Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimizacion de Rutas de Vehiculos de Recogida de Basuras Mediante Recorrido Simulado 2
Optimizacion de Rutas de Vehiculos de Recogida de Basuras Mediante Recorrido Simulado 2
RESUMEN
La recogida de los residuos sólidos generados por la población de una determinada región
tiene un peso muy importante en el coste total de la gestión de estos residuos. El objetivo
de la ponencia es presentar la implementación de un algoritmo que reduce este coste
optimizando el número de camiones utilizados y las rutas de recogida que describen.
Hay dos condicionantes operativos obvios: en primer lugar, los camiones tienen una
capacidad limitada y, por lo tanto, la carga total que se recoge en una ruta no pueden
sobrepasar dicha capacidad; en segundo lugar, la jornada de trabajo de los operarios que
van en cada camión no puede superar unas determinadas horas y, por lo tanto, hay que
limitar el trabajo de cada camión a esa jornada laboral. Es importante destacar que la
primera condición es sobre las rutas y la segunda sobre los camiones y que el número de
camiones necesarios es como máximo el número de rutas. Debido a esto, puede darse el
caso que en la configuración óptima haya camiones que describan más de una ruta para
poder rellenar lo máximo posible la jornada laboral de esos camiones.
• La solución se dará por definitiva cuando se cumpla una de las condiciones de parada.
• La función coste es el tiempo total utilizado por los vehículos para realizar las rutas.
Se necesita la construcción de una solución inicial para poder empezar las perturbaciones.
Aunque se podrían construir rutas iniciales uniendo los núcleos aleatoriamente, también, se
puede intentar empezar la optimización en la solución inicial con la elección de los núcleos
que formarán una ruta por su proximidad.
Se han definido tres condiciones de parada. La primera de ellas, cuando existe un número
determinado de iteraciones consecutivas con el mismo valor de la función objetivo. La
segunda, cuando se hayan intentado un número determinado de alteraciones en la solución
y ninguna haya cumplido la condición de recocido simulado. Y la tercera condición,
cuando se haya superado un número determinaciones de iteraciones y, por lo tanto, la
temperatura sea muy pequeña.
Fig. 2 - Solución de un ejemplo con demanda homogénea (5 camiones, 50 núcleos)
Para poder considerar diferente número camiones y rutas y, por tanto, que un camión
pueda realizar diferentes rutas dentro su jornada de trabajo, hay que añadir otro tipo de
perturbación aleatoria. De esta manera, a las perturbaciones de inversión, traslación y
intercambio, hay que añadir la de cambio de asignación de camión. Es decir, cada ruta
tiene asignado un camión que es el que tiene que realizar dicha ruta y con esta perturbación
una determinada ruta que era realizado por el camión X será realizado por el camión Y.
Como es obvio, para aceptar esta nueva solución, tienen que cumplirse los tres criterios
que se imponen en todas las iteraciones: criterio de recocido simulado, capacidad máxima
de la ruta y jornada máxima que puede realizar el camión.
Hay que entrar a priori al modelo el número camiones y el número de rutas a utilizar. Esto
es un inconveniente, ya que el número de camiones sí que es un parámetro de diseño pero
el número de rutas utilizadas no. Para evitar este problema, al programa se le introduce el
número de vehículos a utilizar y un intervalo de posibles valores de la variable número de
rutas. El mínimo de este intervalo suele considerarse el número de camiones. El máximo
depende de las distancias a recorrer y las cargas a recoger de cada caso concreto.
Normalmente con el máximo igual al doble del número de camiones es suficiente. De esta
manera, el programa intenta encontrar una solución inicial con el mínimo del intervalo; si
lo consigue calcula la optimización con el recocido simulado modificado, si no lo consigue
lo intenta con el siguiente valor del intervalo y así sucesivamente hasta llegar al final del
intervalo. Así, se hace la optimización con el mínimo número de rutas que puede calcular.
Este planteamiento se basa en el criterio que normalmente el tiempo total empleado es
menor si utilizamos menos rutas.
Finalmente, falta explicar cómo se determina la solución inicial. Esta solución inicial tiene
que cumplir las dos restricciones ya explicadas: máxima carga por ruta y máximo tiempo
empleado por camión. Por este motivo, se hace difícil para muchos casos encontrar un
algoritmo sencillo que dé una solución inicial que cumpla estas dos restricciones. Esto es
debido a que esta primera solución está poco optimizada y, por lo tanto, los recorridos que
utiliza rápidamente llegan a capacidad máxima de la ruta o jornada máxima. Para poder
superar esta dificultad se ha ingeniado el recocido simulado modificado e interrumpido.
El objetivo de este algoritmo es encontrar la solución que tiene mínimo el exceso respecto
a la jornada laboral. Así, provocamos la interrupción del proceso cuando la función objeto
es negativa porque esto nos indica que la solución que analiza la iteración en que nos
encontramos cumple las dos condiciones que imponemos en el recocido simulado
modificado. Si no se llega a una solución con función objeto negativa implica que no se
puede configurar el sistema de recogida con ese número de rutas y de camiones.
3. APLICACIÓN Y COMPARACIONES
También se dispone de los resultados obtenidos para dichos casos por el algoritmo clásico
de Clarke y Wright. El programa concreto de este algoritmo que se ha utilizado para estos
casos también permite imponer las limitaciones de capacidad del camión y de jornada
máxima pero no permite utilizar más rutas que camiones.
Las figuras 4 y 5 nos muestran las soluciones para el caso 1 de los dos programas. Las
representaciones de las rutas en estas figuras están en métrica euclídea pero el algoritmo
utiliza para el cálculo las distancias sobre la red de carreteras.
Fig. 4 - Solución de C&W para el caso 1. Fig. 5 - Solución de Resacca para el caso 1
4. CONCLUSIONES
REFERENCIAS
ROBUSTÉ, F., C.F. DAGANZO y R.R. SOULEYRETTE II (1990). Implementing
Vehicle Routing Models. Transportation Research B, 21B:4, 263-286.