Scheduling Long-Distance Transport Operations under Labor Regulations: A Hybrid Optimization Approach

Resumen

This work solves a case study of a transportation company that aims to plan the maximum number of jobs requested by customers that must be performed over a week in order to minimize the cost of assigning such jobs to vehicles. In this specific problem every customer pays for a job which is composed by a set of different operations (representing loading and unloading), which in turn has associated a location and a time window. Once a job is assigned to a vehicle, all operations must be completed by the same vehicle within the specific time window. We have addressed this problem using two approaches. The first approach addresses the problem globally by formulating its constraints and solving it using the Hexaly solver (a black-box optimizer), while the second approach makes a partition of the problem to make the best decision at each step using a matheuristic. To compare the pros and cons of each approach, different scenarios have been considered.

Cristina Tobar Fernández

Estudiante de Doctorado en Inteligencia Artificial

Cristina Tobar se graduó como Matemática y como Estadística en la Universidad de Sevilla en 2023. Posteriormente completó el Máster Universitario en Métodos Analíticos para Datos Masivos: Big Data por la Universidad Carlos III en el año 2024. Sus principales intereses de investigación se centran en la hibridación de metaheurísticas y exactos con métodos de simulación y Machine Learning para la mejora de la resolución de problemas de optimización estocásticos. Estos estudios los compagina desde el año 2023 con su puesto como Optimization Scientist en OGA.ai. Además desde el año 2024 cursa un Doctorato sobre Inteligencia Artificial aplicada a la optimización estocástica de procesos críticos de negocio bajo el marco de un Doctorado Industrial.

Jesús Sánchez-Oro

Profesor Titular de Universidad

Profesor Titular del Departamento de Informática, siendo uno de los investigadores principales del Grupo de Investigación de Algoritmos para la Optimización GRAFO.