Modelo determinístico bi-objetivo para el problema de ruteo de vehículos con condiciones de contaminación
No Thumbnail Available
Date
2022-11-16
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
En el desarrollo del presente proyecto de investigación, el cual tiene como objetivo Diseñar y evaluar un modelo determinístico bi-objetivo para el problema de enrutamiento con condiciones de contaminación. El tradicional problema de enrutamiento de vehículo (VRP) será la base para el desarrollo del modelo propuesto, el cual, trae consigo la incorporación de variantes como su naturaleza bi-objetivo, vinculando el enfoque de minimización de costos totales y consideraciones ambientales. Las condiciones ambientales han ganado peso con el pasar de los años en los campos de investigación, autores como: G. Laporte, Palmer y Bektas consideran las consideraciones ambientales un factor decisivo en las tomas de decisiones estratégicas de ruteo de vehículos, especialmente las emisiones CO2 como un foco importante de estudio. Para cumplir los objetivos planteados en el presente trabajo, el modelo matemático se desarrollará y validará su correcto funcionamiento del modelo MILP para cada una de las dos funciones por separadas, en la herramienta GAMS. Como resultado de la revisión de literatura se consideró que para encontrar las soluciones no dominadas del problema completo bi-objetivo, la metaheurística adecuada y recomendada en estudios anteriores, es el NSGA-II, por lo que se realizara la codificó de este en MATLAB, para el apartado de validación de las pruebas de rendimiento del algoritmo, se empleó los análisis estadísticos de Tukey brindados por la herramienta MINITAB. Mediante el desarrollo de las pruebas se llegó a la conclusión de que el menor tiempo de ejecución del algoritmo NSGA-II propuesto, se obtiene con una combinación de factores de tamaño de la población, probabilidad de cruce y mutación en sus niveles bajos (50, 0.4 y 0.1, respectivamente). En cambio, para obtener la mayor cantidad de soluciones no dominadas se debe establecer un tamaño de población de 100 individuos, una probabilidad de cruce igual a 0.7 y una probabilidad de mutación de 0.1. Finalmente, al revisar las soluciones no dominadas encontradas en estos 2 tratamientos e identificar los costos mínimos, se demostró que las soluciones generadas por el tratamiento número 7 (con P = 50, C=0.4 y M=0.1) dominaron a las del tratamiento 1 (con P=100, C=0.7 y M=0.1).
Description
Keywords
Optimización multiobjetivos, Algoritmo genético, Optimización, Ruteo de vehículos, VRP, PRP, Emisiones CO2, Ventanas de tiempo