ANLISIS DE ARTCULO CIENTFICO

Ttulo del estudio:

Optimizacin Multiobjetivo en la Planificacin de Centrales Telefnicas

Autores:
Carlos D. Almeida, Nilton Amarilla, Benjamn Barn.

Estudio:
Se utilizaron de Algoritmos Evolutivos Multiobjetivos para la planificacin de
centrales telefnicas a corto, mediano y largo plazo. Se propuso la optimizacin de
las redes de telecomunicaciones utilizando un Algoritmo Evolutivo Multiobjetivo. En
particular, se utiliz el Strength Pareto Evolutionary Algorithm - SPEA2, por su
reconocida eficiencia en la bsqueda de soluciones multiobjetivo.

Formulacin matemtica:

El problema de optimizacin Multiobjetivo tratado en este trabajo se define de la

siguiente forma:
Minimizar y = f(x) = (f1(x),f2(x),f3(x))

Donde:
x = (x1,x2,...,xi, ...,xn) X Nn representa el vector de variables de
decisin;
y= (y1,y2,y3) = f(x) Y N3 representa el vector de funciones objetivo;
n ... nmero mximo de centrales;
m ... nmero mximo de cuadrculas en que se divide el rea en estudio;
xi ... designa la ubicacin de una central dentro del rea en estudio (0 xi
m);
yi ... representa la inversin acumulada hasta el ao considerado;
X ... representa el espacio de decisiones;
Y ... representa el espacio objetivo.

Ubicacin del problema:

El problema de la ubicacin ptima de centrales consisti en encontrar el nmero

ptimo de centrales telefnicas, y la mejor ubicacin de dichas centrales en un
rea de estudio (tpicamente una ciudad determinada, Asuncin para este
estudio), de forma a minimizar el costo acumulado de inversin a corto, mediano y
largo plazo.
El rea de la ciudad a ser atendida se dividi en m cuadrculas de por ejemplo 10
a 500 m de lado. A cada una de stas cuadrculas se le asign un valor de fila y
columna, conformando una matriz. A cada elemento de esta matriz se asociaron
dos valores: Poblacin, que es la cantidad de habitantes que hay en cada
cuadrcula, y Costo del Terreno (por metro cuadrado).
Los datos de poblacin y terrenos se obtuvieron a partir de datos oficiales
disponibles sobre el rea en estudio, que en este estudio fue la ciudad de
Asuncin, capital de la Repblica del Paraguay.
De esta forma, obtenemos una matriz M Nmx4 con una fila por cada una de las
m cuadrculas vlidas y 4 columnas con informacin por cuadrcula, de:

1 columna: fila para su ubicacin en el mapa;

2 columna: columna para su ubicacin en el mapa;
3 columna: poblacin actual (dato utilizado para estimar demanda);
4 columna: costo del terreno.

Debido a que el plano del rea en estudio tiene en general una figura geomtrica
irregular, muchas cuadrculas caen fuera de los lmites de la ciudad o en zonas no
habitadas, con ros, lagos o montaas. Por lo tanto, utilizando tcnicas de matrices
esparzas, a todas las cuadrculas que quedan fuera de la ciudad se les asigna un
indicador de cuadrcula no vlida (flag) y no se las cuenta entre las m cuadrculas
vlidas.
El costo de implementacin de una central de telecomunicaciones es calculado de
la siguiente forma:

donde:
c1(x): costo total de planta externa, definidas por el vector de decisin x;
c2(x): costos de terrenos donde sern instaladas las centrales;
c3(x): costos de edificios donde sern instaladas las centrales;
c4(x): costos de ingeniera que conlleva la instalacin de las centrales;
c5(x): costos de equipos de conmutacin;
c6(x): costos de equipos de transmisin entre las centrales definidas por x.

La Figura 1 a continuacin mostrada representa el plano cuadriculado de la ciudad

de Asuncin, con los contornos indicando los elementos vlidos de la matriz. Para
este ejemplo, existen m = 499 cuadrculas vlidas.

El vector de decisin para este ejemplo, al adoptar un nmero mximo de n = 14

centrales, ser:
x = (0, 0, 0, 0, 0, 0, 48, 92, 188, 232, 250, 319, 390, 423)

donde se observa que de las 14 centrales posibles, esta solucin utiliza solo 8
centrales, ubicadas en las posiciones 48, 92, 188, 232, 250, 319, 390, y 423.
Puede notarse, adems, que el vector de decisin x tiene sus elementos xi
ordenados en forma creciente, lo que facilita detectar soluciones similares donde
las centrales se encuentran simplemente permutadas.

Las cuadrculas que formarn parte del rea de servicio de una central, son
aquellas que tienen el costo mnimo de conexin cuando son conectadas a esta
central. Cada una de estas cuadrculas, denotadas en adelante xt, atiende la
condicin: 1 xt m. A cada cuadrcula xt van asociados dos valores que
representan sus coordenadas (Xt, Yt) en una matriz de 32 filas por 30 columnas. El
clculo del costo de conectar los abonados que estn en una cuadrcula xt a una
central, se realiza conforme a:
Donde:
cit....costo de conectar los abonados pertenecientes a la cuadrcula xt a la central
xi;
dt .... cantidad de abonados de la cuadrcula xt;
p .... costo de planta externa por unidad de longitud, por cada abonado;
(Xi, Yi) ... coordenadas de la central xi;
(Xt, Yt) ... coordenadas de la cuadrcula xt.

El costo total de planta externa, para el ejemplo considerado, se calcula conforme:

Se asume que cada sitio xt puede estar conectado a una sola central xi, por lo
tanto:

El costo del terreno es el producto del costo por m 2 y el rea del edificio de la
central, conforme:

Los dems costos que se involucran, se calcularon de la siguiente forma:

donde:
ce .... costo de construccin del edificio de la central;
cing .... costo de la ingeniera de planificacin de centrales;
ceq .... costo de los equipamientos de la central, por abonado;
ctr ... costo de los equipamientos de transmisin;
k ... cantidad de centrales (k n);
dt ... demanda telefnica de la cuadrcula xt;

El problema principal a ser resuelto consiste en encontrar la cantidad de centrales

y la ubicacin ptima de estas centrales en el rea de estudio, de la cual se
conocen todos los datos relativos a la matriz M arriba definida.

Mtodo de resolucin:
Se propuso un Algoritmo evolutivo denominado SPEA2, cuyo desempeo en la
bsqueda de soluciones se caracteriza por la obtencin de soluciones Pareto
ptimas y la diversidad de las mismas sobre el Frente Pareto. Este algoritmo
utiliza una estrategia de asignacin de fitness que incorpora informacin de
densidad a fin de evitar la prdida de posibles soluciones ptimas.

Para la aplicacin de los Algoritmos Evolutivos Multiobjetivos propuestos en el

problema de prueba, cada individuo x = (x1, x2, ..., xi, ...., xn) fue codificado usando
un arreglo de nmeros enteros xi, tal que 0 xi m (m=499).

El algoritmo heurstico de inicio de la poblacin se describe a continuacin:

El algoritmo de fitness utilizado para la implementacin del algoritmo evolutivo
multiobjetivo SPEA2, se detalla en el pseudocdigo 2 mostrado a continuacin.
Resultados

En la tabla 1 se puede apreciar que la mejor solucin para el ao base 2002 es la

nmero 1, que utiliza 8 centrales. Para el ao 2004, la mejor solucin es la nmero
10 que requiere de 11 centrales, mientras que para el ao 2007, la cantidad
ptima de centrales es de 14 (solucin nmero 19). Claramente, los tres objetivos
conflictan entre s por lo que el planificador deber decidir cul es la mejor
relacin de compromiso entre su inversin a corto plazo y el costo que podr llegar
a tener la red a mediano y largo plazo.
Es interesante enfatizar que al utilizar un algoritmo evolutivo multiobjetivo, el
planificador no solo encuentra las mejores soluciones para cada objetivo, sino toda
la gama de soluciones de compromiso Pareto ptimas entre estos objetivos, por lo
que se facilita la toma de decisin consciente.
En la Figura 2 puede notarse que, en la simplificacin propuesta, el nmero ptimo
de centrales es 8, lo que coincide con el nmero existente de centrales en la
ciudad de Asuncin:
Conclusiones:
Se observ que la utilizacin de Algoritmos Evolutivos Multiobjetivos en la
resolucin de problemas de ubicacin de centrales de telecomunicaciones,
present un enfoque indito en la planificacin de redes de telefona bsica. Esta
metodologa proporciona una herramienta computacional que permite obtener un
conjunto de soluciones Pareto ptimas, considerando todos los aspectos que se
quieran optimizar de manera simultnea. Los mtodos heursticos tradicionales
proporcionan simplemente soluciones puntuales, apelando a procesos iterativos
para contemplar todos los aspectos de la red que se quiere disear, con la
consecuente demora en el diseo.
Se puede afirmar que el empleo de algoritmos evolutivos Multiobjetivos para la
planificacin, dimensionamiento y optimizacin de redes de telecomunicaciones,
ofrece una perspectiva ms amplia y eficiente que permite a los planificadores
decidir entre un conjunto de soluciones ptimas, manejando los diversos aspectos
de la red que se consideren necesarios para minimizar los costos en juego.
Cabe destacar que la metodologa adoptada para resolver el problema de
ubicacin de centrales es fcilmente adaptable a otros problemas similares. Por
ejemplo, dado una cantidad de centrales existentes en un rea, se puede calcular
donde agregar nuevas centrales.

Referencia:
Almeida, C., Amarilla, N., & Barn, B. (2003). Optimizacin Multiobjetivo en la
Planificacin de Centrales Telefnicas. In XXIX Conferencia Latinoamericana de
Informtica CLEI