Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/147510
Título : | Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics |
Autoría: | Tordecilla, Rafael D. |
Director: | Juan, Angel A. Panadero, Javier Quintero Araujo, Carlos Leonardo Montoya-Torres, Jairo R. |
Otros: | Universidad de La Sabana |
Resumen : | El transporte y la logística (T&L) son actualmente funciones de gran relevancia en cualquier industria competitiva. La localización de instalaciones o la distribución de mercancías a cientos o miles de clientes son actividades con un alto grado de complejidad, independientemente de si las instalaciones y los clientes se encuentran en todo el mundo o en la misma ciudad. En los sistemas de T&L se pueden tomar un sinnúmero de decisiones alternativas estratégicas, tácticas y operativas; por lo tanto, llegar a una solución óptima —por ejemplo, una solución con el mínimo costo o la máxima utilidad— es un desafío realmente difícil, incluso para las computadoras más potentes que existen hoy en día. Así pues, métodos aproximados, tales como heurísticas, metaheurísticas y simheurísticas, son propuestos para resolver problemas de T&L. Estos métodos no garantizan resultados óptimos, pero ofrecen buenas soluciones en tiempos computacionales cortos. Estas características se vuelven aún más importantes cuando se consideran condiciones de incertidumbre, ya que estas aumentan la complejidad de los problemas de T&L. Modelar la incertidumbre implica introducir fórmulas y procedimientos matemáticos complejos; sin embargo, el realismo del modelo aumenta y, por lo tanto, también su confiabilidad para representar situaciones del mundo real. Los enfoques estocásticos, que requieren el uso de distribuciones de probabilidad, son uno de los enfoques más empleados para modelar parámetros inciertos. Alternativamente, si el mundo real no proporciona suficiente información para estimar de manera confiable una distribución de probabilidad, los enfoques que hacen uso de lógica difusa se convierten en una alternativa para modelar la incertidumbre. Así pues, el objetivo principal de esta tesis es diseñar algoritmos híbridos que combinen simulación difusa y estocástica con métodos aproximados y exactos para resolver problemas de T&L considerando niveles de decisión operativos, tácticos y estratégicos. En primer lugar, se exponen heurísticas y metaheurísticas sesgadas-aleatorizadas para resolver problemas de T&L que solo incluyen parámetros determinísticos. Posteriormente, la simulación Monte Carlo se agrega a estos enfoques para modelar parámetros estocásticos. Por último, se emplean simheurísticas difusas para abordar simultáneamente la incertidumbre difusa y estocástica. |
Palabras clave : | heurísticas aleatorizadas sesgadas simulación Montecarlo simheurísticas lógica difusa problemas de ruteo problemas de localización |
Tipo de documento: | info:eu-repo/semantics/doctoralThesis |
Versión del documento: | info:eu-repo/semantics/publishedVersion |
Fecha de publicación : | 23-feb-2022 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Tesis doctorals |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Tordecilla - PhD Thesis.pdf | Tordecilla_Madera_dissertation | 10,1 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons