Resumen

El problema de enrutamiento de vehículos de múltiples compartimentos (MCVRP) se ha aplicado en la entrega de combustible o alimentos, la recolección de residuos y el transporte de ganado. El algoritmo de optimización de colonia de hormigas (ACO) ha sido reconocido como un método eficiente para resolver el VRP y sus variantes. En este artículo, se propone un algoritmo de optimización de colonia de hormigas híbrido mejorado (IHACO) para minimizar el kilometraje total del MCVRP. En primer lugar, se diseña un modelo probabilístico para guiar la búsqueda del algoritmo hacia regiones o soluciones de alta calidad considerando tanto bloques similares de clientes como permutaciones de clientes. Luego, se presenta una regla heurística para generar individuos iniciales e inicializar el modelo probabilístico, lo que puede dirigir la búsqueda hacia las regiones de alta calidad más rápidamente. Además, se desarrolla una nueva búsqueda local utilizando la optimización geométrica para llevar a cabo la explotación desde las regiones prometedoras. Final

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Problema de enrutamiento de vehículos; Algoritmo de optimización de colonia de hormigas; Algoritmo de optimización de colonia de hormigas híbrido; Kilometraje total; Modelo probabilístico; Búsqueda local
• Keywords:Vehicle routing problem; Ant colony optimization algorithm; Hybrid ant colony optimization algorithm; Total mileage; Probabilistic model; Local search