Uma abordagem para o problema da optimização de rotas de veículos baseada em operadores genéticos

G. Schütz *

F. M. Pires †

* Escola Superior de Tecnologia - Universidade do Algarve

† Faculdade de Ciências e Tecnologia - Universidade do Algarve

mpires@ualg.pt

 

 

Title: A Genetic Based Approach to the Vehicle Routing Problem

Abstract

In its basic form the vehicle routing problem (VRP) consists of serving a set of clients with known locations and demands by a fixed fleet of vehicles of limited capacity, minimizing the total route length. All vehicles are located at a common depot with known location.

This is a NP-hard problem. The few methods developed to solve the problem exactly are very time consuming and they are only feasible for small dimension problems. So, the most efficient approaches are based on heuristic algorithms. More recently some meta-heuristics, mainly based on Tabu search, have been developed to the VRP.

In this work we present a Genetic algorithm to the basic version of the VRP. We describe the way we have adjusted the genetic operators to the problem. We report and analyse the results of a computational study with a set of known test problems.

Keywords: Vehicle Routing Problem, Heuristics, Genetic Algorithms

 

 

Resumo

A versão básica do Problema da Optimização de Rotas de Veículos consiste em determinar um conjunto de rotas a efectuar por uma frota de veículos, estacionada num depósito central, para servir um conjunto fixo de clientes, minimizando a distância total percorrida. O número de veículos e respectivas capacidades, as localizações e procuras dos clientes, bem como a localização do depósito são conhecidas.

Este problema pertence à classe dos problemas NP-difíceis. Os poucos métodos exactos que foram desenvolvidos para o resolver são demasiado demorados e apenas exequíveis para a generalidade dos problemas de pequena dimensão (até cerca de 50 clientes). Assim, as abordagens mais comuns e eficientes baseiam-se em métodos heurísticos. Mais recentemente várias meta-heurísticas, principalmente baseadas em Pesquisa Tabu, têm sido desenvolvidas para o Problema da Optimização de Rotas de Veículos.

Neste trabalho expõe-se um Algoritmo Genético para a versão básica do Problema de Optimização de Rotas de Veículos. Apresenta-se a forma como se adaptaram os operadores genéticos a este problema. Descreve-se o estudo computacional realizado, com um conjunto de problemas-teste conhecidos da literatura, e analisam-se os resultados obtidos.

 

Texto completo disponível apenas em PDF.

Full text only available in PDF format.

 

 

Bibliografia

1. BULLNHEIMER, B.; R. F. HARTL; C. STRAUSS, Applying the ant system to the vehicle routing problem, in Metaheuristics: Advances and Trends in Local Search for Optimization, editado por S. Voss, S. Martello, I. Osman, C. Roucairol, Kluwer Academic Publishers (1999).         [ Links ]

2. CHRISTOFIDES, N.; A. MINGOZZI; P. TOTH, The vehicle routing problem, in Combinatorial Optimization, editado por N. Christofides, A. Mingozzi, P. Toth e C. Sandi, John Wiley (1979).         [ Links ]

3. EILON, S.; C. WATSON-GRANDY; N. CHRISTOFIDES, Distribution Management: Mathematical Modelling and Practical Analysis, Griffin London (1971).         [ Links ]

4. FISHER, M., Optimal solution of vehicle routing problems using minimum k-trees, Ops. Res. 42 (1994) 626-642.         [ Links ]

5. FISHER, M. e R. JAIKUMAR, A decomposition algorithm for large-scale vehicle routing, Work. Pap. 78-11-05, Dep. of Decision Sciences, Univ. Pennsylvania, Philadelphia (1978).         [ Links ]

6. GENDREAU, M.; A. HERTZ; G. LAPORTE (1994), A tabu search heuristic for the vehicle routing problem, Manag. Sci. 40 (1994) 1276-1290.         [ Links ]

7. GOLDBERG, D., Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley Publishing Company (1989).         [ Links ]

8. GOLDEN, B.; L. BODIN; T. DOYLE; W. STEWART, Aproximate travelling salesman algorithms, Ops. Res. 28 (1980) 694-711.         [ Links ]

9. HADJICONSTANTINOU E.; N. CHRISTOFIDES; A. MINGOZZI, A new exact algorithm for the vehicle routing problem based on q-path and k-shortest path relaxations, Ann. Ops. Res. 61 (1995) 21-44.         [ Links ]

10. HOLLAND, J., Adaptation in natural and artificial systems, University of Michigan Press, Ann Arbor (1975).         [ Links ]

11. KELLY, J. e J. XU, A set partitioning-based heuristic for the vehicle routing problem, INFORMS J. Computing 11 (1999) 161-172.         [ Links ]

12. LENSTRA, J. e A. RINNOOY KAN, Complexity of vehicle routing and scheduling problems, Networks 11 (1981) 221-227.         [ Links ]

13. OSMAN, I., Metastrategy simulated annealing and tabu search algorithms for the vehicle routing problem, Ann. Ops. Res. 41 (1993) 421-451.         [ Links ]

14. POTVIN, J.-Y., Genetic algorithms for the traveling salesman problem, Ann. Ops. Res. 63 (1996) 339-370.         [ Links ]

15. ROCHAT, Y. e E. TAILLARD, Probabilistic diversification and intensification in local search for vehicle routing, J. of Heuristics 1 (1995) 147-167.         [ Links ]

16. SCHÜTZ, G., Resolução de Problemas de Optimização Combinatória em Máquinas Paralelas, Tese de Doutoramento, Universidade do Algarve (1999).         [ Links ]

17. SYSLO, M.; N. DEO; J. KOWALIK, Discrete Optimization Algorithms with PASCAL Programs, Prentice-Hall (1983).         [ Links ]

18. TAILLARD, E., Parallel iterative search methods for vehicle routing problems, Networks 23 (1993) 661-673.         [ Links ]