UNIVERSIDAD CATÓLICA DE LA SANTÍSIMA CONCEPCIÓN

FACULTAD DE INGENIERÍA

INGENIERÍA CIVIL INDUSTRIAL

PROYECTO INTEGRADOR DE GESTIÓN DE OPERACIONES

Implementación de programación lineal y heurísticas para optimizar la

distribución de bicicletas en diferentes puntos de una cuidad para empresa
PIGOP-BICI

Estudiantes: Matías Carrasco Muñoz

Cristofer González Parada

Francisco Rivera Acuña

Francisco Padilla Muñoz

Profesor: Dr. Manuel Cepeda Junemann.

Dr. Héctor Valdés Morales

Concepción, 12 de octubre de 2021.

RESUMEN
 1. INTRODUCCIÓN
Las nuevas tecnologías han abierto una gran cantidad de posibilidades para negocios
orientados a sistemas de movilización, desde los más tradicionales a los más sofisticados.
Esto ha generado un aumento sustancial en la implementación de nuevas plataformas
virtuales para su beneficio, este es el caso de las empresas dedicadas al arriendo de medios de
transporte (automóviles, bicicletas, scooters, etc.) las cuales cuentan con una red de puntos
con vehículos disponibles dentro de una ciudad. Los clientes pueden retirar el vehículo en un
punto de la red y dejarlo en otro punto de la misma. Este negocio se ha vuelto más común
alrededor del mundo, por ello es un desafío poder encontrar sistemas que mejoren la calidad
de este servicio mediante la optimización de la gestión de vehículos. El factor principal que
genera gastos en estos servicios es el combustible, sin embargo, la mantención y reubicación
de los vehículos también genera un gasto significativo. El informe que se presenta a
continuación consiste en la aplicación de técnicas de optimización para conseguir una mejora
en la distancia recorrida de un camión que debe relocalizar bicicletas entre diferentes nodos a
fin de disponer la cantidad exacta de bicicletas en cada nodo al día siguiente.
Actualmente este tipo de problemas son abordados como problemas de Pick up and Delivery
Parragh,Doerner y Hartl los cuales se clasifican en tres grandes grupos, centrándonos
específicamente en los problemas de tipo One to Many to Many(1-M-M), los cuales se
caracterizan por transportan un producto partiendo en un depósito a distintos puntos y
volviendo al mismo.
En el transcurso de este informe se presenta un problema de gestión de vehículos mediante su
relocalización en diferentes puntos dentro de una ciudad. Este es un problema que aqueja a la
empresa PÍGOP-BICI, que se dedica al arriendo de bicicletas. Su problema se genera al final
de cada día cuando deben trasladar las bicicletas desde diferentes nodos para que al día
siguiente estos lugares cuenten con el número exacto de bicicletas deseadas.
Para el traslado de ellas consta con un solo camión que debe realizar una sola ruta que inicia
en el depósito y termina en él, saliendo y llegando al depósito siempre sin bicicletas.
La resolución del problema propuesto inicia con una revisión bibliográfica presentada en el
marco teórico, luego la formulación matemática basada en el problema Pick up and Delivery
para un solo camión visto en el libro de Paolo Toth y Daniel Vigo, que cubre con todas las
restricciones solicitadas, esto llevado a cabo mediante el software de optimización LINGO
luego se presenta la propuesta y desarrollo de una heurística golosa que se usará para resolver
instancias mayores, donde el número de bicicletas se deba distribuir en una cantidad de nodos
considerablemente grande, lo que podría dificultar la resolución en un método exacto. Este
será implementado en el software Visual Basic para su funcionamiento y correspondiente
solución. Finalmente se llevará a cabo la propuesta de una heurística local con la finalidad de
poder mejorar la solución del problema abordado anteriormente con la heurística golosa.

pág. 3
pág. 4
 2. MARCO TEÓRICO
En la literatura se reportan distintos métodos para la optimización de un problema X

Debido a que el problema abordado en este informe consiste en la minimización de la

distancia total recorrida se inició la revisión bibliográfica desde todos aquellos métodos de la
investigación operativa que buscan la optimización de distancias dentro de la creación de una
ruta definida a recorrer.
El método más conocido que se dedica al diseño de rutas para un problema de ruteo es el del
vendedor viajero o conocido por su nombre en inglés, Travelling Salesman Problem (TSP)
utilizado para crear una ruta cuando se tiene una parada fija visitando un conjunto de nodos
conocidos.
El TSP es la base del problema de ruteo de vehículos denominado Vehicle Routing Problem
(VRP), esto se debe a que el VRP es una generalización del TSP, pero genera un numero de
rutas n>1. Vehicle Routing Problem es un problema de optimización combinatoria que busca
encontrar el punto óptimo de rutas para una n cantidad de vehículos que debe satisfacer la
demanda de un conjunto dado de clientes.
Durante años posteriores, distintos autores fueron realizando nuevos estudios del VRP de los
cuales se crearon variaciones de este problema con el objetivo de aumentar las capacidades
de optimización, agregando nuevas condicionantes al problema.
A continuación, se nombran las variantes que frecuentemente son más utilizadas (Toth
& Vigo, 2014):

 Problema de Enrutamiento del Vehículo con Recogida y Entrega (VRPPD), un

número de productos necesita ser movido 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.
 Problema de Enrutamiento del Vehículo con Ventanas de Tiempo (VRPTW) Las
ubicaciones de entrega tienen ventanas de tiempo, dentro del cual las entregas tienen
que ser realizadas.
 Problema de Enrutamiento del Vehículo con Capacidad (CVRP), Los vehículos han
limitado llevando capacidad de los bienes que tiene que ser entregado.
 Otra variante es el problema de ruteo de vehículos con múltiples depósitos (MDVRP),
el que consiste en varios puntos de partida posibles para cada vehículo y así a cada
cliente se le asigna una ruta la cual luego se asigna al depósito correspondiente. Al
realizar estas asignaciones se descubrió la optimización de los despachos logra una
disminución de los costos y un aumento en las ganancias.
 Problema de Enrutamiento de Vehículo Periódico (PVRP) tiene en cuenta un periodo
de tiempo durante el cual los clientes deben ser atendidos.

pág. 5
  Problema de Enrutamiento de Vehículo con Entrega Dividida (SDVRP, por sus siglas
en inglés): es un derivado del VRP en el cual el mismo cliente puede ser servido por
diferentes vehículos si se reducen los costos generales.
Luego de conocer las variantes del problema VRP se consideró que la más indicada para
realizar una solución exacta a través de programación entera Mixta es VRPPD (Vehicule
Routing Problem with Pickup and Delivery).
Este modelo pretende crear rutas optimas poniendo en cuenta entregas y recogidas para
cada nodo, a cada nodo i se le asocian dos cantidades las cuales son demandas para productos
que deben ser entregados y recogidos. La diferencia neta entre estos dos valores es
considerada como la demanda para este problema, este valor puede ser tanto negativo como
positivo.
El principal objetivo del VRPPD es encontrar un número N de rutas para minimizar
costos tal que se cumplan los siguientes requisitos:

 La capacidad de cada vehículo debe ser conocida.

 Los clientes deben ser visitados una única vez por un solo vehículo.
 Las demandas de entregas y recogidas deben ser conocidas y no deben superar la
capacidad de la flota.
 Los vehículos deben iniciar y terminar en el punto de inicio.

Las dos grandes clasificaciones son el problema (1-M-1)

Los problemas a uno (1-M-1) se caracterizan por la presencia de algunos productos básicos
Ser entregado desde un depósito a muchos clientes y de otros productos para ser recolectados.
a los clientes y transportados de regreso al depósito. Estos tienen aplicaciones, por ejemplo,
en la distribución de bebidas y recogida de latas y botellas vacías. Ellos
también surgen en los sistemas de logística de avance y retroceso donde, además de entregar
nuevos productos, se debe planificar la recogida de productos usados, defectuosos u
obsoletos.

pág. 6
 3. METODOLOGIA

3.1.1 Formulación matemática del modelo

En la primera parte de la investigación, se implementó una programación matemática
modificada la cual toma como base el modelo matemático (1-VRPPD) que se encuentra en el
libro “Vehicle Routing Problems, Methods, and Applications” (Toth & Vigo, 2014) sumado a
una extensa revisión bibliográfica. Mediante esta adaptación realizada, por medio de una
función objetivo y sus respectivas restricciones se buscó obtener una solución factible para
problema propuesto.

Las herramientas utilizadas para resolver el modelo de programación lineal fueron

Lingo y Microsoft Excel, en donde el objetivo primordial es optimizar la medida de
desempeño y en este caso fue minimizar la distancia total recorrida por el vehículo. Para la
resolución del problema se identificaron los siguientes elementos:
● Parámetros
● Variables de Decisión
● Función Objetivo
● Restricciones

Luego, para el planteamiento del problema se debe seguir los siguientes pasos:
● Identificar y definir variables, variables de decisión y parámetros.
● Definir el criterio y planteamiento de la Función Objetivo, en este caso minimizar la
medida de desempeño la cual es la distancia total del recorrido.
● Identificar y definir restricciones de cada variable de decisión.

A continuación, se presentan los supuestos y simplificaciones que se aplicaron para la

resolución del problema.

 Cada ruta comienza y termina en el depósito.

 Se debe satisfacer la demanda de recogida y entrega de bicicletas de todos los puntos.
 El vehículo comienza siempre recogiendo bicicletas, puesto que inicia vacío.
 Se debe visitar todos los puntos de la ruta.
 El vehículo no puede retroceder.
 El vehículo debe pasar solo una vez por cada punto.
 El vehículo al regresar al depósito debe estar vacío.

pág. 7
3.1.2. Variables de decisión
X ij = 1 : El vehiculo va del punto ial punto j
{ 0 : En otro caso
RP ij =Bicicletas transportadas desde el puntoi al punto j

U i=Variable auxiliar para el puntoi

3.1.3. Parámetros
Q=Capacidad maxima de bicicletas que se van a transportar
Ri=Demanda del punto i .Con R i> 0 significa que en el punto i se recogen

bicicletas . Mientras que si Ri <0 significa que en el punto i se descargan

bicicletas
D ij =Distancias del punto i al punto j

Max=Número de puntos que recorre el vehiculo

3.1.4. Función objetivo

❑ ❑
Min ∑ ∑ X ij∗Dij (1)
i ∈V j ∈V

∑ X ij=1 ; ∀ i ≠ j ∈V ( 2)
j ∈V

∑ X ij− ∑ X ji=0 ; ∀ i ∈ V (3)

j ∈V j∈V

R Pij =0 ∀ i , j ; i=1(4)

0≤RP ( i , j )≤Q∗X ( i, j ) ; ∀ i , j ∈V (5)

∑ RP ( j, i )− ∑ RP ( i , j )=Ri ; ∀ i> 1∈V (6)

j ∈V j∈ V

∑ X 1 j =1(7)
j ∈V

U 1=1( 8)

Ui=¿ 2; ∀i ≠ j ∈V (9)

Ui<¿ Max ; ∀i ∈V (10)

Ui−Uj+ ( Max−1 )∗X ( i, j ) ≤Max−2 ; ∀ i ≠ j ∈V (11)

pág. 8
3.1.5. Naturaleza de las variables
Ui ∈ Z +¿(12)¿
0

X ( i , j ) ∈ { 0,1 } ∀ i , j∈V (13)

R Pij ≥ 0 ∀ i , j∈ V (14)

3.1.6. Observaciones del modelo matemático

La ecuación (1) expresa la función objetivo . Esta busca minimizar la distancia total que
recorre el camión con las bicicletas entre los nodos que estén conectados. La restricción (2)
hacen referencia que solo se puede entrar y salir de punto como máximo. La restricción (3)
corresponde a la conservación de flujo del modelo. La restricción (4) indica que lo que se
lleva al primer nodo visitado es cero. La restricción (5) indica que el flujo en cada arco
recorrido por el camión debe menor o igual la capacidad máxima bicicletas transportadas por
camión (Q). La restricción (6) establece que lo que se lleva de punto i al punto j corresponde
a la demanda del punto. La restricción (7) obliga que el camión inicie su ruta en el depósito.
Las restricciones (8), (9), (10) y (11) evitan que se formen subtours. (12), (13) y (14)
establecen la naturaleza de las variables utilizadas.

3.2.1 Heurística golosa

Los problemas de optimización que frecuentemente suelen ser resueltos por métodos
exactos que derivan de las diferentes técnicas de la investigación operativa, crecen en
complejidad a medida que el número de iteraciones necesarias para obtener la solución
óptima aumenta. Esto se puede generar por el incremento del volumen de los datos trabajados
o por la complejidad de las restricciones. Es por ello que se requiere muchas veces de otros
métodos que generen una solución óptima sin garantizar que sea la solución óptima global del
problema, estos métodos son conocidos como algoritmos heurísticos.
Una heurística es una técnica que busca soluciones buenas (casi óptimas) en un
tiempo razonable, aunque sin garantizar su grado de cercanía al óptimo (Reeves,1993).
Las heurísticas pueden ser clasificadas como constructivas, estas sirven para generar
una solución desde cero o para construir otras heurísticas. Tienen dos categorías, la primera
es la heurística golosa, la cual no considera decisiones pasadas y la segunda son las
heurísticas backtracking, la cual si considera soluciones pasadas y por tanto consigue mejores
soluciones.
A continuación, se presenta una heurística constructiva golosa que construye la
solución para relocalizar bicicletas de un punto a otro si es necesario, poniendo como dos
grandes prioridades la búsqueda del nodo siguiente con menor distancia y manteniendo la
condición de tener siempre suficientes bicicletas disponibles para satisfacer los puntos con
faltantes. A medida que el camión visita cada nodo va generando la ruta hasta eventualmente
completar todos los nodos y debe regresar al depósito.
Debe iniciar en cero y posee un contador donde se suman las bicicletas añadidas o se
restan cuando son entregadas. Se termina la heurística cuando ya no hay más bicicletas que

pág. 9
entregar o recoger y por lo tanto cualquier otro recorrido ya no está dentro de algún conjunto
factible.

Figura 1: Diagrama descriptivo de la Heurística golosa para la reubicación de las

bicicletas.

pág. 10
3.3.1 Heurística de Búsqueda Local
Para la realización de la heurística de búsqueda local se consideró una ruta inicial
factible, esta heurística de mejora realiza el intercambio de los demás nodos disponibles en
una posición m, siempre y cuando el intercambio mantenga la factibilidad. Cabe destacar que
esta heurística es de tipo exhaustiva, por lo tanto, realiza un intercambio en todos los nodos
que mantengan la condición de factibilidad, terminada la búsqueda en la posición m, repite el
mismo procedimiento hasta acabar con todas las posiciones m restantes. La condición de
termino es cuando ya no existen mas posiciones m que intercambiar.
Esta heurística garantiza que la nueva ruta encontrada será mejor o igual que la solución
anterior encontrada o en su defecto la ruta inicial, con la virtud de siempre mantener que la
solución final sea factible.

Figura 2: Diagrama descriptivo de la Heurística de Búsqueda Local para la reubicación de las

bicicletas.

pág. 11
4. RESULTADOS Y HALLAZGOS
Con el modelo de programación lineal implementado mediante el software Lingo se
obtuvieron los siguientes resultados, estos resultados provienen de 2 instancias de prueba.
En la instancia pequeña simétrica, se obtuvo que la ruta que minimiza la distancia recorrida
por el vehículo es:
DEPOSITO-N11-N7-N20-N17-N18-N8-N16-N3-N9-N19-N5-N10-N13-N6-N12-N15—
N14-N4-N1-N2-DEPOSITO

Función Objetivo:79,4 Km.

Con la heurística golosa implementada mediante el lenguaje de programación Visual Basic se

obtuvieron los siguientes resultados, estos resultados provienen de 2 instancias de prueba.

En la instancia pequeña simétrica, se obtuvo que la ruta que minimiza la distancia recorrida
por el vehículo es:

DEPOSITO-N20-N7-N9-N19-N5-N14-N4-N1-N11-N2-N15-N12-N10-N13-N6-N3—N16-
N8-N17-N18-DEPOSITO

Función Objetivo:103,5 Km

pág. 12
 REFERENCIAS
Aguilar, L. (2020). Optimizando la programación de auditorías de una empresa de certificación

en ecuador. Repositorio UdeC.

http://repositorio.udec.cl/jspui/bitstream/11594/474/1/Tesis_Optimizando_la_programaci

on.pdf

Arango Serna, M. D., Romano, C. A., & Zapata Cortes, J. A. (2016). Collaborative goods

distribution using the IRP model. DYNA, 83(196), 204–212.

https://doi.org/10.15446/dyna.v83n196.52492

Ballesteros Silva, P. P., & Escobar Zuluaga, A. H. (2016). Description of the classification of

publications and the models used in solving of the vehicle routing problem with pickup

and delivery. Revista Ingenierías Universidad de Medellín, 15(28), 287–306.

https://doi.org/10.22395/rium.v15n28a14

Bustos, M., & Pinilla, A. (2016). Estudio y desarrollo de un modelo matemático para el

problema de rutas escolares (SBRP). Biblioteca UIS.

http://tangara.uis.edu.co/biblioweb/tesis/2016/165076.pdf

Correa, Á. (2019). Formulaciones basadas en flujos de redes para un problema de ruteo en last

mile. Repositorio USM.

https://repositorio.usm.cl/bitstream/handle/11673/46296/3560902049129UTFSM.pdf?

sequence=1&isAllowed=y

Daza, J., Montoya, J., & Narducci, F. (2009). Resolución del problema de enrutamiento de

vehículos con limitaciones de capacidad utilizando un procedimiento metaheurístico de

dos fases. Revista EIA, 12, 23–38. http://www.scielo.org.co/scielo.php?

script=sci_arttext&pid=S1794-12372009000200003

Fernández, A. (2013). Modelos y Métodos para el Problema de Enrutamiento de Vehículos con

Recogida y Entrega Simultánea. Academia.edu.

pág. 13
 https://www.academia.edu/4669288/Problema_de_Enrutamiento_de_Veh

%C3%ADculos_con_Recogida_y_Entrega_Simult%C3%A1nea

González, D., & Gómez, D. (2019). Solución al problema de ruteo de vehículos con entregas y

recogidas aplicando el algoritmo de pétalos y la heurística del vecino mas cercano.

RUID.

https://repository.udistrital.edu.co/bitstream/handle/11349/23505/GonzalezRestrepoDanie

lAndres2020.PDF..pdf?sequence=1&isAllowed=y

Hernández-Pérez, H., & Salazar-González, J. J. (2004). Heuristics for the One-Commodity

Pickup-and-Delivery Traveling Salesman Problem. Transportation Science, 38(2), 245–

255. https://doi.org/10.1287/trsc.1030.0086

Jewpanya, P., Wei Chen, Y., & Yu, V. F. (s. f.). The Pickup and Delivery Multi-depot Vehicle

Routing Problem. APIEMS.

https://apiems2016.conf.tw/site/userdata/1087/papers/0381.pdf

Labra, A. (2009). Enrutamiento de vehículos con entrega y recogida simultanea con ventanas de

tiempo a través de optimización por enjambre de particulas. Biblioteca PUCV.

http://opac.pucv.cl/pucv_txt/txt-5000/UCG5307_01.pdf

León, V. (2016). Problemas de rutas con recogida y entrega de mercancías Aplicación a una

empresa canaria. RUILL.

https://riull.ull.es/xmlui/bitstream/handle/915/2538/Problemas+de+rutas+con+recogida+y

+entrega+de+mercancias.pdf;jsessionid=40427FC20D8FB8BA7F74133D7959FFD9?

sequence=1

Linfati, R., Escobar, J. W., & Cuevas, B. (2014). An algorithm based on granular tabu search for

the problem of balancing public bikes by using multiple vehicles. DYNA, 81(186), 284.

https://doi.org/10.15446/dyna.v81n186.45220

pág. 14
LINGO. (s. f.). Traveling Salesman Problem. LINDO.

https://www.lindo.com/doc/online_help/lingo15_0/traveling_salesman_problem.htm

Martinovic, G., Aleksi, I., & Baumgartner, A. (2008). Single-Commodity Vehicle Routing

Problem with Pickup and Delivery Service. Mathematical Problems in Engineering,

2008, 1–17. https://doi.org/10.1155/2008/697981

Medrán, S. (2017). Resolución heurística de un problema de rutado con aplicaciones para el

comercio electrónico. idUS.

http://bibing.us.es/proyectos/abreproy/70319/fichero/Jorge+Rodriguez+Perez_TRABAJO

+FIN+DE+MASTER.pdf

NEO. (2013). VRP with Pick-Up and Delivering | Vehicle Routing Problem. Networking and

Emerging Optimization. https://neo.lcc.uma.es/vrp/vrp-flavors/vrp-with-pick-up-and-

delivering/

Peralta, F. (2008). Resolución del VRP con logística reversa a través de un sistema de colonia de

hormigas. Biblioteca PUCV. http://opac.pucv.cl/pucv_txt/txt-2000/UCG2469_01.pdf

Quiñones, L. (2017). Planteamiento multiobjetivo para resolver el problema de ruteo de

vehículos con restricciones de capacidad. Repositorio UTP.

http://repositorio.utp.edu.co/dspace/bitstream/handle/11059/8471/5196Q7.pdf?

sequence=1&isAllowed=y

Reeves, C.R. (Ed.) 1993. Modern heuristic techniques for combinatorial problems. Ed,Ith. John

Wiley & Sons, Inc. New York.

Suarez-Chilma, V. F., Sarache, W. A., & Costa, Y. J. (2018). Una Solución al Enrutamiento de

Vehículos en Ciudades Montañosas Considerando Aspectos Ambientales y Económicos.

Información tecnológica, 29(3), 3–14. https://doi.org/10.4067/s0718-

07642018000300003

pág. 15
Toth, P., & Vigo, D. (2014). Vehicle Routing Problems, Methods, and Applications (2.a ed.).

Society for Industrial and Applied Mathematics Philadelphia and Mathematical

Optimization Society Philadelphia.

Xiao, Y., Zhao, Q., Kaku, I., & Xu, Y. (2012). Development of a fuel consumption optimization

model for the capacitated vehicle routing problem. Computers & Operations Research,

39(7), 1419–1431. https://doi.org/10.1016/j.cor.2011.08.013

pág. 16
pág. 17