camino al destino de un cliente, pero faltan dentro de la red vial

destinos por visitar, entonces el punto crítico será el más cercano perteneciente a esta red.

b) Si el vehículo está en recorrido dentro de la red, camino hacia un cliente, entonces el punto

crítico será el unto del cliente que pertenece a la red espacio-tiempo respectivo.

c) Si el vehículo ya se encuentra con un cliente, el punto crítico es el tiempo que ésta se esté

realizando.
Para un tiempo 𝑡, se consideran los siguientes conjuntos de nodos:

N : Puntos de la red vial

𝑁𝑈 (𝑡) : Clientes que no se atienden en el momento en el cual se actualizan las

rutas.

𝑁𝐶 (𝑡) : Puntos que son críticos en la red espacio-tiempo cuando se actualizan las

rutas.

Para la red 𝑁𝑈 (𝑡), se debe destacar que cuando varían las rutas, existirán puntos que existieron en

el punto inicial pero desaparecen en el momento t. Es el caso de los clientes que no son atendidos

y para espacio de tiempos menores que t.

En el caso de las rutas de un punto a otro, existe diferencias, ya que el conjunto 𝐴(𝑡) considera

solamente los puntos correspondientes a un tiempo mayor a t.

Sea agregan dos subconjuntos al conjunto de vehículos pertenecientes a la flota K..

𝐾0 (𝑡) : Todos los vehículos en la bodega en el tiempo t

̅ (𝑡)
𝐾 : Todos los vehículos en ruta en el tiempo t

Los siguiente sin los parámetros del modelo:

𝑄̅𝑘 (𝑡) : Capacidad actual o carga actual del vehículo k al momento de actualizar las rutas.

Esto sirve para determinar la capacidad actual de los vehículos la cual tiene una capacidad

disponible diferente heterogénea.

De esta forma la función objetivo es:

(1)

𝑀𝑖𝑛 𝑘 𝐾
𝑥(𝑖,𝑡), , 𝑗, 𝑘, 𝑦𝑖𝑘 , 𝑡𝑠𝑖𝑘 , 𝑑𝑖𝑘 {∝∙ ∑𝑘=1 ∑𝑖∈𝑁𝑈 (𝜏) ∑𝑗∈𝑁𝑈 (𝜏) ∑𝑡≥𝜏 𝑥{𝑖,𝑡}𝑗,𝑘 ∙ 𝑡𝑣{𝑖,𝑡}𝑗 + (𝐼 − ∑𝑘=1 ∑𝑖∈𝑁𝑈 (𝜏) 𝛽𝑖 ∙ 𝑦𝑖𝑘 )}
Sujeto a (Restricciones)

(2)
𝐾

∑ 𝑦𝑖𝑘 ≤ 1 , ∀𝑖 ∈ 𝑁𝑈 𝜏, 𝑖 ≠ 0
𝑘=1

(3)
𝐾

∑ ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ≤ 1 , ∀𝑖 ∈ 𝑁𝑈 (𝜏), 𝑖 ≠ 𝑗
𝑘=1 𝑗∈𝑁𝑈 (𝑡) 𝑡≥𝜏

(4)
𝐾

∑ ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ≤ 1 , ∀𝑗 ∈ 𝑁𝑈 (𝜏), 𝑖 ≠ 𝑗
𝑘=1 𝑖∈𝑁𝑈 (𝑡) 𝑡≥𝜏

(5)
𝐾

∑ ∑ 𝑥{0,𝑡},𝑗,𝑘 ≤ 1 , ∀𝑘 ∈ 𝐾0 (𝜏), 𝑗 ≠ 0
𝑗∈𝑁𝑈 (𝜏) 𝑡≥𝜏

(6)

∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘̅ ≥ 1 ̅ (𝜏)
, ∀𝑖 ∈ {𝑁𝐶 (𝜏) ∩ 𝑁}𝑖 ∉ 𝑁𝑈 (𝜏), ∀𝐾
𝑗 𝑖≥𝜏

(7)

∑ ∑ 𝑥{𝑖,𝑡},0,𝑘̅ = 1 ̅ (𝜏)
, ∀𝑖 ∈ {𝑁𝐶 (𝜏) ∩ 𝑁𝑈 (𝜏)} ∀𝐾
𝑖 𝑖≥𝜏

(8)

∑ ∑ 𝑥{𝑖,𝑡},ℎ,𝑘 − ∑ ∑ 𝑥{ℎ,𝑡},𝑗,𝑘 = 0 , ∀ℎ ∈ {𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏)}, 𝑘 ∈ 𝐾


𝑖∈𝑁𝑈 (𝜏) 𝑡≥𝜏 𝑗∈𝑁𝑈 (𝜏) 𝑡≥𝜏

(9)

∑ 𝑞𝑖 ∙ 𝑦𝑖𝑘 ≤ 𝑄̅𝑘 (𝜏) , ∀𝑘 ∈ 𝐾


𝑖∈𝑁𝑈 (𝜏)
(10)

𝑒𝑖 ≤ 𝑡𝑠𝑖𝑘 + 𝑀 ∙ (1 − 𝑦𝑖𝑘 ) , ∀𝑖 ≠ 0, 𝑖 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) , 𝑘 ∈ 𝐾

(11)

𝑡𝑠𝑖𝑘 ≤ 𝑙𝑖 + 𝑀 ∙ (1 − 𝑦𝑖𝑘 ) , ∀𝑖 ≠ 0, 𝑖 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) , 𝑘 ∈ 𝐾

(12)
𝑡𝑠0𝑘 ≤ 𝑙0 , ∀𝑘 ∈ 𝐾

(13)

∑ 𝑑𝑖𝑘 + ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ∙ 𝑡𝑣{𝑖,𝑡},𝑗 − ∑ 𝑡𝑠𝑗𝑘 + (1 − ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ) ∙ 𝑀 ≤ 0


𝑘 𝑘 𝑡≥𝜏 𝑘 𝑘 𝑡≥𝜏

(15)
∀𝑖, ℎ ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) ∪ {0}

(16)

∑ 𝑑𝑖𝑘 + ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ∙ 𝑡𝑣{𝑖,𝑡},𝑗 − ∑ 𝑡𝑠𝑗𝑘 + (1 − ∑ ∑ 𝑥{𝑖,𝑡},𝑗,𝑘 ) ∙ 𝑀 ≤ 0


𝑘 𝑘 𝑡≥𝜏 𝑘 𝑘 𝑡≥𝜏

(17)
∀𝑖, ℎ ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) ∪ {0}

(18)
𝑑𝑖𝑘 ≥ 𝑡𝑠𝑖𝑘 + 𝑎𝑡𝑒𝑛 + 𝑀 ∙ (1 − 𝑦𝑖𝑘 ), ∀𝑖 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) ,𝑘 ∈ 𝐾

(19)
𝑑𝑖𝑘 ≥ 𝜏 , ∀𝑖 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏), 𝑘 ∈ 𝐾

(20)
∑ ∑ 𝑥{𝑖,𝑡}𝑗,𝑘 ∙ 𝑆𝑡 ≤ 𝑑𝑖𝑘 ≤ ∑ ∑ 𝑥{𝑖,𝑡}𝑗,𝑘 ∙ 𝐸𝑡 , ∀𝑖 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) ∪ {0}, 𝑘 ∈ 𝐾
𝑗 𝑡≥𝜏 𝑗 𝑡≥𝜏

(21)
𝑦𝑖𝑘 = ∑ ∑ 𝑥{𝑗,𝑡}𝑖,𝑘 , ∀𝑖, 𝑗 ∈ 𝑁𝑈 (𝜏) ∪ 𝑁𝐶 (𝜏) ∪ {0}, 𝑘 ∈ 𝐾
𝑗 𝑡≥𝜏

(22)
𝑥{𝑖,𝑡}𝑗,𝑘 , 𝑦𝑖𝑘 ∈ {0,1} , ∀𝑖, 𝑗, 𝑡 ≥ 𝜏, 𝑘

(23)
𝑑𝑖𝑘, 𝑡𝑠𝑖 , 𝑄̅𝑘 (𝜏) ≥ 0 , ∀𝑖, 𝑘
El modelo matemático presentado, contiene algunas restricciones adicionales:

- La restricción 7, asegura que los nodos críticos son parte de la red, entonces se deben
abandonar
- La restricción 8, indica que todos los vehículos en ruta deben regresar a la bodega
- La restricción 10 señala que la flota es heterogénea
- La restricción 19 limita el tiempo mínimo a la actualización de rutas
4. CONCLUSIONES

Los avances tecnológicos proveen a las compañías y empresas de nuevas herramientas para

administrar sus flotas a tiempo real. Sin embargo, estas nuevas tecnologías también han

introducido mayor complejidad en las tareas de administración de flotas, incorporando la

necesidad de tomar decisión en cuanto al soporte de sistemas adaptados a los contextos

dinámicos.

Consecuentemente, durante la última década, la comunidad investigativa ha demostrado un

creciente interés por los problemas de optimización, creando nuevos acercamientos específicos

al diseño de herramientas de dinamismo específicos y eficientes. Con el análisis del estado del

arte, algunas direcciones pueden ser diseñadas para futuras investigaciones en este nuevo

campo.

En primer lugar, el promover trabajos podrán crear una taxonomía de problemas de

enrutamiento dinámico, posiblemente extendiendo su investigación existente. Esto podría

lograr una aproximación más precisa, evaluando similitudes entre problemas, y campos de

desarrollo de marcos de referencia genéricos.

En segundo lugar, es recurrente no utilizar las referencias de las mejores prácticas para los

problemas de enrutamiento dinámico. Por lo tanto, existe una gran necesidad por el desarrollo

de posibles buenas prácticas disponibles para un enrutamiento dinámico más común y

utilizable.

En tercer lugar, con la llegada de los procesadores multi-core en los computadores de

escritorio, y unidades de procesamiento de gráficas de bajo costo, es ahora fácilmente utilizar

métodos de ahorro de tiempo en la práctica. Algunos estudios han considerado la optimización


de la distribución y mayores acercamientos a los mecanismos nombrados en este documento

mediante el desarrollo de algoritmos paralelos los cuales desafían la reducción del tiempo

necesario para la optimización y proveer herramientas de toma de decisiones.

En cuarto lugar, esta revisión ha revelado que el enrutamiento dinámico no considera aspectos

estocásticos. Está comprobado que el desarrollo de algoritmos debe considerar información

estocástica la cual provee mejor información en la operación de flotas y reducción de los costos

operativos. Esta línea de investigación debe ser tomada en un futuro cercano.

Finalmente, los investigadores, tienen sus focos en aspectos del ruteo en la administración

dinámica de flotas. Deben ser definidas las ventanas de tiempo en consecuencia que los

sistemas de información entreguen información eficiente en relación a los requerimientos de

los clientes y sus respuestas, sugiriendo los tiempos deseados en cada contexto.
REFERENCIAS

 Dantzig, George Bernard; Ramser, John Hubert (October 1959).

 Paolo Toth y Daniele Vigo, “The Vehicle Routing Problem”. Society of Industrial and

Applied Mathematics (SIAM) monographs on discrete mathematics and applications,

Philadelphia, USA, 2002, pp 1-23, 109-149.

 M. L. Balinzki y R. E. Quandt, “On an Integer Program for a Delivery Problem”,

Operational Research, Vol. 12, No. 2, 1964, pp 300-304. Mencionado por Prawda, J.

(2002)

 W. W. Garvin, H. W. Crandall, J.B. John y R. A. Spellman, “Aplications of Linear

Programming in the Oil Industry”, Management Science, Vol. 3, 1957, pp 407.

Mencionado por Prawda, J. (2002)