Simulation as key element for intelligent algorithms' development in complex logistic applications

Abstract

This industrial doctorate research addresses the complexity of real-life systems, such as logistics and supply chains, by bridging the gap between mathematical models and real applications. Traditional models often oversimplify complex systems, but recent advancements in data processing technology have led to the development of ""smart"" algorithms, enhancing system efficiency. The research proposes ""sim-learn-heuristics"", a novel method combining heuristics, simulation, and learning mechanisms to improve system behavior. It outlines a step-by-step methodology, covering the development, validation, and integration of algorithms with simulations, and highlights the use of simheuristics for solving complex problems. Additionally, the research promotes collaboration between academia and industry, particularly through partnerships with companies like Spindox in the logistics and transportation sectors. The thesis has resulted in several published papers and has opened up new avenues for collaboration between operations research and artificial intelligence, expanding future applications in these fields.

Este Doctorado Industrial aborda la complejidad de sistemas en la vida real, como la logística y las cadenas de suministro, intentando cerrar la brecha que existe entre los modelos matemáticos y las aplicaciones reales. Los modelos tradicionales suelen simplificar en exceso sistemas complejos, pero los avances recientes en tecnología de procesamiento de datos han llevado al desarrollo de algoritmos ""inteligentes"", mejorando la eficiencia de los sistemas. La investigación propone ""sim-learn heuristics"", un método novedoso que combina heurísticas, simulación y mecanismos de aprendizaje para mejorar el comportamiento del sistema. La tesis presenta una metodología paso a paso, cubriendo el desarrollo, validación e integración de algoritmos con simulaciones, y destaca el uso de simheurísticas para resolver problemas complejos. Además, la investigación fomenta la colaboración entre la academia y la industria, particularmente a través de asociaciones con empresas como Spindox en los sectores de logística y transporte. La tesis ha resultado en varios artículos publicados y ha abierto nuevas vías de colaboración entre la investigación operativa y la inteligencia artificial, ampliando las aplicaciones futuras en estos campos.

Aquest Doctorat Industrial aborda la complexitat de sistemes en la vida real, com la logística i les cadenes de subministrament, intentant tancar la bretxa que existeix entre els models matemàtics i les aplicacions reals. Els models tradicionals solen simplificar en excés sistemes complexos, però els avanços recents en tecnologia de processament de dades han portat al desenvolupament d'algorismes ""intel·ligents"", millorant l'eficiència dels sistemes. La recerca proposa ""sim-learn-heuristics"", un mètode nou que combina heurístiques, simulació i mecanismes d'aprenentatge per a millorar el comportament del sistema. La tesi presenta una metodologia pas a pas, cobrint el desenvolupament, validació i integració d'algorismes amb simulacions, i destaca l'ús de simheurísticas per a resoldre problemes complexos. A més, la recerca fomenta la col·laboració entre l'acadèmia i la indústria, particularment a través d'associacions amb empreses com Spindox en els sectors de logística i transport. La tesi ha resultat en diversos articles publicats i ha obert noves vies de col·laboració entre la recerca operativa i la intel·ligència artificial, ampliant les aplicacions futures en aquests camps.