Optimización multi-objetivo con algoritmos bio-inspirados para el control y coordinación de inventarios multi-producto

Abstract

En las organizaciones es de vital importancia el control y manejo de los inventarios, dado que generan costos en su gestión y a su vez se relacionan con los niveles de servicio (satisfacción de sus clientes). En este trabajo se propone un entorno de decisión múlti-criterio. Se estudia y resuelve un problema de optimización multi-objetivo para la coordinación en la entrega de múltiples productos con demandas y tiempos de entrega bajo incertidumbre, minimizando los costos de la gestión y a su vez maximizando los niveles de servicio. El problema propuesto se soluciona mediante algoritmos bio-inspirados. En primer lugar se analiza el comportamiento de las funciones objetivo de manera separada, utilizando Algoritmos Genéticos (AG), Optimización por enjambre de particulas (PSO), Cuckoo Search (CS) y Optimización por forrajeo de bacterias (BFOA). En segundo lugar se aplicaron los algoritmos multi-objetivo NSGA II, NSPSO, MOCS y BCMOA obteniendo la frontera óptima de Pareto. Las soluciones encontradas se comparan mediante las métricas de indicador de dominancia de Pareto, diversidad y tiempo computacional. Finalmente se aplicó TOPSIS seleccionando el punto más cercano a la solución ideal. En este sentido el entorno de decisión múlti-criterio consiste de la formación de la frontera de Pareto resultante y de la selección de una alternativa mediante TOPSIS.

Abstract. Inventory management has achieved a prominent place in bussiness administration, relevance that is attached to costs reduction and maximization of customer satisfaction. In this work is proposed a framework multicriteria decision. Solving a problem of multi-objetive optimization inventory management and coordination of multiple products delivery. The problem is solved using bio-inspired algorithms. Initially, we study the behavior of the uni-objective function case, using genetic algorithms (GA), particle swarm optimization (PSO), Cuckoo Search (CS) and Bacterial Foraging Optimization Algorithm (BFOA), and comparing their performance. After that we study multiobjective algorithms. We apply NSGA II, NSPSO, MOCS and BCMOA. The solutions are compared by the metric indicator Pareto dominance , diversity and computing time. Finally we apply TOPSIS algorithm for selecting the best solution.