Un algoritmo de optimización de mariposa monarca para el problema de enrutamiento dinámico de vehículos
Autores: Chen, Shifeng; Chen, Rong; Gao, Jian
Idioma: Inglés
Editor: MDPI
Año: 2017
Acceso abierto
Artículo científico
2017
Un algoritmo de optimización de mariposa monarca para el problema de enrutamiento dinámico de vehículos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Problema de enrutamiento de vehículos dinámico
DVRP
Optimización de mariposas monarca
MBO
Estrategia codiciosa
Resultados computacionales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
El problema de enrutamiento de vehículos dinámico (DVRP) es una variante del Problema de Enrutamiento de Vehículos (VRP) en el que los clientes aparecen de forma dinámica. El objetivo es determinar un conjunto de rutas que minimice la distancia total de viaje. En este documento, proponemos un algoritmo de optimización de mariposa monarca (MBO) para resolver DVRPs, utilizando una estrategia codiciosa. Tanto la operación de migración como el operador de ajuste de mariposas solo aceptan la descendencia de individuos de mariposas que tienen mejor aptitud que sus padres. Para mejorar el rendimiento, se implementa un procedimiento de perturbación posterior, para mantener un equilibrio entre la diversificación global y la intensificación local. Los resultados computacionales indican que la técnica propuesta supera a los enfoques existentes en la literatura en cuanto al rendimiento promedio en al menos un 9.38%. Además, se encontraron 12 nuevas mejores soluciones. Esto muestra que esta técnica propuesta produce consistentemente soluciones de alta calidad y supera a otras heurísticas publicadas para el DVRP.
Descripción
El problema de enrutamiento de vehículos dinámico (DVRP) es una variante del Problema de Enrutamiento de Vehículos (VRP) en el que los clientes aparecen de forma dinámica. El objetivo es determinar un conjunto de rutas que minimice la distancia total de viaje. En este documento, proponemos un algoritmo de optimización de mariposa monarca (MBO) para resolver DVRPs, utilizando una estrategia codiciosa. Tanto la operación de migración como el operador de ajuste de mariposas solo aceptan la descendencia de individuos de mariposas que tienen mejor aptitud que sus padres. Para mejorar el rendimiento, se implementa un procedimiento de perturbación posterior, para mantener un equilibrio entre la diversificación global y la intensificación local. Los resultados computacionales indican que la técnica propuesta supera a los enfoques existentes en la literatura en cuanto al rendimiento promedio en al menos un 9.38%. Además, se encontraron 12 nuevas mejores soluciones. Esto muestra que esta técnica propuesta produce consistentemente soluciones de alta calidad y supera a otras heurísticas publicadas para el DVRP.