complejos de optimizacin combinatoria como el planteado (ver Goonatilake and Treleaven,1996, Fayyard et al., 1996 y Medina, 1999). En este artculo, se ha utilizado un algoritmogentico originalmente diseado para resolver el TSP, para abordar problemas ms complejoscomo el CVRP y el SCVRP, utilizando funciones de coste y restricciones muy variadas.

Figura 1.- Planificacin y Gestin de Redes de Distribucin de Baja Demanda.

Por otro lado, el problema de optimizacin de operaciones de transporte es crucial para la propiaexistencia de un cierto nicho de mercado de baja demanda. Si se consigue una distribucin muyeficiente, es posible aflorar una demanda latente y satisfacerla con una flota pequea y un costorazonable. Esta situacin se produce en el mercado turstico con destinos poco masificados. En elejemplo de aplicacin presentado en este artculo, se utiliza Alicante como aeropuerto hub, con unhinterland de ms de 48.000 plazas hoteleras y un parque temtico para tres millones de visitantesanuales (Friedmann, 1998). Tanto para fijar precios como para definir la mejor estrategiacomercial, resulta imprescindible disponer de un sistema flexible para optimizar la distribucin depasajeros y unos modelos estocsticos de simulacin de escenarios.

En el punto 2 se describe la construccin en ocho pasos siguiendo el esquema de Medina(1998a)del algoritmo gentico utilizado en el proceso de optimizacin de rutas. En el punto 3 se analiza laflexibilidad y robustez de los algoritmos genticos en la optimizacin de problemas de distribucin,sus ventajas e inconvenientes. En el punto 4 se describe el simulador de escenarios y losresultados del problema de optimizacin realizado en el ejemplo seleccionado: distribucin desdeaeropuerto hub en Alicante a 30 aeropuertos de Europa Occidental y Norte de frica.Finalmente se presentan unas conclusiones en las que se resalta la utilidad de los algoritmosgenticos en la optimizacin de rutas y en el clculo de precios de transporte en redes dedistribucin de baja demanda.

2. DISEO DEL ALGORITMO GENTICO