Acceso usuarios
[1]
;
Sanchez Calderon, Yanina
Perú
La programación operativa en empresas de transporte implica la asignación eficiente de vehículos, conductores, rutas y horarios, un problema de optimización combinatoria de alta complejidad cuando se incorporan restricciones de capacidad, ventanas de tiempo, costos, emisiones y variabilidad de la demanda. En este contexto, los algoritmos genéticos (AG) y sus variantes híbridas se han empleado como metaheurísticas para obtener soluciones de buena calidad en tiempos computacionales razonables. Esta revisión sistemática, desarrollada según la metodología de Kitchenham y reportada mediante un diagrama de flujo adaptado de PRISMA 2020, tuvo como objetivo identificar los tipos de problemas de asignación de recursos y optimización de rutas abordados con AG, las variantes predominantes, los resultados cuantitativos reportados y las principales limitaciones. Se revisaron artículos publicados entre 2022 y 2026 en ScienceDirect, Springer Nature Link, IEEE Xplore, MDPI y otras plataformas editoriales con DOI verificable; la selección final comprendió 31 estudios. Los resultados muestran un predominio del Vehicle Routing Problem y sus variantes (80.65 %), junto con una presencia destacada de AG híbridos, estrategias multiobjetivo y operadores adaptativos. Se concluye que los AG son pertinentes para la programación operativa del transporte, aunque persisten desafíos de parametrización, escalabilidad, convergencia prematura y validación en escenarios reales.
Operational scheduling in transportation companies involves the efficient assignment of vehicles, drivers, routes, and schedules, a highly complex combinatorial optimization problem when capacity constraints, time windows, costs, emissions, and demand variability are considered. In this context, genetic algorithms (GA) and their hybrid variants have been used as metaheuristics to obtain good-quality solutions within reasonable computational times. This systematic review, conducted according to Kitchenham's methodology and reported through a flow diagram adapted from PRISMA 2020, aimed to identify the types of resource allocation and route optimization problems addressed with GA, the predominant variants, the quantitative results reported, and the main limitations. Articles published between 2022 and 2026 were reviewed from ScienceDirect, Springer Nature Link, IEEE Xplore, MDPI, and other academic publishing platforms with verifiable DOI; the final selection comprised 31 studies. The results show a predominance of the Vehicle Routing Problem and its variants (80.65%), together with a strong presence of hybrid GA, multi-objective strategies, and adaptive operators. It is concluded that GA are relevant for operational transportation scheduling, although challenges remain regarding parameter tuning, scalability, premature convergence, and validation in real-world scenarios.
