Date post: | 05-Jul-2018 |
Category: |
Documents |
Upload: | richardnevado |
View: | 216 times |
Download: | 0 times |
of 49
8/16/2019 tesis-slides (3).ppt
1/49
Sistema de optimización para el
ruteo dinámico de vehí culos con
ventanas de tiempo
Eidelman, Adrián Pablo
Valdez Lerena, Alejandro
Directora: Dra. Irene Loiseau
8/16/2019 tesis-slides (3).ppt
2/49
Introducción
Descripción general del problema Encontrar la mejor forma de organizar una
flota de vehículos de reparto para poder
entregar un conjunto de pedidos que vaningresando de manera dinámica
Motivación Reducir los costos asociados a la cantidad de
vehículos utilizados y sus recorridos rindar una mejor atención a los clientes
8/16/2019 tesis-slides (3).ppt
3/49
Caso real: Sushi Furusato
!ituación actual "na persona dedicada a armar los recorridos
que deben realizar los vehículos para cumplir
con las entregas Desventajas El nivel de optimización depende de la
persona que se está encargando de organizar
los pedidos #o se realiza un análisis sistemático de losposibles recorridos sino que se recurre a laintuición
8/16/2019 tesis-slides (3).ppt
4/49
Elementos del problema
$rea de distribución "na cuadricula representa una abstracción
del mapa de calles
%edidos &ada pedido está asociado a un cliente' tiene
un tama(o fijo y una banda horaria dondedebe realizarse la entrega
El conjunto de pedidos no se conoceinicialmente sino que pueden ingresar encualquier momento
8/16/2019 tesis-slides (3).ppt
5/49
Elementos del problema
Rutas Es una secuencia de pedidos de entrega' parte y
termina en el depósito central) %ara medir el recorridose utiliza una m*trica euclidiana)
+lota &onjunto homog*neo de vehículos donde todos tienen
la misma capacidad de transporte "n vehículo tiene asignado solo una ruta
Depósito ,ugar desde donde parten todos los vehículos parainiciar un recorrido de entrega y adonde vuelven luegode terminarlo
8/16/2019 tesis-slides (3).ppt
6/49
Elementos del problema
+actibilidad de una ruta "na ruta es factible cuando se puede realizar
el recorrido completo cumpliendo todas las
ventanas de tiempo y sin e-ceder lacapacidad del vehículo
!olución Es un conjunto de rutas factibles que utilizan
todos los pedidos que forman parte delsistema en un determinado momento
8/16/2019 tesis-slides (3).ppt
7/49
Objetivo del problema
Minimizar la cantidad de viajes necesariospara realizar las entregas
Minimizar el tiempo de espera entre entregas
consecutivas de una ruta Minimizar la distancia recorrida Ma-imizar la capacidad utilizada en cada
vehículo
8/16/2019 tesis-slides (3).ppt
8/49
Problema a tratar
&antidad de vehículos ilimitada ,imite en el tiempo de viaje para un producto %edidos de tama(o variable ,os vehículos tienen velocidad constante ,os pedidos que ingresan son factibles
8/16/2019 tesis-slides (3).ppt
9/49
Nuestro enfoue
.R%/0 dinámico es un problema #%12ard #o se conoce algoritmo que encuentre una
solución óptima en tiempo polinomial
Estos problemas suelen abordarse medianteel uso de t*cnicas heurísticas
%roporcionan soluciones razonablemente
buenas en periodos cortos de tiempo' singarantizar que la solución sea óptima
8/16/2019 tesis-slides (3).ppt
10/49
Nuestro enfoue
"tilizamos una heurística de b3squeda local %arte de una solución inicial y realiza
modificaciones intentando encontrar otras en
las que se minimice el valor de una funciónobjetivo
"tilizamos 3squeda /ab3 45lover' 6789:como metaheurística para evitar caer en
mínimos locales
8/16/2019 tesis-slides (3).ppt
11/49
!l"oritmo propuesto
!olución inicial ;nicialmente el conjunto de pedidos es vacío
2eurística de inserción de pedidos &aracterísticas deseables
Debe ser rápida ,a solución resultante debe ser factible Debe minimizar el costo de la solución
8/16/2019 tesis-slides (3).ppt
12/49
Inserción de pedidos
8/16/2019 tesis-slides (3).ppt
13/49
Inserción de pedidos
8/16/2019 tesis-slides (3).ppt
14/49
#eur$sticas de mejora
Estrategias a seguir para encontrar unasolución nueva de menor costo a partir de lainicial
;ntercambios =r1=pt 4=r' 67>9:
8/16/2019 tesis-slides (3).ppt
15/49
Intercambios Or%Opt
EjemploA El pedido B de la ruta ? pasa al finalde la ruta 6
8/16/2019 tesis-slides (3).ppt
16/49
Intercambios Or%Opt
EjemploA ,os pedidos @ y C pasan al inicio dela ruta
8/16/2019 tesis-slides (3).ppt
17/49
#eur$sticas de mejora
Radio de acción Es la má-ima amplitud angular que se le
permite tener a una ruta' tomando como
origen de coordenadas el centro dedistribución ;dea no encontrada en la bibliografía .alor determinado en base a la e-periencia %ermite restringir el conjunto de posibles
movimientos a analizar
8/16/2019 tesis-slides (3).ppt
18/49
&adio de acción
Ejemplo 6A
8/16/2019 tesis-slides (3).ppt
19/49
&adio de acción
Ejemplo ?A
8/16/2019 tesis-slides (3).ppt
20/49
&adio de acción
"n valor demasiado grande tenderá a producir rutascon recorridos e-tensos en distancia
"n valor demasiado chico tenderá a producir rutascon pedidos mas cercanos entre si' pero aumentarála cantidad de rutas de la solución
%ermite que la metaheurística no e-ploremovimientos de pedidos entre rutas que no tenganradios de acción que se intersecan
Esto permite no desperdiciar tiempo de computo ensoluciones que seguramente no serán de buenacalidad
8/16/2019 tesis-slides (3).ppt
21/49
#eur$sticas de mejora
!elección de rutas a optimizar #o es factible analizar todas las formas
posibles de acomodar los pedidos
!e debe elegir subconjuntos de rutas paraanalizar sus intercambios
8/16/2019 tesis-slides (3).ppt
22/49
Criterio de selección de rutas
%asos !eleccionar aleatoriamente un conjunto de
rutas de tama(o t que serán tratadas como
rutas de origen) %riorizando las rutas con unsolo pedido !eleccionar aleatoriamente un conjunto de
rutas de tama(o t que serán tratadas como
rutas de destino 4 e pueden tenerelementos en com3n:
8/16/2019 tesis-slides (3).ppt
23/49
Implementación de la '(sueda )ab(
,ista /ab3 5uardamos los movimientos inversos a los realizados
&riterio de parada
Fuanto de tiempo disponible Movimiento
=r1=pt manteniendo la factibilidad de la solución
.ecindario
Movimientos factibles entre las rutas de origen ydestino cuyos radios de acción se intersecten /ama(o =4t?:
8/16/2019 tesis-slides (3).ppt
24/49
Implementación de la '(sueda )ab(
&aracterística adicional Manejo de m3ltiples soluciones
En cada quanto de tiempo' analizar elvecindario de la solución principal y luego
utilizar el tiempo sobrante en el resto ;ntensificación
8/16/2019 tesis-slides (3).ppt
25/49
Implementación de la '(sueda )ab(
+unción objetivo Minimizar la cantidad de rutas utilizadas
&ada ruta tiene un GcostoH de 6I)III unidades
Minimizar la distancia total de todas las rutas &ada unidad de distancia en el recorrido tiene un
GcostoH de 6 unidad
Minimizar el tiempo de espera de las motos
durante su recorrido &ada unidad de tiempo de espera tiene un
GcostoH de 6 unidad
8/16/2019 tesis-slides (3).ppt
26/49
Implementación
Módulos principales Dispatcher
;mplementa el modelado del tiempo y la
generación de eventos =ptimizador
;mplementa la metaheurística y el manejo dem3ltiples soluciones
.isualización %ermite comunicar el resultado de la simulación
8/16/2019 tesis-slides (3).ppt
27/49
*ispatcher
#ecesidad de simular el avance del tiempo yel ingreso dinámico de pedidos
Escala de tiempo para poder realizar pruebas
en tiempos más cortos "tilización de un archivo de configuración
que contiene los pedidos con suscaracterísticas y su horario de ingreso alsistema
;mplementa la política de salida de rutas
8/16/2019 tesis-slides (3).ppt
28/49
*ispatcher
%olítica de salida de rutas ,os pedidos deben partir o se vencen sus ventanas de
tiempo &aso realA operador humano < falta de un operador humano que tome la decisión'
el sistema debe decidir cuando una ruta debe partir %roblema intratable computacionalmente %olítica implementada
,as rutas parten lo más tarde posible peroasegurando que haya tiempo para cumplirlas
%ara poder usar más tiempo en la optimización
8/16/2019 tesis-slides (3).ppt
29/49
Optimizador
Mantiene la lista de m3ltiples soluciones y seencarga de distribuir el tiempo disponible
!e prioriza la optimización de la solución
principal y en caso de sobrar tiempo seanalizan las demás
;mplementa la 3squeda /ab3 y la 3squeda,ocal %ermite incorporar nuevas heurísticas
8/16/2019 tesis-slides (3).ppt
30/49
+isualización
%ermite ver los pasos intermedios realizadospor la 3squeda /ab3 y las rutas que debenir saliendo
%rimera versión con log de te-to &omplejo de seguir a simple vista
!egunda versión con generación de gráficos
8/16/2019 tesis-slides (3).ppt
31/49
+isualización
8/16/2019 tesis-slides (3).ppt
32/49
+isualización
8/16/2019 tesis-slides (3).ppt
33/49
+isualización
8/16/2019 tesis-slides (3).ppt
34/49
&esultados
&omparación con instancias .R% de !olomon Realizadas al principio del desarrollo ;ntenciónA .er el comportamiento del algoritmo
teniendo en cuenta la distancia total de los recorridos
8/16/2019 tesis-slides (3).ppt
35/49
&esultados
&omparación con instancias de .R%/0 ;ntenciónA .er el comportamiento del algoritmo
respecto de las ventanas de tiempo' las
políticas de salida de rutas y la cantidad totalde rutas empleadas ;nstancias encontradas solo priorizaban la
longitud total de las rutas
#o nos fue posible encontrar instancias de.R%/0 dinámico
8/16/2019 tesis-slides (3).ppt
36/49
&esultados
;nstancias de prueba generadas en formaaleatoria Evitar sesgo o error introducido manualmente
"so de distribución uniforme 5eneración de tres lotes con características
propias
8/16/2019 tesis-slides (3).ppt
37/49
&esultados
&aracterísticas generales de los lotesutilizados /ama(o de los pedidos
MínimoA 6B unidades Má-imoA ?7 unidades
&apacidad de los vehículos ?II unidades
8/16/2019 tesis-slides (3).ppt
38/49
&esultados
Definición de cota #ecesaria para poder tener un valor de referencia con el
cual comparar ;mposible calcular el valor e-acto para las instancias &ota utilizada
&antidad de vehículos necesarios para acomodar todos lospedidos e-istentes
.alor para las instanciasA ?II J ?? K 7 pedidos por vehículo .entajas
!imple de calcular
Es la mínima cota definible Desventajas
%oco realista #o tiene en cuenta la distribución espacial ni temporal de los
pedidos
8/16/2019 tesis-slides (3).ppt
39/49
&esultados
,ote < ?II
instanciasde 9Ipedidos
&antidadde rutasmínimaseg3n lacota >
8/16/2019 tesis-slides (3).ppt
40/49
&esultados
,ote < Muy pocas instancias se acercan a la cota
mínima definida
%osibles causas Fue la heurística implementada no sea buenapara el problema
Fue la cantidad de pedidos no llegue a negar elefecto de la distribución espacial y temporal 4que
no es tenida en cuenta por la cota: Fue la cota est* demasiado alejada de
instancias reales
8/16/2019 tesis-slides (3).ppt
41/49
&esultados
,ote 6>7
instanciasde 6IIpedidos
&antidadde rutasmínimaseg3n lacota 6?
8/16/2019 tesis-slides (3).ppt
42/49
&esultados
,ote @IL de los resultados están en el valor de la cota =tro @IL se encuentra una ruta sobre el valor de la cota El resto de las instancias no se alejan mucho más de la
cota El algoritmo se comporta de una manera sumamente
positiva para estas instancias a diferencia de lo quesucedía con el lote < Estos nos hace descartar que la heurística
no sea buena para el problema planteado /ambi*n nos permite descartar que la cota
sea muy mala de por sí
8/16/2019 tesis-slides (3).ppt
43/49
&esultados
,ote & BC
instanciasde @BIpedidos
&antidadde rutasmínimaseg3n lacota @7
8/16/2019 tesis-slides (3).ppt
44/49
&esultados
,ote & El 77L de las resoluciones de las instancias
no supera en un 8L el valor de la cota
8/16/2019 tesis-slides (3).ppt
45/49
&esultados
8/16/2019 tesis-slides (3).ppt
46/49
&esultados
Este 3ltimo gráfico muestra que ajo las condiciones de prueba' a partir de los
6II pedidos' el espacio desperdiciado en las
rutas pasa a ser despreciable El algoritmo se comporta razonablemente
bien para instancias que superan este límitede pedidos
8/16/2019 tesis-slides (3).ppt
47/49
Conclusiones
En base a las pruebas realizadas podemos afirmarque la heurística implementada se comportarazonablemente bien
Es capaz de procesar varios cientos de pedidos demanera dinámica y con fuertes restricciones detiempo de cómputo /ener en cuenta que las simulaciones corrían con una
fracción del tiempo real disponible !ería de mucha utilidad en casos reales donde haya
una gran cantidad de pedidos a repartir &onfirmamos la eficacia de la 3squeda /ab3 para el
problema de .R%/0 dinámico bajo las condicionesantes mencionadas
8/16/2019 tesis-slides (3).ppt
48/49
)rabajos futuros
;nclusión de un modelo matemático formalque ayude a comprender mejor el problema
;mplementación de nuevas t*cnicas
heurísticas para la resolución del problemacomo submódulos del sistema Desarrollo de una interfaz gráfica que permita
interactuar en tiempo real con el sistema
8/16/2019 tesis-slides (3).ppt
49/49
,, -uchas "racias ..
%reguntas N