...
首页> 外文期刊>Revista Tecnura >Localización del punto óptimo de partida en el problema de ruteo vehicular con capacidad restringida (CVRP)
【24h】

Localización del punto óptimo de partida en el problema de ruteo vehicular con capacidad restringida (CVRP)

机译:在容量受限的车辆路径问题(CVRP)中找到最佳起点

获取原文
           

摘要

Contexto: Esta investigación resuelve el problema de encontrar el punto óptimo de localización de una flota de vehículos recolectores de basura y las rutas óptimas para minimizar el costo de su recolección, en 144 barrios del municipio de Dosquebradas, Risaralda (Colombia), utilizando 8 vehículos con capacidad homogénea de 25 toneladas de la empresa Serviciudad. Métodos: Primero, se utilizó una heurística de barrido (Ospina Toro y Orrego, 2016) para encontrar un buen punto de partida para los vehículos de recolección y generar rutas iniciales de buena calidad. Posteriormente, estas rutas iniciales alimentan el algoritmo genético modificado de Chu-Beasley (Solarte, Castillo y Rodríguez, 2015) teniendo en cuenta la capacidad de carga del vehículo (Rondon et al. , 2010). Finalmente, para garantizar un resultado óptimo, el mejor encontrado en la fase anterior es tratado nuevamente con una metaheurística tabú (Bodas, 2017). Resultados: Se dise?ó una nueva metodología, denominada híbrida CSGTR ( Clustering, sweep, genetic , tabu routing ) que permitió aprovechar las ventajas de la clusterización (Rueda et al. , 2017) antes del ruteo de vehículos (Hernández, 2017), incluyendo modelos heurísticos como la técnica de barrido (Ospina Toro y Orrego, 2016) y metaheurísticos como los algoritmos de Chu-Beasley y tabú (Grajales, Hincapié y Montoya, 2017). La aplicación de la metodología CSGTR permitió reducir el tiempo y los costos de los recorridos de los camiones recolectores de basura en el municipio de Dosquebradas, Risaralda (Colombia). Conclusiones: La metodología hibrida CSGTR para resolver el problema de ubicación de flotas de vehículos y generación de rutas de recolección se presenta como un enfoque alternativo, con mejores resultados que el enfoque previo.
机译:背景:这项研究解决了在哥伦比亚里萨拉尔达(Dosquebradas)Dosquebradas市的144个社区中,使用8辆车找到一组垃圾收集车的最佳位置和最佳路线以最小化其收集成本的问题。 Serviciudad公司的平均产能为25吨方法:首先,使用后掠试探法(Ospina Toro和Orrego,2016)来寻找收集工具的良好起点,并生成高质量的初始路线。随后,这些初始路线考虑到了车辆的负载能力,从而为Chu-Beasley的改进遗传算法(Solarte,Castillo和Rodríguez,2015)提供了支持(Rondon等,2010)。最后,为了确保获得最佳结果,将先前阶段中发现的最佳结果再次使用禁忌元启​​发法进行处理(Bodas,2017年)。结果:设计了一种新的方法,称为混合CSGTR(聚类,扫描,遗传,禁忌路由),该方法允许在车辆路由之前使用聚类(Rueda等人,2017)(Hernández,2017),包括启发式模型(例如扫掠技术(Ospina Toro和Orrego,2016))和元启发式模型(例如Chu-Beasley和禁忌算法)(Grajales,Hincapié和Montoya,2017)。 CSGTR方法的应用使减少在Risaralda(哥伦比亚)Dosquebradas市的垃圾收集车的时间和成本成为可能。结论:CSGTR混合方法解决了车队的位置和收集路线的生成问题,作为一种替代方法,其结果比以前的方法更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号