Problema de Localización de Plantas con Capacidades y Distancias
Transcripción
Problema de Localización de Plantas con Capacidades y Distancias
Problema de Localización de Plantas con Capacidades y Distancias Limitadas M. Albareda-Sambola, E. Fernández, G. Laporte Universitat Politècnica de Catalunya HEC-Montréal Reunión de coordinación Red Española “Análisis y aplicaciones de decisiones sobre localización de servicios y problemas relacionados”, Baeza 2007 Introducción TS para CDCPLP Esquema Introducción Solución vı́a Búsqueda Tabú Resultados computacionales Conclusiones Resultados Conclusiones Introducción TS para CDCPLP Resultados Localización Discreta • Plantas → Costes fijos, capacidades • Clientes → demandas • pares → distancias/costes Conclusiones Introducción TS para CDCPLP Resultados Conclusiones Problema de localización capacidades y demanda indivisible Introducción TS para CDCPLP Resultados Conclusiones Problemas combinados localización-rutas (LRP) Introducción TS para CDCPLP Resultados Conclusiones En LRPs ... Múltiples decisiones: 1. Localización de plantas. 2. Asignación de clientes a plantas. 3. Agrupamiento de clientes de una misma planta en vehı́culos 4. Diseño de rutas Introducción TS para CDCPLP Resultados Conclusiones Problema de localización de plantas con capacidades y distancias limitadas Introducción TS para CDCPLP Resultados Conclusiones Problema de localización de plantas con capacidades y distancias limitadas Introducción TS para CDCPLP Resultados Conclusiones CDCPLP Dados • un conjuto de localizaciones potenciales J, con costes fijos de apertura fj y capacidad bj , • una flota homogénea de vehı́culos, con costes de operación g y lı́mite de tiempo de viaje `, • un conjunto de clientes I con demandas, di , • costes de asignación cij , y tiempos de viaje tij para cada par planta-cliente; Introducción TS para CDCPLP CDCPLP decidir • el conjunto de plantas a abrir, • la asignación de clientes a plantas, • el uso de vehı́culos Resultados Conclusiones Introducción TS para CDCPLP Resultados CDCPLP de forma que • cada cliente sea atendido por un vehı́culo, • se respeten las capacidades de las plantas, • ningún vehı́culo exceda el lı́mite de tiempo de viaje, y • se minimice el coste total (costes de apertura + uso de vehı́culos + asignación) Conclusiones Introducción TS para CDCPLP Resultados Conclusiones Modelado Variables: yj se abre la planta j; j ∈ J zjk se usa el k-ésimo vehı́culo de la planta j; j ∈ J, k ∈ K xijk el k-ésimo vehı́culo de la planta j atiende al cliente i; i ∈ I , j ∈ J, k ∈ K , donde |K | es una cota superior del número de vehı́culos a utilizar en cada planta. Introducción TS para CDCPLP (P) Min X fj yj + g X j s.t. X zjk + j,k Resultados X i,j cij X Conclusiones xijk k xijk = 1 ∀i ∈ I tij xijk 6 `zjk ∀j ∈ J, k ∈ K dij xijk 6 bj yj ∀j ∈ J j,k X i X i,k zjk 6 yj ∀j ∈ J, k ∈ K xijk 6 zjk ∀i ∈ I , j ∈ J, k ∈ K zjk 6 zj(k−1) ∀j ∈ J, k ∈ K \{1} xijk , yj , zjk ∈ {0, 1} ∀i ∈ I , j ∈ J, k ∈ K Introducción TS para CDCPLP Resultados Buscando soluciones La búsqueda Tabú se ha aplicado con éxito para diversos problemas relacionados: • Localización Discreta • Asignación generalizada • Bin Packing • Diseño de rutas • Problemas combinados localización-rutas Conclusiones Introducción TS para CDCPLP Resultados Buscando soluciones La búsqueda Tabú se ha aplicado con éxito para diversos problemas relacionados: • Localización Discreta • Asignación generalizada • Bin Packing • Diseño de rutas • Problemas combinados localización-rutas Buenas espectativas para CDCPLP. Conclusiones Introducción TS para CDCPLP Resultados Caracterı́sticas Principales • Inicialización: Heurı́stica Greedy Conclusiones Introducción TS para CDCPLP Resultados Conclusiones Caracterı́sticas Principales • Inicialización: Heurı́stica Greedy • Oscilación etratégica: Permitimos infactibilidades respecto a • Capacidad de las plantas • Lı́mite de tiempo de viaje en los vehı́culos Introducción TS para CDCPLP Resultados Conclusiones Caracterı́sticas Principales • Inicialización: Heurı́stica Greedy • Oscilación etratégica: Permitimos infactibilidades respecto a • Capacidad de las plantas • Lı́mite de tiempo de viaje en los vehı́culos • Amplia gama de vecindarios Introducción TS para CDCPLP Vecindarios Distintos vecindarios para modificar: • Conjunto de plantas abiertas • Asignación de plantas a clientes • Uso de la flota de vehı́culos Resultados Conclusiones Introducción TS para CDCPLP Resultados Vecindarios Distintos vecindarios para modificar: • Conjunto de plantas abiertas • Asignación de plantas a clientes • Uso de la flota de vehı́culos Jerarquı́a de las decisiones ⇓ Jerarquı́a en la exploración de vecindarios Conclusiones Introducción TS para CDCPLP Resultados Estrategia de la búsqueda • Pruebas con distintas alternativas Conclusiones Introducción TS para CDCPLP Resultados Estrategia de la búsqueda • Pruebas con distintas alternativas • Mejores resultados: Búsqueda Tabú anidada Conjunto de plantas abiertas Asignación de plantas a clientes Agrupación en vehículos Conclusiones Introducción TS para CDCPLP Resultados Estrategia de la búsqueda • Pruebas con distintas alternativas • Mejores resultados: Búsqueda Tabú anidada Conjunto de plantas abiertas Asignación de plantas a clientes Agrupación en vehículos • En cada nivel, distintos vecindarios Selección según el estatus de la solución. Conclusiones Introducción TS para CDCPLP Resultados Experiencia computacional • Instancias derivadas de SSCFLP1 1 www-eio.upc.es/personnel/homepages/elena/sscplp/ Conclusiones Introducción TS para CDCPLP Resultados Experiencia computacional • Instancias derivadas de SSCFLP1 • Información vehı́culos (tij , ` y g ) generada aleatoriamente. 1 www-eio.upc.es/personnel/homepages/elena/sscplp/ Conclusiones Introducción TS para CDCPLP Resultados Experiencia computacional • Instancias derivadas de SSCFLP1 • Información vehı́culos (tij , ` y g ) generada aleatoriamente. • Dos grupos de experimentos: 1 www-eio.upc.es/personnel/homepages/elena/sscplp/ Conclusiones Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional • Instancias derivadas de SSCFLP1 • Información vehı́culos (tij , ` y g ) generada aleatoriamente. • Dos grupos de experimentos: 1. Instancias 10x20. (6) 6 combinaciones (`, g ) etiq. A B C D E ` 40 40 50 50 100 g 50 100 80 150 150 tij ∈ [10, 50] con/sin correlación con cij . −→ 72 instancias 1 www-eio.upc.es/personnel/homepages/elena/sscplp/ F 100 300 Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional • Instancias derivadas de SSCFLP1 • Información vehı́culos (tij , ` y g ) generada aleatoriamente. • Dos grupos de experimentos: 1. Instancias 10x20. (6) 6 combinaciones (`, g ) etiq. A B C D E ` 40 40 50 50 100 g 50 100 80 150 150 tij ∈ [10, 50] con/sin correlación con cij . −→ 72 instancias 2. Instancias 15x30 y 20x40: (12 + 7 ) “C”, con correlación entre c y t. 1 www-eio.upc.es/personnel/homepages/elena/sscplp/ F 100 300 Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional: Instancias 10x20 Instancias sin correlación entre t y c 350 12 p1 p2 p3 p4 p5 p6 300 10 200 6 150 4 100 2 50 0 0 tabu %dev g l (l,g) desviacion % 250 8 Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional: Instancias 10x20 Instancias con correlación entre t y c 12 p1 p2 p3 p4 p5 p6 350 300 10 250 200 6 150 4 100 2 50 0 0 tabu %dev g l (l,g) desviación % 8 Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional: Instancias 10x20 Instancias sin correlación entre t y c; conjunto de plantas 10 P1 P2 P3 P4 P5 P6 8 6 4 2 0 A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F abiertas en sol. TS abiertas en ambas abiertas en sol. óptima Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional: Instancias 10x20 Instancias sin correlación entre t y c. Distribución costes P1 P2 P3 P4 P5 P6 100% 75% 50% 25% 0% A B CDE F A B CDE FA B CDE F A B CDE FA B CDE F A B CDE F apertura vehículos asignación Introducción TS para CDCPLP Resultados Conclusiones Experiencia computacional: Instancias 10x20 Instancias sin correlación entre t y c. Tiempo TS 40 350 p1 p2 p3 p4 p5 p6 35 300 250 25 200 20 150 15 100 10 50 5 0 0 tiempo TS g l (l,g) segundos 30 Introducción TS para CDCPLP Resultados Experiencia computacional: Instancias grandes Desviación resp. mejor sol CPLEX (2h) Desviaciones resp. a la solucion de CPLEX 20 15 10 5 0 -5 instancias 15x30 instancias 20x40 Conclusiones Introducción TS para CDCPLP Resultados Conclusiones Conclusiones e investigación futura • Hemos introducido el Problema de Localización de Plantas con Capacidades y Distancias Limitadas, que está a mitad de camino entre localización pura y localización-rutas, con el objetivo de capturar la influencia de las consideraciones sobre gestión de flotas en las decisiones sobre localización, pero sin incurrir en la complejidad del diseño de rutas. Introducción TS para CDCPLP Resultados Conclusiones Conclusiones e investigación futura • Hemos introducido el Problema de Localización de Plantas con Capacidades y Distancias Limitadas, que está a mitad de camino entre localización pura y localización-rutas, con el objetivo de capturar la influencia de las consideraciones sobre gestión de flotas en las decisiones sobre localización, pero sin incurrir en la complejidad del diseño de rutas. • Aun sin el diseño de las rutas, se trata de un problema muy complejo Introducción TS para CDCPLP Resultados Conclusiones Conclusiones e investigación futura • Hemos introducido el Problema de Localización de Plantas con Capacidades y Distancias Limitadas, que está a mitad de camino entre localización pura y localización-rutas, con el objetivo de capturar la influencia de las consideraciones sobre gestión de flotas en las decisiones sobre localización, pero sin incurrir en la complejidad del diseño de rutas. • Aun sin el diseño de las rutas, se trata de un problema muy complejo • Trabajo actual • Estudio de modelos alternativos y refuerzo de sus cotas asociadas. • Desarrollo de un algoritmo exacto.
Documentos relacionados
Problema de Localización de Plantas con Capacidades y Distancias
zjk se usa el k-ésimo vehı́culo de la planta j; j ∈ J, k ∈ K xijk el k-ésimo vehı́culo de la planta j atiende al cliente i; i ∈ I , j ∈ J, k ∈ K ,
Más detalles