Un algoritmo continuo de colonia artificial de abejas para resolver problemas de localización de instalaciones sin capacidad limitada

Formas más inteligentes de ubicar almacenes

Cualquier empresa que transporte mercancías se enfrenta a una pregunta básica pero costosa: ¿dónde deberíamos situar nuestros almacenes o centros de servicio para atender a los clientes de forma económica y fiable? Este artículo aborda ese rompecabezas usando un algoritmo inspirado en la forma en que las abejas melíferas buscan alimento, y muestra cómo una versión refinada de este método inspirado en las abejas puede planificar dichas ubicaciones con más precisión y constancia que muchas técnicas rivales.

El desafío de elegir ubicaciones

El problema matemático detrás de la localización de almacenes se denomina problema de localización de instalaciones sin capacidad limitada. Imagínese una lista de lugares potenciales donde podría abrir almacenes, cada uno con un coste fijo de apertura, y un mapa de clientes, cada uno de los cuales debe ser atendido desde exactamente un sitio abierto, con un coste de entrega. El objetivo es decidir qué sitios abrir y qué clientes debe atender cada sitio, de modo que la suma de los costes de apertura y entrega sea lo más baja posible. Incluso para los ordenadores, el número de combinaciones posibles crece explosivamente a medida que la red se hace mayor, lo que significa que necesitamos estrategias de búsqueda ingeniosas en lugar de fuerza bruta.

Aprender de cómo forrajean las abejas

El algoritmo de colonia artificial de abejas (ABC) toma prestado el modo en que las abejas reales exploran su entorno. En el algoritmo, cada “abeja” representa una posible solución. Las abejas empleadas exploran alrededor de su solución actual, las abejas observadoras se concentran en las prometedoras y las abejas exploradoras abandonan las opciones pobres y saltan a nuevas regiones. ABC se diseñó originalmente para ajustar valores numéricos continuos, como girar una perilla hacia arriba o hacia abajo. Sin embargo, las decisiones de ubicación de almacenes son esencialmente opciones de sí o no: abrir este sitio o no; asignar este cliente aquí o en otro lugar. Por tanto, el ABC clásico tiene dificultades a menos que se envuelva en maquinaria adicional para traducir entre números suaves y decisiones encendidas/apagadas.

Convertir la búsqueda continua en decisiones nítidas

Los autores proponen una variante que llaman ABC continuo, o cABC, que mantiene la búsqueda continua del método original pero hace que gestione de forma natural las elecciones de tipo sí/no. Permite que el algoritmo deambule en un espacio continuo entre 0 y 1, tratando cada valor como la probabilidad de que una instalación esté abierta. Una regla sencilla convierte luego estos valores en decisiones nítidas de abierto o cerrado. Para evitar partir de un conjunto de conjeturas pobre o estrecho, cABC usa un patrón “caótico” para dispersar sus soluciones iniciales ampliamente por el espacio de búsqueda. Cuando una solución de prueba implica que no se abre ninguna instalación o, de otro modo, incumple las reglas, un proceso dinámico de reparación ajusta automáticamente varias de sus elecciones para que sea viable sin alejarse demasiado de regiones prometedoras.

Enjambres guiados y ajustes adaptativos

Más allá de esta configuración básica, cABC añade varios refinamientos para ayudar a las abejas virtuales a cooperar de forma más efectiva. En lugar de ajustar siempre la posición de una abeja solo en función de sí misma y de una pareja aleatoria, el algoritmo permite a veces que otras soluciones elegidas al azar guíen el cambio, usando ocasionalmente algunas muy buenas y a veces otras peores para mantener tanto el foco como la variedad. Un esquema de variación temporal perturba gradualmente más partes de una solución a medida que avanza la búsqueda, permitiendo un intercambio más profundo de información entre las abejas. Durante la etapa en la que las abejas observadoras eligen qué soluciones refinar, una regla de probabilidad modificada asegura que incluso los candidatos mediocres reciban algo de atención, reduciendo el riesgo de que el enjambre colapse demasiado rápido en torno a una única opción. Finalmente, cuando la posición de una abeja ha fracasado durante demasiado tiempo, cABC no la descarta; en su lugar, crea una versión “opuesta” de esa solución, que a menudo queda más cerca de un territorio mejor aunque siga reutilizando el conocimiento ya adquirido.

Poner a prueba al enjambre de abejas

Para ver si estas ideas compensan, los autores ejecutaron cABC en dos grandes colecciones de problemas estándar procedentes de la bibliografía de investigación de operaciones, que abarcan redes desde tamaños modestos hasta muy grandes. Compararon sus resultados con los del ABC original y con once otros algoritmos avanzados basados en diferentes metáforas, incluidas luciérnagas, cuervos, saltamontes y semillas de árbol. En estas pruebas, cABC no solo igualó o mejoró los costes mejor conocidos en la mayoría de los casos, sino que además lo hizo de forma mucho más fiable, a menudo alcanzando la mejor solución en casi todas las ejecuciones independientes. Su ventaja fue especialmente clara en los ejemplos más grandes y exigentes, donde otros métodos con frecuencia quedaban atrapados en configuraciones más caras.

Qué significa esto para la planificación real

En términos sencillos, este trabajo ofrece un planificador inspirado en las abejas más fiable para decidir dónde colocar almacenes, plantas o centros de servicio. Al permitir que el algoritmo piense en probabilidades continuas y luego las convierta limpiamente en decisiones de sí o no —mientras repara conjeturas malas y mantiene la diversidad— cABC explora el paisaje de opciones tanto de forma amplia como profunda. El resultado es una herramienta capaz de encontrar distribuciones más económicas y hacerlo de manera constante, lo que la convierte en un candidato sólido para empresas y planificadores que necesitan diseñar redes de distribución rentables en un mundo de logística compleja y a gran escala.

Cita: An, M., Xiang, W., Jiang, Y. et al. A continuous artificial bee colony algorithm for solving uncapacitated facility location problems. Sci Rep 16, 8780 (2026). https://doi.org/10.1038/s41598-026-37792-5

Palabras clave: localización de instalaciones, inteligencia de enjambre, metaheurística de optimización, planificación logística, colonia artificial de abejas