Problema de transporte multiterminal y contenedores MultiSize: dos enfoques metaheurísticos con Python

Abstract

Este trabajo se centra en el problema del enrutamiento de vehículos como un sistema intermodal de transporte donde se produce movimientos de entrega y recogida de contenedores por camiones y determinadas a priori por el cliente. Este sistema intermodal de transporte se puede identificar como operaciones de drayage y además se verá como parte de un gran objetivo, una cadena de suministro. Las operaciones de drayage se pueden considerar como uno de los elementos que ocupa mayor importancia en cuanto al total de los costes de transporte que presenta una cadena de suministro. En consecuencia, es esencial buscar que estas operaciones se realicen de la forma más eficiente posible tanto en costes como en calidad, para poder así conseguir cada vez más que las empresas puedan expandirse a mayores niveles en el mercado. En el problema básico de recogida y entrega se busca construir un conjunto de rutas para satisfacer unas solicitudes/tareas de entrega y recogida de clientes dispersos geográficamente. Se parte de una flota de vehículos disponible, donde cada vehículo tiene una capacidad dada, un tiempo de operación, un lugar de inicio y un lugar final. En cada solicitud se especifica el tamaño del contenedor a transportar, donde se va a recoger (origen) y donde se va a entregar (destino). Estos contenedores son transportados de su origen a su destino sin transbordo en otros lugares. El objetivo por tanto es de satisfacer todas las solicitudes por los vehículos disponibles generando una solución a coste mínimo, sin olvidar las restricciones adicionales que se definan para el problema. En la literatura se puede encontrar una gran variedad de enfoques posibles de solución para el tipo de problema expuesto. De las posibles metodologías de resolución aplicables relativas al problema de drayage, se eligen dos de ellas: Recocido Simulado y Búsqueda Tabú. La búsqueda tabú es capaz de presentar buenas soluciones para estos problemas, sin embargo, su aplicación es menos popular. En cuanto al recocido simulado, método también bastante conocido y que obtiene resultados considerablemente buenos, se diferencia con la búsqueda tabú en que éste al no verificar el vecindario completo, le permite moverse más rápido entre vecindarios y con ello, realizar mayor número de iteraciones en un tiempo dado. Estos dos enfoques de solución se basan en resolver un problema por búsqueda local, basados en una solución inicial y una estructura de vecindario. En función de observar la aplicación en el mundo real de este trabajo, se procede simular en Spyder, entorno de desarrollo de código para programación científica en lenguaje Python, para generar soluciones en los dos casos posibles, recocido simulado y búsqueda tabú. Se añaden tres escenarios con diferentes parámetros en los dos casos, generando diversos experimentos computacionales para verificar, comparar y así poder concluir las comparaciones en el rendimiento entre métodos y el conjunto de parámetros establecido en cada escenario. Estas comparaciones se basan en el coste total (la distancia total recorrida) y el tiempo computacional que requiere ejecutarlos hasta obtener solución con los parámetros establecidos.