Esta propuesta de tesis doctoral tiene como objetivo estudiar los Multi-Attribute Vehicle Routing Problems (MAVRP), una clase compleja de problemas de optimización combinatoria derivados del clásico Vehicle Routing Problem (VRP). Los MAVRP incorporan restricciones adicionales como capacidad vehicular, duración de rutas y otras características reales, lo que afecta significativamente la estructura del espacio de soluciones y, por ende, el rendimiento de los algoritmos de búsqueda local utilizados para resolverlos.

La hipótesis central es que el análisis estructural del espacio de búsqueda mediante técnicas de Fitness Landscape Analysis (FLA) puede proporcionar una mejor comprensión de cómo las restricciones afectan la dificultad del problema y la efectividad de diferentes algoritmos. En consecuencia, se plantean dos líneas de trabajo: (1) establecer un marco formal de análisis del paisaje de soluciones en problemas de ruteo con restricciones, evaluando el impacto de diferentes representaciones y operadores locales; y (2) analizar redes de óptimos locales (Local Optima Network Analysis) para caracterizar la macroestructura del espacio de búsqueda en variantes de VRP con múltiples atributos.

Se busca con ello contribuir al diseño más informado y eficaz de algoritmos para la resolución de MAVRP, mediante la caracterización topológica del espacio de soluciones y la predicción de la dificultad de búsqueda. La metodología incluye simulaciones, análisis estadístico y de información, y técnicas de aprendizaje automático, aplicadas sobre instancias representativas del problema.