Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen.
En el presente documento se abarca el estudio de un problema de localización
de k-productos en instalaciones sin capacidad, de manera que se encuentre y
demuestre una forma para determinar buenos valores objetivos para el modelo
planteado, esto mediante la utilización de metaheurísticas, validando el
rendimiento y la calidad de las soluciones encontradas.
1. Introducción
Los problemas de localización surgen de la necesidad de encontrar, en el
contexto del problema, la mejor ubicación para una o varias instalaciones, con
el fin de satisfacer puntos de demanda maximizando las utilidades, partiendo de
este concepto muchos autores han tratado este problema, presentando diferentes
tipos de modelos.
Formular modelos de localización resultan un instrumento de gran
importancia para las empresas, debido a que se consideran como un componente
importante sobre la ubicación y/o decisión en la instalación y apertura de cada
una de sus sucursales, de manera que maximicen o minimicen aquellos aspectos
que la empresa considere y así poder conseguir ganancias en la empresa,
evitando caer en malas operaciones y, por consiguiente, perdidas para la misma.
Un caso particular sobre los problemas de localización, es aquel en el cual
los clientes solicitan más de un servicio o producto que necesita ser producido
por varias instalaciones. Este tipo de problemas es el que se le denomina como
problema de ubicación de instalaciones sin capacidad de productos múltiples, o
bien, problema de ubicación de instalaciones sin capacidad para k-productos
(por sus siglas en inglés, k-PUFLP).
En este documento estudiamos el problema de localización de k-productos
de Huei-Chuen Huang y Rongheng Li (2007) considerando las instalaciones sin
capacidad. En la presente se consideran 2 metaheurísticas basadas en búsquedas
locales; Variable Neighborhood Search (VNS) y Iterated Local Search (ILS);
aplicando ambas metaheurísticas para comparar y medir el rendimiento de
ambos aplicados a k-PUFLP.
Este artículo está organizado como sigue: en la sección 1 se presentó una
introducción al problema, en la sección 2 describiremos nuestro problema y el
modelo que se pretende resolver, en la sección 3 hablaremos sobre las
metaheurísticas utilizadas para resolver dicho modelo, en la sección 4
expondremos la experimentación computacional realizada, así como los
resultados y comparaciones, por último, en la sección 5 y 6 se encuentran las
conclusiones y referencias.
2.1. Modelo
Tenemos que el problema de localización de k-productos en instalaciones sin
capacidad k-PUFLP se modela de la siguiente manera:
𝑚𝑖𝑛 𝑓 𝑦 + 𝑐 𝑥 (1)
Sujeto a:
𝑥 = 1, ∀𝑗 ∈ 𝐷, 𝑙 ∈ {1,2, … , 𝑘} (2)
(4)
𝑦 ≤ 1, 𝑖 ∈𝐹
(5)
𝑥 ∈ {0,1}, ∀𝑖 ∈ 𝐹, 𝑗 ∈ 𝐷, 𝑙 ∈ {1,2, … , 𝑘}
3. Metaheurísticas propuestas
3.1.2. Vecindarios
Los vecindarios serán generados de con los movimientos de inserción,
utilizando los siguientes movimientos:
1. Para el vecindario 1, se selecciona de manera aleatoria una instalación
del vector 𝑉𝑒𝑐_𝑚, y se inserta a partir de otra posición aleatoria, como
se muestra en la siguiente figura:
2. Para el vecindario 2, se selecciona de manera aleatoria una posición 𝐻
del 𝑉𝑒𝑐_𝑚 para posteriormente seleccionar ahora, una posición 𝐺
donde 𝐺 = 𝐻 − 1. Posteriormente se fija 𝐻 y se aplica el método de
inserción en 𝐺. Esto es, para cada movimiento en 𝐻 tendremos
inserciones del 𝑉𝑒𝑐_𝑚 con la posición 𝐺, como se muestra en la
siguiente figura:
4.1. Instancias
Las instancias se crearon de manera aleatoria:
Tamaños
Instancias D i j k 𝑓 𝑐
1 10 5 10 5 5x10 10x10
Chicas
2 9 7 9 7 7x9 9x9
1 15 13 15 13 13x15 15x15
Medianas
2 22 13 22 13 13x22 22x22
1 27 22 27 22 22x27 27x27
Grandes
2 23 20 23 20 20x23 23x23
1. Los valores de F y j se tomaron según el tamaño de las instancias, se
consideraron instancias pequeñas, medianas y grandes.
2. Los costos de apertura son aleatorios entre [150,500]
3. Los costos por servicio son aleatorios entre [60,120]
4. El conjunto de posibles ubicaciones esta entre [9,30]
5. Los k-productos como un aleatorio menor que las posibles
instalaciones.
4.2. Resultados
En esta sección veremos los resultados arrojados por cada una de las
metaheurísticas, se corre 10 veces el código para cada una de las instancias
propuestas anteriormente, de manera que, el dato mostrado es el promedio de
dichas ejecuciones.
4.2.1. VNS
VNS
Tamaño de Solución
Ubicaciones Instalaciones Clientes k Solución Inicial % de
la instancia Resultante al Tiempo
(Constructivo) mejora
aplicar VNS
10 5 10 5 6121 5391 11.93% 1.16
Grandes Medianas Pequeñas
4.2.2. ILS
ILS
Tamaño
Solución
de la Ubicaciones Instalaciones Clientes k Solución Inicial
Resultante al % de mejora Tiempo
instancia (Constructivo)
aplicar ILS
10 5 10 5 5804 5648 2.69% 0.541
Grandes Medianas Pequeñas
4.3. Comparaciones
Para realizar la comparación entre las metaheurísticas se toman varios
criterios, el porcentaje observado de mejora, tiempos de ejecución y el
porcentaje variabilidad que hay entre los resultados encontrados durante las 10
ejecuciones de los códigos, en la siguiente tabla se muestra el peor y mejor
resultado para cada metaheurística:
ILS VNS
Tamaño
Peor valor de Mejor valor de Peor valor de Mejor valor
de la Ubicaciones Instalaciones Clientes k Peor Mejor
la función Peor tiempo la función Mejor tiempo la función de la función
instancia tiempo tiempo
objetivo objetivo objetivo objetivo
10 5 10 5 5726 1.204 5648 0.541 5756 3.25 5391 1.16
Grandes Medianas Pequeñas