46
3C Tecnología. Glosas de innovación aplicadas a la pyme. ISSN: 2254-4143
Es necesario considerar que al aplicar el mencionado algoritmo existen diferentes factores que no se
consideran, tales como: en primer punto el estado de la vía, debido a la situación geografía de una
ciudad puede tener algunas vías en mejores condiciones que otras. En segundo punto el tránsito,
que en el caso de estudio fue bajo en el horario de las 4:15 a.m. hasta las 5:23 a.m., garantizando
de esta manera una toma de datos certera, pero no exacta. Como tercer punto el tiempo de espera,
por las señales de tránsito que se debe seguir. Como cuarto punto el clima que es independiente de
mejoras, pero es clave ya que en el transporte resulta una variable no denida.
Los tiempos de procesamiento hacen que el ACO sea un método limitado y se acepten tan solo
soluciones viables, más no totalmente optimizadas, elevando de forma considerable la búsqueda de
una ruta optima de servicio en el caso de estudio presentado.
5. REFERENCIAS BIBLIOGRÁFICOS
Alonso, S., Cordón, O., Fernández de Viana, I. y Herrera, F. (2012). La Metaheurística de
optimización basada en colonias de hormigas: modelos y nuevos enfoques. Granada, España: Universidad de
Granada.
Aparicio, D. (2012). Aplicación de los algoritmos de hormigas para la resolución de un RALBP. Barcelona,
España: ETSEIB.
Calle, J., Rivero, J., Cuadra, D. e Isasi, P. (2017). Extending ACO for fast path search in
huge graphs and social networks. Expert Systems With Applications, 86, pp. 292–306. doi: 10.1016/j.
eswa.2017.05.066
Cobo, A., y Maria, S. A. (2005). Un algoritmo híbrido basado en colonias de hormigas para la resolución de
problemas de distribución en la planta orientados a procesos. Recuperado de: https://w w w.uv.es/asepuma/
XIII/comunica/comunica_04.pdf
Collazos, C. (2013). Rediseño del sistema productivo utilizando técnicas de distribución de planta. Recuperado
de: http://www.bdigital.unal.edu.co/12157/1/8912504.2013.pdf
Cruz, I. (1999). Los canales de distribución de produc tos de gran consumo. Barcelona, España: Piramide.
Dorigo, M. (2006). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and
Advances. En International Series in Operations Research & Management Science (pp. 250-285). doi:https://
doi.org/10.1007/0-306-48056-5_9