Enfoque multiobjetivo para el problema difuso de empaquetamiento con costo y tamaño variable

• Autores: Jorge Herrera Franklin, Alejandro Rosete Suárez
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 15, Nº. 2, 2021
• Idioma: español
• Títulos paralelos:
  • Multiobjective approach for the fuzzy variable cost and size bin packing problem
• Enlaces
  • Texto completo
• Resumen
  • español

    En la investigación se aborda una variante difusa del Problema de Empaquetamiento con Costo y Tamaño Variables donde se permite una sobrecarga de los contenedores. El nivel de sobrecarga está definido por valores de alfa-corte o pertenencia de los cuales se generan instancias que conforman el problema difuso. El muestreo empírico de los alfa-corte tiene el problema de que cada instancia con un grado de pertenencia determinado, debe resolverse y además se pueden perder soluciones interesantes en cuanto a compromiso costo-capacidad. En el presente trabajo se introduce una propuesta donde se trata el problema de la obtención de la solución difusa como un problema multiobjetivo donde se busca minimizar el costo mientras se maximiza el valor de pertenencia de la solución. Para esto se utilizaron las metaheurísticas multiobjetivo Búsqueda Local, Recocido Simulado Ulungu, Algoritmo Genético y su variante NSGA-II. Fueron implementados varios operadores basados en la heurística First Fit Decreasing. Los resultados experimentales mostraron que el NSGA-II resulta ser el más eficaz a la misma vez que el más lento, pero sin llegar a ser inviable su utilización en instancias grandes. También se comprobó en un grupo de instancias difusas, de las cuales se conoce la solución exacta para 11 valores de pertenencia, que este método permite obtener soluciones que mejoran valores de pertenencia con el mismo costo.

  • English

    The research addresses a fuzzy variant of the Variable Cost and Size Bin Packing Problem where an overload of the bins is allowed. The level of overload is defined by alpha-cuts or membership values which generates crisp instances that conform the fuzzy problem. The empirical sampling of the alpha-cuts has the problem that every single crisp instance must be solved as well as it can be missed interesting solutions that improve the trade-off between cost and capacity. In the present work a proposal is introduced where the problem of obtaining the fuzzy solution is treated as a multiobjective problem aiming to minimize the cost while maximizing the membership value of the solution. For this, the multiobjective metaheuristics Local Search, Ulungu Simulated Annealing, Genetic Algorithm and its variant NSGA-II were used. Several operators based on the First Fit Decreasing heuristic were implemented. The experimental results showed that the NSGA-II turns out to be the most efficient and at the same time the slowest, but without becoming unfeasible its use in large instances. It was also verified in a group of fuzzy instances, of which the exact solution is known for 11 membership values, that this method allows obtaining solutions that improve membership values with the same cost.