Modelación y Optimización del Transporte

Enrutamiento de Vehículos
Ing. Alcides Santander Mercado Ph.D.
 Estrategias Heurísticas de Consolidación

• Métodos heurísticos

– Método de barrido. Es un método aproximado; permite

un error promedio del 10% con respecto a soluciones
óptimas.

– Método de Clarke-Right (adición de restricciones

prácticas). Operations Research 11 (1963), 568 – 581.
 Método de Barrido

1. Localizar todos los puntos en un grid (incluyendo el

depósito)
2. Extienda una línea desde el depósito en cualquier
dirección.
3. Rote la línea e incluya tantos puntos como le permita la
capacidad del vehículo. Utilice los vehículos de mayor
capacidad primero.
4. Continúe el barrido abriendo una nueva ruta. Regrese al
paso 3.
5. Dentro de cada ruta o “cluster” secuencie las visitas
(problema del agente viajero, TSP).
 Método de Barrido

1,000

4,000
2,000 4,000
3,000 2,500

2,000 Depósito

5,000
1,000

2,000 2,000

1,000

2,000
2,000
2,000
 Alternativa de Solución para un VRP

Tipo de Problema :
VRP con Origen y Destino Coincidentes

Estrategias Heurísticas de Consolidación:

Método de barrido

Metaheurística para secuenciación:

GRASP
 Alternativa de Solución para un VRP

• Greedy - Voraz
• Randomized - Aleatorio
• Adaptive - Adaptativo
• Search - Búsqueda
• Procedures - Procedimiento
 Bases del GRASP

• Basado en la construcción de una solución inicial.

• Búsqueda dentro de los nodos cercanos mejor solución que la

actual.

• Repetir iterativamente la búsqueda hasta que ya no se pueda

mejorar.

• En cada etapa construir una lista de candidatos con movimientos

admisibles

• Ordenados de manera decreciente con respecto a su beneficio

dependiente por la Función Miope
 Preliminares

• Determinar la función objetivo.

• Construcción o selección de una solución inicial.
• Calcular su beneficio con respecto a la función objetivo.
• Almacenar este beneficio como parámetro de
comparación.
• Determinar el criterio de parada del algoritmo.
– Numero de intentos sin mejorar la solución
– Tiempo
– Costo
 Etapa Constructiva

• Diseñar los parámetros K ó (de acuerdo con el criterio

del analista).

• Construir la Lista Restringida de Candidatos.

• Realizar la construcción de la solución con respecto con

una regla probabilística.
Fase de Post-Procesamiento y Adaptación

• Técnicas de intercambio, procedimientos metaheurísticos o

de búsqueda local.

• Se calcula el beneficio obtenido con la nueva solución con

respecto a la función objetivo.

• Este valor se compara con el valor de la función objetivo de la

solución vigente.

• Si el valor es mejor se actualiza sino lo se mantiene el

anterior hasta que se cumpla el criterio de parada o hasta
que llegue una solución mejor
Recomendaciones en la Implementación

• El tamaño de la LRC puede ser tan grande o tan pequeño

como se quiera pero se puede caer en el riesgo de no
explorar lo suficiente.

• Si LRC Pequeña Explotando

• Si LRC Grande Explorando

• Si se conoce cierta subestructura o subordenamiento que

da un muy buen rendimiento de la solución se toma como
punto de partida en la etapa constructiva del algoritmo,
con el fin de alcanzar más rápidamente soluciones de
calidad.
 EJEMPLO GRASP - VRP

DESCRIPCIÓN DEL PROBLEMA

El ejemplo muestra un problema de aplicación de la

Metaheurística GRASP en VRP, como se definió en la Sección
anterior. Se basa en un conjunto de clientes que deben ser
visitados por una flota de camiones. Cada cliente se
representa como un punto en el plano cartesiano.
 EJEMPLO GRASP - VRP
Capacidad de los Vehículos = 250

Código X Y DemandaCoor. Angular Coor. Radial Código X Y Demanda Coor. Angular Coor. Radial
0 0 0 0 0 0 12 26 -15 42 313.603 29
1 20 28 50 58.671 26.926 13 -36 45 49 137.121 57.315
2 11 30 26 78.232 24.515 14 -2 -32 30 258.111 38.833
3 21 -1 29 341.565 15.811 15 -7 -44 46 255.426 51.662
4 34 -41 41 301.676 55.227 16 -13 27 35 130.601 27.659
5 33 -10 46 329.349 31.385 17 8 11 37 71.565 6.325
6 38 -26 27 315.881 45.967 18 31 44 30 56.659 45.486
7 -32 -40 35 230.44 59.666 19 -28 47 25 129.668 53.264
8 33 38 25 49.844 41.869 20 17 10 36 22.62 13
9 14 20 43 60.255 16.125 21 21 -27 27 294.444 36.249
10 34 -13 44 325.84 33.838 22 -42 -11 32 199.502 50.922
11 -17 -40 49 242.928 50.537 23 19 -21 31 296.565 29.069
• Cuadricula
 Ordenamiento

Código Orden C. Angular Demanda Dem. Acum. Código Orden C. Angular Demanda Dem. Acum.
0 0 0 0 0 7 12 230.44 35 423
20 1 22.62 36 36 11 13 242.928 49 472
8 2 49.844 25 61 15 14 255.426 46 518
18 3 56.659 30 91 14 15 258.111 30 548
1 4 58.671 50 141 21 16 294.444 27 575
9 5 60.255 43 184 23 17 296.565 31 606
17 6 71.565 37 221 4 19 301.676 41 647
2 7 78.232 26 247 12 20 313.603 42 689
19 8 129.668 25 272 6 21 315.881 27 716
16 9 130.601 35 307 10 22 325.84 44 760
13 10 137.121 49 356 5 23 329.349 46 806
22 11 199.502 32 388 3 24 341.565 29 835
 Clustering
Código Orden C. Angular C. Radial X Y Código Orden C. Angular C. Radial X Y
0 0 0 0 0 0 0 0 0 0 0 0
20 1 22.62 13 36 36 15 14 255.426 51.662 46 46
8 2 49.844 41.869 25 61 14 15 258.111 38.833 30 76
18 3 56.659 45.486 30 91 21 16 294.444 36.249 27 103
1 4 58.671 26.926 50 141 23 17 296.565 29.069 31 134
9 5 60.255 16.125 43 184 4 19 301.676 55.227 41 175
17 6 71.565 6.325 37 221 12 20 313.603 29 42 217
2 7 78.232 24.515 26 247 6 21 315.881 45.967 27 244
0 0 0 0 0 0 0 0 0 0 0 0
19 8 129.668 53.264 25 25 10 22 325.84 33.838 44 44
16 9 130.601 27.659 35 60 5 23 329.349 31.385 46 90
13 10 137.121 57.315 49 109 3 24 341.565 15.811 29 119
22 11 199.502 50.922 32 141
7 12 230.44 59.666 35 176
11 13 242.928 50.537 49 225
• Clusters
 Aplicación de GRASP

Cluster 1
Código Orden C. Angular X Y
0 0 0 0 0
20 1 22.62 17 10
8 2 49.844 33 38
18 3 56.659 31 44
1 4 58.671 20 28
9 5 60.255 14 20
17 6 71.565 8 11
2 7 78.232 11 30
 Distancias entre Nodos

0,0 17,10 33,38 31,44 20,28 14,20 8,11 11,30

0,0 0 27 71 75 48 34 19 41
17,10 27 0 44 48 21 13 10 26
33,38 71 44 0 8 23 37 52 30
31,44 75 48 8 0 27 41 56 34
20,28 48 21 23 27 0 14 29 11
14,20 34 13 37 41 14 0 15 13
8,11 19 10 52 56 29 15 0 22
11,30 41 26 30 34 11 13 22 0
 Preliminares GRASP
Determinar la función objetivo.
minimizar m n
z dij xij
S.A.. i 1 j 1
 N
xij 1 ; i = 1, ..., N
j 1
N
xij 1 ; j = 1, ..., N
i 1

No subtours

xij ={0, 1} binaria

 Preliminares GRASP

 Construcción o selección de una solución inicial.

Inserción más Próxima
Partiendo de un Nodo Aleatorio (14,20).
Secuencia
(14,20) ; (11,30) ; (20,28) ; (17,10) ; (8,11); (0,0) ; (33,38) ;(31,44); (14,20)

Valor de F.O. Actual = 194

 Determinar el criterio de parada del algoritmo.

3 Iteraciones sin mejoramiento.
 Etapa Constructiva.

Nodos a lo sumo 40% alejados del mejor arco de acuerdo

con la estrategia greedy. Para este caso será denotado por
.

P. Partida P. Destino Distancia

LRC
31,44 33,38 8
33,38 31,44 8
8,11 17,10 10
17,10 8,11 10
11,30 20,28 11
20,28 11,30 11
 Etapa Constructiva.

Nodos a lo sumo 40% alejados del mejor arco de acuerdo

con la estrategia greedy. Para este caso será denotado por
.

P. Partida P. Destino Distancia

LRC 31,44 33,38 8
33,38 31,44 8
8,11 17,10 10
17,10 8,11 10
11,30 20,28 11
20,28 11,30 11
 Etapa Constructiva.

P. Partida P. Destino Distancia

31,44 33,38 8
33,38 31,44 8
8,11 17,10 10
17,10 8,11 10
11,30 20,28 11
20,28 11,30 11

Primer Arco de Ruta (8,11) ; (17,10)

 Etapa Constructiva II.
Sub Tour P. Partida P. Destino Distancia
17, 10 8 , 11 10

LRC
P. Partida P. Destino Distancia
33,38 31,44 8
31,44 33,38 8
20,28 11,30 11
11,30 20,28 11
 Etapa Constructiva II.

LRC

P. Partida P. Destino Distancia

33,38 31,44 8
31,44 33,38 8
20,28 11,30 11
11,30 20,28 11

Primer Arco de Ruta (8,11 ) ; (17,10)

Segundo Arco de Ruta (33,38); (31,44)
 Etapa Constructiva III.

LRC
P. Partida P. Destino Distancia
20,28 11,30 11
11,30 20,28 11
14,20 11,30 13
11,30 14,20 13
14,20 17,10 13
20,28 14,20 14
14,20 20,28 14
8,11 14,20 15
14,20 8,11 15
 Etapa Constructiva III.
P. Partida P. Destino Distancia
LRC 20,28 11,30 11
11,30 20,28 11
14,20 11,30 13
11,30 14,20 13
14,20 17,10 13
20,28 14,20 14
14,20 20,28 14
8,11 14,20 15
14,20 8,11 15
Primer Arco de Ruta (17,10) ; (8,11)
Segundo Arco de Ruta (31,44) ; (33,38)
Tercer Arco de Ruta (11,30) ; (20,28)
 Etapa Constructivas

Secuencia Final

(0,0) ; (33,38) ; (31,44) ; (11,30) ; (20,28) ; (14,20) ; (8,11) ; (17,10) ; (0,0)

F.O. = 208
 Fase de Post-Procesamiento.

 Técnicas de intercambio.
2 – opt. Intercambio de posiciones entre nodos
adyacentes.
Ejemplo: Cambiar de posicion el primer con el segundo
punto, luego el segundo con el tercero y así
sucesivamente hasta completar el ciclo. Se evaluan las
secuencias y se escoge la mejor.
Secuencia Mejorada
(0,0) ; (17,10) ; (33,38) ; (31,44) ; (11,30) ; (20,28) ; (14,20) ; (8,11) ; (0,0)

F.O. = 172
 Solución General del Modelo
Valor de F.O. Cluster 1 = 172
0(0,0) ;20 (17,10) ;8 (33,38) ;18 (31,44) ;2 (11,30) ;
1 (20,28) ; 9(14,20) ;17 (8,11) ;0 (0,0)

Valor de F.O. Cluster 2 = 258

0(0,0) ;11 (-17,40) ; 7(-32,-40) ; 22(-42,-11) ;
13(-36,45) ; 19(-28,47) ;16 (-13,27) ;0 (0,0)

Valor de F.O. Cluster 3 = 194

0(0,0) ;12 (26,15) ; 23(19,-21) ; 21(21,-27) ; 6(38,-26) ;
4(34,- 41) ;15 (-7,-44) ; 14(-2,-32) ;0 (0,0)

Valor de F.O. Cluster 4 = 96

0(0,0) ; 5(33,-10) ; 10(34,-13) ;3 (21,-1) ; 0(0,0)

Valor de F.O. Total = 720