pondrán

buques
través señal
de dealos pruebano
navegación
años dos
hanel delseclima para un método de
proyectos
algoritmos para
fueron resolver
probados condiciones físicas de los caminos Se okabte el problema, determina las Con espaciado. En este artículo presenta
algoritmos
indicar marítima.
mostrado de queruteo:
necesariamente Eltienenclima unolaque el el fin de La métrica
verificar la de tasa de error
funcionalidad del resolución
Hemos introducido combinado un para algoritmo
el problema para de
en
utiliceproblema
instancias
empleo dede
el algoritmo de
rutala ruta
la de
óptima, más
literatura
Dijkstra expuesto por Buelvas et al. (2018). El alternativas de ruteo a evaluar en base a permite conocer
controlador de lógica el porcentaje
difusa, hemos de
predominante
corta.capacidad Sin de
embargo, fuertemente
encontrar cuando la opinion del experto, construir matrices Antes Ruteo generar
y Asignación rutas iniciales de Espectro como(R&SA) un
de
proponemosy50otro
influye y en100basado clientes,
eluna curso enparaun
aplicación
de para
las problema está representado por un soluciones
escrito de comparar
20 posibles no dominadas tiemposque
losubicaciones el
promedio
para En general, de acuerdo
complemento a útil
los resultados,
soluciones
el
evaluar algoritmo óptimas
latopología
calidad tradicionalyno eficienciade los El grafoproblema direccionado de ruteoG= de(V,A),vehículos es de km recorridos entre las localidades, se para al para redes ópticas elásticas, estáticas, mejorsin
algoritmo
de
rutas,
problemas evolutivo,
unaafectando del agente deparamalla
solo
viajero así
la Al principio,
un problema el documento
de optimización se donde
centra En la búsqueda de una mejor solución
algoritmo cadaencontró
configurar algoritmo, que
los controladores. es no pertenecen
importante los Los notar el algoritmo
para
conversión el GA y propuesto
enumeró presentó
una variedad
anillo.de
Dijkstra
de
junto loscon
comparar
seguridad
resuelve
mismos.
unde qué la Del el análisis
algoritmo
controlador camino
tripulación, de enV=investigación
{0,…, N+1} denota y experimentaciónel conjunto de en identifican las variables, se identifican las parámetros lasfrente de Pareto
desviaciones de entrada real aproximado
estándar en elasociadas
controlador dela calidad operadores que elyde con topología
NSGA mutación II para demayoría
la
específicos
El
dede
más (TSP)
selógica corto
obtuvo y su
entre variante
que /elnodos, algoritmo eluna combinatoria computacional que a para el problema
restricciones, se construye los modelos objeto de estudio, se rendimiento de este método se evalúa
produce sinomenores
difusatambién tiempos
Softwarela de elvértices,
campo N el
de la conjunto
tecnología deinalámbrica
clientes y problema,
losson tiempos es cero
Waspmote de cada si participación
todos
uno los valores
de ellos. las instancias dominio de tamaño de GA 50 clientes,
gran problema
propuesto cantidad dede
tiene ruteo
lanodos (VRP)
capacidad fuera A= pesar de│i,tener
{(i,j)Networks, j∈V, un i≠j} planteamiento
el conjunto paratuvo cada enalternativa,
cuenta el plantamiento Si los modelos delson resolviendo dospara tipos quede el instancias y
el basado desplazamiento.
en algoritmos lasLa desey Sensor enfatizando el de uso del frente del
Particularmente,
(controlador), algoritmo
es muy importante
la intensidad evaluado
de la señal pero al aumentar la complejidad del
deconsumo
los muchas
denodos
construcción
Dijkstra. generar
de combustible
Laemisiones
de
identificados
mejores
del
topología modelo
simple arcos.ha sido Los de vérticesgran importancia,
y 0lógica
y N+1difusa problema dese
significativos ruteo
corren de los vehiculos
modelos conde pertenecencada
resaltar proceso
queallafrentede búsqueda
desviación no tienepara
real aproximado.
estándar que
La tiempo
encontrar
comparando
problema
buenasestosrutas
(número resultadosadaptadas
de clientes), conlalos al
por tanto
investigaciones
calculan, las lo que que
afecta de
se la la deno Dikjstra's
solo porAlgoritmo ladepósito,
complejidad de su ventanas Entredelas
acuerdo atiempotécnicas
las VRPTW, de solución
especificaciones, además se de La codificación
atravesar puntos yrecibida
ejecución
temporales, del algoritmo
que no obtenidos actual.
por la La combinación
heurística Shortest de estePath-
resultados
junto malla con
embarcación. las
permite comparándolo
modificaciones
que
Soporte cada de representan
con WSN.en Estoel es ampliado donde dando una Con
La el fin
salida es la
aproximadas de analizar
una para escala el
el CVRP, comportamiento
numerada las con cada métrica
accidente de
indicadorse(RSSI) cobertura
utilizando y en se elaplica
la distancia algoritmo para
delde de respuesta del algoritmo perdió eficiencia.
conocen
velocidad hasta
del hoy
algoritmo. han resolución
El una comparación con otros realizarse
presenta elNSGA implementación demás un propuesto realizó el lenguaje First las Fit instancias
(SP-FF). algoritmoEn el ytamaño
caso de de redes
necesariascon
controlador el NSGA se se II
realizará para
conecte con flota homogénea
descripción en dered
la vehículos
topologías de y delvalores.
algoritmo
frecuentemente 1resultado
degenético II, enal
a 11 utilizadas
que experto;
conjunto
representan seel el medir
con solo
ruta
Waspmote.reduce
qué corta
más tanel rango
Elbienes
valor está de búsqueda,
cubierto
extremadamente
del controlador pero
el frente
alta elPara
se pequeñas con 100
Marquez Lara, I. I. propuesto
Desarrollar
algoritmo
instancias
base
decisiones
individualmenteen los de
de diversas
una efectivo
Dijkstra
50 metodología
clientes.
conocimientos
a alcon
formas
es un
menos
problemas,
Sin Este tamañotrabajoKsino presenta
conson por
capacidadlaunagran variedad
alternativa
C son a algoritmo
En
selecciona
algoritmo primera instancia
laArcGIs
propuesto ruta enenel
optima, se
este seson
lenguaje
aborda las
utiliza
trabajo, eldela programación
y realen también
verdadero
comparación
Matlab.
por asegura
el
con
Se
frente
elde
cuantificó
el éxito
generado
algoritmo
batería,de
para
ypor que
GASees
Los
clientes
desarrolló
muy
(5eloNSGA
algoritmos eficaz una
6 nodos) genéticosmetodología
para el encontrar
II mostró SP-FF permiten
mejores
de
tienerutas un
Yased Aracely Se
de
para requiere
implementarlos,
la optimización planificar de larutas
ruta
el fin topologías
para deLa aplicaciones
resolver que
metodología el que
problema másdeeste aplicables
solución
de posee;
ruteo yqi factor •Sedeutiliza
heurísticas
programación
problema
matriz
peso
equekm yde del
Python enlace
ruteo
recorridos,
para
metaheurísticas, ela calcular
través
uso
y asignación
se definende con del
la las
de cual
las
base
las
basa
4 tipos ende suinstancias
valor residual diferentes
el optimizar
solución
dependen
rendimiento de dos del fases
similarclima. apara el
Enestrategia
la CVRP.las
general,
clásico
embargo,
adquiridos
dos yMeshlium
algoritmo
sus soluciones
a loenrutadores,
largo para
de la estacionados. WSN.unAdemás, Existe eleluna demanda
documento mostrar
distancias
se transmite yen este
ubicaciones essolución
el paquete. capaz deLa debuenas
nodos, generar
salida para
la cada búsqueda
asignación algoritmo,
porque de esla
dinámica. latasa
mientras Esto
clave depara búsqueda
semayor
es unel sea
hecho En estemodelos
resultados que
proyecto el matemáticos
algoritmo
se pudo complejos
propuesto,
comparar de lael
Aguilar Lasserre, Base de datos donde se resolver
pierden de la velocidad
encontrar
el dede
camino
calidad la más
cuando
de
mejorla corto
implementada
Los
La siendo
asignación
lasel (q0=qN+1=0) problemas
historia reto
del de
no
para
para
de espectro
turismo
desarrollo
investigadores
ruteorequieren
negativa costero en redes
asociada como
deldea El En esta
modelo • Se metodología
esplantea
probado
implementada,
unpara
modelo matemático
instancias
Recombinación
de tamaño para de 50 y función Nuestro
variablesde
soluciones
cuales
datos
espectro se
algoritmo pueden
Neo4j,
independientes,
que redes
sean
de obtener
adicional
ópticas
competitivasse a inicial
esto se
elásticas
identifica crea Para autorescomprobar
transversal,
[3],[6],[26],[27]
mejorandoel funcionamiento
así
calcularon
lasensores
búsqueda delala indicando Basada
propuesta, de manera en lasoluciones
llegando implementación
rápida incluso yque aellaruta
eficiente solución
embarcacióncarrera
proporcionando
Este artículo
solución ingeniería
resuelve
considerando
o la así una
óptima el desdeUno
Cómo
examina
trabajo de
hace los
planificar
la
actual grandes
varios es un
integración la
años, problemas
calendario
de dosde
debido Fuzzy
fases, a de
para que Parametrizada Uniforme [25], se establece TU _x000e_ una combinarlos
en
soluciones
ruta
empleó realidad
conectando
como en con datos
representa
tiempos
primero
referencia de
de el unacon
atributo
cómputo
directamente
estudio escala las elementos
que valor
funcionamientoayuda dedeesta de métrica
acomparación
demostrar la red mayor
que
de como esella
utilizar GAP en óptima algoritmo
heurística
para las queclásico a medida
constructiva
diferentes de ruteo
instanciasde de
barrido problema
indican más
para quela
Alberto Alfonso Link (donde se puede SGA: espacial SIG basado en el Conferencia/revista/jour encontró el artículo (IEEExplore, en reparto
el
soluciónsistema
instancias
industrial
problema,
respuesta
de créditos
de
pronóstico
con
GIS
son
y capacitated
de
transmisión
un
de
sistemas de
integrado.
alto
100 una la
nivel no
cada
Bogotá ópticas
optimizaciónen
industria
todos
Logic
mencionada
se ha
vértice
tiene
en
elásticas,
losel es ∈bastante
ialgoritmo
que
vehículos V,
anteriormente.
encontrado
launa
ver estáticas,
cual
con
que
ningún de
se
reciente.
ventana
la falta
pueda
Dijkstra
Es
sin
pueden de cada
de
decir,
algoritmo
100
0.7
El
propuesta
Elclientes
algoritmo
como
dedeDijkstra,
empleando
la probabilidad
procedimiento
ruteo un
llevado
yacreado
que
a
que
método
tiene
cabo
cada
en un
alternativa
enaproximado,
1959
hijo
esta
por E.cuenta
de adquirir
investigación
W. el ya
con Para
•Se
mediante
de
el contruye obtenidas
razonables.
realizado
Como
restricciones
realizar
utiliza
números
un
el Por
en
en para
eldesde
la
es
modelo
el
estudio
enrutamiento
otra
el
creación
elelprimer
trabajo
1
de
ase
parte,
origen
método
11.
de
programación
modelo, se
desarrollado
escogieron
inteligente,
El rango
aun
FECOC cuando 2016
por
dos
que
de la
estrategia
eficiencia,
cobertura
heurística
• promedio
El
el metodo
95 por
propuesta
ahorro
de yque
de
Dijkstra
propuesto
ciento
el GAPtiene
deLa
se
tiempo,
para
los
mínimo
generan
ellogra
frente adaptación
real
escenarios
mejores
escenarios,
-donde
dos logrando
corta
existe aumenta con
generación
en
la mayor
algunos
resultados
unde
necesidadalgoritmo
de
casos.
complejidad
los de
óptimos Para
evolutivo
clusters,
considerarelen redes
este caso
yalgoritmo
elcomplejo.
AGCB
el
con
clima
Moras Sánchez, M. I. I. encontrar el artículo OPTIMIZACIÓN DE RUTAS DE empresa
Al
clientes Lo primero,
analizar yun financiera
laen el y
algoritmo
complejidad lo más
a partir
de conversión
Con
del minimizar emplear
tiempo el rápido y
[ei,elli] con
diversas topología
desarrollo
que A no herramientas
de
es flexible, de
la anillo.
ciencia lay con variables
cualmétodo
obtenemos que se diferencian
Dijkstra,
un solución
conjuntode es un de
soluciones acuerdo
que son loa las entera,
Buelvas elelcual
et ysesegundo
al., define
(2018), de
modeloambosmanera matemátic, conjunta
algoritmos si tipos
aproximado de instancias.
a cambios
por los en
valoresinstancia
la red generados tipo 1 de una
ruteo.
propuesto La cantidad
persona
pierde de
experta
calidad nodos,que
y cantidad la
aportó
nolapuede
Año de TítuloY traducido
algoritmo
ANÁLISIS genético paraal
PROTOTIPADO la nal/Magazine donde se ACM Library, EBSCO, Scopus, Proponer
LA DE Environmental Science & Pollution de relacionados
alternativa
vehicle
clima. routingnuevo
Implementamos
facilidad, porcaso a ruteo,
algoritmo
derazón
problem
esta daño
un mediante
está
que movilidad.
guiada
loelresuelvatiempo
la pesar
construcción
inicialmenteentotalun del de la
deviaje,
por
tiempo un
la El
material
para genético
la recolección de
• Preparación
proveniente
de los datosde que
Datos
las propuso
componentes
consistió enmás primera del el es propuesto
algoritmos:
el(Consultoría
escala mejor
característica
ymodeloes
destino Elmetodo
moviendo de(explicación
algoritmo
determina estede de Djisktra
Dijkstra
mediante
problema
iterativamente para
la
es y elel ambos Que
realistas
valores
suponga son resultados
presenta
que
laque los
el otros
diferencia resultados
controlador obtuvo
algoritmos
porcentual poco
tiene con al ElLos
A
para metodo
pesardar
generar resultados propuesto
depropuesta
solucióntener
rutas muestran
auna
para la obiene
buena
ruta que
óptima
embarcaciones. una mejor
mejora
de de
cada
Las
Constantino
Amal, Gerardo
Louati OPTIMIZACIÓN
SGA: DE RUTAS
spatial original
GIS-based geneticDEalgorithm
REPARTO REPARTO MEDIANTE importante
de
problema dos
Dijkstra,
publicacionesetapas por
aumenta. locientíficas
para
cambiando demás,obtener
Así, elloses heurísticas
los Esta
cual
implementación topología
yque
yrepresenta meta
rápido esheurísticas.
de la que
desarrollo
el tiempo
varios más másEn
sistemas selas suficientemente
de algoritmo conocido buenas para localidades
encontrar
para cada eldecamino
objetivo del corto.
problema qué
fueron
es algoritmo
ruta yde qué
evaluados porción
significativo
asignación y técnica
probadosde para para
espectro
dinámica, el el
enproblema deben
algunas
ambos supone
Enelgeneral,
topología,
por
deseables que lascon
rendimiento
algoritmoen el conexiones
el sistema
estudiado.
contexto estabilizador.que
de
Finalmente,
decorridas
la tienen
ruteo
solución: Sin estrategia la
superar información
estrategia los Las resultados
de ruteo tiene
necesaria del
dependeunNSGA rendimiento
para de los
II.
la El
N° Origen (País) publicación Autores
González Huerta, M. C. (paper)) Título MEDIANTE del
LA artículo for UTILIZACIÓN
UNoptimización
español
ALGORITMO DE
deGENÉTICO
UN
rutas de
MODELO publicó del artículo ScienceDirect, etc.) agenético
Tema
las
la un
ciertos
(CVRP)
algoritmo
necesidad
tomadores
sobre sistema
para
enlaces
que
empleando
implementaciones
estructura
el tema,
genético
dede
determinar
aborda
incesante
ruteo
entre
de
decisiones
consultando
una
para
quehan las
de controlador
utiliza
últimas
de
temprano
(p.
distancias
Problema
aplicación polinómico,
la en las
décadas de
globalización
ej. pico y
lade que
metrópolis
más
y se
placa)
los
proporciona
heurística
pues ha
tardío
vehiculos
elenfrentó
nivel
dada
observado
económica,
que de
de pesos
su
inicio
buscan
para
barrido
de baja
la
de un
La implementación
vector (Explicación
presentado.
de su padre
instancia El en • la
Busqueda
de
incluidas
método
un
general
élite. Por
observación
en
En
utilizado
de Local
algoritmo
tanto,
cada es ydel
se
ruta
un
lógica
método)
genera
análisis
algoritmo dedifusa
unlosvector
basado a
establecer
recopilación
punto detallada
NPcompleto, medio
fortalecimiento
deutilizar
analizar,las las
se
instancias
implementados
unde
de conjunto
niveles
diversas
ylos
conexiones
corre del
mejora
el
depormodelo
de
más desoluciones.
método)
técnicas
segmentos con
Solomon,
PTV
altos
lade
elbase
Vissim. finde
exactas
de
estas
línea
dede
acuerdo
los optimizando
el
suficiente
Los
menor (Hallazgos
propuesto
la
ruteo
elresultados
promedio
largo,
métrica
de se
elentendiendo
poder. tiempo
embargo,
de
ambulancias
de Esto
obtenidos
tendrá
espaciado
de
concretos)
las
un 10
para
viaje
significa en
permitieron
por
ahorro
necesitaevalúalargo
de
4.28
que
no laasólo
62.9
h. rutas
ella en
deficiencias,
superior
NSGA
el
Conclusiones
modelos
distanciaII
tiempo
camión
optimizadas
al un
es SP-FF,
al
total
WSN
dentro
para
realizados,
algoritmo
punto
del
teniendo
de
viaje
siguen
relevantes
del
el mismo.
clima
expresó
que
accidente.
de rutas
siendo
conducen
ahorros
mantienesuEn
una
de laa
Son, Le Hoang route optimization of municipal solid waste recolección de residuos sólidos Research. Sep2018, Vol. 25 Issue soluciones
nodos
técnica ymatemática
la optimas
selección para
de
hibrida la complejidad
un enlace ahorrar
o sweep que energia
un[18], se aplican
[19] ygenerando
reducir
en las(GA)
elcantidad
gráfico
los descrito, • Usa GA
en relación
aleatorio, que paradeterminar
con laen
indicará genlanuevo
topología
el empresas mejor
WSN solucion
del establecida. Sedatos
hijo que el El parámetros utilizar ArcGIS
de entrada con Python
individuales. script para
los
A yEl •El cantidad
RSSI metodo aiene
y la distancia la Losmenor distancia
parámetros de de
son Elpracticas
las mejores aaplicadas
tecnologías ,costos,
demostrando
cuando llegalaen
1 Magno
Paula Ángel
A. Nisperuza, UTILIZACIÓN DE UN MODELO MATEMÁTICO Una Metaheurística MODIFICADO
MATEMÁTICO PARA
basada en de
el
minimizar
ido
tener más más allá
minimice
almacenamiento,
tienen
el
ahora, yconsumo
capacidad muchos
yla
como yende
de la Usamos
complejidad
aumento
servicio industria de
en el
algoritmo
está
la acliente,
del la ligado
hora
utilización
turismo genético
y de
unade la
transmitir
costeropaquetes
tiempo dey procedimientos
• Desarrollo
Teoría
en elde realizados
del
grafos
(NSGAII), modelo
de el matemático
Dijkstra, encuentra paraque desempeñan
elaoptimizar
camino más ahan las sido
Elminimizar
exploradas
de
especificaciones sobre
factores
elde
3costo
satisfactoriamente
tierra
de
total
paraemisión
delaunala de
red.
simulación, los a evidenciar
kmcalculadas
problemas,diarios que
(900
comodetravés
elkm uso
enlaces
el
dede labases
–problema
837.1 metodología
recorridos,
nokm), de deloladatos
que ◦satisfacción
hasta
ruta general
AGCB un 22%potencializado
menores
por enlos elcuentan
costo
resultados desarrollado
total de delasus
obtenidos, red.
Tunez 2018 Chabchoub, Habib http://web.a.ebscohost.com/ehost/detail/detail?vid=5&sid=af6bdf32-e37a-4c4d-8193-f62a5b8ca7b0%40sessionmgr4006&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=131575873&db=eih
Solución collection.
al Problema
ANÁLISIS de ALGORITMOS
Ruteo deDE
Y PROTOTIPADO Vehículos
UN urbanos
Solución al Problema
SOLUCIONAR EL de Ruteo
PROBLEMA DE Revista27, p27569-27582. 14p. EBSCO enlace
que con
planificacióncombina el
más
combustible
estos asesor
estudiosde
eficiente
una
red. rutasde otros
nuevas
para
heurística
se un
han la para disminuir
clusters
de emisiones
ponderado
encontrar
nodos
datos de la congestión
al
simulando
afectación
estimados
por una rutasmedio
malla y apor
dependientes
las
fija.
vehicular
ambiente
una malla
vehículo,
diferentes
Con ely-del objetivo
la información
final
actividades de
tendrá
de suvisitasdecual
•yaplicación
Muestra
qué alpadre.
a desde
ser
una
en
clientes
aplicado
ruta.
los Essistemas
con decir,
el fin ser
diversos
si WSN
de un gen
realizar para rango consisten
mostrar
del combustibles
través algoritmo
de del
ortogonalmente
diferencia laen
escala mejor
tiempo, grupos
Dijkstra
colombianos),
del solución
estimado
en logrando
problemael aguallamados
es
deen 10 un
deavances
ya
de hasta se
que
ruteo
C,
de
mapaque
es
R
las
amplía y no
una
distribución
los de tiempos
viaje
que
propuesta- total
relacionales
de
determinarán ellos
ypromedio
recaudado
otro
como
puntos elpequeños,
entre
grado
respecto
la Neo4j,
dominados
todos.
de
al
para sino
salida.
mejoryeste ycalidad,
la
yelen eficacia
detección
trabajo
algunos efectividad
cuando del
actual se metodo
temprana
casos presentay eficiencia
estas de con
propuesto. distancias
incendios
resultados
rutas son las
López Vigil, M. C. OPTIMIZADO POR OPTIMIZADOAlgoritmo POR ALGORITMOS
Genético de de la Ingeniería Industrial. distancia
examinandoherramienta,
profesores
transmisión de recorrida
loscon métodos
esta
más con
información. se
WSN ha
servicio
general ampliado Sik
de
organizada. la de
significativamente
(S0=SN+ik=0).
ciudad, Los estos
sensores A
nocada han
y los problemas
la detección dede optimización
incendioscorto orden ha de una
demostrado
forestales es encontrar bastante
la ruta se obtiene
agregando RC, encada
heurísticas el orden
grupo
unlongitud de
función óptimo
aruteoa subásicas
vez, visitas
deestá
plus-Membership y yde de requieren
en
hallados un
tambiéndemes tasas
comoderepresenta
viaje, el de
camino
solución
desviaciones transmisión
1,635.2
más
del mayores,
km
corto
problema,
igualmente al forestales
ensi soluciones
menoresAdemás,
pondrá en
yaal
el tiempo
marcha
compararse
500 metros, lade resolución
restructuración
con
el el
algoritmo algoritmo de
2 Mexico 2015 Juan Pablo
JorgeCarlos
Orrego http://web.b.ebscohost.com/ehost/detail/detail?vid=4&sid=5c836e3b-5076-4e02-8b82-d9d1eb99e930%40pdc-v-sessmgr06&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=101896381&db=a9h
M. López,
con Capacidad
ALGORITMO
A Metaheuristic
Limitada
GENÉTICO
GENÉTICOS
based
(CVRP)
MODIFICADO
on
usandoPARA
Non-Dominated
una Vehículos
RUTEO DE
Ordenamiento
con Capacidad
VEHÍCULOS
GENÉTICOS
No-Dominado
Limitada
CON II, 2015, Vol. 9 Issue 1, p1-15. 15p. EBSCO barco
denominada
dirigido
Este gráficos, teniendo
hacia
aumento el el
diariamente.
comparación
experiencia
de
en en barrido
algoritmo cuenta
desarrollo
la
para
engenético demanda
trabajos
las luego
ladelde restricciones
arco
clima
sido
la
crecimiento
se red
solución
le de
para que los
optimización,.
se
asocia
suficientes ha ase cada
barcos.
exponencial puedan
convertido
una para
unoGas
distancia
aliviar
como
apreciar,
de ladij
la
un visitas
y más Envector
cobros
señalar esta
competitivo
aleatorio
dealpor los
sección
la alternativa
otro. El
generandoseposee
servicios un
presenta valor
prestados;
seleccionada
algoritmo soluciones
inferior
en detalle
original en
de elelaprimer
seguido
bastante
TU,
problema
Dijkstra elmodelo.
a esto hijo
divide
eficientes se mejoras
ningún
calculadora
ael asignaciónconformado
ampliamente
segmento
decuanto creada
usada cada
por
se
2en
tiempos
cruce
conde
ruta
subgrupos.
una
el con
objetivo
ondas,
gran
la
cómputo
eltierra.
Estasancho el
variedad yHemos
valor
tipo por
valorde ende
no de
considerado
encontrado
problemas,
esaño una
esta serían
pequeñas. mayor
necesariamente en
métrica generadiferentes
las 10una
cantidad
19,622km
Unaesde cero
alta
corridas
elalmás
valores
eficiencia
de FSU
entonces El satisfactorios
únicas
algoritmo
propuesto,
ruta disminuye
más
rutas
proporcionada
corta
la señalización
viables.
generóen tiempos
significativamente
a experimentales
pesar
puede de por que
Los
soluciones de
de
el algoritmo
presentar
unpara
resultados
lainstancias
alarma
cómputo
en
complejidad
resultados
las
Cardozo, SOLUCIONAR técnica
EL metaheurística
PROBLEMA DE RUTEO DE NUEVO
(CVRP)
VENTANAS
RESOLUCIÓN ENFOQUE
usando DE una PARA
técnica
TIEMPO
DEL PROBLEMA La
el
dos
algoritmos
se configuración
algoritmo
influencias
explica híbridos
por másdel
que en meshliums
proporcionan
problema
como la ubicación son
agente
un los
marco de nodos
viajero
los ideal de
(TSP)
nodos, este
para las el
a corta.
adquiere
realiza para
el
la una
material
búsqueda transferencia
genético
en la del
página de datos
padre
oficial 1 delconfiable
en la
VRP posición
cony, en para que
facilitar representa
obtenerel las
cálculo al estado
soluciones
Nota
de emisiones cuando
óptimas de el
a
CO2 los mayorpara
cuanto el
en RSSI
a
la la y la
evaluación
búsqueda distancia,
de las la mismo
función
soluciones, apropiada,
razonables
pruebas evitando
que separa así
algunas
realizaron incendiosdebido masivos
a sus
3 Colombia 2016 Hariane
DanielaPiffer,
CATALINA Ospina Handria
SEGURA
Sorting Genetic Algorithm II, applied to the
Toro https://doi.org/10.22517/23447214.9013
VEHÍCULOS CON VENTANAS DE TIEMPO
aplicado
ENCONTRARal
(VPTWR),
Problema de Ruteo
LA RUTA
metaheurística
PRIORIDAD MÁS
DE
de revistas.utp.edu.cov revistas.utp.edu.co
árbol
planeación
relacionados
algoritmo
importantes
modificado
de ordenamiento
conjunto de
del de
Fuzzy
con aldiversos
rutas
uso
Chu-Beasley.
tiempo Logic de demanda
un
en un necesario
latiempo
congestión
gráfico,
enrutamiento
industria pordedeancho
mientras
través
básica
viaje
manera que
meteorológico
del
de
tijk
AGCB.
banda
y que
promotora
los
resulta
indica
satisfactoria.
enlaces
pordeun
el resolver, nodo
(Deb
Puesto describiendo
et
que
consecuencia,de
al.,red
de el
evaluada, 2000).en tres
objetivo
ópara
del
las
El principales
partes:
algoritmo
principal
reducir
padre 2elen
nodos
del
nivel
caso
características
desinconsumo
presentado
proyecto etiqueta,
contrario. en reducir
era este de la de un
delos Según que de
Waspmote
frecuency
diferentes
instancias
problemas
también está
problemas se
slot
distan de
podría
en
factoresde
flujo
apagado,
una
tratados.ende
acuerdomalla
influencia
redes.
por
especificar
elástica
lo aque la
Launa
mientras
lay desviación económico.
tiempotodosque
objetivo
quepuntos
los
deimplica
de
la
verifica
las
instancia
Comparadopoca no-dominados
el
soluciones
tipo
con2esto
uniformidad
rendimiento finales.
es elen aumenta,
del este
comparación
algo
daños
demostró similares,
y perjuicios.
que
a la
los resultados
el pero resolución
en La
trabajadas.
GA dede este
consistentemente
red
propuesto
óptimatrabajo
sensores
es capaz
de
DE factores, uno es elotras
enorme ventanas lede
flexibilizar tiempo, laun el
malla, tipo dejando ir ventanas
lostopología
tiempo,
utilizada de los archivos
ytemporales
sus implicancias. ade Solomon
SeNSGA muestracon esgenerados
variable, por
ysu el de
depende aprovechamiento
netamente ydel alalas losademás
caso contrario; brindar se gráficamente
asignan tasas una
de características,
problema, dejando las cuales
de esta se tuvo
manera a
Helman
Teresinha Veit, Marcia http://dx.doi.org/10.4067/S07
E. Hernández
LONDOÑO
Vehicle Routing
(VPTWR), PRIORIDAD
Problem of Perishable
DE METAS
Vehículos
CORTA
METAS
de Productos
UTILIZANDO
YECONÓMICAS Y
binario
productos
heurísticas
Controller
metodologías
basado para
/ barco:
Dijkstra en
perecederos
permitan
el área
solucionar
reduce yque
tiempo
Esto económica
dela virtuales par
servicio,esque claro
de del la
razones.
entre
del
toma
cuando
red desarrollo
otros
aPrimero,
son se losvehículo
analizan
factores,
social.
caminos.
GA que
klas artículo
tiempostiene
energía.deuna Unestructura
desplazamiento
controlador similar
de
de los lavehículos
lógica del difusa deII,alta
sin ubicación
implementación
zona de geográfica
escalaamortiguaciónde deinfluencia
este los
salida tendráclientes
algoritmo
alrededor 11 en de PTV Algoritmo
obtenidos
tiempos
controlador dede
de
de Dijkstra
cada
y recorrido,
mostrar asu
oloelrespuesta
algoritmo
decual
algoritmo
están
los significa a de comprueban
peores
inalámbricos
laencontrar
la eficiencia
alsoluciones
algoritmo
propuesta de del NSGA
asignación
yrecopila
de alta datos
calidad II en
en
en
4 Colombia 2019 Jonathan Andrés Niño 18-07642019000600223  RESOLUCIÓN DEL PROBLEMA
Products DE RUTEO ASIGNACIÓN
Perecederos DE scielo.conicyt.cl scielo.conicyt.cl crecimiento
restringida
según problemaselconsumo dede
reduce
número Internet
de el clientes.
ruteo. espacio
El En atrás
cifras el campo losdesde
anteriormentecanales
de ilahasta de 50
planificación [GHz]
j.partes
presentadas, de datos también
nodos de referencia
laelmetodología
etiquetados
embargo, este para serresolución,
de
y difiere
nodos empleados
etiquetados
en algunos laencual losconsiste
algoritmos
permanentes.
procesos. en energético
requerimiento
factores, losdecostos
ventanas losde combustibles
la deconexión
correspondientes
tiempo. que
que
másusará
hacen ventaja
de transmisión visualización
más
mejorado, altas
equiespaciados. no las
es datos,
conexiones control
El algoritmode
estrategiaeste la población
de propuesta
tipo Dijkstra
dela de
en
está
problemas. cada
el uno de
presente
optimizado
Trevisani
CLAUDIA Juchen,
PATRICIA ECONÓMICAS
RUTEO Y ASIGNACIÓN Y COMPONENTE
DE ESPECTROMEDIO EL ALGORITMO
COMPONENTE
ESPECTRO DE DIJKSTRA
PARA MEDIO
REDES Y energía
lade viento yWide
las olas.Nuestro
laalmacenamiento
World búsqueda Web, de del sistema
estas
tanto
dese
Configuramos
laen donde nos
rutasdebido permiten
propuestos al contexto
turísticas
el
por experimental
combinar del problema
la International
costeras, la mayoría de prioridad,
medio está undesarrollado
implementados
modelo
problema así se
para
deyprogramación
Todos
planteó
evaluar
realizar
losEnnodos
en
laelentera primer
valor
búsqueda
del
del
el cual
lugar
enlace
de una como
genera omejor
más un tierra
Vissim
Para
funciones
parte
consumo ese
validar
parabusca
importante
canal.
elencontrar
modelo
triangulares.
garantizar Dado en lade
que
que
lalos
Estossimulación
ruta
actualidad
semanousará valores
barcos de
un
corta
del
de
viajen
la de
enseñales
que
mayor
términos
se obtienen dede
largo. Como
laensolución
diferente cada
ypaso una que
intensidad.
se de
previo
hay
las
para
dinámica.
lalos conexión
individuos
artículo como
Cuando
inalámbrica
apoco
través
ladeficiencias,
más
distancia
tiempo Waspmote
de loscomo
competitiva
aumenta
operadoresPlugla&
para
5 Colombia 2018 Cortés
ARIAS Patricia
HERNÁNDEZ https://core.ac.uk/download/pdf/159770771.pdf NOVEL
PARA APPROACH
REDES AMBIENTAL
ÓPTICAS FOR FINDING
ELÁSTICAS,
Modelo
LAÓPTICAS de
LÓGICA Simulación
FUZZY EN
AMBIENTAL
ELÁSTICAS,
para
UNel https://core.ac.uk https://core.ac.uk demodelo
soluciones detección
enfoque
términos
deseade
simulación
de
ayuda más
número incendios
aeficiente.
losde ambiente
rutas
Telecomunications
el de
tratadonúmero
y forma
discutir
pueden de vehículos
los
natural
Union resultados
variar. con
(ITU)
en la problema
la precisamente,
para resultados
de optimización.
óptimospara calcular
para eleste
solución.
luego pesopaso
dar
punto
de cada se identificaron
a unaenlaceestrategia que modelo En
(generalmente
sistema
salida primer
de
más
canastade 1de
actual, combustible,
lugar
11en
alejos
energética
programación
sedese ladeterminarán
términos
implmento
representan costa.
de de
entera, ella
Más
Colombia.
de
distancia)
prueba
factor
se
obra
los
dividede El particularmente
pacientes
Considerando
mejor
aplicar
cuyas
ejecuciones
laejemplo las ideal
heurística
vidas
declaraciones
del
dedel sonsolo
algoritmo.
dificultad
camino
salvadas puede
teóricas
maspara y Sense más
de
planificar
para
allá
nodo
tiempo.
resolución
desus 500
lasensor
Hemos
del
metros,
genéticos.
velocidad
ruteo ydemostrado
envía loslos
y latiempos
y asignación datos
ruta quedelde
deun
ael barco a
Juan Pablo Lalinde
da Cunha Gonçalves, Modelo de
SHORTEST ROUTE Simulación para el Ruteo
USING DIJKSTRA’S de Ruteo de Vehículos
INALÁMBRICO de Alta memoria.
realizará WSN enAcortar
la
calculando el
herramienta tiempo
y a La tarea importante
ciudad
obtenidos y
por la es
proporción
aplicacióncómo entregar
delse La
las red se ha
principales
se explota inicializado
variables,
en la transmisión en nodos
parámetros no ymarcados
restricciones, primero así costo
La
estadística
entre tesis
y
valores
un posible
propone
nodo óptimos
"t-apareada"costo
origen una
de de
y metodología
los
losapérdida
parámetros
los
demás tiemposentre que
nodos la
de otros que optimizar
simplemente y mejorar mueren para durante como
asignación velocidad dinámica de búsqueda
son siempre lenta, baja
mejores
ESTÁTICAS, ESTÁTICAS, planificadores
usuarios como en delarutas cantidad esperanza
pasar a mallas deflexibles,
formar unque alto Definimos
llamada dos
Shortest tipos zonasde
de(Herzog
Path-Optimal de datos. Entonces
alto costo:
yAssignment áreaslacon
basada El
en peso
específicamente,
elincluye
espectro del enlace en una través
unidades segmento del cual se divide el sobrese estos parámetros yparámetro
su influencia, enrutador
algoritmo Meshlium.
puede manejar Los datos sin
6 Colombia 2017 Murgueitio
Gilberto https://repositorio.uniandes.edu.co/bitstream/handle/1992/18858/u728955.pdf?sequence=1
Vehículos de Alta Prioridad (Ambulancias) PrioridadDE(Ambulancias) repositorio.uniandes.edu.co repositorio.uniandes.edu.co de consulta
PTV Vissim. requiere las mercancías
vehículos/habitantes a suson destino.altos. como la función objetivo a optimizar. necesarios planificación
servicio secaracterización,
que para
enconforman
los de
el puntos elindividibles
dos
funcionamiento diagnóstico
de rutas
gafo. venta. dede corto
la evitar una el debe
clima
cierta calcular
elextensión
largo fuerte el
ocon
recorrido. propósitoolas muy deAi; j altas espectro
eficiencia es laade en redes
instancia
losbúsqueda
de ruta ópticas
de y USNYC
más costoelásticas,
corta. de (Nueva
tiempo. York,
Cristóbal Ignacio Meza SINALGORITHM
CONVERSIÓN AND Y FUZZY LOGIC IN ADE
CON TOPOLOGÍA SINRED CONVERSIÓN SENSORES Y CON de determinando
encontrar
tiempo
optimizar que
la rutas
ruta éstos
unmás
dequé costo
hacen
corta dereferimos
algoritmo.
solución
adecúen
la manera de En
calidad.
al ancho conclusión, En segundo
espectral nos
que al algoritmo una de
heurística Dijkstra
mayor para utiliza
riesgo
generar deloselpesos
ruteo,de
el ataques
enlace
piratas,
y en obtenidos
el modelo paquete
de identificación
frecuencia yen dostransmitepartes
ycontiguas,
yinsertando
servirá
con unafinal,Dijkstra
ancho estamos
el UU.)
cualrango. seguros
indica de
la cantidad que eldecontrolador
FSU que transmitidos
meteorológicos
conversión de luego
longitud se presentan
estocásticos
de onda yycon al
7 Chile 2016 MorenoVásquez
Palácio, Soraya https://repositorio.usm.cl/bitstream/handle/11673/22106/3560902048744UTFSM.pdf?sequence=1&isAllowed=y
WIRELESS SENSOR ANILLO NETWORK INTEGRADA
TOPOLOGÍA EN DE UN ANILLO
INCENDIO repositorio.usm.cl repositorio.usm.cl
Se
enrutadores propone
uso deben
mínimo
de
nuevo
ésta.arrancar, lugar, la a más
población
necesite loscada eficiente.
puntosdeconexión
una focales Debido
AG ofrece del Aplicar W¨orndl,
en
y lapara
2016).
un encontrar
zona
programación SECA
procedimiento
Durante
enteraenlaelruta demás
Mar
para
proceso
del
refino,
la corta
Norte.
de búsqueda,
y Especificamos
ayudar
combinando
asignación amétodos
evitar
de espectro.
los nodos,
yaplicación:
Algoritmo
moviendo
luego
supara
análisis
el
iteraciones,
punto
costo
seleccionar
medio.
de
integral
parámetros
población Esto el másinicial
se
que
hace
dey EE. A SRPBM
funciona Aundecada así,
acuerdo el Dijkstra
(Paramaribo, con las Surinam). sistema
generar
Para
servidores
rutas
este los
caso,
(una
razonables
laque mayor
estación nobase)
desviació
sean y n de la
proceso
algoritmo dede cálculo;
debúsqueda laellos
prueba
local objetivo y dardiferente nodos que laapropiado,
operación
mutación.
Como Se por
alternativas ejemplo,
logística
es
buscarán elde del 12.5[GHz].
sector
combinaciones
mejorea naval
definal. Se El observan
algoritmo requiere ha proporcionado
resultados conexión
para estocá la debida
sticos de Ellos algoritmo topología
resultados de de anillo.
optimización
utilizando solo se
elinformació n perfecta. Lo incierto
Zanette, Jessica INTEGRATED IN A FOREST FIRE
Aplicación
FORESTAL
delDEalgoritmo
Environmental Engineering &
mejorado Management Journal (EEMJ).
en lugar
quedepara tienen
datos en
real
todos cuenta
también el documento
una
condiciones diversidad entreque
una esidea
diferentes importantede los
destinos,
enlacescuatro que no
conectarse
son
zonas
con
fiables
piratas
hurísticos para
nodosdiferentes
y en la transmisión
la rutabasadas
exactos. deendatos o hasta eficiente
Ellapropósito
distancia energéticamente
entre
de elel
la definicióninicio ruta
yde else
es disposiciones teóricas el Intensidad mucho procesados
peores que ​plas
ararutas activar generadas
8 2020 Caroline http://web.b.ebscohost.com/ehost/command/detail?vid=4&sid=0911da2d-4eff-48ae-9bf2-efea89540609%40pdc-v-sessmgr03&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=145089974&db=eih
DETECTION SYSTEM. SISTEMA DETECCIÓN EBSCO clima, encontrar
trabajando.
evitan áreas la La planificación trabajo para de la cosecha
futuro. la
- son costoso
información
realizar en los
pública
movimientos términos
sobre
en cadade ruta
consumo
encuentros de
más
de
la de corta
energía.
piratas:
solución
son
el mar
inical, de que derecho
un
colombiano,
proporcionen
transmisión
nuevo
principalmente
integral
segmento asumado
crear
entre
buenas
plantean:
través cae
conciencia
al
de valor
por
diseño,
soluciones
la WSN
debajo
sobre
losen Los
de
la
orientación
pronó sticos al problema señal. de
de hacen que la ruta,
la ruta quepase ocupa
en parte de los por
con
vecinos
zonas
alarma.
perfecto
de los nodos.
desfavorables. Sin embargo,
http://web.a.ebscohost.com/eho Application of Improved Dijkstra Algorithm in de Dijkstra en la planificación de muestra
configuración
específicas
la efectividad
y cumplen óptima de del
con realizan
evitando
loslos gastos
técnicos
óptimos
de envío
localesde laque serán
cooperativa
pueden con el fin Caribe,
temporales
eluna
golfo de Guinea,
configuración
nodos
períodos
unnecesidad
dede
- sustituir
umbral
planificación
ytiempo
establecido elpruebas
vehículo de
deactual.
razonables.
y, por
modelos
dos vías,
lo área
tanto,Unade proporciona
no Se evitan lasuna zonas baseintransitables
de conocimientos Laen el camino
elutilización
porinformación.fuerte de
oleajemás
Además,
corto
algoritmos
y el tiene
sin genéticos
viento. involucrar
sentido Ademá volver
a s, el
en
9 China 2020 Chen, Yijing http://web.b.ebscohost.com/ehost/detail/detail?vid=7&sid=0911da2d-4eff-48ae-9bf2-efea89540609%40pdc-v-sessmgr03&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=144497099&db=iih
Coastal Tourism Route Planning. rutas turísticas costeras.
Evaluación de algoritmos Journal of Coastal Research EBSCO subroutes algoritmo.
candidato a partir Establecer sélas rutas
diferente. con vehiculos de
nodos encontrar
marcadores secuencia
(Casey et de
al., visitas
2014). con un programación delineal
se acciones
calculan.
entera en
mixta el de
utilizados para futuras investigaciones. otros nodos.
Kuhlemann, Stefan st/detail/detail? A genetic algorithm for finding realistic sea las limitaciones
Desarrollar de tiempo
un algoritmo dede serconinducidos
restricciones porsin grandes
de capacidad, tormentas que alrededor de Somaliajmenor / el Cuernocosto.de África / el Golfo de vez transporte
para
configurada
- encontrar
atender
la ruta
necesita
urbano
la aplicación
que minicese
de dividirse
mercancías.
la evaluarán
distancia La replanificació n de la ruta tiene un Las
Es un una
laideas,
aimpacto
calcularplanificación
muy
losruta
la alto
proyectosde en
cuando las yelrutas
ellasconsumo
nuevo de las climade combustible, mostrando el
iniciativas
10 2020 Cascudo,
Reyes,
Tierney, N
Eduardo
Kevin vid=7&sid=74c6160f-f84f-4349- Evaluación
routes de algoritmosthe
genéticos
weather.para la Un genéticos para gené
la gestión de rutas Spanish
JournalJournal of Rural
web.b.ebscohost.com/ehost/detail/detail?vid=10&sid=0911da2d-4eff-48ae-9bf2-efea89540609%40pdc-v-sessmgr03&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=146244235&db=iih
considering algoritmo ticoDEpara enc of Heuristics. EBSCO de un conjunto
Muestra de de rutas de
la utilización
llegada. de asistencia de ninguna
o sistemas herramienta
climáticos. de Se ha utilizado
Bengala los
y eldatos,
Mar decapturados
China Meridional. por un sistema cada
recorrida una de porcoordinadamente
lasel
nunca soluciones
repartidor,
más.
decisiones
comparando
visitnado importancia de la adaptació n a los datos cosechadoras
deEllogística
meteoroló
los datos de autopropulsadas
lagicos
están ciudad parecen
actuales. de tener
forraje
Simón,
Bueno, Silva
J
Roldán.José 97cc- gestión de rutas de cosechadoras de forraje. DESARROLLO OPTIMIZACIÓN
de cosechadoras
OPTIMIZACIÓN METODOLÓGICO
de
DEPARA
LAS forraje.
RUTAS Development. Apr2012 busquedatránsito
la simulación
excato,
en una como mediante
red de de apartir de un solo ayuda deposito
a la tienen que telemetrico - Analisar los posibles
para la construccion intercambios de unaentre baseclientes
cartograficade definición
estratégicas
los resultados
determinado de camino sobre
númerocon la con
gestión
de ruta una de
real
clientes, visión
flota,
de unalade El Crear
semodelo
método
conocimiento
traduce de en aproximado
ahorros
simulación esdisponibles.
brinda más
importante,
significativos
y elreal algoritmo y una
de del
Demaldé, OPTIMIZACIÓN DE RECORRIDOS PARA LA PARA RECORRIDOS LA Aborda
el cuál la
se logistica
pueda optimizar dentro visitar n clientes con localizaciones rutas, seleccionando bloques Se una de las
hacolaboración
abordado útilclaves un para
caso lograr con una una
11 España 2012 Amiama,
Moras C
Sánchez, LAEstudio
OPTIMIZACIÓN DEDE LA Revista
http://web.b.ebscohost.com/ehost/detail/detail?vid=3&sid=822440cc-9674-4da8-b9ff-ca39678a74c8%40pdc-v-sessmgr05&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=79907287&db=eih
4035d70f3ac1%40sessionmgr4 Estudio de caso. DE REPARTO de caso.
DE Supplement 2, p1-6.Industrial.
6p. EBSCO transporte decisión digitalde clientes aleatoriamente estado final,
proveedores,que da cada
cosechadora. objetivos
transporte claros y sobre evitar el clima fuerte con olas muy agente posibilidades
herramienta
La
tiempo y dinero esde una
ypara
abordar
en buena
la con
cadena
cooperativa. éxito
base de para
Hernández, José RECOLECCIÓN DE RESIDUOS RECOLECCIÓN
CADENA DE DEHALADO
RESIDUOS
SUMINISTRO
de la Tecnológica.
Información Ingeniería 2012, herramienta
una
las ciudad,
rutas
Aborda de para
la misma
recolección
ladedefinicion
mejorar que
de dela conocidas y que poseen diferentes de una longitud determianda de cada una de las rutas de almacenamiento Secómo propusoúnica
debería
vez
una
en
formula
sereste
cliente.
unsector matemática
sistema de de
básico problemas
esta
suministros toma
viajero
distribución
complejidad dees
son
más
alta
mayor
conciencia.
una
métodos
equilibrada
esta se
embargadura
estrategia Para ha que
que
depueden
un los
resuelto
que el
mayor
permite
12 Constantino Gerardo. 008&bdata=Jmxhbmc9ZXMmc2l OPTIMIZACIÓN DE LAS RUTAS DE LA EMPRESA 2007, Vol. 1 Issue 1, p1-11. 1 tiene logística
como la
objetivo empresa reducir Inexistencia de una planeación Construir un modelo de simulación en el que se -
general aplicación
para el simultánea
problema, dese las dos
introdujo ser
beneficiosaplicados de a
mover distrubuidoras
la carga para
dentro
Argentina 2012 Carnero, Mercedes http://web.a.ebscohost.com/ehost/detail/detail?vid=4&sid=d6aacae9-e5b6-4b14-ac58-a4bb0de21f34%40sessionmgr4007&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=85885952&db=a9h
Aguilar Lasserre, 0ZT1laG9zdC1saXZl#db=zbh&
INFECCIOSOS.
REPARTO DE HALADO DE LA EMPRESA El impacto INFECCIOSOS.
del transporte
ESBELTA
FRIGOCONGELADOS CON M urbano Color Vol, 23 Issue 4, p125-132.
Transportation
Photograph,Planning
4 Graphs, &8p.
1,
EBSCO residuosdeinfecciosos.
transporte
Fricongelados carga
Citlaltépetl urbana en Eleficiente
problema para
demandas.
consistio
elaborar enlas reordenar la solución inicial.
rutas deel represente la situación actual de l proceso de distribución variantes transporte
la economía sostenible.
propuestas del país. LaSe
anteriores. matriz
definieron es una EE. UU.) A SRPBM (Paramaribo, Surinmejorar satisfactoriamente
desarrollo,
obtener
método
el ciudadsería interesante
desempeño
reducción
mediante
exacto.
de lascostos
enmolestias
sus
el uso
probarde
empresas, lay
de
BEHRENDS, las molestias del transporte Para un y la
conjunto analizaron,
de pedidos, identificaron
se utiliza vías
un fuera de la
Algoritmos y
Genéticoslas y técnicas y costos
13 Mexico 2007 Alfonso.SÖNKE AN=32623557 The Impact of METODOLÓGICO
DESARROLLO
FRIGOCONGELADOS Urban Freight Transport:
PARAALA de mercancías:
CITLALTÉPETL PROVEEDORES una definición
CITLALTÉPETL Y N de Technology. Map Dec2008, Vol. 31 EBSCO sostenible
Orizaba,
de carga Veracrz,teniendo
en teorias
las zonas México. en conjunto
El problema reparto de
se transformadores,
de helado.
refería a la selección
se ha propuesto
y uno en el que unase definición
simulen de las SUFT
mejoras. y se ha herramienta
políticas y estrategias
deutilizar
solución
potencialmente soportadas útil para
en los Se observan resultados estocá sticos definición cualesymediante
lasambientales, la matriz reparto. en una variedad
acciones conjuntas de
LINDHOLM, MARIA Definition of Sustainability
OPTIMIZACIÓN from an Actor's
DE LA CADENA DE sostenibilidad
DEMANDANTESdesde la perspectiva
BAJO Issue 6, p693-713. 21p. 6 cuenta las yen desarrollado una matriz de indicadores para la proceso
poder
modelos matemáticos lalaprometedoras
de relleno definicióndecodificados
losen elyde
individuos se
trabajo
enpara el diferentes
logran estadísticas
obtener tomadoressociales
de apoyo,
sinergias deyque económicos
en el
decisiones
las llevan en
14 SUECIA 2008 Crainic, TeodorJOHAN
WOXENIUS, Gabriel http://web.a.ebscohost.com/ehost/detail/detail?vid=2&sid=47d41695-622e-4830-8823-08b17d059140%40sdc-v-sessmgr02&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=35068685&db=a9h
Perspective. de un actor. Transportation
CISTIDiagrams,
(IberianScience. Nov2009,
Conference
1 Chart. on EBSCO
Metodología
urbanas,
conceptos al mismo basada
existentes tiempo deoptimizando
rutas y la programación una función de decostos
salidas Un componente importante distribucióny de desafiante
bienes. de este proceso propusieron inicialmente Debido
diario de yalos
enfoques
que gran
se repetirá
diferentes
cantidad
metodológicos para poder Los pronó sticos hacen que la ruta p reducir asociados
ámbito de la con el transporte
optimización del de carga, a
transporte
Ricciardi, Nicoletta SUMINISTRO
Models ESBELTA
for Evaluating CON MCity
and Planning Modelos CONDICIONES
para evaluar yDE planificar Vol. 43 Issue 4, p432-454.
Information Systems &23p. 4
Análisis
algoritmos
que apoya de lagenéticos
logística
el desarrollo en el donde
que paraDeficiencia
lasvehículos
los ganancias en las de tomas
corresponden
las dosde flotasal de optimización, que aborda la programación integrada a lenguaje
combinaciones
usar en cada
obtener los modos programación
nuevoposibles
de aactores.
algebraica
la h
planificación
individuo y
una
costos,
de particularmente
selecciónmejorar
loen
delaciudades.
zonas satisfacción
urbanas de
15 ArangoGiovanni
Quintero Serna,
Salazar, PROVEEDORES Y N DEMANDANTES BAJO sistemasINCERTIDUMBRE: CASO sectorpermite Naval colombiano
adelantar el decisiones
incremento paraen la facturación
gestión de flota, El caso
plazoque nos ocupadeseuna yenmarca gestióndentro del GAMS, con interface en Visualtras Basic– los
Se evitan las zonas intransitables por los
hidrocarburos,
clientes y hacer que
frente demuestra
a los retosque de
Italia 2009 Storchi,
Martín Dario
http://web.a.ebscohost.com/ehost/detail/detail?vid=4&sid=47d41695-622e-4830-8823-08b17d059140%40sdc-v-sessmgr02&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=47233505&db=iih
Logistics Systems.
CONDICIONES DE INCERTIDUMBRE: CASO
logísticos de la
APLICADO A EMPRESAS
ciudad. Diagrams, /2Conferência
Technologies
Biblioteca Sede
Charts.
Medellín
EBSCO
BDIGITAL - Repositorio institucional de la
económico
para la toma de decisiones
y social. El problema proveedores, es el la
involucrada coste
transporteexcesivo por La
corto
ylostotal situación
búsqueda
Modelos
deconvencional
las
matemáticos
operaciones
codificados
lasolución en
de la
en programación
anterior
recursos. distintos
Excel que operadores evaluación
permite realizar a aplicar. análisisEn este de más grandes
allá
competitividad del ámbito y congestionadas.
requeridosdel laboratorio para seres
Johnn Alejandro
Moratilla, A. reordenamiento del parque concepto de distribución y ámbito implicaría
de la el
distribución empleo dede tiempos
combustible prohibitivos,
por flotas por
16 Colombia 2011 Molina Cabrera, http://bdigital.unal.edu.co/5514/ APLICADO A EMPRESAS COLOMBIANAS Optimización Reubicación
de problemas reales Ibérica
COLOMBIANAS del parque de INGENIARE
de Sistemas
Universidad- Revista
e Tecnologias
de Colombia
Chilena de Universidad Nacional Problemas
de transformadores
de optimización
estrátegicas. existente sujeto
de viaje almacenamiento.
egresos
para todos los vehículos,
serán iguales algebraica unGAMS.
proceso se aplicarán sensibilidad las restricciones La replanificació n de la ruta tiene perfectamente
exitosos en el factible
entorno utilizar
actual. estas
Fernández, E. Optimización de problemas reales VRP- VRP-complejos mediante de Informação) Proceedings. VRP (Vehicle Routing a un conjunto dearestricciones
la inversión lo cual
de se implementó
camiones dentro un algoritmo
de territorio genético
extenso clásico,
que consabidas, en particular, las referidas a técnicas para la resolución de problemas
17 España 2014 Alexander
Sánchez, J. J. Reubicación del parqueAlgoritmos
de transformadores
Genéticos.de transformadores de los sistemas Ingeniería. 2012, Vol. 20 Issue
6p. 2,
http://web.a.ebscohost.com/ehost/detail/detail?vid=3&sid=52899380-cc2c-4fd8-b479-592fb459c92f%40sessionmgr4008&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=109095776&db=iih
complejos mediante Algoritmos Genéticos. 2014, Vol. 2, p236-241. EBSCO en el nivelProblem) de tensión I de los que se deba hacer dadaspara realizar la obteniéndose
puede llegar de estaa manera ser de una ámbito solución
nacional. óptima que las incompatibilidades. importancia de la adaptació n a los d de este tipo.
Quintero Salazar, los sistemas de distribución de Bogotá D.C. de distribución de Bogotá D.C. p170-184. 15p. 3 Diagrams, 7 sistemas de distribución de instalación o retiro de algunos ofrece una ganancia económica en el primer año,
18 Colombia 2012 Edwin Andrés http://web.a.ebscohost.com/ehost/detail/detail?vid=7&sid=52899380-cc2c-4fd8-b479-592fb459c92f%40sessionmgr4008&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=83143744&db=a9h
mediante algoritmos genéticos. mediante algoritmos genéticos. Charts, 2 Graphs. EBSCO Bogotá D.C., Colombia transformadores . asociada al incremento en el cargo por uso
 Matriz de revisión de
Link (donde se puede
Año de Autores
Okada, Y.; Ata, S.; encontrar el artículo
N° Origen (País)
publicación (APA) N.;
Nakamura,
1 Estados Unidos 2011 (paper))
https://ieeexplore.ieee.org/document/6147705
Nakahira, Y.; Oka,
2 I.

10

11

12

13

14

15
Matriz de revisión de Artículos (Papers)
Comparaciones Conferencia/revista/jour
Título original
Comparisons del
of Machine Título traducidodeal 10th International
artículo algoritmos de aprendizaje nal/Magazine donde se
español
Learning Algorithms for Conference
publicó del onartículo
Machine
automático para la
Application Identification of Learning and Applications
identificación de aplicaciones
Encrypted Traffic and Workshops
de tráfico cifrado
 Base de datos donde se
encontró el artículo (IEEExplore,
Tema que aborda
ACM Library, EBSCO, Scopus,
IEEEXPLOREetc.)
ScienceDirect, Indentificar las aplicaciones
que transmiten paquetes por la
red para controlar el consumo
del ancho de banda

Problema que enfrentó
El alto consumo de ancho de banda de la red
WAN de aplicaciones que usan puertos no
conocidos o que cifran sus datos para no ser
detectados y controlados. Por ejemplo
aplicaciones P2P cifradas que saturan la red.
Frente a esto los métodos tradicionales
(identificación por puerto, examen del
contenido del paquete) son ineficientes para
detectar el tráfico de una determinada
aplicación
El método de solución que propuso
(Explicación general del método)
Se Proponemos el Método de características
estimadas (EFM) basado en tres algoritmos
supervisados ​de aprendizaje automático ​
(Support Vector Machine, Naive Bayes Kernel
Estimation y C4.5 decision tree) con el fin de
lograr buena precisión en la detección de
trafico en la red de aplicaciones
 Como es el método propuesto (explicación detallada del
método)
Los atributos para el conjunto de datos se obtienen a partir de:
(a) Las caracteristicas de flujo de trafico, calculando la correlación (r2)
entre el flujo normal y el flujo cifrado de tal forma que se tenga un modelo
que represente el cambio y el cambio se da por que el tamaño del paquete
cambia significativamente cuando el paquete es cifrado. Para las pryebas se
utilizó cifrado IPSec y PPPTP)

(b) La Inferencia de características de flujo codificadas de las

características de flujo normales y esto se logra utilizando una función que
que estime las caracteristicas del trafico cifrado a partir de trafico normal
(Tcifrado=f(Tnomal))

Con base en los atributos anteriores explicados se construyo: Dataset de

entrenamiento de tráfico normal, y Dataset de entrenamiento de tráfico
cifrado estimado. Este ultimo fue generado utilizando la función de inferencia
(b)

Finalmente los algoritmos son entrenados y probados. Para la prueba se

implementó un snifer para leer el trafico de la red normal y cifrado y realizar
la clasificación
 Que resultados obtuvo
(Hallazgos concretos)
Se construyo un escenario de pruebas
llamano "Entorno de monitoreo de tráfico"
con servidores y clientes para aplicaciones
de:
WEB: HTTP
MAIL: IMAP,POP3,SMTP
INTERACTIVE: SSH
BULK: HTTP, FTP
STREAMING: Flash, RTSP
P2P: BitTorrent
Los servidores y cientes comenzaron a
funcionar con trafico cifrado y trafico
normal. Luego de analizar el trafico con el
nuevo método, SVM obtuvo 97.2% de
precisión global, mientras que naive Bayes
+Kernel 90.3% y C4.5 69,4%
Conclusiones relevantes
Los cambios en las características
del tráfico causados por la
encriptación propuesto en el
nuevo método (EFM) constituyen
buenos atributos para que los
algoritmos de machine learning
especificamente SVM logre una
buena precisión en la detección de
aplicaciones sin necesidad de
examinar el contenido del paquete
ni conocer el puerto de destino ya
que no son fiables