Riassunto analitico
Questa tesi intende presentare il lavoro svolto presso il Department of Applied Statistics, Operation, Research and Quality in Universitat Polit`ecnica de Val`encia, riguardo la formulazione e risoluzione di un reale problema di trasporto pubblico, proposto da SoufTour. L’obiettivo di questo elaborato `e lo studio di un caso reale di Dial A Ride Problem (DARP) e di presentare un modello matematico, un euristico ed un metaeuristico per la sua risoluzione. Questi modelli sono stati sviluppati al fine di supportare l’implementazone di un nuovo servizio che il cliente vuole garantire ai suoi clienti. La tesi presenta una breve introduzione alla letteratura di problemi simili e presenta algoritmi progettati per la risoluzione di un caso reale. In particolare saranno presentati un modello matematico, ottenuto estendendo e modificando il modello proposto da Cordeau J.-F. (2007), adattandolo al problema di SoufTour, un modello euristico ed un metaeuristico, con l’obiettivo di risolvere grandi istanze in tempi ragionevoli. Infine, saranno testati e presentati i risultati computazionali ottenuti dai suddetti modelli, valutando le loro performance.
|
Abstract
This thesis presents the work done in the Department of Applied Statistics, Operation, Research and Quality of Universitat Polit`ecnica de Val`encia, regarding the formulation and the resolution of a transportation problem arising in the public transport system of SoufTour / Transv´ıa. The aim of this work is to study a real case of Dial A Ride Problem (DARP) and to present new mathematical and heuristic models for its solution. The latter models have been developed for supporting the implementation of a new business idea of the client. The thesis presents a brief literature review on similar problems and provides models for its resolution. In particular, in this document are presented a mathematical model, obtained adapting the model presented in Cordeau J.-F. (2007) to Softour’s real problem, and, given the high complexity of the problem, an heuristic and meta-heuristic model, with the aim of solving bigger instances in a reasonable time. All these models are tested on randomly generated instances. Then the algorithms’ computational results are compared, to evaluate their performances.
|
