El diagrama de flujo muestra cómo se integra la estrategia de reducción variable en el algoritmo híbrido NSGA-II. Fuente: Modelado y simulación de sistemas complejos, Tsinghua University Press
Cuando ocurren desastres reales, la logística juega un papel clave en la gestión de crisis. El cronograma de suministros de emergencia es una parte esencial de su plan de logística de emergencia. Tener un plan de planificación de suministros de emergencia sólido y eficaz es esencial para salvar vidas y reducir los daños materiales.
El equipo de investigación aplicó una estrategia de reducción variable al problema de la planificación material de contingencia. Esto aceleró el proceso de optimización de los algoritmos que ya estaban en uso y permitió obtener mejores soluciones al simplificar el problema de programación de materiales de emergencia relevante.
Los resultados de su investigación han sido publicados en la revista Modelado y simulación de sistemas complejos 20 de junio.
La planificación de contingencia se centra principalmente en crear el mejor plan para entregar suministros de contingencia de manera rápida y eficiente desde los puntos de suministro a los puntos de demanda a fin de minimizar las bajas y las pérdidas materiales. Sin embargo, los problemas reales con la planificación de materiales de contingencia suelen ser a gran escala e implican restricciones complejas.
Los investigadores suelen utilizar un algoritmo evolutivo como uno de los métodos eficaces para resolver problemas de planificación de materiales de contingencia. Los algoritmos evolutivos, inspirados en los fenómenos naturales y el comportamiento biológico, muestran un rendimiento competitivo en la resolución de problemas de optimización. Sin embargo, los algoritmos evolutivos existentes aún se enfrentan a grandes desafíos cuando se trata de problemas de programación de material de contingencia a gran escala o problemas de restricción de igualdad.
Para abordar los desafíos que enfrentan los algoritmos evolutivos existentes, el equipo de investigación comenzó definiendo un modelo alternativo para la asignación de materiales y la planificación de rutas, con búsqueda de vecindario variable y un algoritmo híbrido NSGA-II diseñado para resolver el modelo. Luego utilizaron una estrategia de reducción variable para simplificar el modelo de programación de materiales de contingencia propuesto para permitir una dimensión más baja y menos restricciones de igualdad. (Usando estrategias de reducción de variables, los científicos pueden reducir algunas variables y ecuaciones para reducir la complejidad del problema). Dando un paso más allá, el equipo integró una estrategia de reducción variable con un algoritmo híbrido NSGA-II para resolver el modelo de programación de materiales de contingencia reducidos.
Para probar la eficacia de la estrategia de reducción variable en el algoritmo híbrido NSGA-II, el equipo construyó dos casos de prueba. Un caso se basó en un problema de enrutamiento de vehículos con varios depósitos. El segundo caso se basó en una situación inicial real de apoyo material de emergencia que se produjo el 12 de mayo de 2008, cuando un terremoto asoló la zona de Wenchuan, en la provincia china de Sichuan.
“Los resultados experimentales muestran que la estrategia de reducción variable puede mejorar el rendimiento del algoritmo híbrido estándar NSGA-II, lo que permite una mejor optimización y una solución de mayor calidad”, dijo Guohua Wu, profesor de la Universidad Central del Sur en China.
El equipo inicialmente propuso una estrategia de reducción variable porque permitía una dimensión más baja del espacio de solución y eliminaba las restricciones de la igualdad parcial. La estrategia de reducción de variables estudia las relaciones entre variables utilizando el conocimiento general del dominio del problema que está implícito en el problema de optimización. Basado en relaciones entre variables, el equipo siempre usó algunas variables para representar y calcular las variables restantes durante el proceso repetido del algoritmo. Esto significa que el problema de optimización tenía una dimensión más pequeña del espacio de solución y menos variables.
De cara a futuras investigaciones, el equipo señala que todavía existen limitaciones en este trabajo. Admiten que el modelo de planificación de suministros de emergencia que consideraron era un poco simple.
“Por lo tanto, en el trabajo futuro, podemos considerar aplicar una estrategia de reducción variable a un modelo de cronograma de materiales de contingencia más complejo con requisitos dinámicos, múltiples materiales y diferentes capacidades de vehículos”, dijo Wu.
Además, el equipo señala que valdría la pena realizar más investigaciones sobre la integración de otro algoritmo evolutivo potencial con una estrategia de reducción variable para ayudar a que el algoritmo evolutivo funcione mejor. Si bien el trabajo actual del equipo proporciona un punto de referencia para aplicar estrategias de reducción de variables para resolver con éxito problemas del mundo real, el equipo también puede enfocarse en el uso de estrategias de reducción de variables para resolver problemas de optimización del mundo real más complejos en el futuro.
El equipo de investigación incluye: Zhen Shu de la Universidad Nacional de Tecnología de Defensa en Changsha, China; Aijuan Song y Guohua Wu de la Universidad Central del Sur, Changsha, China; y Witold Pedrycz de la Universidad de Alberta, Edmonton, Canadá.
Más información:
Zhen Shu et al., Estrategia integrada de reducción de variables Búsqueda integrada de vecinos variables y algoritmo híbrido NSGA-II para la planificación de materiales de contingencia, Modelado y simulación de sistemas complejos (2023). DOI: 10.23919/CSMS.2023.0006
Proporcionado por Prensa de la Universidad de Tsinghua