CPLEX & Python Tutorial 4 | Vehicle Routing Problem - VRPTW | PARÁMETROS

Problema de Ruteo de Vehículos con Ventanas de Tiempo (VRPTW)
El VRPTW se puede describir como sigue. Dado un conjunto de clientes, un conjunto de vehículos y un depósito, el VRPTW debe encontrar un conjunto de rutas de longitud total mínima, comenzando y terminando en el depósito, de modo que cada cliente sea visitado por exactamente un vehículo para satisfacer una demanda específica. La visita al cliente debe respetar una ventana de tiempo solicitada. Un vehículo puede esperar en caso de llegada anticipada, pero no se permite la llegada tardía. En relación con las demandas del cliente, una limitación de capacidad restringe la carga que puede transportar un vehículo.

Más formalmente, el VRPTW se define en un gráfico dirigido completo G = (V, A), donde V = {v0,. . . , vn} es el conjunto de nodos y A es el conjunto de arcos.
Vertex v0 es un nodo especial llamado depósito, los vértices v1 a vn representan a los clientes.
Un costo cij y un tiempo de viaje tij se definen para cada arco (vi, vj) ∈ A.
Cada cliente vi ∈ V {v0} tiene una demanda di positiva, una ventana de tiempo [ai, bi] y un tiempo de servicio positivo.
Una flota de vehículos U de capacidad Q está disponible para atender a los clientes.
Los vehículos deben comenzar y finalizar sus rutas en el depósito dentro de un horizonte temporal [a0, b0].
La demanda acumulada de los clientes visitados por una ruta está limitada por Q.
El servicio de un cliente debe comenzar dentro de su ventana de tiempo, pero se permite que un vehículo llegue antes y espere.
El VRPTW consiste en encontrar un conjunto de coste mínimo de como máximo rutas U visitando exactamente una vez a cada cliente con respecto a las limitaciones anteriores.

Aplicaciones del VRPTW en casos reales
- Entregas de productos
- Recolección de residuos sólidos
- Limpieza de calles
- Ruta del autobús escolar
- Sistemas Dial-a-Ride
- Transporte de personas discapacitadas
- Enrutamiento de vendedores
- Mantenimiento de unidades
Este ejemplo de modelado se encuentra en el nivel avanzado, donde asumimos que conoce Python y la API de CPLEX Python y tiene conocimientos avanzados sobre la construcción de modelos de optimización matemática.

Conoce más de nosotros http://www.smart-bp.com
Like Us: https://www.facebook.com/Smartbp-1227...
Follow Us: https://twitter.com/Smart_BP
Connect with Us: https://www.linkedin.com/company/smar...
Github: https://github.com/SmartBP

#CPLEX #python #optimization #SmartBP #opl #datascience #dataanalytics #machinelearning #analytics #research #operationsresearch #AI #artificialintelligence #mathematicaloptimization #jupyternotebook #heuristics #MIP #mixedintegerprogramming #MIQP #gurobi