Aplicación del modelo WCVRPTW al problema de recolección de residuos sólidos de empresas del sector turístico

Esta investigación presenta la utilización de procedimientos de optimización combinatoria para resolver el problema de la recolección de desechos sólidos en el sector turístico. La recolección de residuos es una actividad importante de logística dentro de las ciudades. Esta problemática se resuelve como el problema de enrutamiento de vehículos para optimizar la recolección de residuos sólidos, y se extiende al problema con capacidad limitada con ventanas de tiempo para aumentar la eficiencia y minimizar el costo total de la ruta de recolección. Esta tesis aborda el VRPTW mediante el uso del algoritmo de recocido simulado con métodos de vecindad para mejorar la solución. Se desarrollan funciones especiales para explorar eficazmente el espacio de búsqueda mediante métodos de vecindad. El enfoque propuesto se evalúa en comparación con las instancias del problema del VRPTW de referencia disponibles en la literatura. Un conjunto de experimentos computacionales demuestra que el recocido simulado mejorado podría producir resultados prometedores en el tiempo computacional de 180 segundos promedio. Los resultados relacionados indican que el algoritmo puede reducir significativamente el costo a un 12.27 % del óptimo global en el conjunto de instancias de prueba RC. Además, nuestra propuesta se emplea para un caso de estudio del mundo real para la recolección de residuos sólidos y con ello se puede comprobar la efectividad de optimizar las rutas de recolección para la instancia real de prueba. Debido a la rica naturaleza del problema, los solucionadores comerciales de vanguardia solo pueden abordar instancias de tamaño pequeño a mediano. Para resolver casos reales, proponemos un recocido simulado capaz de tratar sistemáticamente todas las características del problema y lo suficientemente general como para responder a las diferentes características de las regiones del caso de estudio para el cual está destinado. Los resultados muestran que la heurística logra la optimización de la instancia, exhibe un rendimiento competitivo en comparación con métodos de solución de vanguardia para casos especiales de nuestro problema, y con ello se pretende conducir a importantes ahorros en el estado de práctica.

This research presents an application of combinatorial optimization techniques to address solid waste collection in the tourism sector. The waste collection is an important logistics activity within cities. This problem is modeled as the vehicle routing problem to improve the efficiency of solid waste collection and extends to the problem with limited capacity with time windows to increase efficiency and minimize the total cost of the collection route. This thesis addresses the VRPTW by using the simulated annealing algorithm with neighborhood methods to improve the solution. Special neighborhood methods are developed to effectively explore the space search. The proposed approach is evaluated and compared to the VRPTW benchmark instances available in the literature. A set of computational experiments shows that improved simulated annealing could produce promising results in the computational time average of 180 seconds. The related results indicate that the algorithm can significantly reduce the cost to 12.27% of the global optimum in the set of test instances RC. In addition, our proposal is used for a real-world case study of a solid waste collection and with this we were able to verify the effectiveness of optimizing the collection routes for the actual test instance. Due to the rich nature of the problem, leading edge business solvers can only address small to medium-sized instances. To solve real cases, we propose a simulated annealing capable of systematically treating all the characteristics of the problem and general enough to respond to the different characteristics of the case study regions for which it is intended. The results show that heuristics achieve in-instance optimization, exhibit competitive performance compared to leading-edge solution methods for special cases of our problem, and it is intended to lead to significant savings in practice.