Publicación: Modelo de optimización multi-objetivo para el 2E-LIRP multi-producto aplicado a la
gestión de la cadena de suministro humanitaria
Portada
Citas bibliográficas
Gestores Bibliográficos
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen
Los desastres en todo el mundo son cada vez más frecuentes, diversos, complejos y extremadamente desafiantes, ya que causan millones de víctimas y afectan tanto el desarrollo humano como los recursos disponibles. En consecuencia, el presente estudio aborda un problema multi-objetivo de localización, inventario y ruteo multi-escalón (2E-LIRP), el cual apoya la toma de decisiones integrales, para que el encargado de diseñar y gestionar la red logística obtenga una adecuada planeación estratégica frente a la incertidumbre y el impacto negativo que puede generar un evento adverso. Más aún, el problema es formulado como un modelo de programación lineal entera, teniendo como principales objetivos, minimizar los costos logísticos privados y su vez, maximizar el bienestar de las áreas afectadas, considerando demanda dinámica, múltiples productos y flota heterogénea. Debido a la complejidad computacional asociada al modelo, se propone un nuevo enfoque de solución, basado en el diseño de algoritmos metaheurísticos evolutivos; el primero, conocido como algoritmo genético de ordenamiento no dominado versión II (NSGA-II), el segundo, algoritmo evolutivo de fuerza de Pareto versión II (SPEA-II) y el tercero, llamado algoritmo genético (GA), programados en paralelo y ejecutados individualmente bajo un entorno de cooperación. Finalmente, la experimentación llevada a cabo permite inferir que el enfoque paralelo-cooperativo y netamente paralelo aplicado al NSGA-II, mejora sustancialmente los tiempos de procesamiento y la cantidad de soluciones no dominadas, si se compara con los resultados obtenidos por el SPEA-II, diseñado bajo idénticas condiciones. Además, al construir un GA con estas mismas características, mejora hasta el 50% de las soluciones en el conjunto de prueba utilizado, con tiempos de cómputo semejantes a su contraparte secuencial.

PDF
FLIP 
