AntsRoute acelera su motor de optimización: algoritmos de scoring hasta 2,5 veces más rápidos

Publicado en 20 de mayo de 2026 • Lectura: 7 min read

La optimización de rutas no consiste simplemente en calcular el trayecto más corto.

En las operaciones de campo reales, cada nueva intervención puede modificar por completo una planificación: horarios, restricciones normativas, competencias, equilibrio de las rutas o incluso la capacidad futura de reorganización.

Precisamente para responder a esta complejidad, AntsRoute ha evolucionado su motor de scoring e inserción dinámica.

Nuestro equipo de I+D ha rediseñado por completo los mecanismos de evaluación de inserciones para mejorar simultáneamente:

• la rapidez de cálculo,
• la calidad de las rutas,
• la robustez de las planificaciones,
• y la capacidad del motor para reaccionar en entornos en tiempo real.

Resultado :
los nuevos algoritmos de scoring de AntsRoute son ahora hasta 2,5 veces más rápidos.

Pero detrás de esta mejora de rendimiento se esconde sobre todo una evolución mucho más profunda de la arquitectura del motor de optimización.

Para comprender mejor los desafíos de la optimización de rutas en la logística de última milla, también puede consultar nuestro artículo completo sobre la optimización de rutas.

En este artículo descubrirá:

• Por qué el scoring se ha convertido en un elemento clave en la optimización de rutas
• Qué cambia en los nuevos algoritmos de AntsRoute
• Cómo el motor evalúa las inserciones candidatas
• Las mejoras relacionadas con las restricciones en tiempo real
• Los nuevos mecanismos de búsqueda local
• El papel del warm-start en la rapidez del motor
• Por qué estas evoluciones mejoran las operaciones de campo

Por qué el scoring desempeña un papel central en la optimización de rutas

En un motor de rutas dinámico, el problema no consiste únicamente en determinar si una inserción es viable.

El verdadero desafío es saber si esa inserción representa una buena decisión operativa.

Cuando debe añadirse una nueva tarea a una planificación existente, existen varias posibilidades:

• diferentes días,
• varias rutas,
• distintas posiciones dentro de cada ruta.

Cada inserción candidata genera consecuencias diferentes sobre el resto de la planificación.
Algunas aumentan considerablemente los kilómetros recorridos. Otras reducen los márgenes de tiempo. Algunas crean tiempos de espera innecesarios. Y otras hacen que las rutas sean mucho más frágiles frente a imprevistos.

Como explica Ammar Oulamara, Responsable de I+D de AntsRoute:

« Una inserción localmente óptima puede provocar una fuerte degradación global de la planificación cuando se tienen en cuenta todas las restricciones temporales y operativas. »

Precisamente, el papel del scoring consiste en evaluar estos impactos antes de seleccionar la mejor inserción posible.

Una nueva generación de algoritmos de scoring

Las últimas evoluciones del motor de AntsRoute se basan en una importante remodelación de los mecanismos de evaluación y exploración de inserciones.
El objetivo era doble:

• mejorar el rendimiento de cálculo;
• al mismo tiempo que aumentar la calidad de las decisiones generadas por el motor.

Esta nueva arquitectura permite ahora explorar más inserciones candidatas en mucho menos tiempo.
En concreto, el motor puede:

• evaluar más rápidamente las franjas horarias posibles;
• reorganizar las rutas de forma más eficiente;
• y reaccionar más rápido ante los eventos en terreno.

En algunos escenarios complejos, los nuevos algoritmos alcanzan una velocidad hasta 2,5 veces superior en comparación con la generación anterior.

Un scoring multicriterio mucho más avanzado

El motor de optimización de AntsRoute no se limita a medir una distancia adicional.

Ahora, cada inserción se evalúa mediante un scoring multicriterio que tiene en cuenta:

• el coste por kilómetro,
• las restricciones temporales,
• los tiempos de espera,
• la coherencia geográfica,
• las competencias de los agentes,
• la capacidad de los vehículos,
• las restricciones normativas,
• así como el potencial futuro de reorganización de la planificación.

A continuación, el motor transforma todas estas dimensiones en una puntuación global que permite jerarquizar las inserciones candidatas.

Como explica Ammar Oulamara:
« Dos inserciones que parecen cercanas geográficamente pueden tener impactos operativos muy diferentes. Precisamente, el scoring sirve para medir estas diferencias de forma objetiva. »

Este enfoque permite al motor ir más allá de las lógicas puramente locales para razonar a escala global de toda la planificación.

Una mejor gestión de las restricciones en tiempo real

Una de las principales dificultades de la optimización de rutas está relacionada con la propagación de las restricciones.

Cuando se añade una nueva tarea, el motor debe recalcular dinámicamente:

• los horarios de paso,
• los tiempos de espera,
• los márgenes temporales,
• las pausas reglamentarias,
• así como la viabilidad de las intervenciones siguientes.

En los problemas de tipo VRPTW (Vehicle Routing Problem with Time Windows), esta propagación se vuelve especialmente compleja.

Una inserción que parece excelente desde el punto de vista geográfico puede convertirse en una muy mala opción después de la propagación de las restricciones temporales.

El motor de AntsRoute integra ahora mecanismos de filtrado y evaluación mucho más rápidos para concentrar la potencia de cálculo en las inserciones realmente relevantes.

Esta mejora permite, en particular:

• una mayor capacidad de reacción operativa;
• una reducción de los efectos colaterales;
• y una mejor estabilidad global de las rutas.

Mecanismos de búsqueda local más eficientes

El nuevo rendimiento del motor también se basa en una mejora significativa de los mecanismos de búsqueda local.

El motor no se limita a insertar directamente una nueva tarea.
También explora múltiples posibilidades de reorganización local para mejorar el equilibrio global de la planificación.

Para ello, AntsRoute utiliza diferentes operadores de optimización procedentes de la investigación operativa:

• relocate,
• Or-opt,
• 2-opt,
• 3-opt,
• cross-exchange.

Estos mecanismos permiten, por ejemplo:

• reducir los desvíos innecesarios;
• recuperar márgenes temporales;
• reequilibrar determinadas rutas;
• o mejorar la compacidad geográfica de las intervenciones.

La exploración se basa ahora en una jerarquía de vecindarios que permite adaptar dinámicamente la profundidad del cálculo según la calidad de las inserciones candidatas.
Las soluciones menos prometedoras se eliminan rápidamente.
Las mejores se benefician de exploraciones mucho más avanzadas.

Resultado:
el motor concentra una mayor potencia de cálculo en las reorganizaciones realmente útiles.

Warm-start: partir de una planificación ya optimizada

En las operaciones reales, un motor de rutas casi nunca trabaja sobre un problema vacío.
Debe hacer evolucionar continuamente una planificación ya construida.

Los nuevos algoritmos de AntsRoute se apoyan ampliamente en mecanismos de warm-start.

El principio consiste en utilizar la planificación actual como punto de partida de la optimización, en lugar de recalcular completamente las rutas.

Este enfoque presenta varias ventajas importantes:

• una reducción drástica del tiempo de cálculo;
• una mayor estabilidad operativa;
• la limitación de reorganizaciones innecesarias;
• y una mejor capacidad de reacción en tiempo real.

Como explica Ammar Oulamara:
« El motor no busca la solución teóricamente perfecta. Busca la mejor solución explotable en un tiempo compatible con las operaciones de campo. »

Por qué estas evoluciones son importantes para los equipos de campo

La optimización de rutas no es únicamente una cuestión algorítmica.
Estas evoluciones tienen un impacto directo en las operaciones diarias.

Un motor más rápido e inteligente permite, en particular:

• absorber más fácilmente los imprevistos;
• reducir las intervenciones manuales de los operadores;
• mejorar la estabilidad de las rutas;
• limitar los kilómetros innecesarios;
• y aumentar la calidad del servicio.

En entornos donde las planificaciones evolucionan constantemente, la rapidez de reacción se convierte en un elemento clave del rendimiento.

La mejora de velocidad obtenida gracias a los nuevos algoritmos permite precisamente al motor de AntsRoute tomar decisiones más rápidamente, manteniendo al mismo tiempo una excelente calidad de optimización.

Una evolución continua del motor de optimización de AntsRoute

Este nuevo rendimiento representa una etapa importante en la evolución del motor de optimización de AntsRoute.

Pero, sobre todo, forma parte de un proceso continuo de mejora de nuestra arquitectura de planificación.

El objetivo sigue siendo el mismo:
diseñar motores capaces de adaptarse a las restricciones reales del terreno, proporcionando al mismo tiempo decisiones sólidas, explicables y calculables en tiempo real.

Porque en la logística de última milla, el desafío no consiste simplemente en construir rutas.
El verdadero reto es seguir tomando las decisiones correctas cuando la planificación evoluciona constantemente.

Conclusión

Con esta nueva generación de algoritmos de scoring, AntsRoute mejora simultáneamente:

• la rapidez de cálculo;
• la calidad de las rutas;
• y la capacidad del motor para gestionar operaciones dinámicas con fuertes restricciones.

Gracias a una arquitectura de scoring multicriterio más avanzada, mecanismos de búsqueda local optimizados y una mejor gestión de las restricciones en tiempo real, el motor es ahora capaz de evaluar y reorganizar rutas hasta 2,5 veces más rápido.

Una evolución que permite a los equipos de campo ganar capacidad de reacción manteniendo planificaciones sólidas y coherentes.

Esta evolución marca una nueva etapa en el desarrollo de las tecnologías de optimización de AntsRoute, con nuevas mejoras previstas para los próximos meses.

Si desea descubrir de forma concreta cómo funciona nuestra solución de optimización de rutas, también puede iniciar una prueba gratuita de AntsRoute.