From metaheuristics to learnheuristics: applications to logistics, finance, and computing

• Autores: Laura Calvet Liñán
• Directores de la Tesis: Ángel Alejandro Juan Pérez (dir. tes.) , Carles Serrat i Piè (codir. tes.)
• Lectura: En la Universitat Oberta de Catalunya ( España ) en 2017
• Idioma: inglés
• Tribunal Calificador de la Tesis: María Nogal Macho (presid.) , Daniel Riera i Terrén (secret.) , Alberto García Villoria (voc.)
• Enlaces
  • Tesis en acceso abierto en: O2 Repositori UOC
• Resumen

  • Un gran número de procesos de toma de decisiones en sectores estratégicos como el transporte, la producción y las finanzas implican problemas NP-difíciles. Tendencias como la globalización hacen que los sistemas sean cada vez más grandes y complejos. Con frecuencia, estos proble- mas se caracterizan por altos niveles de incertidumbre y dinamismo. Las metaheurísticas se han convertido en métodos muy usados para resolver problemas difíciles de optimización en tiempos de computación razonables. Sin embargo, suelen asumir que los inputs, las funciones objetivo y el conjunto de restricciones de optimización son deterministas y se conocen de antemano. Estas fuertes suposiciones conducen a trabajar en versiones simplificadas de problemas del mundo real.

    Como consecuencia, las soluciones obtenidas pueden tener un pobre rendimiento cuando se im- plementan. Las simheuristicas integran simulación en metaheurísticas para resolver problemas de optimización estocástica de una manera natural. De manera similar, las learnheurísticas combi- nan aprendizaje estadístico y metaheurísticas para abordar problemas de optimización en entornos dinámicos, donde los inputs pueden depender de la estructura de la solución.

    Desde un punto de vista metodológico, las principales aportaciones de esta tesis son el diseño de las learnheurísticas y la clasificación de los trabajos que combinan estadística / aprendizaje automático y metaheurísticas. La tesis discute el potencial de las learnheurísticas en una serie de campos y estudia dos casos específicos. El primero es un problema de enrutamiento en el que los almacenes son heterogéneos, en términos de su oferta comercial, y los clientes muestran una disposición diferente de consumir dependiendo de lo bien que el almacén asignado se ajuste a sus preferencias. Por lo tanto, diferentes mapas de asignación de clientes a almacenes conducen a diferentes niveles de consumo. Se utilizan modelos de regresión para representar la relación entre la disposición de cada cliente a gastar en función de varias variables, incluyendo el almacén asig- nado, así como las características de otros clientes (edad, género, etc.). El segundo caso describe un problema de enrutamiento de vehículos en el que la demanda de cada cliente depende del orden en que se visitan los clientes. Además, se presentan varias aplicaciones en transporte, producción, finanzas e informática. En el primer campo, el diseño inteligente de rutas, incluyendo almacenes y vehículos con capacidad limitada, se aborda analizando demandas estocásticas e indicadores de sostenibilidad. También se estudia el problema de la recolección de residuos y un problema de enrutamiento con una flota heterogénea, y costes asimétricos y en función del sitio. En el ámbito de la producción, se analiza la optimización de secuencias de tareas considerando estocasticidad, múltiples líneas de producción y un plazo común. Se proponen y evalúan estrategias para invertir en activos de riesgo. Finalmente, se investigan el ajuste de parámetros de metaheurísticas y el efecto del número de agentes y el tiempo de computación en el rendimiento de las metaheurísti- cas.