69- #289 SOLUCIÓN AL PROBLEMA DE LOCALIZACIÓN Y RUTEO DE VEHÍCULOS DE DOS ESCALONES CON LIMITACIONES DE CAPACIDAD Y FLOTA HETEROGÉNEA UTILIZANDO EL ALGORITMO GENÉTICO

Abstract

En la actualidad, los desastres, independientemente de
su origen (sea natural o humano), son considerados
fenómenos sociales cuyos daños sería posible prevenir
y mitigar para disminuir o al menos controlar sus
efectos (Cecchini, Sunkel, y Barrantes, 2017). Así, la
incorporación de la gestión de riesgos para la atención
de desastres naturales cobra una gran importancia,
pues es el medio con mayor eficacia para revertir los
impactos negativos, que acaban con el progreso en
materia de desarrollo económico (Programa de las
Naciones Unidas para el Desarrollo [PNUD], 2004).

Atendiendo a lo expuesto anteriormente, surge la
necesidad de crear un modelo capaz de proporcionar la
información suficiente al responsable de la red logística,
para que éste tome las mejores decisiones
relacionadas con la ubicación y distribución de recursos
humanitarios, con el fin de garantizar una entrega
oportuna de los suministros a las regiones afectadas.

Por lo tanto, en la presente investigación se aborda el
2E-LRP (Two Echelon Location Routing Problem),
teniendo en cuenta su importancia en la gestión de la
cadena de suministro humanitaria y tomando como
base la formulación presentada por Dai, Z., Aqlan, F.,
Gao, K., y Zhou. (2018). El problema es desarrollado
como un modelo de programación lineal entera mixta,
con el objetivo de minimizar el costo total y
considerando limitaciones de capacidad en las
instalaciones (depósitos primarios y centros regionales)
a localizar y en los vehículos utilizados para el ruteo

tanto del primer como del segundo nivel.
Adicionalmente, se asume demanda determinística y
flota heterogénea en el escalón. Para dar solución al
problema se desarrolla un algoritmo genético y se
propone una nueva codificación de la solución.

Finalmente, los experimentos numéricos muestran que,
para instancias hasta de 600 clientes, la metaheurística
obtiene buenas soluciones en un tiempo de computo
razonable (menos de 20 minutos) y el análisis
estadístico permite inferir que el enfoque genético
desarrollado posee una gran competitividad
(rendimiento) a la hora de enfrentar diversos
escenarios.