Solving the Assignment of Customers to Trucks and Visit Days in a Periodic Routing Real-World Case

• Autores: Andrés Felipe Duque Correa, María Gulnara Baldoquín de la Peña
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 22, Nº. 1, 2018, págs. 53-76
• Idioma: inglés
• Títulos paralelos:
  • Solución a la asignación de clientes a camiones y días de visita en un caso real de ruteo periódico
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Resumen Introducción: Este trabajo propone un modelo y dos algoritmos heurísticos para asignar clientes a camiones y días de visita como una primera fase en la solución de un problema de ruteo, que está estrechamente relacionado con el PVRP (Periodic Vehicle Routing Problem), aunque una decisión estratégica de la compañía impone la restricción adicional, de que cada cliente debe ser siempre visitado por el mismo camión. Métodos: el modelo propuesto tiene como objetivo agrupar a los clientes que son visitados el mismo día por el mismo camión lo más cerca posible por medio de clustering basado en centroides. La primera heurística propuesta tiene una etapa constructiva y tres heurísticas subyacentes de mejora, mientras que la segunda usa un algoritmo de programación lineal exacto. Resultados: los algoritmos son evaluados por instancias tomadas de la literatura y generadas, teniendo en cuenta las características presentadas en el caso real abordado.

  • English

    Abstract Introduction: This work proposes a model and two heuristic algorithms to assign customers to trucks and visit days as a first phase in the solution of a real-world routing problem, which is closely related to the PVRP (Periodic Vehicle Routing Problem), but a strategic decision of the company imposes the additional constraint that every customer must always be visited by the same truck. Methods: The proposed model will group the customers that are visited the same day by the same truck as close as possible by means of centroid-based clustering. The first proposed heuristic has a constructive stage and three underlying improvement heuristics, while the second uses an exact linear programming algorithm. Results: The algorithms are evaluated by instances taken from the literature and generated, taking into account the characteristics presented in the real-world case.