Progettazione e sviluppo di risolutori del problema di Vehicle Routing e valutazione dei Large Language Models nel processo di ottimizzazione

Abstract

Questa tesi esplora metodologie ibride che tendono a migliorare il Problema di Routing dei Veicoli, una sfida critica di ottimizzazione affrontata dalle industrie della logistica e dei trasporti. Lo studio si concentra sull’esplorazione di vari algoritmi per migliorare l’efficienza del routing, minimizzare i costi operativi e migliorare la qualita complessiva del routing. Ho proposto due approcci diversi per affrontare il VRP, uno che utilizza tecniche di ottimizzazione da Google OR-Tools e l’altro che sfrutta le capacit` a dei modelli di linguaggio di grandi dimensioni. E stata condotta un’analisi approfondita per valutare l’efficacia diciascun metodo, esaminando metriche chiave delle prestazioni come il tempo di esecuzione e la precisione della soluzione. La ricerca rivela intuizioni sui punti di forza e di debolezza di ciascun approccio nell’affrontare vari scenari di routing, fornendo una comprensione piu chiara della loro applicabilit`a in contesti reali. Il risolutore OR-Tools si basa sui principi dell’ottimizzazione matematica, impiegando algoritmi utilizzati per generare percorsi efficienti sotto vincoli definiti. Lo studio evidenzia come OR-Tools possa adattarsi a varie configurazioni del VRP, offrendo spunti sulla sua robustezza e affidabilit` a per l’implementazione pratica nelle operazioni logistiche. D’altra parte, il risolutore LLM rappresenta un approccio innovativo che utilizza il processamento del linguaggio naturale per interpretare le sfide di routing e generare soluzioni. Questo metodo offre un’interazione dinamica con le richieste dei clienti, consentendo l’esplorazione di vari scenari di routing. Nel complesso, questa tesi contribuisce a migliorare i metodi di ottimizzazione logistica presentando un confronto completo tra approcci tradizionali e moderni al VRP. Esplorando i punti di forza e le limitazioni sia di OR-Tools che dei LLM, vengono forniti suggerimenti per futuri sviluppi nel campo e per migliorare le pratiche operative all’inte

The research focuses into the strengths and weaknesses of each approach in addressing various routing scenarios, providing a clearer understanding of their applicability in real-world contexts. The OR-Tools solver is grounded in mathematical optimization principles, employing algorithms that are used in generating efficient routes under defined constraints. The study highlights how OR-Tools can adapt to various VRP configurations, offering insights into its robustness and reliability for practical implementation in logistics operations. On the other hand, the LLM solver is an innovative approach by utilizing natural language processing to interpret routing challenges and generate solutions. This method offers a dynamic interaction with client requests, enabling the exploration of various routing scenarios. Overall, this thesis contributes to enhance logistical optimization methods by presenting a comprehensive comparison of traditional and modern approaches to the VRP. By exploring the strengths and limitations of both OR-Tools and LLMs, are given suggestions for future developments in the field and enhance operational practices within the transportation industry.