Sánchez-Soriano, JavierSánchez Soriano, JavierVerdín-Urgal, GuillermoGordo-Herrera, Natalia2025-11-112025-11-112025-03Sánchez-Soriano, J, Verdín-Urgal, G & Gordo-Herrera, N 2025, 'Optimizing Last-Mile Deliveries : Addressing Customer Absence Through Genetic Algorithm', Technologies, vol. 13, no. 3, 115. https://doi.org/10.3390/technologies130301152227-7080https://hdl.handle.net/10641/6316Publisher Copyright: © 2025 by the authors.La logística de entrega de última milla se enfrenta a retos importantes, en particular en lo relativo a la ausencia de los clientes durante las franjas horarias de entrega programadas. Este problema no solo frustra a los clientes, sino que también impone costes económicos sustanciales a las empresas de reparto, estimados en hasta 15 euros por entrega fallida. Esta investigación pretende abordar este problema optimizando los procesos de entrega de última milla mediante un algoritmo genético (GA) diseñado para minimizar los costes de reencaminamiento respetando las preferencias horarias de los clientes. El estudio compara el rendimiento del GA propuesto con un algoritmo de recocido simulado (SA), evaluando su eficiencia en la optimización de rutas. A través de simulaciones detalladas, el GA reduce los costes operativos en más de 35.000 euros anuales al tener en cuenta las preferencias de los clientes. Supera de forma significativa al algoritmo SA en escenarios con alta variabilidad de clientes, lo que pone de relieve su potencial para soluciones de entrega de última milla rentables. Además, el GA respetó de forma consistente entre 4 y 7 preferencias de cliente más por ruta en comparación con los métodos tradicionales, lo que se tradujo en una mayor satisfacción del cliente. Este trabajo contribuye al campo al proporcionar una metodología sólida para equilibrar la eficiencia de costes y la satisfacción del usuario en las entregas de última milla, ofreciendo perspectivas prácticas para la optimización logística. [Traducción automática al español; idioma original: inglés.]Last-mile delivery logistics face significant challenges, particularly regarding customer absences during scheduled delivery times. This issue not only frustrates customers but also imposes substantial economic costs on delivery companies, estimated at up to 15 euros per failed delivery. This research aims to address this problem by optimizing last-mile delivery processes using a genetic algorithm (GA) designed to minimize rerouting costs while respecting customer time preferences. The study compares the performance of the proposed GA with a Simulated Annealing (SA) algorithm, assessing their efficiency in route optimization. Through detailed simulations, GA reduces operational costs by over 35,000 euros annually by considering customer preferences. It significantly outperforms the SA algorithm in scenarios with high customer variability, highlighting its potential for cost-efficient last-mile delivery solutions. Additionally, the GA consistently respected 4–7 more customer preferences per route compared to traditional methods, leading to enhanced customer satisfaction. This work contributes to the field by providing a robust methodology for balancing cost efficiency and user satisfaction in last-mile deliveries, offering actionable insights for logistics optimization.2732086enghttp://creativecommons.org/licenses/by-nc-nd/4.0/genetic algorithmlast milelogisticsoptimizationroutingsimulated annealingComputer Science (miscellaneous)Yesyesjournal articleopen access10.3390/technologies13030115https://www.scopus.com/pages/publications/105001355689https://www.scopus.com/pages/publications/105001355689#tab=citedBy