Re-optimalizace s přesnou zásobou
Vozidlo operuje s přesně odměřeným nákladem, který odpovídá očekávané nebo známé distribuci. Každý přebytek nebo nedostatek zásoby vede k re-optimalizaci plánu.
Re-optimalizace nabízí odlišný přístup k ovládání dynamiky problému.
Zajímavost
- Tento přístup umožňuje extrémní efektivitu, ale vyžaduje vysoké investice do technologií.
- Moderní implementace využívají prediktivní analytiku a strojové učení ke snižování potřeby manuálních zásahů.
- Výrazně snižuje plýtvání zásobami a zlepšuje schopnost reagovat na změny poptávky.
Praktické využití
- Automatizované sklady s přímým napojením na distribuční systém (např. Amazon, logistika automobilového průmyslu).
- Zásobování nemocnic, kde je třeba přesná evidence léků a zdravotnického materiálu.
- Chytré městské logistické systémy, kde se informace o poptávce a zásobách aktualizují v reálném čase.

Metody řešení
- ALNS
- Programování s pravděpodobnostními omezeními
- Simulace s přeplánováním
- Dynamické programování (pro přesná řešení v malých instancích)
- Re-optimalizační přístupy
Systém přesně monitoruje aktuální stav zásob v reálném čase a provádí re-optimalizaci na základě skutečných dat. Dispečink nebo autonomní algoritmy reagují na skutečné zásoby v distribučních centrech i u vozidel. Vyžaduje pokročilé senzorové technologie nebo propojení ERP a IoT systémů.
Zdroj:
[1] Yang, W.-H., Mathur, K., Ballou, R. H. (2000). Stochastic vehicle routing problem with restocking. Transportation Science, 34(1).
[2] Cordeau, J.-F., Laporte, G., Savelsbergh, M. W., Vigo, D. (2007). Vehicle routing, chapter 6. In: Barnhart C, Laporte G (eds) Transportation, vol 14. Elsevier, Amsterdam
[3] Secomandi, N. (2001). A rollout policy for the vehicle routing problem with stochastic demands. Operations Research, 49(5), 796-802.
[4] Secomandi, N., & Margot, F. (2009). Reoptimization approaches for the vehicle-routing problem with stochastic demands. Operations research, 57(1), 214-230.
[5] C., & Storer, R. (2009). An approximate dynamic programming approach for the vehicle routing problem with stochastic demands. European journal of operational research, 196(2), 509-515.
[6] Bianchi, L., Birattari, M., Chiarandini, M., Manfrin, M., Mastrolilli, M., Paquete, L., & Schiavinotto, T. (2006). Hybrid metaheuristics for the vehicle routing problem with stochastic demands. Journal of Mathematical Modelling and Algorithms, 5(1).
[7] Chepuri, K., & Homem-De-Mello, T. (2005). Solving the vehicle routing problem with stochastic demands using the cross-entropy method. Annals of Operations Research, 134(1).