Método de descomposición para optimización multiobjetivo del procesamiento por lotes de pedidos

• Autores: Miguel, Fabio Maximiliano; Frutos, Mariano; Méndez, Máximo; González, Begoña
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; JOBPRP; Metaheurísticas; Algoritmo evolutivo; Metaheuristics; Evolutionary algorithm
• Institución: Universidad Nacional de La Plata

El crecimiento del comercio electrónico, junto con la creciente demanda de prácticas logísticas sostenibles, ha incrementado las exigencias en términos de eficiencia y calidad en la gestión de pedidos. En este contexto, y con el objetivo de analizar los enfoques más adecuados para el problema de agrupación y preparación de pedidos, se introduce una variante del JOBPRP que busca optimizar dos criterios: la reducción de costos operativos y el equilibrio en la distribución de la carga de trabajo. Los algoritmos evolutivos representan una alternativa viable para la optimización multiobjetivo; sin embargo, pueden presentar dificultades en la convergencia y la diversidad cuando se enfrentan a frentes de Pareto con estructuras irregulares. Por ello, se ha evaluado el rendimiento del Algoritmo Evolutivo Multiobjetivo Basado en Descomposición (MOEA/D). Para ello, se llevó a cabo un estudio comparativo en el que se analizaron distintas estrategias de escalarización aplicadas a un conjunto amplio de experimentos con instancias de diversa magnitud. El desempeño del algoritmo se evaluó a través de métricas como el hipervolumen, la distancia media a la solución ideal y la dispersión de las soluciones no dominadas. Los resultados obtenidos sugieren que el MOEA/D, cuando se utiliza con el método de AASF, muestra un rendimiento competitivo en términos de hipervolumen promedio y dispersión de las soluciones a lo largo de los frentes de Pareto.
The growth of e-commerce, coupled with the increasing demand for sustainable logistics practices, has heightened the requirements for efficiency and quality in order management. In this context, and with the aim of analyzing the most suitable approaches to the order batching and picking problem, a variant of the JOBPRP is introduced, which seeks to optimize two criteria: the reduction of operational costs and the balancing of workload distribution. Evolutionary algorithms represent a viable alternative for multi-objective optimization; however, they may exhibit challenges in convergence and diversity when dealing with Pareto fronts of irregular structure. Therefore, the performance of the Multi-Objective Evolutionary Algorithm based on Decomposition (MOEA/D) was evaluated. A comparative study was conducted to analyze different scalarization strategies applied to a large set of experiments involving instances of varying size. The algorithm's performance was assessed using metrics such as hypervolume, average distance to the ideal solution, and the spread of non-dominated solutions. The results suggest that MOEA/D, when employed with the AASF method, exhibits competitive performance in terms of average hypervolume and the dispersion of solutions along the Pareto fronts.
Sociedad Argentina de Informática e Investigación Operativa