Problemas de optimización en logística: una propuesta de solución aplicando el algoritmo Particle Swarm Optimization (PSO)

Jorge Hernán Cárdenas Lopera, Jorge Andrés Acosta Strobel

Resumen


El presente artículo tiene como propósito proponer herramientas de optimización para solucionar problemas logísticos a través de las ciencias computacionales. En este documento se utiliza el algoritmo Particle Swarm Optimization (PSO) como alternativa para solucionar problemas asociados a los sistemas logísticos en las organizaciones, con un énfasis en la optimización para el abastecimiento y transporte dentro de las empresas. Conforme a lo anterior, el trabajo está en dos epígrafes, los cuales son: Identificación del algoritmo PSO para los procesos logísticos y su aplicación conceptual a través de etapas, brindando como conclusión que las ciencias computacionales son fundamentales para los retos que están experimentando los sistemas logísticos en las organizaciones. En especial, la estructura del PSO permite de manera sencilla obtener mecanismos de optimización en el proceso de abastecimiento y transporte, pues sus etapas de aplicación son apropiadas para solucionar problemas logísticos.


Texto completo:

PDF

Referencias


Acosta, J. y Montoya, D. (2019). Revisión de la difusión de la innovación: casos de consolas de Nintendo. Revista Espacios, 40(1), 1-19. http://es.revistaespacios.com/a19v40n01/a19v40n01p19.pdf

Abdi, A., Abdi, A., Akbarpour, N., Amiri, A. S. y Hajiaghaei-Keshteli, M. (2020). Innovative approaches to design and address green supply chain network with simultaneous pick-up and split delivery. Journal of Cleaner Production, 250. https://doi.org/10.1016/j.jclepro.2019.119437

Arora, R. (2015). OPTIMIZATION Algorithms and Applications. Chapman & Hall.

Arsham, H. (1994). Modelos Deterministas: Optimización Lineal. http://home.ubalt.edu/ntsbarsh/business-stat/opre/spanishd.htm

Bertsimas, D. y Youssef, N. (2020). Stochastic optimization in supply chain networks: averaging robust solutions. Optimization Letters, 14(4), 839-855.

Cárdenas, J. H., Chaparro, G., Restrepo, Ó., Mena, P. y Monasterio, D. (16-20 de octubre de 2022). Particle Swarm Algorithm Applied to Quadrature Hybrid Multi-Branch Directional Coupler Optimization for ALMA Band 3. In 32nd IEEE International Symposium on Space THz Technology (ISSTT 2022). Baeza, Andalusia. https://acortar.link/qZRYgL

Di Mario, E., Talebpour, Z. y Martinoli, A. (2013). A comparison of PSO and Reinforcement Learning for multi-robot obstacle avoidance. 2013 IEEE Congress on Evolutionary Computation, Cancún, México, 2013, pp. 149-156. https://doi.org/10.1109/CEC.2013.6557565

Khajavi, L., Seyed-Hosseni, S. M. y Makui, A. (2011). A mathematical model for optimization of an integrated network logistic design. Management Science Letters, 1(4), 415–426. https://doi.org/10.5267/j.msl.2011.05.003

Kennedy, J., Eberh, R. y Shi, Y. (2001). Swarm Intelligence. Morgan Kaufmann

Lind, D., Marchal, W. y Wathen, S. (2012). Estadística aplicada a los negocios y la economía. The McGraw-Hill.

Maggi, C., Ramos, M. y Vergara, R. (2020). Adopción de tecnologías digitales 4.0 por parte de pequeñas y medianas empresas manufactureras en la Región del Biobío (Chile). CEPAL.

Mashayekhi, M., Harati, M. y Estekanchi, H. E. (2019). Development of an alternative PSO‐based algorithm for simulation of endurance time excitation functions. Engineering Reports, 1(3), 1-15. https://doi.org/10.1002/eng2.12048

Parsopoulos, K. y Vrahatis, M. (2010). Particle Swarm Optimization and Intelligence. Advances and Applications. IGI Global.

Peláez, D. y Acosta, J. (2021). La importancia de la implementación de Warehouse Management System para los Centros de Distribución. Revista CIES, 12(1), 213-232. http://revista.escolme.edu.co/index.php/cies/article/view/338

Qasim, O. y Yahya, Z. (2018). Feature selection using particle swarm optimization-based logistic regression model. Chemometrics and Intelligent Laboratory Systems, 182, 41-46. doi:https://doi.org/10.1016/j.chemolab.2018.08.016

Ramírez-Carvajal, C., Praj, D. y Acosta-Strobel, J.-A. (2021). La relación triangular entre China, Taiwán y Estados Unidos en el periodo 2008-2018. Revista Latinoamericana de Estudios de Seguridad, (30), 92-106. https://doi.org/10.17141/urvio.30.2021.4780

Rivera, J. y Patiño, J. C. (2021). La Gestión Tecnológica y su importancia en el Desarrollo de la Estrategia Corporativa. Gesta, (26), 5-8. https://fondoeditorial.itm.edu.co/libros-electronicos/otras-publicaciones/gesta/Boletin-gesta-edicion-26.pdf

Ruiz-Moreno, S., Arango-Serna, M. D., Serna-Urán, C. A. y Zapata-Cortes, J. A. (2020). Modelo matemático para la optimización de la red de distribución de una empresa de transporte de paquetería y mensajería terrestre. Revista DYNA, 87(214), 248-257. https://doi.org/10.15446/DYNA.V87N214.84679

Savelsbergh, M. y Sol, M. (1995). The General Pickup and Delivery Problem. Transportation Science, 29(1), 17-29. https://doi.org/10.1287/trsc.29.1.17

Snyman, J. (2005). Practical Mathematical Optimization. An Introduction to Basic Optimization Theory and Classical and New Gradient-Based Algorithms (2ª ed.). Springer.

Wang, D., Tan, D. y Liu, L. (2018). Particle swarm optimization algorithm: an overview. Soft Computing, 22(2), 387-408. https://doi.org/10.1007/s00500-016-2474-6


Enlaces refback

  • No hay ningún enlace refback.