Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery

Esta tesis doctoral propone un conjunto de soluciones innovadoras para problemas complejos de optimización logística, utilizando una rama de la Inteligencia Artificial conocida como Computación Evolutiva, mediante la utilización de algoritmos bioinspirados. Además de los algoritmos bioinspirados, en...

Descripción completa

Detalles Bibliográficos
Autor: Moreno Saavedra, Luis Miguel|||0009-0004-9211-8491
Tipo de recurso: tesis doctoral
Fecha de publicación:2025
País:España
Institución:Universidad de Alcalá (UAH)
Repositorio:e_Buah Biblioteca Digital Universidad de Alcalá
Idioma:inglés
OAI Identifier:oai:ebuah.uah.es:10017/66667
Acceso en línea:http://hdl.handle.net/10017/66667
Access Level:acceso abierto
Palabra clave:Inteligencia artificial
Heurística
Telecomunicaciones
Telecommunication
id ES_b58ddd95fb0c2232db90fee0c154b749
oai_identifier_str oai:ebuah.uah.es:10017/66667
network_acronym_str ES
network_name_str España
repository_id_str
spelling Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile DeliveryMoreno Saavedra, Luis Miguel|||0009-0004-9211-8491Inteligencia artificialHeurísticaTelecomunicacionesTelecommunicationEsta tesis doctoral propone un conjunto de soluciones innovadoras para problemas complejos de optimización logística, utilizando una rama de la Inteligencia Artificial conocida como Computación Evolutiva, mediante la utilización de algoritmos bioinspirados. Además de los algoritmos bioinspirados, en esta tesis se utilizan también algoritmos clásicos de agrupación, perteneciente a otra rama de la Inteligencia Artificial conocida como Aprendizaje Máquina. El trabajo se enmarca en tres líneas de investigación de especial relevancia en los últimos años: el crecimiento del comercio electrónico debido a la pandemia mundial de CoViD-19, la necesidad de modelos logísticos más sostenibles con el medioambiente debido a la Agenda 2030 para el Desarrollo Sostenible, y el despliegue inteligente de tecnologías de vigilancia debido a la creciente cantidad de conflictos armados en los últimos años. Estas tres áreas, aunque distintas en su naturaleza, comparten la necesidad común de abordar problemas logísticos combinatorios, dinámicos y con múltiples restricciones, dónde los métodos tradicionales resultan ineficientes. En el contexto del comercio electrónico, se propone una metodología de asignación eficiente de cargas de trabajo en sistemas de reparto de última milla, utilizando una unión de un algoritmo evolutivo y algoritmos de agrupamiento para equilibrar la carga de trabajo entre repartidores, optimizando rutas y tiempos de entrega. En cuanto a la logística verde, se abordan dos problemas: por un lado, la reasignación inteligente de vehículos ecológicos entre ciudades con Zonas de Bajas Emisiones (ZBE); por otro, la planificación de rutas óptimas para la recogida de residuos electrónicos (E-Waste), teniendo en cuenta costes operativos, ambientales y acústicos. En ambos casos, se desarrollan algoritmos evolutivos y heurísticos que permiten mejorar la sostenibilidad y eficiencia del sistema logístico. Por último, para el despliegue óptimo de sensores en entornos sensibles, se presenta una hibridación entre un algoritmo evolutivo y un algoritmo constructivo o iterativo que reduce los tiempos de convergencia y la carga computacional. En este problema el objetivo es maximizar el área cubierta por cada uno de los sensores, asegurando unos requisitos de seguridad en una determinada instalación crítica, minimizando el coste monetario a su vez. En conjunto, los resultados obtenidos demuestran la eficacia de los algoritmos bioinspirados en la resolución de problemas logísticos complejos, ofreciendo soluciones eficientes, sostenibles y adaptadas a contextos reales. La tesis, por tanto, contribuye al desarrollo de una logística inteligente, equitativa y respetuosa con el medio ambiente, alineada con los retos actuales de la sociedad y de la industria.Jiménez Fernández, SilviaPortilla Figueras, José Antonio20252025-01-01doctoral thesishttp://purl.org/coar/resource_type/c_db06NAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/10017/66667reponame:e_Buah Biblioteca Digital Universidad de Alcaláinstname:Universidad de Alcalá (UAH)Inglésengopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:ebuah.uah.es:10017/666672026-06-18T11:13:07Z
dc.title.none.fl_str_mv Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
title Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
spellingShingle Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
Moreno Saavedra, Luis Miguel|||0009-0004-9211-8491
Inteligencia artificial
Heurística
Telecomunicaciones
Telecommunication
title_short Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
title_full Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
title_fullStr Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
title_full_unstemmed Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
title_sort Novel Metaheuristics and Machine Learning Approaches for Solving Logistics Problems: Resource Allocation, Collection, and Last-Mile Delivery
dc.creator.none.fl_str_mv Moreno Saavedra, Luis Miguel|||0009-0004-9211-8491
author Moreno Saavedra, Luis Miguel|||0009-0004-9211-8491
author_facet Moreno Saavedra, Luis Miguel|||0009-0004-9211-8491
author_role author
dc.contributor.none.fl_str_mv Jiménez Fernández, Silvia
Portilla Figueras, José Antonio
dc.subject.none.fl_str_mv Inteligencia artificial
Heurística
Telecomunicaciones
Telecommunication
topic Inteligencia artificial
Heurística
Telecomunicaciones
Telecommunication
description Esta tesis doctoral propone un conjunto de soluciones innovadoras para problemas complejos de optimización logística, utilizando una rama de la Inteligencia Artificial conocida como Computación Evolutiva, mediante la utilización de algoritmos bioinspirados. Además de los algoritmos bioinspirados, en esta tesis se utilizan también algoritmos clásicos de agrupación, perteneciente a otra rama de la Inteligencia Artificial conocida como Aprendizaje Máquina. El trabajo se enmarca en tres líneas de investigación de especial relevancia en los últimos años: el crecimiento del comercio electrónico debido a la pandemia mundial de CoViD-19, la necesidad de modelos logísticos más sostenibles con el medioambiente debido a la Agenda 2030 para el Desarrollo Sostenible, y el despliegue inteligente de tecnologías de vigilancia debido a la creciente cantidad de conflictos armados en los últimos años. Estas tres áreas, aunque distintas en su naturaleza, comparten la necesidad común de abordar problemas logísticos combinatorios, dinámicos y con múltiples restricciones, dónde los métodos tradicionales resultan ineficientes. En el contexto del comercio electrónico, se propone una metodología de asignación eficiente de cargas de trabajo en sistemas de reparto de última milla, utilizando una unión de un algoritmo evolutivo y algoritmos de agrupamiento para equilibrar la carga de trabajo entre repartidores, optimizando rutas y tiempos de entrega. En cuanto a la logística verde, se abordan dos problemas: por un lado, la reasignación inteligente de vehículos ecológicos entre ciudades con Zonas de Bajas Emisiones (ZBE); por otro, la planificación de rutas óptimas para la recogida de residuos electrónicos (E-Waste), teniendo en cuenta costes operativos, ambientales y acústicos. En ambos casos, se desarrollan algoritmos evolutivos y heurísticos que permiten mejorar la sostenibilidad y eficiencia del sistema logístico. Por último, para el despliegue óptimo de sensores en entornos sensibles, se presenta una hibridación entre un algoritmo evolutivo y un algoritmo constructivo o iterativo que reduce los tiempos de convergencia y la carga computacional. En este problema el objetivo es maximizar el área cubierta por cada uno de los sensores, asegurando unos requisitos de seguridad en una determinada instalación crítica, minimizando el coste monetario a su vez. En conjunto, los resultados obtenidos demuestran la eficacia de los algoritmos bioinspirados en la resolución de problemas logísticos complejos, ofreciendo soluciones eficientes, sostenibles y adaptadas a contextos reales. La tesis, por tanto, contribuye al desarrollo de una logística inteligente, equitativa y respetuosa con el medio ambiente, alineada con los retos actuales de la sociedad y de la industria.
publishDate 2025
dc.date.none.fl_str_mv 2025
2025-01-01
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10017/66667
url http://hdl.handle.net/10017/66667
dc.language.none.fl_str_mv Inglés
eng
language_invalid_str_mv Inglés
language eng
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:e_Buah Biblioteca Digital Universidad de Alcalá
instname:Universidad de Alcalá (UAH)
instname_str Universidad de Alcalá (UAH)
reponame_str e_Buah Biblioteca Digital Universidad de Alcalá
collection e_Buah Biblioteca Digital Universidad de Alcalá
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869417373129244672
score 15.812429

Similares en LA Referencia