• Logistics
• Lower bounds
• Operational Research
• Optimal restocking
• Stochastic VRP

Questa tesi è stata sviluppata a seguito dell'esperienza di stage presso il Centre interuniversitaire de recherche sur les reseaux d'entreprise, la logistique et le transport (CIRRELT), in particolare presso l'Université Laval, situata a Quebéc City (Canada).
Il lavoro svolto riguarda inizialmente l'analisi del problema Stochastic Vehicle Routing Problem (SVRP) e delle sue politiche di ricorso.
Come prima fase di implementazione, sono stati implementati in python i due modelli relativi al Capacitated Vehicle Routing Problem (CVRP) e al SVRP.
Il CVRP risulta essere la base dell'SVRP, motivo per cui inizialmente sono stati implementati entrambi.
Successivamente, l'obiettivo è stato quello di implementare, sempre in python, i lower bounds (LB) trovati in letteratura per una delle due politiche di ricorso studiate nella fase precedente e, come obiettivo finale, si è cercato di trovare nuovi lower bounds, non presenti in letteratura, e di implementarli, analizzando i risultati ottenuti per poterli poi confrontare tra loro e con quelli precedenti. L'analisi finale riguarda diversi test, su diverse istanze, per dare uno sguardo ai diversi comportamenti dei lower bounds.

This thesis was developed as a result of the internship experience at Centre interuniversitaire de recherche sur les reseaux d'entreprise, la logistique et le transport (CIRRELT), in particular at Université Laval, situated in Quebéc City (Canada). The work carried out is initially concerned with the analysis of the Stochastic Vehicle Routing Problem (SVRP) and its recourse policies. As the first phase of implementation, the two models concerning the Capacitated Vehicle Routing Problem (CVRP) and the SVRP were implemented in python. CVRP turns out to be the basis of SVRP, which is the reason why both were initially implemented. After this, the goal was to implement, again in python, lower bounds (LB) found in the literature for one of the two recourse policies studied in the previous phase and as the final aim, the purpose was to find new lower bounds, not present in the literature, and implement them, analyzing the results obtained in order to then be able to compare them with each other and with the previous ones. The final analysis is about different tests, on different instances, to give a look at the different lower bounds behaviors.