Algoritmo evolutivo generador de rutas eficientes para el transporte público

• Miguel Jiménez-Carrión ^[1] ; Alejandro B. Jiménez-Panta ^[2] ; Margaret A. Coaquira-Velásquez ^[3]
  1. [1] Universidad Nacional de Piura

     Universidad Nacional de Piura

     Piura, Perú

     
  2. [2] Pontificia Universidad Católica del Perú

     Pontificia Universidad Católica del Perú

     Perú

     
  3. [3] Universidad Nacional del Altiplano

     Universidad Nacional del Altiplano

     Puno, Perú

     

  Mostrar afiliaciones +
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 34, Nº. 1 (Febrero), 2023, págs. 71-88
• Idioma: español
• Títulos paralelos:
  • Evolutionary algorithm for generating efficient routes in public transport
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El principal objetivo del presente trabajo fue implementar un prototipo computacional generador de rutas de transporte urbano, inspirado en la teoría de la evolución, para hacerle frente al problema de búsqueda combinatoria compleja de una red de transporte público. El prototipo utiliza el lenguaje de programación Python para la codificación y utiliza la metaheurística conocida como algoritmos genéticos (AG). Los resultados muestran que el prototipo computacional es preciso y rápido, entregando soluciones altamente eficientes en cada ejecución para el problema de transporte urbano. Los resultados fueron validados en la red Swiss Road de Mandl’s, demostrando ser mejores soluciones que los presentados en estudios anteriores. En conclusión, el proceso evolutivo del prototipo computacional converge soluciones altamente satisfactorias debido a los mecanismos innovadores de operadores genéticos de cruza, mutación y función de calidad, ponderando de igual forma a los parámetros que la integran.

  • English

    The primary objective of this study was to implement a computational prototype generator for urban transport routes, inspired by the theory of evolution, to solve the problem of complex combinatorial search in a public transport network. The prototype employed the Python programming language for coding and the metaheuristics known as genetic algorithm (GA). The results showed that the computational prototype was accurate and fast, providing highly efficient solutions for each execution in the urban transport network. The prototype was validated against Mandl's Swiss Road network and achieved better solutions than those presented by previous studies. In conclusion, the evolutionary process of the computational prototype developed here converges to highly satisfactory results due to the innovative mechanisms of genetic crossover, mutation, and quality function operators that equally weight the parameters that comprise it