An evolutionary approach for the optimization of production-distribution network design

Abstract

Abstract. In this Thesis an evolutionary technique for finding (near) optimal solutions to the two-stage fixed charge transportation problem (finding minimum cost transportation configurations when considering per unit transportation cost, fixed charges associated to routes, limited capacity of production plants and unlimited capacity of distribution centers) is proposed. Basically, the Hybrid Adaptive Evolutionary Algorithm with three different domain specific genetic operators (one crossover: network; two mutations: distribution and production) is applied. Here a candidate solution is encoded using two matrices for each stage of the network. The crossover operator exchanges the transportation plan of the second stage between two networks. The distribution mutation operator closes a randomly selected distribution center, so products, that were distributed to customers by such center, return to their plants where those came from. The mutation operator changes the distribution plan in the first stage of the network from a randomly selected production plant. After applying an operator, a balance method is used. Finally, the fitness function is the sum of transportation costs, including the unit transportation costs and the fixed cost incurred when using a route. Computational experiments carried on twenty instances of the problem that are available in the literature, show that our approach is able to find equal or better solutions compared to those reported in the literature.

En esta Tesis se presenta una técnica evolutiva para la búsqueda de soluciones optimas o cercanas al oprimo del problema de transporte de cargo fijo en red de dos etapas (encontrar configuraciones de distribución de menor costo teniendo en cuenta costo de transporte por unidad de producto, costo fijo por el uso de rutas, capacidad limitada de plantas de producción y capacidad ilimitada de centros de distribución). Para encontrar dichas soluciones, el Algoritmo Evolutivo Híbrido Adaptativo es usado con tres operadores genéticos específicos al problema (un operador de cruce y dos operadores de mutación). Aquí´ı, una solución es codificada usando dos matrices (una por cada etapa de la red). El operador de cruce intercambia el plan de distribución de la segunda etapa entre dos redes. La mutación de distribución cierra un centro de distribución elegido de manera aleatoria, haciendo que el producto enviado hacia clientes regrese hacia las plantas de procesamiento. La mutación de producción cambia el plan de distribución de la primera etapa desde una planta de producción elegida de manera aleatoria. Después de aplicar un operador, un método de balance de red es utilizado. Finalmente, la función objetivo está definida como la sumatoria de la cantidad de producto transportado multiplicado por los costos fijos y el costo de transporte por unidad de producto. Los experimentos computacionales llevados a cabo sobre veinte instancias disponibles en la literatura, muestran que la técnica usada es capaz de encontrar buenas soluciones o mejores comparadas con las soluciones reportadas en la literatura.