Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics

Transportation and logistics (T&L) are currently highly relevant functions in any competitive industry. Locating facilities or distributing goods to hundreds or thousands of customers are activities with a high degree of complexity, regardless of whether facilities and customers are placed all o...

Descripción completa

Detalles Bibliográficos
Autor: Tordecilla Madera, Rafael David
Tipo de recurso: tesis doctoral
Estado:Versión publicada
Fecha de publicación:2022
País:España
Institución:CBUC, CESCA
Repositorio:TDR. Tesis Doctorales en Red
OAI Identifier:oai:www.tdx.cat:10803/687730
Acceso en línea:http://hdl.handle.net/10803/687730
Access Level:acceso abierto
Palabra clave:heurístiques aleatoritzades esbiaixades
heurísticas aleatorizadas sesgadas
biased-randomized heuristics
simulació Montecarlo
simulación Montecarlo
Monte Carlo simulation
simheurístiques
simheurísticas
simheuristics
lògica difusa
lógica difusa
fuzzy logic
problemes de ruteig
problemas de ruteo
routing problems
problemes de localització
problemas de localización
location problems
Logística
004
625
id ES_089438fd3cea4d2189e282ddfa68e5f0
oai_identifier_str oai:www.tdx.cat:10803/687730
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
title Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
spellingShingle Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
Tordecilla Madera, Rafael David
heurístiques aleatoritzades esbiaixades
heurísticas aleatorizadas sesgadas
biased-randomized heuristics
simulació Montecarlo
simulación Montecarlo
Monte Carlo simulation
simheurístiques
simheurísticas
simheuristics
lògica difusa
lógica difusa
fuzzy logic
problemes de ruteig
problemas de ruteo
routing problems
problemes de localització
problemas de localización
location problems
Logística
004
625
title_short Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
title_full Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
title_fullStr Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
title_full_unstemmed Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
title_sort Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristics
dc.creator.none.fl_str_mv Tordecilla Madera, Rafael David
author Tordecilla Madera, Rafael David
author_facet Tordecilla Madera, Rafael David
author_role author
dc.contributor.none.fl_str_mv Juan Pérez, Ángel Alejandro
Panadero, Javier
Quintero Araujo, Carlos Leonardo
Montoya-Torres, Jairo R.
Universitat Oberta de Catalunya. Escola de Doctorat
dc.subject.none.fl_str_mv heurístiques aleatoritzades esbiaixades
heurísticas aleatorizadas sesgadas
biased-randomized heuristics
simulació Montecarlo
simulación Montecarlo
Monte Carlo simulation
simheurístiques
simheurísticas
simheuristics
lògica difusa
lógica difusa
fuzzy logic
problemes de ruteig
problemas de ruteo
routing problems
problemes de localització
problemas de localización
location problems
Logística
004
625
topic heurístiques aleatoritzades esbiaixades
heurísticas aleatorizadas sesgadas
biased-randomized heuristics
simulació Montecarlo
simulación Montecarlo
Monte Carlo simulation
simheurístiques
simheurísticas
simheuristics
lògica difusa
lógica difusa
fuzzy logic
problemes de ruteig
problemas de ruteo
routing problems
problemes de localització
problemas de localización
location problems
Logística
004
625
description Transportation and logistics (T&L) are currently highly relevant functions in any competitive industry. Locating facilities or distributing goods to hundreds or thousands of customers are activities with a high degree of complexity, regardless of whether facilities and customers are placed all over the globe or in the same city. A countless number of alternative strategic, tactical, and operational decisions can be made in T&L systems; hence, reaching an optimal solution – e.g., a solution with the minimum cost or the maximum profit – is a really difficult challenge, even with the most powerful of computers. Approximate methods, such as heuristics, metaheuristics, and simheuristics, may be used to solve T&L problems. They do not guarantee optimal results, but they yield good solutions in short computational times. These characteristics become even more important when considering uncertainty conditions, since they increase T&L problems’ complexity. Modeling uncertainty involves the introduction of complex mathematical formulas and procedures, however, the model realism increases and, therefore, so does its reliability in representing real world situations. Stochastic approaches, which require the use of probability distributions, are among the approaches employed most often to model uncertain parameters. Alternatively, if the real world does not provide enough information to reliably estimate a probability distribution, then fuzzy logic approaches become an alternative to model uncertainty. Hence, the main objective of this thesis is to design hybrid algorithms that combine fuzzy and stochastic simulation with approximate and exact methods to solve T&L problems considering operational, tactical, and strategic decision levels. Therefore, biased-randomized heuristics and metaheuristics are firstly explained to solve T&L problems that only include deterministic parameters. Later, Monte Carlo simulation is introduced to these approaches to deal with stochastic parameters. Finally, fuzzy simheuristics are employed to address simultaneously fuzzy and stochastic uncertainty.
publishDate 2022
dc.date.none.fl_str_mv 2022
2023
2023
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/10803/687730
url http://hdl.handle.net/10803/687730
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 242 p.
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya
publisher.none.fl_str_mv Universitat Oberta de Catalunya
dc.source.none.fl_str_mv TDX (Tesis Doctorals en Xarxa)
reponame:TDR. Tesis Doctorales en Red
instname:CBUC, CESCA
instname_str CBUC, CESCA
reponame_str TDR. Tesis Doctorales en Red
collection TDR. Tesis Doctorales en Red
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869403051022876672
spelling Optimizing transportation systems and logistics network configurations: from biased-randomized algorithms to fuzzy simheuristicsTordecilla Madera, Rafael Davidheurístiques aleatoritzades esbiaixadesheurísticas aleatorizadas sesgadasbiased-randomized heuristicssimulació Montecarlosimulación MontecarloMonte Carlo simulationsimheurístiquessimheurísticassimheuristicslògica difusalógica difusafuzzy logicproblemes de ruteigproblemas de ruteorouting problemsproblemes de localitzacióproblemas de localizaciónlocation problemsLogística004625Transportation and logistics (T&L) are currently highly relevant functions in any competitive industry. Locating facilities or distributing goods to hundreds or thousands of customers are activities with a high degree of complexity, regardless of whether facilities and customers are placed all over the globe or in the same city. A countless number of alternative strategic, tactical, and operational decisions can be made in T&L systems; hence, reaching an optimal solution – e.g., a solution with the minimum cost or the maximum profit – is a really difficult challenge, even with the most powerful of computers. Approximate methods, such as heuristics, metaheuristics, and simheuristics, may be used to solve T&L problems. They do not guarantee optimal results, but they yield good solutions in short computational times. These characteristics become even more important when considering uncertainty conditions, since they increase T&L problems’ complexity. Modeling uncertainty involves the introduction of complex mathematical formulas and procedures, however, the model realism increases and, therefore, so does its reliability in representing real world situations. Stochastic approaches, which require the use of probability distributions, are among the approaches employed most often to model uncertain parameters. Alternatively, if the real world does not provide enough information to reliably estimate a probability distribution, then fuzzy logic approaches become an alternative to model uncertainty. Hence, the main objective of this thesis is to design hybrid algorithms that combine fuzzy and stochastic simulation with approximate and exact methods to solve T&L problems considering operational, tactical, and strategic decision levels. Therefore, biased-randomized heuristics and metaheuristics are firstly explained to solve T&L problems that only include deterministic parameters. Later, Monte Carlo simulation is introduced to these approaches to deal with stochastic parameters. Finally, fuzzy simheuristics are employed to address simultaneously fuzzy and stochastic uncertainty.El transporte y la logística (T&L) son actualmente funciones de gran relevancia en cualquier industria competitiva. La localización de instalaciones o la distribución de mercancías a cientos o miles de clientes son actividades con un alto grado de complejidad, independientemente de si las instalaciones y los clientes se encuentran en todo el mundo o en la misma ciudad. En los sistemas de T&L se pueden tomar un sinnúmero de decisiones alternativas estratégicas, tácticas y operativas; por lo tanto, llegar a una solución óptima —por ejemplo, una solución con el mínimo costo o la máxima utilidad— es un desafío realmente difícil, incluso para las computadoras más potentes que existen hoy en día. Así pues, métodos aproximados, tales como heurísticas, metaheurísticas y simheurísticas, son propuestos para resolver problemas de T&L. Estos métodos no garantizan resultados óptimos, pero ofrecen buenas soluciones en tiempos computacionales cortos. Estas características se vuelven aún más importantes cuando se consideran condiciones de incertidumbre, ya que estas aumentan la complejidad de los problemas de T&L. Modelar la incertidumbre implica introducir fórmulas y procedimientos matemáticos complejos; sin embargo, el realismo del modelo aumenta y, por lo tanto, también su confiabilidad para representar situaciones del mundo real. Los enfoques estocásticos, que requieren el uso de distribuciones de probabilidad, son uno de los enfoques más empleados para modelar parámetros inciertos. Alternativamente, si el mundo real no proporciona suficiente información para estimar de manera confiable una distribución de probabilidad, los enfoques que hacen uso de lógica difusa se convierten en una alternativa para modelar la incertidumbre. Así pues, el objetivo principal de esta tesis es diseñar algoritmos híbridos que combinen simulación difusa y estocástica con métodos aproximados y exactos para resolver problemas de T&L considerando niveles de decisión operativos, tácticos y estratégicos. En primer lugar, se exponen heurísticas y metaheurísticas sesgadas-aleatorizadas para resolver problemas de T&L que solo incluyen parámetros determinísticos. Posteriormente, la simulación Monte Carlo se agrega a estos enfoques para modelar parámetros estocásticos. Por último, se emplean simheurísticas difusas para abordar simultáneamente la incertidumbre difusa y estocástica.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.Tecnologies de la informació i de xarxesUniversitat Oberta de CatalunyaJuan Pérez, Ángel AlejandroPanadero, JavierQuintero Araujo, Carlos LeonardoMontoya-Torres, Jairo R.Universitat Oberta de Catalunya. Escola de Doctorat202320232022info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersion242 p.application/pdfhttp://hdl.handle.net/10803/687730TDX (Tesis Doctorals en Xarxa)reponame:TDR. Tesis Doctorales en Redinstname:CBUC, CESCAInglésL'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:www.tdx.cat:10803/6877302026-06-14T12:46:07Z
score 15,301603

Similares en LA Referencia