El món de la logística i del transport pot sonar molt àrid en termes de creativitat a l’hora de resoldre problemes i oferir solucions. Ens venen a la ment imatges, entre altres, de camions plens de contenidors provinents de diferents països i entrant en magatzems enormes per baixar milers de productes ajudats per un munt d’operaris que circulen com formiguetes entre altes prestatgeries plenes de caixes, mentre uns enginyers saberuts tancats als seus foscos despatxos, envoltats de calculadores i cartabons, intenten posar ordre a tant de desordre. Un exemple clar de problema logístic complex és el comerç electrònic, que ha provocat que les empreses canviïn totalment les seves estratègies organitzatives per donar una resposta gairebé immediata a la compra d’un client. Avui dia, la majoria de les empreses tenen un canal de venda en línia, ja sigui directe o a través d’un intermediari (p. ex., Amazon), però el més important és lliurar el producte correcte a l’hora acordada amb el menor cost possible. A nosaltres, com a consumidors, ens sorprèn la manera en què s’ho fan aquestes empreses per lliurar-nos una petita compra que hem fet en menys de 24 hores, o fins i tot el mateix dia, quan estan rebent al mateix temps centenars de milers de comandes, cada una diferent de l’altra i amb una destinació totalment diferent. Això fa que la problemàtica creixi exponencialment. Avui dia, les grans empreses de “retail” fan servir tècniques metaheurístiques per resoldre els reptes logístics que han sorgit amb les noves tecnologies de la informació.
Les tècniques d’optimització tradicionals no poden donar solucions eficients a aquests problemes, ja que solen ser molt lentes i complicades de programar. Així, doncs, són les metaheurístiques les que ho permeten. Efectivament, avui dia la resolució de problemes logístics ha creat una metodologia científica nova, uns algoritmes nous, coneguts com metaheurístics, que requereixen una ment altament creativa, que integri els dos modes de funcions conscients dels dos hemisferis cerebrals, i anar-se movent entre el que és holístic i el que és seqüencial, entre la intuïció i la lògica, entre el camp difús d’un domini del problema i un petit segment clar específic d’un camp.
Durant un procés creatiu de resolució de problemes, és convenient començar amb un pensament divergent per produir tantes idees o solucions com sigui possible, per després canviar a un pensament convergent per seleccionar les idees més prometedores. I precisament això és el que fem quan desenvolupem un algoritme metaheurístic per resoldre un problema. Efectivament, un algoritme metaheurístic es defineix formalment com un procés de generació iteratiu que guia una heurística subordinada combinant intel·ligentment diferents conceptes per explorar i explotar l’espai de cerca de solucions, i es fan servir estratègies d’aprenentatge per estructurar la informació i, així, obtenir eficientment solucions òptimes o gairebé òptimes a problemes nous altament complexos que han aparegut en aquest segle XXI. I tot això cercant la major velocitat possible en la seva execució per obtenir resultats en qüestió de segons.
Hi ha molts enfocaments dels algoritmes metaheurístics. Els enfocaments de solució única se centren a modificar i millorar una única solució candidata; les metaheurístiques d’una solució única inclouen la recuita simulada, la cerca local iterada, la cerca de veïnat variable i la cerca local guiada. Una altra categoria metaheurística és la basada en la natura, en la intel·ligència dels eixams, que és un comportament col·lectiu d’agents descentralitzats i autoorganitzats en una població (o eixam). Tenim metaheurístiques de colònia de formigues, d’eixam de partícules, d’optimització cognitiva social i d’optimització de cerca de pingüins, i els algoritmes artificials de colònies d’abelles i de computació evolutiva, a més de metaheurístiques genètiques, entre altres. I és que fins i tot cal ser creatiu a l’hora de posar-hi noms!
