Autor: Rafael David Tordecilla Madera
Programa: Doctorat de Tecnologies de la Informació i de Xarxes
Idioma: Anglès
Direcció: Dr. Àngel A. Juan Pérez & Dr. Javier Panadero Martínez

Departament / Institut:  Escola de Doctorat UOC
Matèries: Informàtica
Paraules clau: heurístiques aleatoritzades esbiaixades, simulació Montecarlo, simheurístiques, lògica difusa, problemes de ruteig, problemes de localització

Àrea de coneixement: Tecnologies de la Informació i de Xarxes

+ Enllaç al projecte

Resum

El transport i la logística (T&L) són actualment funcions de gran rellevància a qualsevol indústria competitiva. La localització d'instal·lacions o la distribució de mercaderies a centenars o milers de clients són activitats amb un alt grau de complexitat, independentment de si les instal·lacions i els clients es troben a tot el món o a la mateixa ciutat. En els sistemes de T&L es poden prendre un gran nombre de decisions alternatives estratègiques, tàctiques i operatives; per tant, arribar a una solució òptima —per exemple, una solució amb el mínim cost o la màxima utilitat— és un desafiament realment difícil, fins i tot per als ordinadors més potents que hi ha avui dia. Així doncs, mètodes aproximats, com ara heurístiques, metaheurístiques i simheurístiques, són proposats per resoldre problemes de T&L. Aquests mètodes no garanteixen resultats òptims, però ofereixen bones solucions en temps computacionals curts. Aquestes característiques esdevenen encara més importants quan es consideren condicions d'incertesa, ja que augmenten la complexitat dels problemes de T&L. Modelar la incertesa implica introduir fórmules i procediments matemàtics complexos; però el realisme del model augmenta i, per tant, també la seva confiabilitat per representar situacions del món real. Els enfocaments estocàstics, que requereixen l'ús de distribucions de probabilitat, són un dels enfocaments més emprats per modelar paràmetres incerts. Alternativament, si el món real no proporciona prou informació per estimar de manera fiable una distribució de probabilitat, els enfocaments que fan ús de lògica difusa es converteixen en una alternativa per modelar la incertesa. Així doncs, l'objectiu principal d'aquesta tesi és dissenyar algorismes híbrids que combinin simulació difusa i estocàstica amb mètodes aproximats i exactes per resoldre problemes de T&L considerant nivells de decisió operatius, tàctics i estratègics. En primer lloc, s'exposen heurístiques i metaheurístiques esbiaixades-aleatoritzades per resoldre problemes de T&L que només inclouen paràmetres determinístics. Posteriorment, la simulació Monte Carlo s'afegeix a aquests enfocaments per modelar paràmetres estocàstics. Finalment, es fan servir simheurístiques difuses per abordar simultàniament la incertesa difusa i estocàstica.