Resumen:
En el presente estudio se propone un modelo de optimización y métodos metaheurísticos para
la recolección de residuos electrónicos en ciudades. El objetivo es minimizar el costo total de
recolección y el costo de emisiones producidas por los vehículos. Se considera que la cantidad
de residuos electrónicos en cada punto de recolección es aleatoria. Además, el tiempo de visita
a cada nodo es restringido a través de ventanas de tiempo. El modelo de optimización estocástico
es formulado a través de la metodología chance-constrained programming. Por otro lado, se
propone un Iterated Local Search y Simulated Annealing, tratando la aleatoriedad mediante dos
enfoques. En el primero se verifica la capacidad de los vehículos mediante el conjunto de
restricciones de capacidad derivadas de la metodología chance-constrained programming. En
el segundo enfoque, se verifica la capacidad de los vehículos mediante muestreo aleatorio. Para
comparar los métodos, se utilizan instancias de la literatura de distinto tamaño adaptadas a la
realidad de Chile. Con una significancia del 5%, el modelo exacto y las metaheurísticas
encontraron soluciones estadísticamente iguales, aunque las soluciones de las metaheurísticas
son en promedio mejor que las de CPLEX. Por otro lado, los costos totales aumentan al
considerar mayores probabilidades de recolección, debido a que el problema se vuelve más
complejo de resolver.