Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios

Autores
Negrotto, Daniel
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Loiseau, Irene
Descripción
El problema de Localización y Ruteo de Vehículos con Capacidades (CLRP) es la combinación dedos problemas muy estudiados del área de la Investigación Operativa: el problema de localizaciónde depósitos con capacidades (CFLP) y el problema de ruteo de vehículos con múltiples depósitos (MDVRP). Dado un conjunto de posibles localizaciones se busca determinar cuáles utilizar para satisfacer las demandas de un conjunto de clientes y programar las rutas que los visitan. Se buscaminimizar los costos de apertura de depósitos, de utilización de vehículos y de ruteo satisfaciendorestricciones de capacidad tanto en los vehículos como en los depósitos. En este trabajo se presenta una nueva versión del problema denominada Localización y Ruteode Vehículos con Capacidades y Premios (PC-CLRP) que busca generalizar el problema CLRPpermitiendo la posibilidad de que los clientes sean o no visitados. Los clientes atendidos otorganun beneficio y la maximización de la suma de los beneficios forma parte del objetivo del nuevo problema. Se proponen en este trabajo algoritmos para el problema PC-CLRP. En primer lugar se introduceun algoritmo metaheurístico para resolverlo basado en el método de optimización por Colonia de Hormigas. Se implementa una metaheurística de 3 colonias de hormigas que colaboranconstruyendo las distintas etapas de una solución PC-CLRP: localización, clusterizado yruteo. Posteriormente, se presentan modelos de programación lineal entera basadas en modelosde flujo de 2 índices y 3 índices. Se analizan distintas familias de desigualdades válidas utilizadaspara CLRP y se proponen nuevas versiones de las mismas para el problema PC-CLRP. Además,se definen nuevas desigualdades válidas y cortes de optimalidad junto a sus correspondientes algoritmosde separación. Por último, se implementa un algoritmo Branch&Cut utilizando uno delos modelos de programación lineal entera propuestos. Se reportan los resultados obtenidos porambos algoritmos para el problema PC-CLRP sobre un conjunto de instancias especialmentedise~nadas para el nuevo problema. Se compara además los resultados frente a los reportados enotros trabajos sobre el problema CLRP obteniendo resultados competitivos.
The Capacitated Location Routing Problem (CLRP) is the combination of two well studiedproblems in Operations Research: Capacitated Facility Location Problem (CFLP) and Multiple Depots Vehicles Routing Problem (MDVRP). Given a set of available locations, the aim is tofind a subset of depots to satisfy customer demands and to determine the routes to visit thecustomers. The objective is to minimize the cost of the opened depots, the fixed cost of thevehicles in use and the cost of the routes satisfying vehicle and depot capacity constraints. In this work we present a new version of the problem named Prize-Collecting Capacitated Location Routing Problem (PC-CLRP). This problem is a generalization of CLRP where customershave not the requirement to be visited. A customer gives a benefit if it is considered as part ofthe proposed solution. The maximization of this benefits is a new objective for this problem. We proposed an algorithmic approach to solving PC-CLRP. First, we introduce a new meta-heuristic algorithm based on the Ant Colony Optimizationalgorithm. Our ant algorithm optimizes the 3 levels of decision: location, clustering and routing. Next, we present new models based on two-index and three-index ow integer linear programmingformulations. Known valid inequalities for CLRP are analyzed and adapted for PC-CLRP. This is complemented with the development of new valid inequalities and optimality cuts andtheir corresponding separation algorithms. Finally, we implement a Branch&Cut algorithm based on one of the proposed models. Computationalresults are reported for both implemented algorithms on a new set of instances speciallydesigned for the new problem. Additionally, we compare it with recent work for CLRP on instancesfrom the literature obtaining competitive results.
Fil: Negrotto, Daniel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
PROBLEMA DE LOCALIZACION Y RUTEO DE VEHICULOS
PROGRAMACION LINEAL ENTERA
BRANCH AND CUT
COLONIA DE HORMIGAS
OPTIMIZACION COMBINATORIA
RECOLECCION DE PREMIOS
LOCATION ROUTING PROBLEM
INTEGER LINEAR PROGRAMMING
BRANCH AND CUT
ANT COLONY
COMBINATORIAL OPTIMIZATION
PRIZE-COLLECTING
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
tesis:tesis_n5818_Negrotto

id BDUBAFCEN_adf416b24587d9d93dff66c58e931021
oai_identifier_str tesis:tesis_n5818_Negrotto
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premiosAlgorithms for the prize-collecting capacited location routing problemNegrotto, DanielPROBLEMA DE LOCALIZACION Y RUTEO DE VEHICULOSPROGRAMACION LINEAL ENTERABRANCH AND CUTCOLONIA DE HORMIGASOPTIMIZACION COMBINATORIARECOLECCION DE PREMIOSLOCATION ROUTING PROBLEMINTEGER LINEAR PROGRAMMINGBRANCH AND CUTANT COLONYCOMBINATORIAL OPTIMIZATIONPRIZE-COLLECTINGEl problema de Localización y Ruteo de Vehículos con Capacidades (CLRP) es la combinación dedos problemas muy estudiados del área de la Investigación Operativa: el problema de localizaciónde depósitos con capacidades (CFLP) y el problema de ruteo de vehículos con múltiples depósitos (MDVRP). Dado un conjunto de posibles localizaciones se busca determinar cuáles utilizar para satisfacer las demandas de un conjunto de clientes y programar las rutas que los visitan. Se buscaminimizar los costos de apertura de depósitos, de utilización de vehículos y de ruteo satisfaciendorestricciones de capacidad tanto en los vehículos como en los depósitos. En este trabajo se presenta una nueva versión del problema denominada Localización y Ruteode Vehículos con Capacidades y Premios (PC-CLRP) que busca generalizar el problema CLRPpermitiendo la posibilidad de que los clientes sean o no visitados. Los clientes atendidos otorganun beneficio y la maximización de la suma de los beneficios forma parte del objetivo del nuevo problema. Se proponen en este trabajo algoritmos para el problema PC-CLRP. En primer lugar se introduceun algoritmo metaheurístico para resolverlo basado en el método de optimización por Colonia de Hormigas. Se implementa una metaheurística de 3 colonias de hormigas que colaboranconstruyendo las distintas etapas de una solución PC-CLRP: localización, clusterizado yruteo. Posteriormente, se presentan modelos de programación lineal entera basadas en modelosde flujo de 2 índices y 3 índices. Se analizan distintas familias de desigualdades válidas utilizadaspara CLRP y se proponen nuevas versiones de las mismas para el problema PC-CLRP. Además,se definen nuevas desigualdades válidas y cortes de optimalidad junto a sus correspondientes algoritmosde separación. Por último, se implementa un algoritmo Branch&Cut utilizando uno delos modelos de programación lineal entera propuestos. Se reportan los resultados obtenidos porambos algoritmos para el problema PC-CLRP sobre un conjunto de instancias especialmentedise~nadas para el nuevo problema. Se compara además los resultados frente a los reportados enotros trabajos sobre el problema CLRP obteniendo resultados competitivos.The Capacitated Location Routing Problem (CLRP) is the combination of two well studiedproblems in Operations Research: Capacitated Facility Location Problem (CFLP) and Multiple Depots Vehicles Routing Problem (MDVRP). Given a set of available locations, the aim is tofind a subset of depots to satisfy customer demands and to determine the routes to visit thecustomers. The objective is to minimize the cost of the opened depots, the fixed cost of thevehicles in use and the cost of the routes satisfying vehicle and depot capacity constraints. In this work we present a new version of the problem named Prize-Collecting Capacitated Location Routing Problem (PC-CLRP). This problem is a generalization of CLRP where customershave not the requirement to be visited. A customer gives a benefit if it is considered as part ofthe proposed solution. The maximization of this benefits is a new objective for this problem. We proposed an algorithmic approach to solving PC-CLRP. First, we introduce a new meta-heuristic algorithm based on the Ant Colony Optimizationalgorithm. Our ant algorithm optimizes the 3 levels of decision: location, clustering and routing. Next, we present new models based on two-index and three-index ow integer linear programmingformulations. Known valid inequalities for CLRP are analyzed and adapted for PC-CLRP. This is complemented with the development of new valid inequalities and optimality cuts andtheir corresponding separation algorithms. Finally, we implement a Branch&Cut algorithm based on one of the proposed models. Computationalresults are reported for both implemented algorithms on a new set of instances speciallydesigned for the new problem. Additionally, we compare it with recent work for CLRP on instancesfrom the literature obtaining competitive results.Fil: Negrotto, Daniel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesLoiseau, Irene2015-09-24info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://hdl.handle.net/20.500.12110/tesis_n5818_Negrottospainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-04T09:45:48Ztesis:tesis_n5818_NegrottoInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-04 09:45:49.297Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
Algorithms for the prize-collecting capacited location routing problem
title Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
spellingShingle Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
Negrotto, Daniel
PROBLEMA DE LOCALIZACION Y RUTEO DE VEHICULOS
PROGRAMACION LINEAL ENTERA
BRANCH AND CUT
COLONIA DE HORMIGAS
OPTIMIZACION COMBINATORIA
RECOLECCION DE PREMIOS
LOCATION ROUTING PROBLEM
INTEGER LINEAR PROGRAMMING
BRANCH AND CUT
ANT COLONY
COMBINATORIAL OPTIMIZATION
PRIZE-COLLECTING
title_short Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
title_full Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
title_fullStr Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
title_full_unstemmed Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
title_sort Algoritmos para el problema de localización y ruteo de vehículos con capacidades y premios
dc.creator.none.fl_str_mv Negrotto, Daniel
author Negrotto, Daniel
author_facet Negrotto, Daniel
author_role author
dc.contributor.none.fl_str_mv Loiseau, Irene
dc.subject.none.fl_str_mv PROBLEMA DE LOCALIZACION Y RUTEO DE VEHICULOS
PROGRAMACION LINEAL ENTERA
BRANCH AND CUT
COLONIA DE HORMIGAS
OPTIMIZACION COMBINATORIA
RECOLECCION DE PREMIOS
LOCATION ROUTING PROBLEM
INTEGER LINEAR PROGRAMMING
BRANCH AND CUT
ANT COLONY
COMBINATORIAL OPTIMIZATION
PRIZE-COLLECTING
topic PROBLEMA DE LOCALIZACION Y RUTEO DE VEHICULOS
PROGRAMACION LINEAL ENTERA
BRANCH AND CUT
COLONIA DE HORMIGAS
OPTIMIZACION COMBINATORIA
RECOLECCION DE PREMIOS
LOCATION ROUTING PROBLEM
INTEGER LINEAR PROGRAMMING
BRANCH AND CUT
ANT COLONY
COMBINATORIAL OPTIMIZATION
PRIZE-COLLECTING
dc.description.none.fl_txt_mv El problema de Localización y Ruteo de Vehículos con Capacidades (CLRP) es la combinación dedos problemas muy estudiados del área de la Investigación Operativa: el problema de localizaciónde depósitos con capacidades (CFLP) y el problema de ruteo de vehículos con múltiples depósitos (MDVRP). Dado un conjunto de posibles localizaciones se busca determinar cuáles utilizar para satisfacer las demandas de un conjunto de clientes y programar las rutas que los visitan. Se buscaminimizar los costos de apertura de depósitos, de utilización de vehículos y de ruteo satisfaciendorestricciones de capacidad tanto en los vehículos como en los depósitos. En este trabajo se presenta una nueva versión del problema denominada Localización y Ruteode Vehículos con Capacidades y Premios (PC-CLRP) que busca generalizar el problema CLRPpermitiendo la posibilidad de que los clientes sean o no visitados. Los clientes atendidos otorganun beneficio y la maximización de la suma de los beneficios forma parte del objetivo del nuevo problema. Se proponen en este trabajo algoritmos para el problema PC-CLRP. En primer lugar se introduceun algoritmo metaheurístico para resolverlo basado en el método de optimización por Colonia de Hormigas. Se implementa una metaheurística de 3 colonias de hormigas que colaboranconstruyendo las distintas etapas de una solución PC-CLRP: localización, clusterizado yruteo. Posteriormente, se presentan modelos de programación lineal entera basadas en modelosde flujo de 2 índices y 3 índices. Se analizan distintas familias de desigualdades válidas utilizadaspara CLRP y se proponen nuevas versiones de las mismas para el problema PC-CLRP. Además,se definen nuevas desigualdades válidas y cortes de optimalidad junto a sus correspondientes algoritmosde separación. Por último, se implementa un algoritmo Branch&Cut utilizando uno delos modelos de programación lineal entera propuestos. Se reportan los resultados obtenidos porambos algoritmos para el problema PC-CLRP sobre un conjunto de instancias especialmentedise~nadas para el nuevo problema. Se compara además los resultados frente a los reportados enotros trabajos sobre el problema CLRP obteniendo resultados competitivos.
The Capacitated Location Routing Problem (CLRP) is the combination of two well studiedproblems in Operations Research: Capacitated Facility Location Problem (CFLP) and Multiple Depots Vehicles Routing Problem (MDVRP). Given a set of available locations, the aim is tofind a subset of depots to satisfy customer demands and to determine the routes to visit thecustomers. The objective is to minimize the cost of the opened depots, the fixed cost of thevehicles in use and the cost of the routes satisfying vehicle and depot capacity constraints. In this work we present a new version of the problem named Prize-Collecting Capacitated Location Routing Problem (PC-CLRP). This problem is a generalization of CLRP where customershave not the requirement to be visited. A customer gives a benefit if it is considered as part ofthe proposed solution. The maximization of this benefits is a new objective for this problem. We proposed an algorithmic approach to solving PC-CLRP. First, we introduce a new meta-heuristic algorithm based on the Ant Colony Optimizationalgorithm. Our ant algorithm optimizes the 3 levels of decision: location, clustering and routing. Next, we present new models based on two-index and three-index ow integer linear programmingformulations. Known valid inequalities for CLRP are analyzed and adapted for PC-CLRP. This is complemented with the development of new valid inequalities and optimality cuts andtheir corresponding separation algorithms. Finally, we implement a Branch&Cut algorithm based on one of the proposed models. Computationalresults are reported for both implemented algorithms on a new set of instances speciallydesigned for the new problem. Additionally, we compare it with recent work for CLRP on instancesfrom the literature obtaining competitive results.
Fil: Negrotto, Daniel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description El problema de Localización y Ruteo de Vehículos con Capacidades (CLRP) es la combinación dedos problemas muy estudiados del área de la Investigación Operativa: el problema de localizaciónde depósitos con capacidades (CFLP) y el problema de ruteo de vehículos con múltiples depósitos (MDVRP). Dado un conjunto de posibles localizaciones se busca determinar cuáles utilizar para satisfacer las demandas de un conjunto de clientes y programar las rutas que los visitan. Se buscaminimizar los costos de apertura de depósitos, de utilización de vehículos y de ruteo satisfaciendorestricciones de capacidad tanto en los vehículos como en los depósitos. En este trabajo se presenta una nueva versión del problema denominada Localización y Ruteode Vehículos con Capacidades y Premios (PC-CLRP) que busca generalizar el problema CLRPpermitiendo la posibilidad de que los clientes sean o no visitados. Los clientes atendidos otorganun beneficio y la maximización de la suma de los beneficios forma parte del objetivo del nuevo problema. Se proponen en este trabajo algoritmos para el problema PC-CLRP. En primer lugar se introduceun algoritmo metaheurístico para resolverlo basado en el método de optimización por Colonia de Hormigas. Se implementa una metaheurística de 3 colonias de hormigas que colaboranconstruyendo las distintas etapas de una solución PC-CLRP: localización, clusterizado yruteo. Posteriormente, se presentan modelos de programación lineal entera basadas en modelosde flujo de 2 índices y 3 índices. Se analizan distintas familias de desigualdades válidas utilizadaspara CLRP y se proponen nuevas versiones de las mismas para el problema PC-CLRP. Además,se definen nuevas desigualdades válidas y cortes de optimalidad junto a sus correspondientes algoritmosde separación. Por último, se implementa un algoritmo Branch&Cut utilizando uno delos modelos de programación lineal entera propuestos. Se reportan los resultados obtenidos porambos algoritmos para el problema PC-CLRP sobre un conjunto de instancias especialmentedise~nadas para el nuevo problema. Se compara además los resultados frente a los reportados enotros trabajos sobre el problema CLRP obteniendo resultados competitivos.
publishDate 2015
dc.date.none.fl_str_mv 2015-09-24
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/tesis_n5818_Negrotto
url https://hdl.handle.net/20.500.12110/tesis_n5818_Negrotto
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1842340664750112768
score 12.623145