Sei sulla pagina 1di 120

ALMA MATER STUDIORUM

UNIVERSITA' DEGLI STUDI DI BOLOGNA

Seconda Facoltà di Ingegneria sede di Cesena


Corso di laurea in Ingegneria Informatica

Tesi di Laurea in
Ricerca Operativa L-A

Modelli e algoritmi
per l'ottimizzazione
di layout fieristici

Tesi di laurea di:


Erick Baldi

Relatore:
Chiar.mo Prof. Ing. Silvano Martello

Correlatori:
Prof. Ing. Daniele Vigo
Dott. Ing. Manuel Iori

Università di Bologna Prima sessione AA. 2007/2008


Indi e

Introduzione i

1 Problemi di pa king e utting nei layout 1


1.1 Layout eristi i . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Cutting and Pa king problems . . . . . . . . . . . . . . . . . . 4

1.2.1 Knapsa k problem . . . . . . . . . . . . . . . . . . . . 6

1.2.2 Bin Pa king Problem . . . . . . . . . . . . . . . . . . . 13

1.2.3 Two Dimensional Bin-pa king Problem . . . . . . . . . 18

1.2.4 Two Dimensional Strip-pa king Problem . . . . . . . . 34

1.2.5 Two Dimensional Knapsa k Problem . . . . . . . . . . 40

1.3 Fa ility layout problem . . . . . . . . . . . . . . . . . . . . . . 44

1.3.1 Modelli per il fa ility layout problem . . . . . . . . . . 45

1.3.2 Metodologie di risoluzione . . . . . . . . . . . . . . . . 48

2 Ottimizzazione dei layout eristi i 55


2.1 Spe i he e ontesti per il progetto . . . . . . . . . . . . . . . 56

2.1.1 Modelli matemati i . . . . . . . . . . . . . . . . . . . . 61

2.2 Studio e analisi di asi reali . . . . . . . . . . . . . . . . . . . 65

2.2.1 Caso 1: Fortaleza hand raft fair . . . . . . . . . . . . . 66

2.2.2 Caso 2: Regional fair in Romont . . . . . . . . . . . . . 70

2.2.3 Considerazioni nali . . . . . . . . . . . . . . . . . . . 80

3 Casi di studio e spe i he di progetto 83


3.1 Presentazione dei asi di studio . . . . . . . . . . . . . . . . . 84

3.1.1 Fiera del Levante . . . . . . . . . . . . . . . . . . . . . 85

3.1.2 Fiera di Bolzano . . . . . . . . . . . . . . . . . . . . . 88

1
INDICE INDICE

3.1.3 Expo Ferroviaria 2008 . . . . . . . . . . . . . . . . . . 91

3.2 Criterio per la denizione e la s rittura delle matri i . . . . . . 92

4 Implementazione degli algoritmi e risultati omputazionali 97


4.1 Fiera del Levante: soluzione . . . . . . . . . . . . . . . . . . . 98

4.2 Fiera di Bolzano: soluzione . . . . . . . . . . . . . . . . . . . . 102

4.3 Expo Ferroviaria 2008: soluzione . . . . . . . . . . . . . . . . 103

4.4 Considerazioni nali . . . . . . . . . . . . . . . . . . . . . . . 104

5 Con lusioni 109

Bibliograa 111
Ringraziamenti

Ringrazio sentitamente il mio relatore, Prof.Ing.Silvano Martello,


e i miei orrelatori, Prof.Ing.Daniele Vigo e Ing.Manuel Iori, per
la disponibilità e l'aiuto nello sviluppo del progetto di tesi e
nella onseguente stesura.
Ringrazio soprattutto la mia Famiglia per il prezioso sostegno, la
fidu ia, l'aiuto ostante e i numerosi sa rifi i; ringrazio inoltre
tutti gli Ami i e le persone he in questi anni mi sono stati vi ini.

Grazie a tutti.

La stupidità deriva dall'avere una risposta per ogni osa


La saggezza deriva dall'avere una domanda per ogni osa

(Milan Kundera)
Introduzione

Questa tesi ha ome obiettivo quello di determinare algoritmi e metodi

per ottimizzare il layout di esposizioni eristi he, on parti olare riferimen-

to e appli azione a tre ontesti eristi i eterogenei, manifestazioni di grande

importanza (sia su s ala nazionale he internazionale) he hanno luogo in

varie ittà italiane. In parti olare si er herà di implementare gli algoritmi

studiati e illustrati nei primi due apitoli ai tre asi sopra itati, in modo da

raggiungere l'obiettivo dell'appli abilità di tali metodologie ai asi più gene-

rali possibile.

Lo s opo del lavoro onsiste quindi nel massimizzare il numero di stand espo-

sitivi he possono essere ontenuti negli spazi adibiti alla era, fo alizzando

il on etto in base ai problemi di spazio, allo azione e adeguamento.

Nel orso della trattazione, dopo una esauriente presentazione dei modelli

matemati i, verranno studiati asi reali già dis ussi e ultimati, in maniera da

ri ondurre i problemi a realtà simili, he fungono da punti di partenza. In

parti olare verranno studiati ontesti quali la era di Fortaleza (Brasile) e di

Romont (Svizzera) poi hè rappresentano due esempi esaustivi e ompleti per

pro edere nel progetto.

La struttura della tesi è organizzata in 5 apitoli osì suddivisi:

• Capitolo 1 : introduzione e analisi dei problemi di layout e pa king, e

dei relativi modelli matemati i utili per l'ottimizzazione. Verranno il-

lustrate le metodologie alle quali è possibile ri ondurre un problema di

organizzazione di spazi espositivi, in ui si presentano numerosi osta-

oli quali l'area irregolare di esposizione, la dimensione degli stand, gli

spazi ne essari al passaggio delle persone e all'eventuale gestione da

parte degli organizzatori, l'ambiente in ui i si trova a lavorare. Il tut-

i
ii INDICE

to improntato sull'obiettivo della programmazione matemati a e degli

algoritmi della Ri er a Operativa.

• Capitolo 2 : presentazione di asi di studio già analizzati e on lusi. Le

manifestazioni eristi he di Fortaleza e di Romont sono esempi molto

alzanti di appli azione delle te ni he dell'ottimizzazione eristi a a

queste tipologie di problemi. Partendo dallo studio di entrambi i asi

e adattandone le aratteristi he al ontesto in oggetto, si sono potuti

ri avare algoritmi e modelli utili, da appli are in maniera più spe i a

ai asi presi in onsiderazione nella tesi.

• Capitolo 3 : asi di studio oggetto della tesi. Appli azione degli algo-

ritmi di ottimizzazione di layout eristi i on parti olare riferimento a

tre ontesti diversi: la Fiera del Levante di Bari, la Fiera di Bolzano -

Messe Bozen e la Expo Ferroviaria 2008 presso il Lingotto di Torino.

Questo apitolo onsiste in una panorami a dei tre ontesti analizzati,

des rivendone le soprattutto le spe i he te ni he per la progettazio-

ne, pur senza tralas iare notizie stori he e aratteristi he di ias una

manifestazione.

• Capitolo 4 : soluzioni e possibili ulteriori obiettivi. I metodi della ri er-

a operativa e della ottimizzazione ombinatoria vengono qui messi in

prati a grazie all'implementazione software degli algoritmi visti e stu-

diati nei pre edenti apitoli. Con riferimento alle alternative studiate

nel terzo apitolo, verranno qui implementate le metodologie per l'ap-

pli azione degli algoritmi a tre proposte piuttosto dierenti tra loro, in

maniera tale da arontare il fair layout problem in maniera più generi a


possibile.

• Capitolo 5 : on lusioni e obiettivi raggiunti. Breve sintesi della strada

per orsa nel progetto di tesi, on uno sguardo ai modelli e agli algoritmi

implementati e alla loro appli azione ai asi presi in esame.


Capitolo 1
Problemi di pa king e utting nei
layout

Il punto di partenza per l'analisi delle problemati he legate ai layout

eristi i è rappresentato dalla progettazione in ambito industriale. Prima di

proseguire è ne essario fornire al une denizioni.

Si denis e layout ome

una organizzazione della produzione he ha ome oggetto la


progettazione, la messa in opera, la manutenzione e il miglio-
ramento di sistemi integrati di uomini, ma hine e materiali;
fa endo uso di metodi e te ni he tratti dalle s ienze matemati-
he, si he e so iali, oltre he dai riteri dell'analisi e onomi a,
essa deve denire gli obiettivi di tali sistemi integrati, valutare
preventivamente e ontrollare i risultati ottenuti.

Quindi, in maniera più sempli e e sinteti a, il layout non è altro he un mo-

do di organizzare la gestione di beni materiali adandosi a metodi razionali,

matemati i e ingegneristi i. Si tratta di trovare il giusto ompromesso tra

uomo e produzione, in termini di gestione ottimale di quest'ultima.

Se si pensa he uno dei fattori ru iali he maggiormente inuenzano i osti

di un'azienda ( ir a dal 30% al 75%) è proprio legato alle politi he di layout

e di movimentazione di materiale, è bene er are delle soluzioni ottimizzate

per ovviare al problema e ridurre di onseguenza i osti he ne derivano.

1
2 1. Problemi di pa king e utting nei layout

Il layout ottimale è quello he onsente di soddisfare il maggior numero pos-

sibile di soggetti interessati ad un erto aspetto di produzione o di organizza-

zione ( ome ad esempio i vari settori oinvolti nell'allestimento di una era),

er ando di venire in ontro alle esigenze di tutti gli interessati. Questo non è

aatto un ompito sempli e: er are di soddisfare adeguatamente ogni grup-

po di persone addette ai numerosi settori di organizzazione, signi a reare

un layout he soddis i requisiti di tutti i settori oinvolti. Ovviamente ogni

gruppo oinvolto ha le proprie esigenze, in base al proprio lavoro e o upa-

zione svolti. Per questo nel progettare un layout ottimo o orre tenere onto

di diversi fattori:

• omplessità e tipologia del pro esso di produzione

• volumi e quantità di produzione

• ussi e trasporti interni di materiale

• massima utilizzazione degli impianti e delle attrezzature

• utilizzo e a e di spazi e ambienti disponibili

• ondizioni ambientali e lo ali favorevoli

• previsioni future (possibili estensioni, dierenziazioni, e .)

Tutti questi fattori dipendono in maniera più o meno forte tra di loro, ed

è quindi fondamentale o uparsene, oltre he singolarmente, an he nel lo-

ro omplesso; i prin ipali ris ontri dovuti a un'adeguata organizzazione del

lavoro si avranno sulla planimetria delle aree adibite all'esposizione. In par-

ti olare si otterranno vantaggi in ambito logisti o, ad esempio nell'ottimiz-

zazione dei ussi, nelle distanze da oprire, nelle informazioni e dei dati da

s ambiare, nelle attività da svolgere e portare a termine.

1.1 Layout eristi i


In un ontesto eristi o il layout assume un ruolo fondamentale, oltre he

per l'organizzazione interna, an he per il servizio oerto a lienti e visitatori;


1.1 Layout eristi i 3

ri opre inoltre una funzione spe iale per determinare l'e ienza, l'esteti a e

le funzionalità della era. In aggiunta alle aratteristi he viste per un layout

prettamente industriale, in ambito eristi o (derivante appunto da quello

industriale) si hanno altre importanti pe uliarità quali:

• e a e utilizzo degli spazi e dell'ambiente

• ottimizazione dei per orsi per lienti e per organizzatori

• progettazione di spazi e luoghi oerentemente on una previsione ade-

guata del numero di visitatori

• oretto sfruttamento delle risorse ambientali disponibili

In prati a, iò he dierenzia prin ipalmente i layout industriale e eristi o

risiede nel fatto he mentre nel primo aso ha molta importanza la buona

gestione del usso di materiale, nel se ondo prevalgono esigenze di tipo este-

ti o e a attivante, in modo da attrarre l'attenzione e sus itare l'interesse

nel maggior numero possibile di persone. Considerando un po' brutalmente

l'ambito eristi o ome un'industria, si può asso iare il prodotto industriale

al liente della era: il liente he entra in una era è la materia prima da

lavorare, il liente he es e dalla era è il prodotto ultimato. L'obiettivo

onsiste quindi nel produrre il maggior numero di beni materiali ossia, nel

aso eristi o, nel soddisfare il maggior numero possibile di lienti.

Sebbene in letteratura non esistano studi spe i i in ambito eristi o, ma

solo industriale, è bene adattare questi studi in maniera da estrapolare una

metodologia di progetto valida an he nel aso di ere ed esposizioni; la pro-

gettazione deve avvenire in modo pre iso e metodi o prendendo in onside-

razione tutti i possibili aspetti e gli elementi oinvolti.

Naturalmente l'appro io on ui progettare un layout dipenderà molto dalla

tipologia in ui si inseris e il ontesto eristi o: una era dedi ata al mer ato

automobilisti o sarà ben diversa di una dedi ata alle spe ialità gastronomi-

he! Tra gli elementi fondamentali he ostituis ono un layout, massima

importanza ha la planimetria, tramite la quale è possibile studiare la dispo-

sizione di stand, passaggi, ussi e per orsi. La progettazione planimetri a

dovrà an he tenere onto delle apa ità, ovvero del ``funzionamento a pieno
4 1. Problemi di pa king e utting nei layout

1
e a vuoto . Analogamente ai metodi usati per progettare layout industriali,

si pro ederà appli ando questo appro io a quello eristi o. Nello s hema

di gura 1.1 è mostrato un possibile insieme di passi. Grazie all'aiuto della


2
Ri er a Operativa è possibile appli are delle metodologie di progetto ade-

guate al aso di layout eristi i. Nei prossimi paragra verranno introdotti

al uni importanti algoritmi per risolvere problemi legati al utting e pa king


di oggetti e più in generale per determibare il layout ottimo.

1.2 Cutting and Pa king problems


L'ottimizzazione ombinatoria è una bran hia della Ri er a Operativa ui

fanno riferimento i problemi di utting e pa king, i quali onsistono nel tro-

vare una soluzione massimizzata o minimizzata per mettere insieme un dato

insieme di oggetti in uno o più ontenitori. Questa metodologia è molto uti-

lizzata dalle industrie manifatturiere (legno, arta, vetro, a iaio, pelle, e .)

osì ome nelle tipograe per la stampa di giornali e quotidiani, ma an he in

molti altri settori della produzione industriale. Per molti anni si sono er ate

soluzioni he minimizzassero il throughput 3 e i tempi di latenza


4
dei prodotti

da ultimare, ma he nel ontempo massimizzassero le quantità e i volumi di

produzione delle aziende. Settori ingegneristi i della Ri er a Operativa, della

Computer S ien e o dell'industria manifatturiera si sono a lungo o upati di


problemi di utting and pa king (C & P).
Basandosi su diversi riteri, uno su tutti legato alla dimensione del proble-

ma, si possono suddividere gli appro i progettuali in tre dimensioni. Trat-

tandosi di layout eristi i, il nostro interesse si soermerà solamente su due

dimensioni, relativamente all'area espositiva della era.

1 si intende nei asi di massime e minime presenze di visitatori, ma an he di ussi di


materiale, personale ed eventuali mezzi oinvolti nell'organizzazione.
2 settore della matemati a he si o upa prevalentemente di problemi di ottimizzazione

di risorse, on largo uso di supporti matemati i e informati i per la determinazione e


l'appli azione di algoritmi di ottimizzazione
3 numero di unità ompletate in un erto lasso di tempo.
4 tempo impiegato per la produzione di un bene materiale o di un servizio oerto.
1.2 Cutting and Pa king problems 5

Figura 1.1: Sempli azione on ettuale di un generi o knapsa k problem


6 1. Problemi di pa king e utting nei layout

• C & P problems ad una dimensione


1. Knapsa k algorithm 01 (KP)

2. Bin pa king problem (BPP)

• C & P problems a due dimensioni


1. Two-dimensional Bin Pa king Problem (2BPP)

2. Two-dimensional Strip Pa king Problem (2SPP)

3. Two-dimensional Knapsa k Problem (2KP)

E' ne essario sottolineare he il utting and pa king si può onsiderare valido e


attuabile nel aso in ui le dimensioni degli oggetti interessati (items ) possano

essere ontenuti dagli oggetti ontenitori ( ontainers ) e he entrambi items

e ontainers non si sovrappongano tra loro.

1.2.1 Knapsa k problem


Supponendo, tra varie alternative, il aso in ui si debbano s egliere degli

oggetti ompatibilmente on erti riteri prestabiliti, onsideriamo nella fat-

tispe ie il aso in ui, per restare in tema, si debbano s egliere tra gli stands

quelli adatti alle nostre spe i he di layout. Se numeriamo gli stand ``idonei

da 1 a n e reiamo un vettore di variabili binarie xj (j = 1, ..., n) in modo he


valga (
1 se l'oggetto j è s elto
xj =
0 altrimenti

Se inoltre indi hiamo on pj il protto dato dall'oggetto j (lo stand nel nostro
aso), on wj la sua dimensione e on c la dimensione del suo ontainer (ossia

il suo osto ), allora l'obiettivo Knapsa k sarà quello di selezionare, tra tutti,

i vettori binari x he soddisfano il vin olo


n
X
wj xj ≤ c
j=1

e he massimizzano la funzione obiettivo


n
X
pj xj .
j=1
1.2 Cutting and Pa king problems 7

Per generalizzare il problema hiamiamo gli oggetti items, on una quantità

pari ad n; il valore e la dimensione dell'oggetto j − esimo sono hiamati


rispettivamente protto e peso e indi ati on pj e vj (j = (1, ..., n)). Na-
turalmente il dis orso appena fatto riguarda un aso knapsa k generi o, il

ui s opo onsiste nel determinare uno o più sottoinsiemi per ui la somma

dei pesi non superi (o eguagli) una erta quantità limite (detta bound ) e la

somma dei valori sia massimizzata. Questa tipologia di problema, ri ondu i-

bile all' algoritmo Knapsa k, ha ris ontrato enorme interesse da entrambi

i punti di vista teori o e prati o, adattandosi a varie forme di progettazione

he ri hiedono l'ottimizzazione.

Di seguito si analizzeranno più in dettaglio le varie tipologie di Cutting


and Pa king problems in base alle denizioni pre edentemente fornite per

problemi a una e due dimensioni.

KNAPSACK 0-1 (BINARY)


Il Knapsa k problem 0-1 è il più importante dei problemi di ottimizzazione

ombinatoria. Esiste un esempio di problema asso iato allo knapsa k he ne

espli a in maniera piuttosto esauriente la funzione. Tale problema, detto


5
``dello zaino'' è posto nel modo seguente:

sia dato uno zaino he possa supportare un determinato peso


e siano dati inoltre N oggetti, ognuno dei quali aratterizzato da
un peso e un'utilità (ovvero un guadagno). Il problema si propone
di s egliere quali di questi oggetti mettere nello zaino per ottenere
la maggiore utilità senza e edere nel peso sostenibile dallo zaino
stesso,

il quale non è altro he un problema analogo al aso visto in pre edenza.

Detto iò si può proseguire elen ando tre motivi fondamentali per ui l'algo-

ritmo ha assunto tale importanza:

• può essere trattato ome un sempli e problema di Programmazione

Intera Lineare (ILP)

5 in inglese knapsa k indi a proprio la parola zaino


8 1. Problemi di pa king e utting nei layout

Figura 1.2: sempli azione on ettuale di un generi o knapsa k problem

• appare ome sottoproblema di problemi più omplessi

• può essere utile in molte soluzioni prati he

Le variabili d'interesse per lo sviluppo di questo algoritmo sono tutte binarie

(da qui il nome ``Knapsa k 0-1'') e il su o del dis orso può essere riassunto

qui di seguito:

date le seguenti variabili

pj = protto dell'oggetto j

wj = peso dell'oggetto j

c = apa ita del ontenitore

è opportuno s egliere un sottoinsieme di items tale da:

n
X
massimizzare −→ max(z) = pj xj (1.1)
j=1

n
X
soddisfa endo −→ wj xj ≤ c (1.2)
j=1
1.2 Cutting and Pa king problems 9

dove −→ xj ∈ {0, 1} , j ∈ N = {1, ..., n} (1.3)

analogamente alle denizioni date in pre edenza.

Se ora ipotizziamo he

pj , w j e c sono interi positivi, (1.4)

n
X
wj ≤ c, (1.5)
j=1

wj < c, on j ∈ N, (1.6)

e se onsideriamo violata la prima ipotesi, allora si ottengono delle frazioni

he possono essere moltipli ate per un opportuno fattore, mentre gli even-

tuali valori negativi verranno trattati ome 0 o ome 1 in base alle seguenti

relazioni:

• ∀j ∈ N 0 = {j ∈ N : pj ≤ 0, wj ≥ 0} =⇒ xj = 0

• ∀j ∈ N 1 = {j ∈ N : pj ≥ 0, wj ≤ 0} =⇒ xj = 1

Deniamo inoltre N − ome N − = {j ∈ N : pj < 0, wj > 0}, mentre per N+


il valore sarà: N + = N \ (N 0 ∪ N 1 ∪ N − ).
Inne deniamo:
(
yj = 1 − xj , p̄j = −pj , w̄j = −wj per j ∈ N−
yj = xj , p̄j = pj , w̄j = wj per j ∈ N+

Ora he tutte le variabili e i asi sono stati deniti, enun iamo il problema.

Si vuole risolvere il problema he ha ome obiettivo quello di massimizzare

la funzione
X X
z= p̄j yj + pj
j∈N − ∪N + j∈N 1 ∪N −

mentre ome onstraint del problema la funzione

X X
w̄j yj ≤ c − wj .
j∈N − ∪N + j∈N 1 ∪N −

Se i dati in input violano l'espressione (1.2) ipotizzata pre edentemente allora

xj = 0, ∀j ∈ N , mentre se violano l'assunzione (1.3) allora si avrà xj =


10 1. Problemi di pa king e utting nei layout

0, ∀j ∈ N : wj > c .

Se non spe i ato in altro modo, si supporranno sempre gli items in ordine

de res ente se ondo l'ordine del protto per unità di peso:

p1 p2 pn
≥ ≥ ... ≥
w1 w2 wn
Data ad ogni problema una istanza I , si indi herà il valore di ogni soluzione
ottima on z(I) o più sempli emente on z. Considerando il problema nella

versione minimizzata anzi hè massimizzata, gli obiettivi si invertono se ondo

lo s hema seguente:

n
X
minimizzare −→ min(z) = pj y j
j=1

n
X
soddisfa endo −→ wj y j ≤ q
j=1

dove −→ yj ∈ {0, 1} , j ∈ N = {1, ..., n}

dal quale si evin e he il pro edimento per tornare da una forma (minimiz-

zata) all'altra (massimizzata) onsiste nel porre yj = 1 − xj e risolvendo la


Pn
(1.1), la (1.2) e la (1.3) on c = j=1 wj − q .
Inoltre, ponendo ome zmax
il valore della soluzione massimizzata di ogni
Pn
problema, la sua versione minimizzata sarà zmin = j=1 pj − zmax .

Rilassamento lineare

Togliendo il vin olo dell'integrità sulle variabili xj , nelle proprietà (1.1), (1.2)
e (1.3), si ottiene la prima variante del problema knapsa k 0-1 ovvero il o-

siddetto rilassamento lineare o ontinuous Knapsa k problem C(KP). In pra-


ti a un rilassamento è una qualunque te ni a he ha lo s opo di migliorare

(ottimizzare) la funzione obiettivo in tutti i punti della regione ammissibile


6
originale :
n
X
massimizzare −→ max(z) = pj xj
j=1

6 metodo improntato sull'ampliamento della regione ammissibile e/o sull'innalzamento


della funzione obiettivo in orrispondenza della regione ammissibile originale
1.2 Cutting and Pa king problems 11

n
X
soddisfa endo −→ wj xj ≤ c
j=1

dove −→ 0 ≤ xj ≤ 1, j = 1, ..., n

Supponiamo inoltre he gli oggetti, ordinati ome illustrato sopra, siano in-

seriti onse utivamente nel ontenitore, n hé non si trova un oggetto s he

non può più essere inserito. Questo è un problema di riti al item :


j
( )
X
s= j: wj > c
i=1

da ui si può notare, ri ordando le (1.4), (1.5) e (1.6), he si ha 1 < s ≤ n.


Tale metodo è stato risolto nel 1957 mediante un algoritmo s operto da Dan-

tzig.

Rilassamento lagrangiano

Un'alternativa al aso appena visto, di tipo lineare, è il rilassamento lagran-

giano. In questo modo i si pone lo s opo di eliminare un insieme di vin oli,

tenendone però onto nella funzione obiettivo.

Dato un fattore non negativo λ, il rilassamento lagrangiano del KP, indi ato

on (L(KP, λ)) è:

n
X n
X
massimizzare −→ max(z) = pj xj + λ(c − wj xj )
j=1 j=1

dove −→ xj ∈ {0, 1} , j = 1, ..., n.

La funzione obiettivo può essere espressa ome

n
X
z(L(KP, λ)) = p̃j xj + λc (1.7)
j=1

dove p̃j = pj + λwj per j = 1, ..., n. La soluzione ottima di L(KP, λ) è

fa ilmente determinabile in un tempo O(n) ome:

(
1 se p̃j > 0
x̃j = (1.8)
0 se p̃j < 0
12 1. Problemi di pa king e utting nei layout

(quando p̃j = 0 xj è irrilevante).


il valore di
 
p̃j
Quindi, denendo J(λ) = j : > λ , il valore della soluzione L(KP, λ)
wj
sarà:
X
z(L(KP, λ)) = p̃j + λc.
j∈J(λ)

Per ogni λ≥0 'è un upper bound in z(KP ) he, omunque, non potrà mai

essere migliore della soluzione fornita da Dantzig; l'equazione (1.8) i fornis e

la soluzione del rilassamento ontinuo (o lagrangiano) di L(KP, λ) nel modo

seguente:

z(L(KP, λ)) = z(C(L(KP, λ))) ≥ z(C(KP ))

Il valore di λ z(L(KP, λ)) è λ∗ = wpss . Con


he produ e il valore minimo di

questo valore, in realtà, abbiamo he p̃j ≥ 0 per j = 1, ..., s − 1 mentre p˜j ≤ 0



per j = s, ..., n. In questo modo J(λ ) ⊆ {1, ..., s − 1}.

Da qui x˜j = x̄j , per j ∈ N \ {s} (dove x̄j è denita nel teorema seguente) e
grazie alle (1.7) e (1.8), si evin e he

s−1
X

z(L(KP, λ )) = (pj − λ∗ wj ) + λ∗ c = z(C(KP ))
j=1

ps
Inne si può notare he, per λ = λ∗ , p̃j diventa p∗j = pj − wj ; il modulo
ws
|p∗j | è il de remento he si ottiene in z(L(KP, λ∗ )) ponendo x̃j = 1 − xj e da
qui un lower bound sul orrispondente de remento della soluzione ontinua

(da quando l'ottimo λ ambia imponendo le ondizioni sopra elen ate). Al-

tri rilassamenti lagrangiani del problema KP sono stati studiati da Ma ulan

(1983) e da Fisher (1981).

Teorema

La soluzione ottima x̄ del problema C(KP) è:

x̄j = 1 per j = 1, ..., s − 1

x̄j = 0 per j = s + 1, ..., n



x̄s = ,
ws
1.2 Cutting and Pa king problems 13

dove:
s−1
X
c̄ = c − wj .
j=1

Figura 1.3: s operte e appli azioni più importanti legate ai modelli knapsa k problem in
ordine ronologi o

1.2.2 Bin Pa king Problem


Il bin-pa king problem (BPP) è un altro tipo di problema di natura om-

binatoria e onsiste nel raggruppare oggetti di volumi diversi in un numero

nito di ompartimenti di apa ità V, in maniera tale da minimizzare il nu-

mero di tali ompartimenti da utilizzare.

Ovviamente, ome per tutti i problemi di questo tipo, an he il BPP ha un

ampo di appli azione molto vasto, dall'industria ai trasporti, dalla logisti a

all'organizzazione aziendale, dall'informati a alle tele omuni azioni. Usando

la terminologia e la formalizzazione tipi he dei problemi knapsa k, indi hiamo


on n il numero di oggetti/items e di ontenitori ( bins ) mentre indi heremo
14 1. Problemi di pa king e utting nei layout

Figura 1.4: Bin Pa king Problem

on wj il peso dell' item j-esimo e on c la apa ità di ogni bin.


Lo s opo del problema è di assegnare ogni item ad un bin in modo he il peso

totale degli oggetti in ogni ontenitore non e eda la apa ità c del onteni-

tore stesso, e he il numero dei bins impiegati sia minimo.

Dal punto di vista matemati o, il problema si pone nel modo seguente:

n
X
minimizzare −→ min(z) = yi
i=1

n
X
soddisfa endo −→ wj xij ≤ cyi , i ∈ N = {1, ..., n} ,
j=1
n
X
xij = 1, j ∈ N,
i=1

yj ∈ {0, 1} , i ∈ N,
xij ∈ {0, 1} , i, j ∈ N
Si denis ono qui di seguito i valori delle variabili:
(
1 se il bin i è usato
yi (1.9)
0 altrimenti

(
1 se l'item j è assegnato al ontenitore i
xij (1.10)
0 altrimenti
1.2 Cutting and Pa king problems 15

c è un intero positivo

wj ≥ c per j∈N (1.11)

Se l'assunzione (1.11) risulta violata e i wj sono tutti interi, c può essere

sostituito on ⌊c⌋ ; se un item viola l'assunzione ( ??) l'istanza risulta ina -

ettabile. Tuttavia non esiste un modo sempli e per trasformare una istanza

in modo da poter trattare pesi negativi. Per sempli ità assumiamo he, per

ogni soluzione ammissibile, vengano usati i bins di indi e più basso (ad esem-

pio yi ≤ yi+1 per i = 1, ..., n − 1).


L'appro io mediante algoritmi BPP viene trattato in letteratura basando-

si sulla approssimazione degli algoritmi stessi e sulle loro performan e. In

questo ampo rivestono parti olare importanza gli studi di Coman, Garey

e Johnson (1984).

Algoritmi approssimati

Il più sempli e appro io approssimativo al bin-pa king problem è l'algorit-

mo Next-Fit (NF): il primo oggetto/item è assegnato al bin 1. Gli items

2, ..., n sono poi onsideati al res ere dell'indi e, ossia ogni item è assegnato

al bin orrente se adatto, altrimenti è assegnato a un nuovo bin he diventa

quello orrente. Si dedu e he la omplessità dell'algoritmo è O(n)7 . E' fa ile


infatti provare he, per ogni isanza I del BPP, la soluzione NF (I) fornita

dall'algoritmo soddisfa il bound

NF (I) ≤ 2z(I)

dove z(I) indi a la soluzione ottima. Esistono, inoltre, istanze per ui il


NF (I)
rapporto tra le due soluzioni è arbitrariamente fermato a 2: ioè la
z(I)
peggior performan e he si possa avere nel rapporto di NF è he r(NF = 2).
Si nota he, per un problema di minimo, il peggior aso di un rapporto tra

un generi o algoritmo A approssimato è denito ome il più pi olo numero

7 in ambito omputazionale, in relazione a una teoria della omplessità, la notazione


detta big O è usata per des rivere quanto la dimensione, il peso dell'input inuis e sulle
risorse impiegate nell'elaborazione di un algoritmo (di solito sui tempi di throughput o
dell'o upazione di memoria)
16 1. Problemi di pa king e utting nei layout

r(A) ∈ R tale he

A(I)
≤ r(A) per tutte le istanze di I,
z(I)

dove A(I) indi a la soluzione ottenuta dall'algoritmo A.

Un algoritmo migliore, il First-Fit (FF), onsidera gli items all'in remen-

tare degli indi i e assegna ogni item al più basso indi e di bin inizializzato

nel quale entra; solo quando l'oggetto orrente non viene assegnato a qual he

bin inizializzato, viene introdotto un nuovo ontenitore.

Un altro algoritmo, Best-Fit (BF), è ottenuto dal FF assegnando il or-

rente item al bin a ettabile (se 'è) he ha la più pi ola apa ità residua

(rompendo il vin olo del bin on indi e più basso).

Si assuma ora he gli oggetti siano sistemati in modo he siano w1 ≤ w2 ≤


... ≤ wn , e he in seguito siano appli ati gli algoritmi NF, oppure FF, oppure

BF. Gli algoritmi risultanti sono hiamati rispettivamente Next-Fit De-


reasing (NFD), First-Fit De reasing (FFD) e Best-Fit De reasing
(BFD).

La omplessità di questi algoritmi e i asi peggiori di performan e he si

possono raggiungere sono stati studiati da Johnson, Demers, Ullman, Garey

e Graham (1974).

Nella tabella riassuntiva di g. 1.5 sono illustrati i riteri di valutazione

dei vari algoritmi, in ui r ∞


è l'asymptoti worst ase performan e ratio 8 ;
per un generi o algoritmo approssimato A, esso è denito ome il minor

numero reale r ∞ (A) tale he, per un qual he valore intero positivo K, sia
A(I)
≤ r ∞ (A) per ogni istanza I he soddis z(I) ≥ K :
z(I)

8 stima asintoti a della prestazione nel aso peggiore;


il simbolo di innito sta ad indi are
il numero impre isato di volte per ui viene ripetuta la stima
1.2 Cutting and Pa king problems 17

Figura 1.5: onfronto tra i vari algoritmi e loro performan e

Rilassamento lineare

Enun iamo qui di seguito la versione del ontinuous problem riferita al rilas-

samento lineare nel aso del bin pa king. Per il modello in esame il C(BPP)

è il seguente:
n
X
minimizzare −→ min(z) = yi
i=1

n
X
soddisfa endo −→ wj xij ≤ cyi , i ∈ N = {1, ..., n} ,
j=1

n
X
xij = 1, j ∈ N,
i=1

0 ≤ yi ≤ 1, i ∈ N,

0 ≤ xij ≤ 1, i, j ∈ N

Tale rilassamento può essere fa ilmente risolto ponendo xij = 1, xij = 0 on


wi
(j 6= j) e ponendo yi = c
, ∀i ∈ N. Da qui otteniamo

n
X wi
z(C(BP P )) =
i=1
c
18 1. Problemi di pa king e utting nei layout

1.2.3 Two Dimensional Bin-pa king Problem


Finora si sono lassi ati i problemi di pa king a se onda del numero di

dimensioni. In problemi BPP l'attenzione era fo alizzata sull'obiettivo di

trovare un modo per raggruppare insieme un erto numero di oggetti, impie-

gando il minor numero di ontenitori possibile.

I problemi a due dimensioni possono an he essere lassi ati in base alla for-

ma degli oggetti da impa are; nelle appli azioni industriali è parti olarmente

presente il two-dimensional re tangle pa king problem per ui è ri hiesto di

ollo are un insieme di oggetti rettangolari in un numero minimo di unità

rettangolari più grandi, minimizzando quindi an he lo spazio inutilizzato.

Inoltre nelle industrie del legno e del vetro, pezzi di forma rettangolare de-

vono essere tagliati a partire da grandi lamine di materiale. Nel ontesto dei

magazzini, i prodotti devono essere messi sugli s aali. Nell'impaginazione

dei giornali, gli arti oli devono essere ben posizionati nelle pagine. In tutte

queste appli azioni industriali, il problema del pa king si presenta spesso on

vin oli lievemente dierenti; molte varianti del problema sono state onside-

rate in letteratura.

Contestualmente, quando si ha a he fare on problemi multi-dimensionali, si


9
tende a raggrupparli nel osiddetto insieme di problemi NP-hard ossia una

parti olare lasse di problemi non risolvibili mediante algoritmi polinomiali.

Ovviamente, più aumentano la omplessità delle spe i he e più aumentano

i vin oli da soddisfare:

• Orientamento
Si assume di solito he ogni rettangolo abbia una erta rotazione ssa,

oppure he possa essere ruotato di 90◦ . La rotazione dei rettangoli non

è ammessa per esempio nell'impaginazione dei giornali, quando gli item

da tagliare sono de orati o non isomor (legno, lamiera).

• Tagli a ghigliottina
Eettuare un taglio a ghigliottina signi a he gli items sono stati ot-

tenuti attraverso una sequenza di tagli lato-a-lato paralleli ai lati del

9 abbreviazionedi Non-deterministi Polynomial time ; sono problemi de isionali la ui


soluzione non può essere determinata mediante l'utilizzo di software e omputazioni usuali,
ma mediante appro i euristi i
1.2 Cutting and Pa king problems 19

ontenitore. Ciò è spesso imposto da limitazioni te ni he di ma hine

da taglio automati he ( ad esempio seghe verti ali o ir olari) o di al-

uni materiali. in gura 1.6 sono illustrati due esempi di piazzamenti

di items on o senza il vin olo dei tagli a ghigliottina.

• Impa amento a livelli


Il piazzamento degli items è ottenuto posizionandoli da sinistra a destra

in righe formanti diversi livelli. Il primo livello è il fondo del ontenito-

re, e ogni livello seguente è la linea orizzontale oin idente on il lato

superiore dell'item più alto impa ato a livello inferiore. In gura 1.7

se ne presenta un dettaglio illustrativo.

• Che kerboard pattern


I he kerboard patterns, onos iuti an he ome 1-group patterns (Gil-

more e Gomory, 1965) fanno parte della lasse spe iale dei tagli a ghi-

gliottina a due fasi ( two-stage guillotine patterns ) he non ne essitano

di essere ritagliati. Essi possono infatti essere prodotti ruotando la sega

di 90◦ , dopo i tagli fatti in una prima fase. Le stris e ottenute nella

prima fase sono tutte tagliate nella se onda fase produ endo gli items

desiderati (illustrazione in gura 1.8). Tagli di questo tipo ri hiedono

meno tempo per le ma hine, e sono parti olarmente interessanti nei

settori on alta domanda quando le ma hine rappresentano il ollo di

bottiglia della produzione.

• Pa king Problem Un onstrained, Constrained o Doubly on-


strained
Indi ando on xi i pezzi da impa are e on Pi e Qi rispettivamente il

minimo e massimo numero di oggetti di tipo i da poter impa are, si

ha he 0 ≤ Pi ≤ xi ≤ Qi e he in a ordo on tali assunzioni si possono

distinguere tre tipi di problemi:

L∗W
1. Un onstrained : ∀i, Pi = 0, Qi = ⌊ ⌋
li ∗ wi
L∗W
2. Constrained : ∀i, Pi = 0, Qi < ⌊ ⌋
li ∗ wi
L∗W
3. Doubly Constrained : ∃i : Pi > 0, ∃j : Qj = ⌊ ⌋
lj ∗ wj
20 1. Problemi di pa king e utting nei layout

Figura 1.6: taglio a ghigliottina: nel aso a sinistra il taglio, in quello a destra la
disposizione originale

Figura 1.7: level pa king

Per sempli ità, si deniranno i problemi su essivi assumendo he ogni

item abbia una orientazione ssa e he il vin olo del taglio a ghigliottina non

sia imposto se non diversamente spe i ato. Inoltre i si on entrerà sugli

algoritmi osiddetti o-line, ovvero algoritmi nei quali si ha ompleta ono-


10
s enza di tutti i dati in input. Gli algoritmi on-line sono inve e algoritmi

nei quali si impa ano gli items in ordine dell'arrivo in input (senza ono-

s ere l'item su essivo). La des rizione del problema in modo più formale è

la seguente: si ha un insieme di n oggetti rettangolari (re tangular items)

j ∈ J = {1, ..., n}, ognuno dei quali denito da una larghezza wj e da un'al-

10 Suglialgoritmi on-line i si riferis a a: J.Csirik, G.Woeginger, On-line pa king and


overing problems, in: Online algorithms, Springer Le ture Notes in Computer S ien e,
vol. 1442, 1996, pp. 147-177
1.2 Cutting and Pa king problems 21

Figura 1.8: he kerboard pattern

Figura 1.9: esempio di tagli a s a hi; prima e se onda fase


22 1. Problemi di pa king e utting nei layout

Figura 1.10: esempio di un sto k di rettangoli di misura 10x10 in ui ollo are i pezzi
sopranumerati da 1 a 10. La gura mostra le soluzioni ottime per i problemi un onstrained
(b), onstrained ( ) e doubly onstrained (d)
1.2 Cutting and Pa king problems 23

tezza hj , e unnumero illimitato di ontenitori rettangolari ( bins ) aventi tutti


uguale larghezza W e altezza H.
L'obiettivo, ome sempre, è quello di impa are tutti gli oggetti minimizzan-

do il numero di ontenitori. E' ri hiesto di sistemare gli oggetti ortogonal-

mente senza sovrapposizioni (il lato wj dell'item j deve essere parallelo al

lato W del ontainer). Si assumerà inoltre, senza perdita di generalità, he i

dati di input siano interi positivi, e he wj ≤ W , hj ≤ H , on j = (1, ..., n).


Questo problema non è altro he una estensione del BPP one dimensional,
in quanto quest'ultimo è un aso spe iale del BPP a due dimensioni, he

ompare quando hj = H , ∀j ∈ N .
Il primo tentativo di ostruire un modello del pa king problem a due dimen-

sioni è stato fatto da Gilmore e Gomery (1965), attraverso un' estensione

del loro appro io al pa king a una dimesione. Essi proposero un appro io

a generazione di olonne basato sull'enumerazione di tutti i sottoinsiemi di

items (patterns) he possono essere impa ati all'interno di un singolo onte-

nitore. Sia Aj una olonna di vettori binari di n elementi aij = (i = 1, ..., n)


he assumono valore 1 se l'item i appartiene al j − esimo pattern e valore 0

altrimenti. L'insieme di tutti i pattern a ettabili viene rappresentato attra-

verso la matri e A, omposta da tutte le possibili olonne Aj , J = (1, ..., M)


e il orrispondente modello matemati o, di tipo set partitioning, è:
M
X
minimizzare −→ min(z) = xj
j=1

M
X
soddisfa endo −→ aij xj = 1 , i = (1, ..., n)
j=1

x ∈ {0, 1} , j = (1, ..., M)


dove xj assume valore 1 se il pattern j appartiene alla soluzione, 0 altrimenti.

Si osservi he il modello mostrato è un valido modello an he per il pa king


a una dimensione, on l'uni a dierenza he le olonne Aj soddisfano tutte
Pn
il vin olo i=1 aij hj ≤ H . A ausa dell'immenso numero di olonne he
possono apparire in A, l'uni o modo di arontare il modello è quello di ge-

nerare dinami amente olonne quando e n'è bisogno. Ma mentre per il 1BP

Gilmore e Gomory sono rius iti ad avere un appro io di programmazione


24 1. Problemi di pa king e utting nei layout

dinami a alla generazione di olonne, grazie all'asso iazione del problema a

un K01, per il 2BPP essi hanno avuto di oltà nell'asso iarlo al orrispon-

dente problema a due dimensioni. Così essi hanno trattato il problema nel

aso in ui gli oggetti devono essere impa ati in righe he formano livelli.

LEVEL PACKING

Molti degli algoritmi approssimati per il 2BPP suppongono di impa are

gli oggetti a livelli, in ui il primo livello è ostituito dal fondo del ontenitore
e gli oggetti sono via via impa ati appoggiando la loro base su di esso. Il

livello superiore è determinato da una linea orizzontale ``disegnata sull'e-

stremità superiore dell'oggetto più alto del livello sottostante (gura 1.7).

Tre lassi he strategie per l'impa amento a livelli sono state rilevate da al u-

ni famosi algoritmi e in ognuno dei asi gli items sono inizialmente numerati

in ordine de res ente di altezza e impa ati nella orrispondente sequenza.

Se si indi a on j l'item orrente e on s l'ultimo livello reato, le tre strategie


possono essere illustrate ome segue:

• Next-Fit De reasing Height (NFDH) strategy: l'item j è impa -


ato giusti ato a sinistra al livello s, se i sta. Altrimenti è reato un

nuovo livello (s := s + 1), e j viene impa ato giusti ato a sinistra in

esso

• First-Fit De reasing Height (FFDH) strategy: l'item j è impa -

ato giusti ato a sinistra al primo livello in ui ries e a stare, se 'è.

Se nessun livello può ontenere j , è reato un nuovo livello inizializzato

ome in NFDH

• Best-Fit De reasing Height (BFDH) strategy: l'item j è impa -

ato giusti ato a sinistra in quel livello, tra quelli dove ries e a stare,

per il quale lo spazio in orizzontale inutilizzato è minimo. Se nessun

livello può ontenere j, è reato un nuovo livello inizializzato ome in

NFDH

Nella gura 1.11 è possibile vedere le tre strategie.


1.2 Cutting and Pa king problems 25

Figura 1.11: problemi e strategie di level pa king: da sinistra a destra, NFDH, FFDH e
BFDH

TWO DIMENSIONAL LEVEL BIN PACKING PROBLEM


Indi hiamo on 2LBP il problema a due dimensioni ristretto al tipo di

impa amento a livelli, supponendo, senza perdere in generalità, he:

1. in ogni livello, l'oggetto a sinistra sia il più alto

2. in ogni ontenitore, il livello più basso abbia maggiore altezza degli altri

3. gli oggetti siano disposti e rinumerati per valori de res enti di hj (al-

tezza dell'item j − esimo)

Si dirà he l'oggetto più a sinistra di un livello e il livello più in basso di

un ontenitore inizializzano il livello o il ontenitore. Si può e ientemente

ostruire il modello del problema 2LBP assumendo he i siano n potenziali


livelli (l'i−esimo livello è asso iato all'item i he lo inizializza), e n potenziali

ontenitori (il k −esimo ontenitore è asso iato al potenziale k −esimo livello

he lo inizializza). Sia quindi yi , i ∈ J una variabile binaria he assume valore

1 se l'item i inizializza il livello i, e valore 0 vi eversa. Allo stesso modo sia

qk , k ∈ J una variabile binaria he assume valore 1 se il livello k inizializza


il ontenitore k , e valore 0 vi eversa. Il modello del problema può essere il

seguente:
n
X
min qk (1.12)
k=1
26 1. Problemi di pa king e utting nei layout

Figura 1.12: Level pa king normalizzato se ondo il 2LBP

j−1
X
suje t to xij + yj = 1, j = (1, ..., n) (1.13)
i=1

n
X
wj xij ≤ (W − wi )yi , i = (1, ..., n − 1) (1.14)
j=i+1

i−1
X
zki + qi = yi, i = (1, ..., n) (1.15)
k=1

n
X
hi zki ≤ (H − hk )qk , k = (1, ..., n − 1) (1.16)
i=k+1

yi , xij , qk , zki ∈ {0, 1} ∀i, j, k (1.17)

dove xij , i ∈ J \ (n) j > i (rispettivamente zki , k ∈ J \ (n) e i > k )


e

assume valore 1 se l'item j viene impa ato a livello i (rispettivamente il

livello i viene allo ato al ontenitore k ), e valore 0 altrimenti. Inoltre:

• le restrizioni j>i e i>k seguono dalle assunzioni 1 e 3

• le equazioni (1.13) e (1.15) impongono, rispettivamente, he ogni item

sia impa ato esattamente una volta, e he ogni livello usato sia asse-

gnato a un uni o ontenitore


1.2 Cutting and Pa king problems 27

• le equazioni (1.14) e (1.16) impongono, rispettivamente il vin olo di

larghezza di ogni livello usato e il vin olo di altezza di ogni ontenitore

usato

Esperimenti omputazionali hanno mostrato he il modello è abbastanza utile

nella prati a. Il loro uso diretto su un risolutore ommer iale di ILP produ e

risultati molto buoni (e, in molti asi, la soluzione ottima) per istanze reali-

sti he on tempi di CPU brevi. Inoltre al une varianti del problema 2LBP

possono fa ilmente essere eettuate modi ando al uni vin oli, o aggiungen-

do altri vin oli lineari al modello. Il modello matemati o può an he essere

usato per produrre lower bounds, rilassando i requisiti di integralità delle

variabili.

NON-LEVEL ALGORITHMS
Oltre all'impa amento a livelli, nella Ri er a Operativa i sono stati altri

appro i al problema di pa king a due dimensioni. La prin ipale strategia

``non a livelli è onos iuta ome Bottom-left (BF), e onsiste nell'impa -

are l'item orrente nella posizione più bassa possibile, giusti ata a sinistra.

Essa è stata analizzata da Baker (1980) et al., Ja kobs (1996) e Liu e Teng

(1999). Di questi ultimi l'algoritmo he ha onseguito risultati migliori è

stato quello di Baker. An he Barkey e Wang (1987) hanno proposto il loro

appro io BL per il aso in ui 'è un nito numero di ontenitori. Il loro al-

goritmo Finite Bottom-Left (FBL) sistema gli items in ordine de res ente
di larghezza. L'item orrente viene poi impa ato nella posizione più bassa

di ogni ontenitore inizializzato, giusti ato a sinistra; se nessun ontenitore

può ollo are l'item, ne viene inizializzato uno nuovo. Lodi et al. (1999)

hanno proposto l' alternate dire tions (AD), algoritmo he onsiste nell'i-

nizializzare L ontenitori (L è il lower bound) impa ando sul loro fondo un

sottoinsieme di items, seguendo una politi a de rementale best-t. Gli items

rimanenti sono impa ati, in un ontenitore alla volta, a stris e, alternativa-

mente da sinistra a destra e da destra a sinistra. Non appena nessun item può

essere impa ato in nessuna delle due direzioni, un nuovo bin inizializzato o

un nuovo bin già parzialmente riempito diventa quello orrente. L'algoritmo

ha omplessità O(n3 ). Il metodo è illustrato nella gura 1.13.


28 1. Problemi di pa king e utting nei layout

Figura 1.13: Algoritmo AD, Alternate Dire tions

Beasley (1985) ha onsiderato il two dimensional utting problem nel quale

ad ogni oggetto è asso iato un protto, on l'obiettivo di impa are il sot-

toinsieme di oggetti aventi protto massimo in un uni o ontenitore ( utting


sto k problem ). Esso ha una formulazione ILP
11
basata sulla rappresenta-

zione dis reta dello spazio geometri o e l'uso delle oordinate nelle quali gli

oggetti possono essere ollo ati, vale a dire:

(
1 se l'oggetto i è posizionato on il suo angolo sinistro in (p,q)
xipq =
0 altrimenti

Il dis orso vale per i = 1, ..., n, p = 0, ..., W − wi e q = 0, ..., H − hi .

Un modello simile, nel quale le oordinate p e q sono arontate attraver-

so varibili di de isione distinte, è stato introdotto da Hadji onstantinou e

Christodes (1995). Entrambi i modelli sono usati per fornire upper bounds

attraverso rilassamenti Lagrangiani e l'ottimizzazione di subgradienti.

Un appro io ompletamente diverso, inve e, è stato re entemente proposto

da Fekete e S hepers (1997), attraverso una aratterizzazione grafo-teoreti a

dell'impa amento di un insieme di oggetti in un uni o ontenitore. Se pren-

diamo in onsiderazione Gw = (V, Ew ) (rispettivamente Gh = (V, Eh )) ome


grafo intervallato avente un verti e vi asso iato a ogni item i nel pa king

e un lato tra due verti i (vi , vj ) se e solo se le proiezioni degli items i e

j sull'asse orizzontale (rispettivamente sul verti ale) si sovrappongono. E'


11 IntegerLinear Progamming, programmazione lineare intera: sono tutti quei proble-
mi lineari he presentano al loro interno solo variabili intere, ioè variabili he possono
assumere solo i valori ontenuti all'interno del loro dominio di esistenza
1.2 Cutting and Pa king problems 29

stato dimostrato appunto da Fekete e S hepers he se il pa king è a ettabile

allora:

• per ogni insieme S di solidi di Gw (rispettivamente di Gh ) si ha he

Evi ∈S wi ≤ W (rispettivamente Evi ∈S hi ≤ H )


T
• Ew Eh = {}

Figura 1.14: Algoritmo di Fekete e S hepers

ALGORITMI METAEURISTICI
L' euristi a12 è un metodo di appro io alla soluzione dei problemi he

non segue un hiaro per orso, ma si ada all'intuito e allo stato temporaneo

delle ir ostanze, al ne di generare nuova onos enza. È opposto al pro e-

dimento algoritmi o e quindi, in ambito informati o, si denis e euristi o il

lavoro di un software he non opera me ani amente, ma utilizza inve e una

te ni a virtualmente reativa, ioè non si limita ad analizzare i dati se ondo


13
onfronto di dati noti, ma prova a simularne il omportamento .

12 diderivazione gre a, rappresenta una parte dell'epistemologia e del metodo s ienti o


13 trai più diusi software di questo tipo, troviamo gli antivirus e le appli azioni ontro il
phishing per ui è fondamentale adarsi a te ni he non onsuete, ome inve e lo è l'analisi
per onfronto
30 1. Problemi di pa king e utting nei layout

Nel settore della Ri er a Operativa, quindi più in generale dove si fondono

informati a e matemati a, si utilizzano algoritmi euristi i ome parti olari

tipi di pro edimenti le ui soluzioni non rispe hiano la soluzione ottima per

quel dato problema. L'euristi a è un appro io di risoluzione dei problemi

molto diuso nella simulazione per vari possibili motivi:

• la risoluzione del problema ottimo può essere impossibile

• la risoluzione del problema ottimo può essere troppo ostoso in termini

di tempo o di apa ità di elaborazione

Le te ni he metauristi he sono oggi un frequente strumento usato per trovare

la soluzione approssimata dei problemi di ottimizzazione ombinatoria. Do-

wsland (1993) presentò uno dei primi appro i metauristi i al 2BPP. Il suo

algoritmo simulated annealing 14 esplora sia le soluzioni a ettabili he le so-

luzioni nelle quali gli items si sovrappongono. Durante la ri er a, la funzione

obiettivo onsiste per iò nell'eliminazione totale delle aree sovrapposte, e il

vi inato ontiene tutte le soluzioni orrispondenti allo spostamento verti ale

o orizzontale degli items. Appena una nuova soluzione migliore di quella

orrente viene trovata, l'upper bound è ssato alla sua altezza.

Un'estensione dell'appro io di Dowsland al 2BP è stato proposto da Faero

et al. (1999). Essi usano un simile vi inato e una simile strategia di ri er-

a all'interno di un appro io guided lo al sear h. Dato un lower bound e

un upper bound sul valore della soluzione ottima, se questi non oin idono,

l'algoritmo assegna asualmente gli items impa ati nel ontenitore di indi e

più alto ad altri ontenitori. La nuova soluzione è di solito non ammissibi-

le, osì la nuova funzione obiettivo risulta essere la totale eliminazione delle

aree sovrapposte, più un termine he penalizza, durante la ri er a, i modelli

inammissibili. Il vi inato è esplorato attraverso gli spostamenti degli items.

Minimizzare la nuova funzione obiettivo orrisponde a trovare una soluzione

14 pro esso he mira a trovare un minimo globale quando si è in presenza di più minimi
lo ali. deriva dalla s ienza dei metalli, dov'è usato per des rivere il pro esso di eliminazione
di difetti reti olari dai ristalli tramite una pro edura di ris aldamento seguita da un lento
rareddamento (molto usato in Mi roelettroni a). Nel nostro aso un difetto reti olare
orrisponde ad una ombinazione errata di due oggetti.
1.2 Cutting and Pa king problems 31

ammissibile he oinvolge un ontenitore in meno. Il pro esso è iterato no

a quando l'upper bound non eguaglia il lower bound, oppure no a quando

non si raggiunge un limite di tempo pressato. Spe iali te ni he per ridurre

la omplessità omputazionale per l'esplorazione di questo grande vi inato

sono state implementate.

Lodi et al. (1999) hanno sviluppato un algoritmo tabu sear h per il 2BPP.

La aratteristi a prin ipale di quest'ultimo è l'adozione di uno s hema di ri-

er a e un vi inato he sono indipendenti dallo spe i o pa king problem da

risolvere. La struttura può an he essere usata per ogni variante del 2BPP

ed è stata fa ilmente estesa an he al problema a tre dimensioni. Partendo

da una soluzione a ettabile, le mosse la modi ano, attraverso un euristi-

o ostruttivo, ambiando l'impa amento di un sottoinsieme S di items al

momento impa ati in k diversi ontenitori, e er ando di riempire uno spe-

i ato target bin (un ontenitore he può essere fa ilmente riempito). Sia Si
l'insieme degli items momentaneamente impa ati nel ontenitore i: il target

bin t è quello he minimizza, tra tutti i bins i, la funzione:


P
wj hj
j∈Si |Si |
ϕ(Si ) = α −
WH n
(α rappresenta un peso positivo pre-stabilito). Tale formula fornis e appunto

la misura della fa ilità on ui un ontenitore può essere riempito. Una volta

selezionato il target bin, il sottoinsieme S è denito in modo da in ludere

un item j, nel target bin e gli oggetti ontenuti attualmente dagli altri k
bins. Il nuovo pa king per S è ottenuto eseguendo un appropriato algoritmo

euristi o A su S. Il valore di k, he denis e la dimensione e la struttura del

vi inato orrente, è automati amente aggiornato durante la ri er a in modo

da evadere dall'ottimo lo ale. Se la mossa impa a gli items S in k (o meno)

ontenitori, ioè l'item j è stato rimosso dal target bin, un nuovo item è stato

selezionato, un nuovo insieme S è denito, e una nuova mossa è stata esegui-

ta. Altrimenti S k bins, o un


è ambiato selezionando un diverso insieme di

diverso item j dal target bin (se tutte le possibili ongurazioni di k bins sono

state provate per il orrente item j ). Se l'algoritmo si blo a, ioè il target

bin non è riempito, il vi inato si allarga aumentando il valore di k no a un

limite superiore pressato. C'è una tabu list e un tabu tenure per ogni valore
32 1. Problemi di pa king e utting nei layout

di k. Un alto valore di k impli a una potente ri ombinazione, ma an he l'e-

vidente in onveniente di un elevato tempo omputazionale per l'esplorazione

del vi inato. L'uni a parte he dipende dallo spe i o problema è l'euristi o

ostruttivo, usato per ottenere la prima soluzione e per ri ombinare gli items

ad ogni mossa.

ALGORITMI ESATTI
Martello e Vigo (1998) hanno proposto un algoritmo esatto per il 2BPP.

Gli items sono inizialmente sistemati in ordine de res ente rispetto alla loro

area, e una pro edura di riduzione prova a determinare il pa king ottimale

di al uni ontenitori, ridu endo quindi la dimensione dell'istanza. La prima

soluzione in ari a, di valore z∗, è poi ottenuta euristi amente. L'algoritmo

si basa su uno s hema two-level bran hing :

• outer bran h-de ision tree : a ogni nodo de isionale, un item è assegnato

a un ontenitore senza spe i are la sua posizione attuale

• inner bra h-de ision tree : è determinato un pa king a ettabile (se

esiste) per gli items assegnati momentaneamente a un ontenitore eu-

risti amente o attraverso un algoritmo he enumera tutti i possibili

modelli

L'outer bran h-de ision tree è ri er ato in un modo detto depth-rst, fa en-

do uso di lower bound. Quando è possibile stabilire he ulteriori items non

an ora assegnati possono essere messi in un dato ontenitore inizializzato,

questo bin viene hiuso: un bin inizializzato e non hiuso è hiamato a tive.
Al livello k (k = 1, ..., n), l'item k è assegnato, a turno, a tutti i ontenitori

inizializzati e, possibilmente, ad un nuovo bin (se il numero di bins ri hiesto

dalla soluzione parziale orrente è minore di z ∗ − 1). L'a ettabilità dell'asse-

gnamento di un item k a un ontenitore già ontenente un insieme I di items

è ontrollata euristi amente. Un lower bound L(I) è al olato per l'istanza

I denita dagli items orrentemente assegnati al ontenitore: se L(I) > 1


segue un ba ktra king. Altrimenti, sono appli ati a I algoritmi euristi i: se

un single-bin pa king a ettabile viene trovato, si riprende l'enumerazione.

Se non lo si trova, lo s hema inner bran hing elen a tutti i possibili modi di
1.2 Cutting and Pa king problems 33

impa are gli items I in un uni o bin attraverso il prin ipio left-most down-
ward : ad ogni livello, l'item su essivo viene posizionato, a turno, in tutte le

posizioni dove esso ha il lato sinistro adia ente al lato destro di un altro item

o al lato sinistro del ontenitore, e il lato inferiore adia ente al lato superiore

di un altro item o al lato inferiore del ontenitore. Non appena si trova un

pa king a ettabile per tutti gli items I, si riprende l'enumerazione. Se un

tale pa king non esiste, si esegue un outer ba ktra king.

ULTIME VERSIONI E APPLICAZIONI

I pa king problems a due dimensioni ontinuano a essere studiati. Ultima-

mente riveste parti olare importanza l'arti olo riguardante il two-dimensional


orthogonal pa king probelm, redatto da Clautiaux, Carlier e Moukrim (2006).
Essi propongono pro edure di riduzione e un nuovo metodo esatto sopran-

nominato TSBP ( two-step bin pa king ). Il metodo ridu e sostanzialmente il

numero di nodi visitati del metodo di Martello e Vigo (1998). Questo può

essere spiegato per il fatto he per molte istanze non ammissibili, il problema

rilassato non ha soluzioni. Inoltre essi propongono metodi per risolvere parte

delle ridondanze he ri orrono nel metodo bran h & bound e nuovi lower

bounds he possono essere usati on risultati positivi.

Sempre Clautiaux, Carlier e Moukrim, riferendosi al bin pa king problem

on aggiunta di varianti hanno presentato un nuovo arti olo ( he ompare

su Operations Resear h Letters) in ui propongono un nuovo metodo esatto

per il problema. Esso si basa su una de omposizione iterativa dell'insieme di

items all'interno di due disgiunti sottoinsiemi. L'algoritmo, onfrontato on

al uni ben hmar ks della letteratura onferma l'e ienza del metodo.

Interessante an he l'arti olo di Cui e Zhang (2006) sull' un onstrained two-


dimensional utting problem of re tangular pie es. Esso des rive un nuovo

algoritmo two-stage, ovvero ome tagliare generi i blo hi in due fasi, on

altre due o più fasi ri hieste per tagliare i blo hi in pezzi: in un primo

momento tagli verti ali dividono il foglio di materiale in segmenti, poi ta-

gli orizzontali dividono i segmenti in blo hi. Un generi o blo o ontiene


34 1. Problemi di pa king e utting nei layout

generi he stris ie, e ogni taglio su un blo o produ e una di queste stris ie.

L'algoritmo presentato ri orre a una programmazione dinami a per deter-

minare il layout delle stris ie per ogni blo o, risolve un problema di tipo

knapsa k per ottenere il layout dei blo hi su ogni segmento e il layout del

segmento su ogni foglio di materiale. I risultati omputazionali indi ano he

l'algoritmo è molto e iente e ha tempi di ese uzione ragionabili.

Solo un anno fa inoltre al uni ri er atori dell'università della Danimar a (Pi-

singer, Sigurd, 2005) hanno pubbli ato un arti olo sul pa king a due dimen-

sioni onsiderando due nuove variabili: il osiddetto two-dimensional variable


sized bin pa king problem (2DVSBPP) è il problema di impa are un insieme

di items in un insieme di bins rettangolari aventi diverse misure e diversi

osti, e l'obiettivo è quello di minimizzare il osto dei ontenitori usati per

impa are gli oggetti. Nello s ritto us ito lo s orso anno su Dis rete Opti-

mization gli autori presentano una formulazione intera lineare del problema

e introdu ono diversi lower bound. In esso è inoltre sviluppato un algoritmo

esatto basato sul bran h-and-pri e.

1.2.4 Two Dimensional Strip-pa king Problem


Questo tipo di problema ha ome s opo quello di allo are ortogonalmente

tutti gli item su di una stris ia (assolutamente senza al una sovrapposizione)

minimizzando l'altezza totale o upata dal pa king. Il problema in questione

è di tipo NP-hard e quindi la ri er a ha improntato gran parte delle soluzioni

basandosi su algoritmi approssimati, i quali si avvi inano molto alla soluzione

ottima, ma non garantis ono l'ottimizzazione ompleta su tutti gli insiemi di

dati proposti. Il two dimensional strip-pa king problem (2SPP) può essere
visto ome la trasformazione del problema di bin pa king a una dimensione,

dove quest'ultimo ha soluzione ``fa ile''. Partendo infatti da una qualsivoglia

istanza del 1BPP si ottiene fa ilmente un'istanza del 2SPP aggiungendo al

problema una variabile hj = 1 per j ∈ J: il valore della soluzione ottima di

tale istanza è ottima an he per l'istanza del 1BPP.

Tale problema ompare in diversi ontesti reali, ome nel taglio di rulli di

arta o di tessuto, nel taglio di legno, metallo o vetro da pezzi si sto ks


1.2 Cutting and Pa king problems 35

standardizzati, nell'allo azione di memoria nei omputer, per elen are solo

al uni degli usi più omuni.

Figura 1.15: al une soluzioni al 2SPP basate sull'euristi a two dimensional variable
sized bin pa king problem (2DVSBPP)

ALGORITMI ESATTI
Il miglior algoritmo esatto del problema è stato presentato da Martello,

Mona i e Vigo (2003). In esso si assume he gli items abbiano un'orientazio-

ne ssa, ovvero he non possano essere ruotati. Si suppone inoltre he tutti

i dati in input siano positivi interi, e he wj ≤ W (j = 1, ..., n). Per determi-

nare la soluzione esatta del 2SPP, sono stati inseriti parti olari lower bounds

(ottenuti al uni da sempli i onsiderazioni geometri he, altri da un nuovo

rilassamento del problema) in un ``adattamento dell'algoritmo bran h-and-

bound proposto da S heithauer (1997) e Martello et al. (2003) per riempire

un uni o ontenitore bidimensionale. L'albero de isionale funziona in questo

modo: ad ogni nodo de isionale, la potenziale soluzione orrente, he impa -

a gli items di un sottoinsieme I ⊂ J, è in rementato selezionando a turno


36 1. Problemi di pa king e utting nei layout

ogni item j ∈ J \ I, e generando nodi dis endenti allo ando j in tutte le sue

posizioni ammissibili. È stato provato in Martello et al. (2000) he gli items

di I denis ono un ``involu ro he separa le due regioni dove gli items J \I
possono o no essere posizionati, e iò è su iente per generare nodi orri-

spondenti al piazzamento dell'angolo inferiore sinistro di j nei punti dove la

pendenza dell'involu ro ambia da verti ale a orizzontale. Questi sono hia-

mati orner points e possono essere determinati in un tempo O(|I| log |I|):
Lo s hema bran h-and-bound è stato poi migliorato in due modi: attraver-

Figura 1.16: involu ro asso iato agli items di I = {1, 2, 3, 4, 5} dove i orner points sono
indi ati on un puntino nero.

so una te ni a per evitare la generazione multipla di nodi de isionali he

produ ono lo stesso modello, e attraverso l'aggiunta di e a i algoritmi di

approssimazione. Si onsiderino, ad un dato livello k dell'albero de isionale,

due punti d'angolo a, b e due items j1 , j2 ∈ J \ I : la regola di base potrebbe

generare quattro nodi, orrispondenti a quattro oppie di tipo ( orner point,

item): (a, j1 ), (a, j2 ), (b, j1 ), (b, j2 ), dove la oppia indi a il nodo. Tra i gli

di (a, j1 ) si può poi generare un nodo orrispondente alla oppia (b, j2 ), e,

allo stesso livello k + 1, si può generare, tra i gli di (b, j2 ), un identi o nodo
orrispondente a (a, j1 ). Per evitare situazioni di questo genere, he non si

presentano solo tra i gli, ma an he, più generalmente, tra dis endenti di

nodi fratelli, Martello et al. hanno adottato la seguente te ni a. Per ogni


1.2 Cutting and Pa king problems 37

potenziale nodo, orrispondente al piazzamento di un item j in un angolo a,


essi determinano gli involu ri he si dovrebbero generare dall'insieme di item

{j} ∪ (I \ {i}), ∀i ∈ I . Se esiste un item i ∈ I , orrentemente piazzato, in un


orner point b, per il quale l'involu ro orrispondente a {j} ∪ (I \ {i}) in lude

b tra i suoi punti d'angolo, sappiamo he il orrente nodo potenziale potrebbe


produrre un modello identi o a quello prodotto ambiando l'ordine nel quale

i e j sono onsiderati nel pro esso di bran hing. E o per hé il nodo è gene-

rato solo se j > i. Per trovare una buona soluzione iniziale ammissibile per il

nodo padre, o per migliorare la solizione orrente per i nodi dis endenti, sono

implementati al uni lassi i algoritmi euristi i della letteratura (Coman et

al. (1980); Baker et al. (1980)...).

Figura 1.17: illustrazione s hemati a e molto sommaria del pro esso strip-pa king

ALGORITMI METAEURISTICI
Un appro io metauristi o interessante è quello presentato da Iori, Mar-

tello e Mona i (2003). Il 2SPP viene risolto attraverso una ombinazione tra

un algoritmo tabu sear h e un algoritmo di tipo geneti o


15
. L'algoritmo di

15 metodoeuristi o di ri er a ed ottimizzazione, ispirato al prin ipio della selezione na-


turale di Charles Darwin he regola l'evoluzione biologi a. Gli algoritmi geneti i sono
appli abili alla risoluzione di un'ampia varietà di problemi d'ottimizzazione non indi ati
38 1. Problemi di pa king e utting nei layout

tipo tabu sear h di riferimento è l'algoritmo 2BP-TS proposto da Lodi, Mar-

tello e Vigo (1999) eseguito indi ando on z∗ il valore della soluzione orrente
16
del 2SPP, inizialmente al olata attraverso algoritmi BUILD e T P2SP 17 , e

appli ando parti olari pro edure di post-ottimizzazione des ritte dagli autori.

L'algoritmo geneti o è inve e un algoritmo sviluppato dagli stessi e indi ato

on 2SP-GA. Esso si basa sulla permutazione della struttura dei dati he

rappresenta l'ordine nel quale gli items sono impa ati nella stris ia. La

dimensione della popolazione è ostante ma vengono prodotti nuovi indivi-

dui attraverso riteri di riproduzione. È inoltre ottenuta una diversi azione

attraverso l'immigrazione e la mutazione. La ri er a è inoltre intensi ata

attraverso ri er a lo ale. Inne nell'algoritmo, viene onsiderata la storia

dell'evoluzione, in modo da intensi are la ri er a in aree promettenti, e da

evitarla nei minimi lo ali.

Sui due algoritmi metauristi i sono stati eettuati vari esperimenti omputa-

zionali sia su istanze prese dalla letteratura sia su istanze reate asualmente:

sia il 2SP-TS he il 2SP-GA hanno mostrato un buon omportamento empiri-

o. In parti olare si è potuto notare ome l'appro io geneti o abbia migliori

prestazioni nel aso di istanze di pi ole dimensioni e on pi oli valori della

misura W della stris ia da riempire, mentre l'opposto a ade per l'altro algo-

ritmo. Tuttavia le performan e migliori sono state ottenute sperimentando

l'hybrid algorithm, ovvero la ombinazione dei due algoritmi sopra itati.

Oltre al metodo sopra menzionato, nella tabella 1.1 (al termine del api-

tolo) è riportato un elen o di al uni di altri re enti sviluppi metauristi i per

il 2SPP. In parti olare in essa sono stati distinti:

• quattro sottotipi di strip pa king problem :

per gli algoritmi lassi i, ompresi quelli in ui la funzione obiettivo è dis ontinua, non
derivabile, sto asti a, o fortemente non lineare.
16 algoritmo he parte dalla soluzione del rilassamento del 1CBP e ostruis e una solu-

zione ammissibile per il 2SPP ongiungendo i tagli per ri ostruire l'item di origine. Si veda
a proposito: Martello, Mona i e Vigo: An exa t approa h to the Strip-Pa king problem
17 inizializza la stris ia ad una lunghezza L, e onsidera gli items a se onda dell'ordine in

ui vengono dati. Per poi impa arli se ondo un pre iso metodo. A riguardo si proprone:
Iori, Martello, Mona i: Metaheuristi Algorithms for the Strip Pa king Problem
1.2 Cutting and Pa king problems 39

 RF → i pezzi possono essere ruotati di 90◦ ma non sono ri hiesti

tagli a ghigliottina

 RG → i pezzi possono essere ruotati di 90◦ e sono ri hiesti tagli a

ghigliottina

 OF → l'orientamento dei pezzi è sso ma non sono ri hiesti tagli

a ghigliottina

 OG → l'orientamento dei pezzi è sso e sono ri hiesti tagli a

ghigliottina

• tre gruppi di appro io alla soluzione dei metauristi i (Hopper e Turton,

2000/2001):

1. Il metodo del primo gruppo usa una odi a delle soluzioni. Di

solito, una soluzione genera una sequenza di piazzamenti per i pez-

zi. La ri er a viene svolta dal relativo euristi o nello spazio delle

soluzioni e tipi amente usa operatori indipendenti dal problema

2. Gli appro i per le soluzioni del se ondo gruppo sono in una po-

sizione intermedia. Mentre, da un lato, soluzioni odi ate, on-

tengono già informazioni geometri he o di layout, è ri hiesto un

pro edimento addizionale di piazzamento per il posizionamento -

nale. Tipi i di questo gruppo è una odi a spe i a al problema

di riferimento, spesso basata su gra

3. L'appro io del gruppo 3 non usa la odi a. La ri er a avviene

direttamente nello spazio dei layout ompletamente deniti, he

sono poi manipolati ome detto da spe i i operatori

• tre tipi di algoritmi metaeuristi i:

 GA → genethi algorithms

 SA → simulated annealing

 TS → tabu sear h
40 1. Problemi di pa king e utting nei layout

LEVEL PACKING
An he per il two dimensional strip pa king problem ome per il BPP

esiste un pa king a livelli, proposto da Lodi, Martello e Mona i (2002). Tale

alternativa onsiste nel modi are la funzione obiettivo eliminando tutti i

vin oli e le varibili relativi al bin pa king problem visto pre edentemente, in

modo da ottenere il modello seguente:

n
X
minimizzare −→ min hi yi
i=1

j−1
X
soddisfa endo −→ xij + yj = 1, j = {1, ..., n} ,
i=1
n
X
wj xij ≤ (W − wj )yi , i ∈ N = {1, ..., n − 1}
j=i+1

yi , xij ∈ {0, 1} ∀i, j

1.2.5 Two Dimensional Knapsa k Problem


18
Consideriamo innanzitutto un problema knapsa k di tipo rettangolare ,

ossia un problema a due dimensioni avente ome items degli oggetti rettan-

golari.

Sono dati: un insieme di N = (1, ..., n) pi oli rettangoli (gli items), in ui


ognuno ha una larghezza wj , un'altezza hj e un protto pj on j ∈ N e un on-

tenitore di larghezza W e altezza H . L'obiettivo onsiste, analogamente agli

altri asi pre edenti, nell'inserire nel ontainer (knapsa k) un sottoinsieme di

items he massimizzi il protto; il vin olo è he gli oggetti non si sovrappon-


19
gano e he ognuno di essi abbia il lato hj parallelo al lato H del ontenitore .

Si noti he 2KP è una generalizzazione del già itato 1-dimensional Knapsa k


problem, visto ome aso parti olare avente hj = H ∀j ∈ N .
An he il two-dimensional Knapsa k Problem (2KP) è un problema NP-hard

e in letteratura sono stati studiati molti metodi per risolverlo, a partire dal

18 d'ora in poi hiameremo tale problema un re tangle pa king problem


19 si denis e on questi vin oli un tipo di problema denominto orthogonal pa king
problem without rotation
1.2 Cutting and Pa king problems 41

fondamentale studio di Gilmore e Gomory (1965). Tuttavia, sembra non es-

sere onos iuto nessun algoritmo approssimato he garantis a una worst- ase
performan e ; iò è sorprendente dato he al uni risultati di questo genere so-
no inve e noti per il onnesso problema di impa amento a due dimensioni.

Pro ediamo illustrando un naturale rilassamento del 2KP:

X
max pj xj
j∈N

X
(wj hj )xj ≤ W H
j∈N

x ∈ {0, 1} , (j ∈ N)

nel quale ogni item j, (j ∈ N) ha un protto pj


wj hj , uguale all'area
e peso

del rettangolo j nel 2KP, e apa ità del ontenitore W H , uguale all'area del

ontenitore nel 2KP. Per una istanza I del 2KP, sia OP T (I) la soluzione

ottima e UKP (I) l'upper bound su OP T (I) orrispondente alla soluzione ot-

tima della formulazione sopra des ritta. Il rapporto di performan e peggiore

è denito ome:  
. inf OP T (I)
r(UKP ) = I
UKP (I)
1
Il worst- ase ratio trovato nora è r(UKP ) = 3
. Tale rilassamento, approfon-

dito da Caprara e Mona i (2003) ostituis e una buona base di partenza per

quattro nuovi algoritmi per risolvere il 2KP: essi rappresentano l'appro io

esatto al problema più re ente.

Oltre a Caprara e Mona i (2003), altri studi sono stati ondotti a riguardo:

Beasley

Basley (2003) ha presentato un algoritmo euristi o di tipo geneti o per la

risoluzione del problema; è basato su una nuova e non lineare formulazione

del problema ed è rappresentato da una popolazione euristi a ( Population


heuristi s, PH) dove la popolazione delle soluzioni al problema si evolve pro-
gressivamente. La nuova PH proposta si dis osta dalle ``sempli i popolazioni

euristi he pre edenti e può essere sintetizzata nel seguente modo:

1. si genera una popolazione iniziale


42 1. Problemi di pa king e utting nei layout

2. si valuta il tness e l'untness degli individui (repeat)

3. si selezionano due individui genitori della popolazione (random)

4. si ri ombinano i genitori produ endo un solo glio, attraverso il ros-

sover

5. si muta il glio; uno ogni die i gli viene mutato

6. si valuta il tness e l'untness del glio e miglioralo usando uno s hema

euristi o di miglioramento

7. si sostituis e un membro della popolazione on il glio usando uno

s hema di rimpiazzamento, a meno he il glio non sia un dupli ato di

un membro della popolazione, in tale aso lo si s arta

8. i si ferma dopo aver riportato la miglior soluzione in ontrata

Hadji onstantinou and Christodes

Hadji onstantinou e Christodes (1995) hanno presentato una pro edura

esatta tree-sear h 20 per risolvere il kanpsa k a due dimensioni. Essi han-

no onsiderato il aso in ui 'è un numero massimo di volte in ui un pezzo

può essere usato. L'algoritmo limita la dimensione del tree usando un bound

derivante da un rilassamento lagrangiano della formulazione binaria del pro-

blema. Un'ottimizzazione del subgradiente viene poi usata per ottimizzare il

bound. Le performan e omputazionali dell'algoritmo indi ano he la pre e-

dente è una pro edura veramente apa e di risolvere ottimamente il problema

nel aso di medie dimensioni.

R.Alvarez-Valdes, F.Parrenho, J.M.Tamarit

Tali ri er atori presentano nel 2006 un algoritmo tabu sear h ompleto di

mosse basate sulla riduzione e l'inserzione di pezzi, di pro edure di inten-

si azione e diversi azione basate su una memoria a lungo termine. In

parti olare l'e ienza delle mosse è basata su una strategia merge and ll.
I risultati omputazionali mostrano he tutte queste idee funzionano bene in

20 ri er a ad albero
1.2 Cutting and Pa king problems 43

Figura 1.18: strategia Merge and Fill

parti olare per i problemi onstrained e doubly onstrained.

Hadji onstantinou, Iori

Presentano un nuovo appro io euristi o per risolvere il problema, sempli e

ma molto e iente: nella fase preliminare, vengono al olati sempli i up-

per bounds e soluzioni iniziali sono ottenute attraverso greedy algorithms.


In seguito è eseguita una ri er a geneti a, he usa la selezione dei genitori,

la teoria etilista, l'immigrazione, e diversi operatori rossover. L'appro io

geneti o diviene ibrido dopo aver usato un euristi o on-line. Risultati om-

putazionali mostrano he l'algoritmo trova la miglior soluzione in un tempo

omputazionale molto velo e e he in molti asi migliora gli altri metauristi i

presenti in letteratura.
44 1. Problemi di pa king e utting nei layout

1.3 Fa ility layout problem


Il fa ility21 layout problem (FLP) si riferis e all'allo azione di un erto

spazio disponibile a una varietà di attività he hanno diverse relazioni tra di

loro. Si tratta di un problema di ottimizzazione ombinatoria he si presenta

in una moltitudine di problemi ome ad esempio nella progettazione dei lay-

out di ospedali, s uole e aeroporti; nei problemi di progettazione di impianti

elettri i; nei magazzini; nella progettazione di turbine elettri he; et . Tutta-

via la maggior parte delle volte il fa ility layout problem è denito ome la

determinazione dell'organizzazione si a di un sistema di produzione. Dove

posizionare gli impianti e le attrezzature e una loro e iente progettazione

sono problemi strategi i e fondamentali he ogni industria di produzione si

trova a dover arontare.

Lo s opo prin ipale di un algoritmo he risolva le ``funzionalità onsiste nell'

``arrangiare in maniera ottima gli elementi oinvolti nella progettazione del

layout (elementi he naturalmente variano in base al ontesto) per trovare la

via più e iente di disposizione degli oggetti. La ragione prin ipale, ome

già detto pre edentemente, risiede nel fatto he i osti di material handling
oprono una buona per entuale dei osti totali di un'impresa, ed è quindi
22
onveniente limitarne lo sviluppo e l'aumento . Un layout dei ma hinari

e iente può arrivare a ridurre questi osti dal 10% al 30% l'anno. Un layout

ine iente può infatti portare a un a umulo di gia enze di work-in-progress,

un sovra ari o dei sistemi di movimentazione dei materiali, tempi di setup

ine ienti. Inoltre, il fa ility layout problem rappresenta un investimento o-

stoso e a lungo termine. An he le modi he ri hiedono grandi spese per hé

non possono essere eettuate fa ilmente: il re-layout delle strutture non è

solo un onsumo di tempo, ma interrompe le attività dei lavoratori e il usso

dei materiali. È per questo he l'impatto strategi o della progettazione del

layout non dovrebbe essere ignorato.

Negli ultimi anni, molte ri er he hanno proposto una varietà di pro edure

21 isi riferis e alla funzionalità nel layout di un erto ambito progettuale


22 al une ri er he hanno stimato he l'8% del prodotto lordo nazionale degli USA è
stato speso e ontinua ad esserlo attualmente per nuovi impianti e attrezzature, e per la
manutenzione e la modi a di quelli già esistenti. Altri studi dimostrano inve e he i osti
relativi agli spostamenti dei materiali oprono il 20-30% dei osti di un'impresa
1.3 Fa ility layout problem 45

per risolvere il problema. In parti olare si è operato er ando di sviluppare

una soluzione ottima per l'allo azione di attrezzature dalle forme rettangola-

ri, usando l'adia enza ome riterio di interesse nel selezionare le attrezzature

he devono ondividere i onni. Molte delle pro edure re enti inoltre ri hie-

dono interazioni on il progettista degli impianti e ne essitano di un buon

progetto ome s heletro iniziale.

Data una matri e di usso tra diversi impianti e l'area allo ata a ias u-

no di essi, la ri er a del layout ottimo è stata messa a fuo o sviluppando

diverse te ni he. La maggior parte delle pro edure sono state lassi ate o-

me single-row quando gli impianti sono sistemati linearmente su di una la,


oppure multi-row fa ilities quando gli impianti sono sistemati linearmente

in due o più le. Due lassi di modelli e algoritmi sono inoltre stati usati

per risolvere sia i problemi di layout single-row he quelli di tipo multi-row:

pro edure ottimali e euristi i. Di seguito saranno elen ate le prin ipali.

1.3.1 Modelli per il fa ility layout problem


MODELLO QAP

Il quadrati assignment problem (QAP) è oggigiorno la formulazione più

utilizzata nelle risoluzioni fo alizzate sulle funzionalità, pertanto su questo

modello verrà posta maggore attenzione. Tale formulazione usa il bari en-

tro della lo azione ome punto di riferimento per valutare la distanza tra

due attrezzature. Inoltre molto spesso, le formulazioni diverse dal QAP sono

basate su varianti del QAP o usano il QAP ome struttura di riferimento.

Koopmans e Be kman (1957) sono stati i primi a formulare il fa ility layout

problem ome QAP. Il nome ``quadrati assignment problem è stato s el-

to per hé la funzione obiettivo è una funzione polinomiale di se ondo grado

rispetto alle variabili, e i vin oli sono uguali ai vin oli del problema dell'as-

segnamento. L'obiettivo del QAP è quello di trovare l'assegnamento ottimo

di n fa ilities (impianti, dipartimenti o stazioni ma hina) in n siti in modo

da minimizzare il osto della movimentazione dei materiali espresso ome il

prodotto del usso di lavoro per la distanza. Il QAP può essere formulato
46 1. Problemi di pa king e utting nei layout

ome segue:
n X
X n X
n X
n
min Aijst xij xst (1.18)
i=1 j=1 s=1 t=1
n
X
ondizione1 xij = 1 , ∀j (1.19)
i=1
n
X
ondizione2 xij = 1 , ∀i (1.20)
i=1

variabili → xij ∈ {0, 1} , ∀i, j (1.21)

dove 
 wis djt se i 6= s oppure j 6= t

Aijst Fij se i = s oppure j = t (1.22)

∞ se i = s oppure j 6= t

wis è il usso tra gli impianti i e s, wii = 0 , djt la distanza tra le posizioni j
e t, djj = 0 , Fij il osto sso per lo are l'impianto i nella posizione j , e

(
1 se l'impianto i è allo ato alla posizione j
xij (1.23)
0 altrimenti

Il vin olo (1.19) è la restrizione he solo un impianto può essere piazza-

to in una determinata posizione, mentre il vin olo (1.20) assi ura he ogni

posizione può essere assegnata a un solo impianto. L'obiettivo è quello di

minimizzare il usso totale tra gli impianti i(i = 1, ..., n) e s(s = 1, ..., n). La

funzione obiettivo può an he essere ompletata on un fattore he onsidera

il osto sostenuto se l'impianto i è piazzato nella posizione s; la funzione

diviene pertanto:

n X
X n X
n X
n n X
X n
min Aijst xij xst + cis xis (1.24)
i=1 j=1 s=1 t=1 i=1 s=1

Il QAP è un problema NP-hard (Sahni e Gonzalez, 1976): nora l'istanza

più grande per la quale è stata trovata una soluzione ottima ha una dimen-

sione di n ≈ 30. Per questa ragione sono stati molti gli euristi i proposti

per risolvere il problema. In parti olare Lawler (1963) ha presentato una

formulazione generale del QAP, del quale sostiene he la formulazione di


1.3 Fa ility layout problem 47

Koopmans-Be kmann sia un aso parti olare, e ha proposto un metodo per

al olare la soluzione ottima seguendo una logi a di partizione. Egli ha inoltre

dimostrato l'equivalenza del problema QAP on un problema di assegnamen-

to lineare avente erti vin oli addizionali: un QAP on n2 variabili xij può

essere reso lineare denendo n4 variabili yijpq , dove

yijpq = xij xpq (1.25)

Christodes et al. (1980) hanno proposto una te ni a di bound fortemen-

te non lineare. L'algoritmo di tipo tabu sear h di riferimento è l'algoritmo

2BP-TS proposto da Lodi, Martello e Vigo (1999) eseguito indi ando on z ∗ il


valore della soluzione orrente del 2SPP, inizialmente al olata attraverso al-

goritmi ng basata sull'estrazione dalla formulazione del problema QAP, di un

ampio problema di assegnamento lineare ( he può essere risolto all'ottimo),

las iando il rimanente problema QAP di dimensioni più ridotte possibili. La

soluzione del residuo QAP può poi essere risolto on una pro edura separa-

ta. Questo metodo 2-step produ e bounds migliori rispetto a quelli prodotti

all'appli azione diretta di algoritmi di bounding al QAP originale.

Per ulteriori dettagli rimandiamo al survey re ente di Burkard, Dell'Ami o e

Martello [6℄.

MODELLO GRAPH THEORY


Nell'appro io dei gra ogni dipartimento o ma hinario (ignorando l'a-

rea e la forma del dipartimento all'inizio) è denito ome un nodo all'in-

terno di una rete di un grafo. Questi dipendono dall'adia enza predenita

e opportuna di ogni oppia di ma hinari. In altre parole, si può dire he

nell'appro io dei gra, si assume he si onos a l'opportuna vi inanza della

lo azione di ogni oppia di attrezzature. Come a ade per il QAP, an he

in questo aso problemi di aree diverse, perno di pi ole dimensioni, non

possono essere risolti all'ottimo. Sono state pubbli ate numerose relazioni su

questo argomento, in ui sono stati analizzati diversi modelli e algoritmi.

MODELLO MIP
An he metodi basati sul Mixed Integer Programming sono stati presi in

onsiderazione per risolvere il FLP. Sin dalla prima formulazione, he ha un


48 1. Problemi di pa king e utting nei layout

obiettivo basato sulla distanza ed è usato nella rappresentazione di un lay-

out he è una estensione del dis reto QAP, su essivamente altri studi hanno

sviluppato un aso spe iale di questo MIP e hanno proposto un algoritmo

two-step per risolvere il FLP assumendo variabile l'area he può risolvere il

dynami fa ility layout e rendere rettangolare l'area di tutti i dipartimenti.

Inoltre si è poi esteso il modello proposto per trattare aree disuguali e osti

di ridisposizione. Tuttavia, il modello può essere risolto all'ottimo solo nel

aso di problemi di pi ole dimensioni. Altri studi hanno onsiderato il pro-

blema di allo are i punti di input e output (I/O) di ogni dipartimento per

un dato blo o di layout he l'obiettivo di minimizzare la distanza totale di

trasporto. È stato proposto un nuovo algoritmo bran h-and-bound he sem-

bra migliorare l'e ienza an he per problemi di grandi dimensioni. An he

se, la soluzione simultanea del problema del layout e dei punti di I/O non è

an ora stato risolto i sono già alternative he propongono un appro io di

programmazione matemati a per il problema del layout generalizzato.

Un MIP dettagliato, sebbene il suo appro io riservi molte promesse, fornis e

al momento soluzioni risolvibili solo per FLP di dimensione sei o minori. L'o-

biettivo è basato sulla distanza rettilinea di usso e di tempo tra il bari entro

e i dipartimenti.

1.3.2 Metodologie di risoluzione


Varie metodologie di risoluzione sono disponibili per risolvere il fa ility
23
layout problem. Qui di seguito ne sono presentate al une (una breve pano-

rami a), tra ui le metodologie ad appro io esatto, euristi o e metaeuristi o,

on uno sguardo alle proposte future.

METODI ESATTI
Sono stati usati metodi bran h-and-bound per trovare una soluzione otti-

ma del FLP formulato ome assegnamento quadrati o poi hé il QAP oinvol-

ge solo variabili binarie. In letteratura sono però riportate soluzioni ottime

per problemi di dimensione no a 30. Per n > 30 diventa impossibile per il

23 sonostate tralas iate altre metodologie di risoluzione per il FLP, tra ui menzioniamo
gli appro i a rete neurale e a fuzzy logi
1.3 Fa ility layout problem 49

omputer risolvere il problema e, di onseguenza, an he un omputer molto

potente non può arontare un'istanza di grandi dimensioni.

ALGORITMI EURISTICI
Gli algoritmi euristi i possono essere lassi ati ome algoritmi di tipo

ostruttivo poi hé una soluzione viene ostruita da uno s hizzo, ma an he di

tipo migliorativo poi hé la soluzione iniziale viene migliorata. I metodi o-

struttivi sono onsiderati gli appro i più sempli i e tradizionali per risolvere

il QAP da un punto di vista on ettuale e di implementazione, ma la qualità

delle soluzioni prodotte non è di solito soddisfa ente. I metodi basati sul

miglioramento partono da una soluzione ammissibile e provano a migliorarla

attraverso inters ambi tra singoli assegnamenti. Questi due tipi di appro i

( ostruttivi e migliorativi) possono fa ilmente essere ombinati tra loro. Ad

esempio CRAFT è un algoritmo migliorativo molto usato he usa doppi in-

ters ambi. Una lista degli euristi i più onos iuti usati per risolvere il FLP è

quella riportata nella tabella a ne apitolo. Questi euristi i sono lassi ati

ome algoritmi basati sull'adia enza o sulla distanza. La dierenza tra questi

due tipi di algoritmi si trova nella funzione obiettivo. La funzione obiettivo

per gli algoritmi di adia enza è data ome:

XX
max (rij )xij
i j

dove xij vale 1 se il dipartimenti i è adia ente al dipartimanto j, vi eversa

vale 0.

Il prin ipio di base he sta dietro a questa funzione obiettivo è he il osto

di movimentazione dei materiali è ridotto signi ativamente se i due diparti-

menti hanno i onni adia enti. La funzione obiettivo degli algoritmi basati

sulla distanza è inve e data ome:

n n n n
1 X X XX
min(TC) = Cik Djl Xij Xkl
2 i=1,i6=k j=1,j6=l k=1 l=1

dove

Xij è 1 se l'impianto i è assegnato alla posizione j, 0 altrimenti


50 1. Problemi di pa king e utting nei layout

Cik è il osto per posizionare l'impianto i nella posizione k

Djl è la distanza tra la posizione j e la posizione l

La losoa da sottolineare dietro a questa funzione obiettivo è he la distanza

aumenta il osto totale dei viaggi. Visto he tutti gli indi i sono sommati da 1

a n, ogni assegnamento è ontato due volte; da qui la ne essità di moltipli are


1
per .
2
Cik può essere sostituito on Fik ( = usso tra gli impianti i e k ) a se onda

dell'obiettivo.

ALGORITMI METAEURISTICI
Al une alternative on appro io metaeuristi o, ome ad esempio SA e
24
GA , sono attualmente usati per approssimare la soluzione di FLP di grandi

dimensioni. La te ni a SA deriva dalla teoria della me ani a statisti a ed

è basata sull'analogia tra la fusione dei solidi e la risoluzione di problemi di

ottimizzazione. Studi piuttosto re enti hanno studiato un algoritmo SA per

il QAP. Una ra olta molto re ente degli arti oli basati sugli algoritmi SA è

riportata nella tabella di gura 1.19.

Figura 1.19: ra olta di arti oli sugli algoritmi SA per la risoluzione dei FLP
24 Simulated Annealing e Geneti Algorithms
1.3 Fa ility layout problem 51

Durante l'ultimo de ennio an he l'algoritmo geneti o ha guadagnato molta

attenzione; esso utilizza una odi a binaria di individui ome stringhe di

lunghezza ssa. GA er a iterativamente l'ottimo globale, senza esaurire lo

spazio delle soluzioni, in un pro esso parallelo he inizia da un pi olo in-

sieme di soluzioni ammissibili (popolazione) e he genera nuove soluzioni in

un qual he modo aleatorio. La performan e del GA dipende dal problema

per hé la sistemazione dei parametri e lo s hema di rappresentazione dipen-

dono dalla natura del problema. Tavakkoli-Moghaddam e Shayan (1998)

hanno analizzato l'adeguatezza degli algoritmi geneti i per risolvere il FLP.

La tabella di gura 1.20 fornis e re enti arti oli sui FLP basati sui GA. Gli

algoritmi Tabu-Sear h (TS) sono altre pro edure iterative progettate per ri-

solvere problemi di ottimizzazione. Helm e Hadley (2000) hanno appli ato

algoritmi TS per la risoluzione del FLP. Il metodo è an ora molto studiato,

ed è in ontinua evoluzione e miglioramento. Re entemente, al uni arti oli

sono apparsi dove un algoritmo ant olony è stato usato per risolvere FLP di

grandi dimensioni. Talbi et al. (2001) hanno usato un algoritmo ant olony

per risolvere il QAP.

Figura 1.20: ra olta di arti oli sugli algoritmi GA per la risoluzione dei FLP
52 1. Problemi di pa king e utting nei layout

OBIETTIVI FUTURI E NUOVI SCENARI D'AZIONE


Dall'analisi delle moltepli i alternative riportate in questo paragrafo, si

evin e he la ri er a sul FLP non è onvergente, ma in qual he modo diver-


25
gente. Al momenti, l'appro io AI può essere usato per sviluppare euristi i

he risolvano FLP di grandi dimensioni; inoltre è ne essaria più ri er a nelle

funzioni multi-obiettivo per raggiungere riteri di layout più rilevanti. Ogni

due anni il Material Handling Institute of Ameri a, insieme ad altre industri


sponsorizzatri i e alle agenzie di governo, organizza un onsorzio sulla ri er a

riguardo le novità sui sistemi di trasporto materiali dove i ri er atori possono

presentare le proprie ri er he. È stato s operto he 'è una man anza di ap-

pli azione della on urrent engineering nel FLP in a ordo on la s elta del

sistema di movimentazione materiali he mostra ome la progettazione del

layout dei ma hinari sia indipendente dalla s elta del sistema di movimen-

tazione. È stato al olato he lo stesso layout non è appropriato per tutti i

periodi, poi hé la domanda non rimane la stessa. Da qui, la ri er a dovrebbe

indirizzarsi verso un layout delle attrezzature dinami o e non stati o. Per la

risoluzione del FLP sta emergendo soprattutto la ri er a nell'appli azione di

meta-euristi i ome gli algoritmi SA, GA e TS. Tuttavia, il risultato nale

dipende an he dalla soluzione iniziale presa (popolazione). Quindi, la ri er a

deve an he sviluppare validi euristi i he generino buone soluzioni iniziali.

25 Arti ial Intelligen e


1.3 Fa ility layout problem 53

Authors, sour e SPP subtype Approa hes Methaeuristi s


Ja obs (1996) RF 1 GA

Dagli and RF 1 GA

Poshyanonda
(1996, 2004)
Liu and Teng RF 1 GA

(1999)
Hopper and Tur- RF 1 GA

ton (2000)
Hopper and Tur- RF 1 SA

ton (2000)
Hopper and Tur- RF 1 NE⋆

ton (2000)
Mumford, Va- RG 1 GA

lenzuela et al.
(2003)
Kröger (1993, RG 2 Parallel GA

1995)
S hne ker (1996) RG 2 Parallel GA

Ratanapan and RF 3 GA

Dagli (1997,
1998)
Iori et al. (2002) OF Hybrid Hybrid GA+TS

and Mona i
(2001)

Tabella 1.1: Algoritmi metaeuristi i per il 2SPP on pezzi rettangolari; ⋆


indi a NaiveEvolution, ovvero un GA on mutazione ma senza rossover
54 1. Problemi di pa king e utting nei layout
Capitolo 2
Ottimizzazione dei layout eristi i

Prendendo spunto dalle numerose fonti disponibili sul web o dai do umen-

ti a riguardo, si può riassumere brevemente lo s opo primario di una buona

progettazione del layout, sia dal punto di vista aziendale he organizzativo

(per eventi, ere, manifestazioni, e .).

L'organizzazione vera e propria dello spazio di vendita (lay-


out) prevede il disegno dei per orsi e della ir olazione, in ui la
sequenza delle aggregazioni mer eologi he deve risultare naturale
e di fa ile lettura per la propria lientela-obiettivo. Generalmente
si rea un per orso prin ipale, he stimoli il liente a seguirlo,
e spazi di viabilità se ondaria, all'interno delle diverse are del
punto vendita. Nel fare iò i si deve assi urare he i per or-
si siano su ientemente ampi da garantire il passaggio agevole
della lientela e dei ommessi, eliminandone i punti morti. La
presenza di un'illuminazione studiata e di una segnaleti a e a-
e ma non invasiva deve, inoltre, guidare l'attenzione dei lienti
verso i punti di maggiore attrattiva del lo ale.

In parti olare, nel orso del presente apitolo, verrà fo alizzata l'attenzio-

ne sull'analisi di asi di studio noti, quali le ere di Fortaleza in Brasile e

di Romont in Svizzera. Tali informazioni e dati sono infatti molto utili o-

me modello per lo sviluppo e l'appli azione degli algoritmi visti nel primo

apitolo all'ambito eristi o.

55
56 2. Ottimizzazione dei layout eristi i

2.1 Spe i he e ontesti per il progetto


L'obiettivo prin ipale del progetto di un layout eristi o onsiste nel po-

sizionare il massimo numero di stand nell'area adibita all'esposizione, soddi-

sfa endo un erto numero di requisiti operazionali ( onstraints ). Data una

super ie S adibita all'esposizione, di forma irregolare e non onvessa, e un

numero n di stand uguali e rettangolari, si vuole massimizzare il numero di

stand ontenuti in S er ando allo stesso tempo di ottenere un layout he

possa rispondere alle esigenze di un ontesto eristi o. Un layout si di e

``fattibile se soddisfa un erto numero di onstraints di base (tipi i di un

ontesto eristi o) più altri requisiti spe i i forniti dall'organizzazione nel

aso spe i o. Si possono riassumere le ondizioni di ``fattibilità del layout

nei seguenti punti omuni ad ogni organizzazione eristi a:

• gli stands non possono sovrapporsi

• gli stands devono essere ompletamente ontenuti nella super ie S

• i visitatori (ma an he gli organizzatori) devono poter fa ilmente a e-

dere agli stands

Oltre a tali requisiti generi i, ogni organizzazione ha an he altre ne essità

proprie, per le quali è opportuno onsiderare altri onstraints da inserire nel

progetto. Un problema simile già ampiamente studiato è quello on ernen-

te l'ottimizzazione dei layout industriali; si usa il termine ``simile e non il

termine ``uguale per hé nell'ambito delle ere non bisogna tenere onto del

usso: tra uno stand e uno altro non vi è nessun usso di materiale ome

inve e a ade tra un ma hinario ed un altro in un'impresa manifatturiera.

Il problema del layout eristi i sembra piu vi ino a quello del pa king, in

parti olare il two dimensional pa king problem 1


. Tuttavia si tratta di un

task di grande interesse nel ampo dell'ottimizzazione ombinatoria, essen-

do un ampo di appli azione piuttosto nuovo; ome ulteriore ompli azione,

rispetto ai asi generali di pa king NP-hard, per un ontesto eristi o nas e

1 appunto per hé si ha a he fare on un problema di pa king, allora si inseris e tale


prolema nell'insieme degli NP-hard ( onsiderando il aso più generale in ui ogni stand
può essere ruotato in ogni direzione possibile)
2.1 Spe i he e ontesti per il progetto 57

il problema legato alla irregolarità della super ie espositiva. Un esempio di

super ie irregolare è quello di gura 2.1:

Figura 2.1: tipi o esempio di super ie irregolare su ui progettare il layout

A anto a questo importante e determinante onstraint le spe i he, piutto-

sto omuni nella maggioranza dei asi, impongono an he di onsiderare gli

stands orientati tutti nello stesso modo e allineati tutti nella stessa direzio-

ne lungo stris ie verti ali; ovviamente sarà opportuno riservare uno spazio

minimo tra tali stris ie per permettere un a esso fa ile alla lientela. Nel

progettare un layout siatto è bene tenere in onsiderazione tre obiettivi

fondamentali, asso iati ad altrettante funzioni obiettivo:

• l'utilizzo ottimo dello spazio a disposizione

• lo s opo di attirare la maggiore lientela possibile

• la onvenienza dal lato liente

Ovviamente, ome già detto in pre edenza, si tratta di un tipi o problema

di 2BPP e di FLP, analizzati nel apitolo pre edente. In parti olare è oppor-

tuno onsiderare un impa amento di questo tipo è hiamato in letteratura

two-dimensional two-staged pa king ; si supponga he si voglia tagliare l'area


per l'esposizione per produrre una serie di aree più pi ole rappresentanti

gli stand, iò può essere fatto grazie a una prima fase di tagli a ghigliottina

paralleli al lato rappresentante l'altezza e a una se onda fase in ui si eseguo-

no tagli, sempre a ghigliottina, paralleli al lato rappresentante la larghezza.

Nella se onda fase è ne essario eettuare un taglio per ogni stris ia ottenuta
58 2. Ottimizzazione dei layout eristi i

nella prima fase.

Riassumendo i prin ipali puti salienti del problema, possiamo des rivere ome

operare seguendo una serie di a orgimenti e metodi risolutivi he indi hiamo

ome Fair Layout Optimization Problem (FLOP). Si onsiderino le seguenti

assunzioni:

assunzione 1 : l'area su ui progettare è una super ie


2
irregolare, onte-

nuta in un rettangolo di altezza H e larghezza W he la in apsula in

modo pre iso (vedere le linee tratteggiate di gura 2.1);

assunzione 2 : gli stands sono rettangoli tutti identi i e hanno altezza h e

larghezza w

assunzione 3 : non sono ammesse rotazioni degli stands (tutti devono

essere orientati allo stesso modo)

assunzione 4 : l'allo azione deve essere fatta ortogonalmente su stris ie


(strips ) verti ali parallele ai lati verti ali del rettangolo, garantendo

l'a esso da uno dei lati liberi per ias uno stand

A questo proposito si pro ederà se ondo una dupli e variante del FLOP

er ando di impa are il massimo numero di stand nella super ie a dispo-

sizione in modo da non violare tutte le onsiderazioni fatte in pre edenza e

soddisfa endo le assunzioni appena fatte.

• FLOP 1: viene ri hiesto he ogni stand (ogni strip) possa essere a e-

duto da ambo i lati (stris ie singole)

• FLOP 2: è possibile disporre gli stand in stris ie a oppiate senza spazi

tra di esse, in modo he l'a esso agli stand avvenga dal solo lato libero

In gura 2.2 sono illustrate le due varianti FLOP1 e FLOP2 rispettivamente.

Senza perdere di generalità, assumeremo he la super ie sia a essibile da

tutte le parti. Se si onsidera l'area espositiva ome una matri e binaria M


on H righe e W olonne, orrispondente al rettangolo sopra itato, numeran-

do righe e olonne dall'angolo in basso a sinistra della matri e (si onsiderino

2 da qui deriva il fatto he si progetta su due dimensioni


2.1 Spe i he e ontesti per il progetto 59

Figura 2.2: varianti del progetto: a) = FLOP1 (a sinistra) e b) = FLOP2 (a destra)

le due dimensioni della super ie ome su di un piano artesiano), si denis e

la matri e ome:
(
1 se lo spazio δ×δ alle oordinate (i,j) viene allo ato per lo stand
Mi,j =
0 altrimenti

dove, per sempli ità si onsiderano tutte le variabili (altezze, larghezze, di-

stanze, e .) ome valori interi, espressi se ondo una unità minima di lun-

ghezza he indi hiamo on δ, mentre i = 1, ..., H e j = 1, ..., W . Pertanto

Figura 2.3: matri e M asso iata all'area di esposizione eristi a di gura 2.1

si seleziona una olonna j per il layout nel aso in ui una stris ia di stands

( strip ) sia posizionata sulla olonna stessa ol lato sinistro: ad esempio in

gura 2.1 e 2.2 la prima olonna viene selezionata ome prima strip (dove

w = 3, h = 2). Supponiamo he ias una olonna j e ias un intervallo


60 2. Ottimizzazione dei layout eristi i

massimo di righe [ia , ib ] di M formino una sottomatri e avente tutti 1 ome

suoi elementi: tali elementi della sottomatrie ottenuta saranno rettangoli di

larghezza w e altezza (ib − ia + 1) ol proprio verti e in basso a sinistra alla


oordinata (ia , j). Di onsegienza, il massimo numero di stands he possono
ib − ia
essere piazzati all'interno di tale sottomatri e è ⌊ ⌋. In gura 2.3 ad
h
esempio, si ontano per j = W − 3, due intervalli massimi di righe di lar-

ghezza 3: uno alto 2 e l'altro alto 5; la stris ia orrispondente può quindi

disporre di tre stands in totale.

Per ogni olonna j ≤ W − w + 1, il massimo numero di stands vj he possono


essere posizionati ol loro lato sinistro nella olonna j è ottenuto in maniera

iterativa, determinando le su essive olonne he soddisno le ondizioni spe-

i ate. Una s hietta implementazione di questo metodo ri hiederebbe, per

ogni olonna, un numero di iterazioni pari a O(H) di omplessità temporale

pari a O(w); quindi in totale un tempo O(W Hw).

Una pro edura più velo e he ri hiede un tempo O(W H) pari a quello im-

piegato per `` ari are la matri e M sarà illustrata di seguito; tale pro edura

al ola le stesse informazioni vi (j = 1, ..., W − w + 1).


2.1 Spe i he e ontesti per il progetto 61

Si analizzi l'algoritmo: deniamo, per ogni riga i he sia Mi,j = 1, un punta-


tore p(i) all'ultima olonna ĵ in modo he sia Mi,j = Mi,j+1 = ... = Mi,ĵ = 1.

Se inve e Mi,j = 0 per la olonna orrente j , allora p(i) avrà un qualsivoglia

valore minore di j ; in questo modo tutti gli intervalli massimi di riga possono

essere determinati esaminando ogni elemento di M un numero sso e ostan-

te di volte. La variabile ontatore k memorizza, per la olonna orrente j e

per l'attuale intervallo di riga, il numero di righe he soddisfano le spe i he

e he quindi deniamo ``idonee.

Il nostro problema di ottimizzazione ombinatoria si fo alizza per iò nella

determinazione delle olonne j he possono essere inserite nell'impa amento

delle strips di stands.

2.1.1 Modelli matemati i


Nel presente paragrafo si analizzeranno i due modelli matemati i orri-

spondenti alle due varianti di fair layout optimization problem introdotte in

pre edenza. La prima parte, dedi ata al FLOP1, non prevede al una ri-

hiesta riguardante la distanza tra due strips diverse di stands; inoltre si

fa riferimento alle assunzioni 1-4 viste pre edentemente. Consideriamo una

variabile binaria
(
1 se una strip singola di stands ha il proprio lato sinistro sulla olonna j
xj =
0 altrimenti
(2.1)

∀j = 1, ..., W − w + 1.
Il primo problema FLOP1 può quindi essere modellato ome segue:
−w+1
WX
(FLOP1) max vj xj (2.2)
j=1

k
X
subje t to xj ≤ 1 , (k = w + a, ..., W − w + 1) (2.3)
j=k−a−w+1

xj ∈ {0, 1} , (j = 1, ..., W − w + 1) (2.4)

3
dove a rappresenta la larghezza minima del passaggio pedonale tra strips .

Dalla espressione (2.3) si nota he i vin oli impongono he gli stands non si

3 he in inglese si indi a on aisle=navata ome si può vedere in gura 2.5


62 2. Ottimizzazione dei layout eristi i

sovrappongano tra loro e he i sia spazio su iente per le aisles : se una o-

lonna k viene selezionata allora le olonne (k−a−w+1, ..., k−1) non possono
essere selezionate a loro volta, ome è possibile onstatare dalla gura 2.4. È

inoltre possibile notare he le onstraints (2.3) per (k = 1, ..., w + a − 1) non

sono imposte, bensì derivano dal primo vin olo (k = w + a).

Figura 2.4: onstraints per il FLOP1 (sinistra) e per il FLOP2 (destra)

Il se ondo problema FLOP2 può essere modellato analogamente all'algorit-

mo pre edente, introdu endo un se ondo tipo di variabile binaria per ogni

olonna j:
(
1 se una strip doppia di stands ha il proprio lato sinistro sulla olonna j
ξj =
0 altrimenti
(2.5)

∀j = 1, ..., W − 2w + 1.
Osserviamo he il massimo numero di stands idonei ad essere ompresi nella

double-strip è vj + vj+w .
Ne deriva quindi il modello FLOP2 seguente:
W −2w+1
X
(FLOP2) max (vj + vj+w )ξj (2.6)
j=1

k min(W −2w+1,k)
X X
subje t to xj + ξj ≤ 1 , (k = w + a, ..., W −w + 1)
j=k−a−w+1 j=max(1,k−a−2w+1)
(2.7)
2.1 Spe i he e ontesti per il progetto 63

xj ∈ {0, 1} , (j = 1, ..., W − w + 1) (2.8)

ξj ∈ {0, 1} , (j = 1, ..., W − 2w + 1) (2.9)

Analogamente al aso del FLOP1, qui i vin oli (2.7) impongono he le stris ie

(singole e doppie) di stands non si sovrappongano e he i sia, ome al solito,

spazio su iente per onsentire il usso dei lienti: se una olonna k viene
selezionata (sia se singola sia se doppia), allora le olonne k−a−w+1, ..., k−1

non possono esserlo altrettanto (nel aso di una single-strip ), mentre le o-

lonne k − a − 2w + 1, ..., k − 1 non possono esserlo altrettanto (nel aso di

una double-strip ). Si può notare he gli indi i max e min nella se onda som-
matoria della equazione (2.7) es ludono l'indi e j poi hè è fuori dal range.

Nella parte destra di gura 2.4 si può osservare l'insieme di onstraint utiliz-

zate per il FLOP2, mentre nelle gure 2.5 e 2.6 è possibile vedere un esempio

di layout he tiene onto di entrambe le varianti FLOP1 e FLOP2.

Figura 2.5: esempio di layout he tiene onto delle distanze tra le aisles per i pedoni
e tra strips (aδ ). Gli spazi olorati indi ano zone in ui non risulta possibile posizionare
stand.

Inne, analizzando le due alternative presentate, si dedu e una fondamentale

proprietà:

le matri i dei vin oli di tutte e due le varianti sono totalmente

unimodulari ;

dove per ``matri e unimodulare'' si intende una matri e A he soddis i

seguenti requisiti:
64 2. Ottimizzazione dei layout eristi i

Figura 2.6: dierenze tra FLOP1 e FLOP2: nel primo aso ogni stand ha due a essi
e vi sono strip singole; nel se ondo aso ogni dtand ha un solo lato di a esso libero ed è
disposto su stris ie doppie.

• aij ∈ {−1, 0, 1}

• ias una olonna non deve avere più di due elementi non nulli

• esiste una partizione (A1 , A2 ) delle righe tale he per ogni olonna on

due elementi non nulli, questi appartengono uno a A1 , e l'altro ad A2


se e solo se sono on ordi in segno

Se hiamiamo A la matri e asso iata al vin olo (2.3) si può fa ilmente on-

statare he A è proprio unimodulare : i oe ienti di ogni riga i (sempre

riferendosi ai onstraint (2.3)) sono tutti zero tranne un insieme di w+a


valori unitari onse utivi he partono proprio da i. Questo insieme di ele-

menti unitari è un gruppo di elementi wδ , ossia di larghezza w e unità di



misura δ ≈ 20cm (in generale). Ora sia ai il vettore asso iato alla riga i
′ ′ ′
di A, per i = 1, ..., W − w + 1, e si modi hi A ponga ai = ai − ai+1 , per

i = 1, ..., W −w +1. In questo modo, partendo da A si ottiene la matri e à di


Figura 2.7. E' fa ile notare he la matri e A soddisfa le ondizioni su ienti

per essere una matri e totalmente unimodulare. In parti olare la olonna

avente più di due elementi non nulli può essere divisa in A1 = A e A2 = ⊘.


Da iò segue he entrambi i problemi FLOP1 e FLOP2 possono essere risolti

in un polynomial time 4 sostituendo i vin oli (2.5) ( orrispondenti ai vi oli

4 si fa riferimento a un problema risolvibile in tempi omputazionali, mediante


l'asso iazione della omplessità del problema a una funzione polinomiale
2.2 Studio e analisi di asi reali 65

Figura 2.7: a sinistra, la matri e A asso iata ai vin oli imposti dalla equazione (2.3); a
destra, la matri e à ottenuta mediante al une operazioni lineari sulle righe di A.

(2.8)) e i vin oli (2.9) on i loro rispettivi rilassamenti lineari:

0 ≤ xj ≤ 1 , (j = 1, ..., W − w + 1)

0 ≤ ξj ≤ 1 , (j = 1, ..., W − 2w + 1)

e risolvendo il risultante problema di programmazione lineare dato dalle

(2.2),(2.3), (rispettivamente (2.8) e (2.9)) insieme alle ultime due relazioni

appena ri avate.

2.2 Studio e analisi di asi reali


Nei prossimi due sottoparagra verranno presentate due metodologie di

appli azione degli algoritmi per il layout eristi o. In parti olare verranno

analizzati i ontesti della era dell'artigianato di Fortaleza (Brasile) sul lun-

gomare di Beira Mar, e la era regionale di Romont (Svizzera), he ospita

ir a 100 espositori e 50 mila visitatori l'anno. Tali ontesti rappresentano

un'analisi ompleta sotto i vari punti di vista, poi hé oprono nel omples-

so tutte le possibilità e le eventualità he si possono presentare in ambito

eristi o. Se nel primo aso, infatti, si tratta di una era permanente, on

sede su una super ie irregolare e suggestiva ome la spiaggia del lungomare

a anto a hotel, ristoranti e luoghi di turismo molto aollati, nel se ondo

aso si ha a he fare on una era regionale he ha luogo ogni due anni nella

lo alità di Romont, nel tipi o paesaggio montuoso della Svizzera.

Due tipologie di studio piuttosto diverse, ma he oprono gran parte delle


66 2. Ottimizzazione dei layout eristi i

aratteristi he tipi he del ontesto, in modo da poter far fronte ad un largo

insieme di spe i he, requisiti e vin oli, al ne di reare un progetto ompleto

e adeguato ad ogni evenienza.

2.2.1 Caso 1: Fortaleza hand raft fair


Ogni giorno ir a sei ento artigiani si re ano all'altezza della spiaggia di

Meireles e assemblano e smontano i loro stand per dare vita a una famosa

era di artigianato he da anni è presente sul lungomare di Fortaleza (Brasi-

le).

L'area he ir onda la era è una delle zone più attive della ittà ed è piena

di noti hotel e ristoranti. E' stata l'importanza di questa era, data dal gran-

de numero di persone he vi lavorano e dall'enorme auenza di visitatori,

e la omplessità dell'ambiente entro ui essa è ollo ata, he hanno spinto

l'Università di Ceará a trasformare la disposizione degli stand dei osiddetti

Juarez in un vero e proprio problema di ottimizzazione. Questo grande am-

montare di stand ha infatti bisogno di una disposizione meno aoti a e più

razionale he renda possibile l'inserimento di più artigiani possibile.

Lo s opo della ri er a onsiste quindi nel massimizzare il numero di stand

he possono essere ontenuti nella super ie adibita alla era, er ando di

ottenere un layout a ettabile, ovvero un layout he onsideri an he tutti gli

spazi ne essari per il passaggio delle persone e per il montaggio/smontaggio

degli stand. Tutto iò tenendo ben presente he la super ie disponibile per

l'esposizione è di forma irregolare e non onvessa (all'interno e attorno alla

super ie sono infatti presenti numerosi osta oli: palme, s ulture, pan hi-

ne..) e he gli stand sono tutti uguali e rettangolari. Proprio queste ultime

onsiderazioni, rendono il problema generalizzabile ad ogni altro ontesto e-

risti o e quindi parti olarmente interessante.

In gura 2.8 è disponibile una piantina he ritrae la super ie di esposizione

della era di Fortaleza.

L'algoritmo orrispondente al problema di programmazione lineare della e-

ra è stato implementato utilizzando un software free dotato di interfa ia

gra a sempli e e intuitiva he potesse permettere di fa ilitare le operazioni


2.2 Studio e analisi di asi reali 67

Figura 2.8: vista dall'alto della zona dedi ata all'esposizione eristi a (indi ata in grigio)
in lo alità Beira Mar, a Fortaleza

5
di disegno del layout .

Le dimensioni dell'area he ospita il layout sono ir a di 200 metri di larghez-

za ( he indi hiamo, oerentemente on quanto visto nelle sezioni pre edenti

on W) e 50 metri di altezza ( he indi hiamo on quindi on H ). L'anali-

si, risalente al 2006, onta 617 stands, posizionati in 26 stris ie doppie, on

arrangiamento piuttosto simile a quello pensato per il FLOP2, mentre per

quanto riguarda l'altezza e la larghezza degli stand, vale per tutti h=2 e

w = 2 metri. E' importante sottolineare he he l'area è di tipo non onvesso,

ossia 'è la presenza di alberi, pi oli negozietti, lampioni, monumenti, per

ui al une aree non sono disponibili per l'installazione di stands. Nel aso

in questione, denendo δ = 5cm si ottengono w = h = 40, W = 4090 e

H = 1084; il valore indi ativo fornito per determinare la larghezza del pas-

saggio pedonale ( aisle ) è di 3.5m, ovvero a = 70.


I passi eettuati per testare l'e ienza degli algoritmi FLOP1 e FLOP2 on-

sistono in operazioni piuttosto ompli ate e laboriose, soprattutto nel passa-

re dalla mappatura reale a quella virtuale (per lo s opo sono stati utilizzati
6
strumenti di CAD) e per onvertire il tutto in formato SHP ontenente le

``georeferenze e le oordinate della super ie espositiva. A sua volta il le

SHP è stato onvertito in una matri e bineria M di dimensione 1084 × 4090

5 tuttele simulazioni e i test sono stati eseguiti su ma hine on pro essore Pentium 4
a 1.8GHz dotate di 2GB di RAM.
6 shapele, formato vettoriale per sistemi informativi geogra i he tradu e le infor-

mazioni gra he in dati geometri i ri hi di attributi di orredo alle forme poligonali he


determinano le elaborazioni
68 2. Ottimizzazione dei layout eristi i

( omune ai due modelli), mediante un programma hiamato Delphi Obje t


7
Pas al ; questa onversione ha ri hiesto un tempo omputazionale molto lun-

go, ir a 1000 se ondi di elaborazione da parte della CPU.

Figura 2.9: output relativo alla soluzione mediante algoritmo FLOP1.

Figura 2.10: output relativo alla soluzione mediante algoritmo FLOP2.

Il modello FLOP1, la ui soluzione è rappresentata il gura 2.9, è stato elabo-

rato e risolto in 24 se ondi e la soluzione ottimizzata ha fornito ome output

un totale di 505 stands disposti su 36 le singole (le strips ) on meno del

20% di de remento rispetto al aso di partenza (a stris ie doppie). Il modello

FLOP2, inve e, è stato risolto dal software in 62 se ondi e la soluzione, in

gura 2.10, ha al olato 742 stands arrangiati in 26 double strips, in remen-


tando del 20% la soluzione di partenza.

Stando ad esigenze ulteriormente stringenti, al uni organizzatori hanno ri-

hiesto an he di sfruttare la zona in alto a destra (di forma grosso modo

triangolare) e si sono ottenute altre soluzioni, impiegando 759 stands sempre

7 della software house ``Borland''


2.2 Studio e analisi di asi reali 69

su 26 stris ie doppie (quindi sempre riferendosi al FLOP2). Nessuna delle

soluzioni proposte dal FLOP2 ha avuto modo di ombinarsi on quelle pro-

poste dal FLOP1 e ioé non vi è modo di ombinare stris ie singole e doppie,

probabimente a ausa del fatto he le aisles pedonali sono relativamente piut-


tosto larghe, e non onviene us ire dalle alternative trovate.

Una ulteriore possibilità per ottimizzare an ora di più le prestazioni ompu-

tazionali onsiste nel ambiare i valori di δ , he non ottimizzano le questioni


di spazio, ma di tempo. Ad esempio per δ = 10cm l'algoritmo ha bisogno di
246 se ondi per ostruire la matri e M, di 4 se ondi per risolvere il FLOP1

e di 10 se ondi per quanto riguarda il FLOP2. Inoltre, nel primo aso si

ontano 503 stands inve e he 505, mentre per il FLOP2 si hanno gli stessi

742 stands he in pre edenza. Per δ = 20cm si hanno 64 se ondi per ostruire
la matri e, e 2 se ondi per FLOP1 e 1 se ondo per FLOP2 on un ulteriore

de remento degli stands, rispettivamente a 499 e 737. Per valori sempre più

pi oli di δ, no a δ = 5cm, si sono ottenuti tempi di al olo empre più

elevati, senza però al un bene io in ottimizzazione.

Il ampo he interessa i layout eristi i ha assunto notevole importanza so-

prattutto negli ultimi anni, ed è diventato di fondamentale importanza in

materie ome la Ri er a Operativa e in appli azioni matemati he e infor-

mati he. Tuttavia è un problema in piena evoluzione e in ontinua fase di

studio per l'ottimizzazione ombinatoria, per iò ome tale ri hiede ontinui

adattamenti e revisioni in modo da poter soddisfare un numero sempre più

ampio di requisiti e oprire in larga s ala tutte le eventualità. A titolo di

esempio si onsideri propio il aso di Fortaleza, in ui gli organizzatori han-

no proposto nuove alternative e introdotto nuove onstraints al problema:

nel aso appena analizzato, una delle spe i he onsisteva nell'arrangiare le

strips in modo perpendi olare alla spiaggia (la base della piantina); ma è

possibile `` omporre gli stands in altro modo, produ endo soluzioni migliori

o adatte alle varie esigenze he ambiano di volta in volta. Considerando un

appro io tipi o dei layout generi i, non sarebbe insensato disporre gli stands

a gruppi di 4, ome rappresentato in gura 2.11.


70 2. Ottimizzazione dei layout eristi i

Figura 2.11: bozza alternativa alle varianti previste per la soluzione; si dispongono gli
stands a gruppetti di quattro.

2.2.2 Caso 2: Regional fair in Romont


La era regionale di Romont ha luogo ogni due anni in un paese di 4

mila abitanti ir a, a metà strada tra Ginevra e Berna, nella Svizzera fran-

ofona. La zona adibita alle esposizioni è di ir a 5200 mq (le dimensioni

pre ise sono di W = 100 metri di lunghezza e H = 52 metri di larghezza

del rettangolo) e al suo interno si presentano mer i e servizi di almeno un

entinaio di espositori. Nel 1998 si sono registrati ir a 50 mila visitatori

durante gli 8 giorni dedi ati alla manifestazione. Sotto quest'otti a gli orga-

nizzatori hanno ne essitato di provvedimenti per ottimizzare il layout e far

fronte ad eventuali aumenti dei visitatori. Di solito, l'appro io utilizzato

dall'organizzazione onsiste nel partire da una lista degli espositori e delle

loro ri hieste in termini di spazi, per poi adeguare il layout soddisfa endo un

liente alla volta; un appro io alternativo, inve e, prevede di partire da un

layout predenito e di assegnare a ias un espositore una super ie he ne

soddis le esigenze.

Si può suddividere il pro esso di sviluppo delle soluzioni in due bran hie: al-

lo are in primis lo spazio per gli stands, in maniera tale da non sovrapporre

gli spazi espositivi; in se ondo luogo allo are gli spazi per il usso dei visi-

tatori ( iò he di solito indi hiamo on aisles ). Vediamo in dettaglio questi

due punti.

• Poi hé una delle aratteristi he portanti della era di Romont è he

non si mantiene tale e quale alle edizioni pre edenti, i progettisti del

layout devono ogni volta adattarsi alle nuove disposizioni ed esigenze


2.2 Studio e analisi di asi reali 71

Figura 2.12: disposizione degli stands nell'edizione del 1998 della era.

e quindi riproporre ogni anno soluzioni diverse: il tutto si tradu e in

una ra olta di requisiti he omprende la prima parte del progetto. In

parti olare si ra olgono informazioni su:

 la forma e le dimensioni degli stands (se rettangolari o ad angolo ,


8

on le relative misure)

 i lati di a esso agli stands

• Il usso di persone he può transitare all'interno degli spazi adibiti può

essere elevato ed è quindi ne essaria un'e a e auenza nel per orso

riservato alla lientela. La pe uliarità he si ris ontra nella era di

Romont sta nel fatto he il liente deve seguire un per orso guidato e
9
obbligato tra i vari stand, in modo da poterli visitare tutti . Nel aso in

esame lo spazio dei orridoi va da un minimo di 2 metri ad un massimo

di 3

In aggiunta a queste aratteristi he vanno aggiunti altri vin oli he sono

rappresentati da osta oli all'interno dello spazio, ossia presenza di bagni e

toilettes, di muri, olonne e barriere ar hitettoni he, di us ite d'emergenza,

e ., seppur omunque il ari o di lavoro da arontare si basa su tre fattori

determinanti:
8 hepossono essere piazzati in un angolo dell'area espositiva
9 questastrategia è tipi a an he in altri ambiti, quali ad esempio nei dis ount o in
supermer ati (vedi IKEA), ma è un aso piuttosto singolare quando si tratta di ere
regionali
72 2. Ottimizzazione dei layout eristi i

utilizzo degli spazi : è l'aspetto più importante, dal quale derivano gli altri

due. Si tratta dell'ottimizzazione di tutti gli spazi possibili, nel senso

he ogni spazio inutilizzato ( dead spa e ), va omunque ``reso utile'' e

adibito agli stands

valore attrattivo : rappresenta la `` apa ità della era di attirare il mag-

gior numero possibile di lienti e visitatori. Non dipende solamente da

fattori quali marketing o promozioni, ma an he, e soprattutto, da un

progetto a orto. Cias uno stand deve avere una propria lo azione il

più attraente possibile: il aso ideale sarebbe di disporli in modo he

l'open side di ias uno di essi si aa i sul per orso dei visitatori

agevolazioni ai visitatori : naturalmente una qualsivoglia manifestazio-

ne, mostra o esposizione eristi a deve essere omoda da visitare e

pia evole da vedere. Deve prevedere a orgimenti mirati alla omodità

del liente in modo da invogliarne e stimolarne la uriosità; bisogna

quindi tenere onto dei per orsi (magari intervallando on aree di so-

sta e minimizzando i ambiamenti di direzione, per non aati are la

visita), degli spazi e del ontesto in ui i si trova

È ovvio he risulta impossibile soddisfare appieno tutte e tre le spe i he,

per iò o ore er are un trade-o tra di esse in modo da adeguare il progetto

alle esigenze di organizzatori, espositori e visitatori. Generalmente tale om-

promesso dipende dall'abilità e dall'esperienza del progettista.

Figura 2.13: des rizione degli items utilizzati nel progetto e legenda.

Il modello ui i si è attenuti nel progettare il layout è l' adja en y model, he


2.2 Studio e analisi di asi reali 73

permette una rappresentazione basata sull'adia enza del per orso dei visita-

tori ai lati aperti degli stand espositivi; viene usata una dis retizzazione degli

elementi oinvolti nel pro esso di layout e questo signi a he la super ie

e gli spazi ri hiesti sono espressi ome valori interi e multipli dell'unità base

dell'area, mentre la super ie espositiva è asso iata ad un rettangolo suddivi-

so in al une unità di misura di base, ome si può vedere dalle gure seguenti.

In parti olare la lunghezza del rettangolo è di L unità, mentre la altezza è B


unità. Ogni punto all'interno del rettangolo può essere identi ato mediante

le oordinate sugli assi artesiani ome illustrato in gura 2.14.

Figura 2.14: fairground relativo allo spazio espositivo, asso iato ad un rettangolo su un
piano artesiano.

Per quanto riguarda gli stands, essi sono rappresentati ome aree rettango-

lari o angolari (ad angolo) e le diverse tipologie di stand sono illustrate in

gura 2.15; tali spazi espositivi possono essere posizionati verti almente o

Figura 2.15: tipologie di stands/moduli impiegati nella era.

orizzontalmente, a se onda delle esigenze, avendo per iò no a 4 possibili


10
orientamenti dello stand . In gura 2.16 è possibile vedere ome viene posi-

zionato uno stand ad angolo all'interno della super ie, assieme ad una lista

di valori he esprimono dimensioni e oordinate per il posizionamento.

Si ha inve e, per quanto on erne il per orso riservato ai visitatori, he il path

10 supponiamo he le rotazioni possano avvenire ogni 90◦


74 2. Ottimizzazione dei layout eristi i

Figura 2.16: posizionamento di uno stand angolare i sul fairground.

non presenta al un tratto urvilineo ed è quindi omposto da tratti orizzon-

tali e verti ali (solo rettilinei) he devono essere paralleli agli assi artesiani

del rettangolo. Come si può vedere dalla gura 2.17, il quadrato nero indi a

un ambio di direzione del per orso, uno snodo he si può fa ilmente refe-

renziare nell'algoritmo, per hé orrisponde esattamente ad una unità base di

misura.

Figura 2.17: per orso per i visitatori e relative oordinate.

L' adja en y model impli a la formulazione di tre riteri quantitativi per mi-

surare la qualità di un layout progettato bene; tali riteri derivano dai tre

fattori visti in pre edenza:

utilizzo degli spazi : deniamo il oe iente r he esprime il rapporto tra

la super ie rettangolare (il fairground) e la somma delle aree o upate


2.2 Studio e analisi di asi reali 75

dai padiglioni,

PN
i=1 ((ki × li ) − [(ki − wki ) × (li − wli )])
r= ,
L×B
dove N rappresenta il numero di stands, mentre LeB sono rispettiva-

mente la lunghezza e la larghezza del fairground.

Notiamo he per padiglioni di forma rettangolare si ha ki = wki per

ui il se ondo addendo della sottrazione si annulla e quindi per questo

aso la super ie viene al olata solo tramite ki × li

valore attrattivo : tale requisito si misura grazie al al olo dell'adia enza


bi
ai = qi
, dove il numeratore rappresenta la lunghezza del padiglione

i − esimo riferito al per orso della lientela e il denominatore indi a la

lunghezza dell'open spa e dello stand i-esimo. Due esempi autoespli-

ativi del al olo delle adia enze sono illustrati in gura 2.18. Indipen-

dentemente dal fatto he la forma dell'item sia rettangolare o angolare,

l'adia enza viene al olata onsiderando valori tra 0 e 1, he indi ano la


per entuale on ui la lunghezza dell'open side omba ia ol per orso.

Se l'indi e di adia enza ai è alto, il valore attrattivo diventa importan-

te, questo per hé si alzano le probabilità he i visitatori si interessino

al padiglione i-esimo

agevolazioni ai visitatori : questo fattore è piuttosto di ile da quanti-

are, per iò è stato adottato un riterio he onsiste nel onsiderare due

stands he si aa iano sullo stesso tratto di per orso. Introdu iamo un

oe iente f tale he


PN
i=1 bi
f= ,
2×g
dove g indi a la lunghezza del path dei visitatori.

Per varie ragioni il valore del oe iente f si preferis e he sia alto per

quanto riguarda i visitatori

Appli ando queste soluzioni ad un aso reale (l'edizione della era del 2000)

si sono ris ontrati risultati soddisfa enti e il layout ottenuto è stato al olato

in base a questi tre riteri di progetto. In parti olare si evidenziano i fattori

f = 80% e āi = 84% dove quest'ultimo rappresenta l'indi e di adia enza


76 2. Ottimizzazione dei layout eristi i

Figura 2.18: al olo delle adia enze: nel primo aso sono al olate quattro ombinazioni
in base all'entità degli stand e del path, mentre nel se ondo ne sono al olate tre, on un
solo tipo di stand ma on tre tipologie di per orso.

medio ris ontrato. Come è illustrato in gura 2.19, gli stands più hiari (la

maggioranza) orrispondono ad un adja en y index tra 0 e 0.5, mentre le

zone più s ure vanno da 0.5 a 1.

Figura 2.19: risultato nale dell'adja en y model appli ato all'esposizione del 2000.

Basandosi per iò sull'adja en y model possiamo ostruire un modello di lay-

out partendo da una ongurazione iniziale he onsiste nel posizionare uno

spazio di seguito all'altro a anto al per orso prestabilito per i visitatori, do-

ve quest'ultimo viene già fornito all'inizio assieme ad al uni stand he sono


2.2 Studio e analisi di asi reali 77

già disposti per motivi moltepli i. A questo proposito sono stati sviluppati

tre algoritmi per pro edere al piazzamento degli spazi espositivi della era

di Romont.

I dati di input degli algoritmi sono ostituiti da dati on ernenti le dimen-

sioni degli stands e il layout iniziale. In parti olare intendiamo per layout

iniziale la ongurazione he in lude le dimensioni L×B del fairground,

le oordinate (xi , yi) dei nodi del per orso e i dati sul posizionamento degli

stand rettangolari e angolari (oi , xi , yi ).


In gura 2.20 è ragurato un layout iniziale della era di Romont, in ui sono

dati il path e gli stand pre-posizionati e in ui vanno installati tutti i rima-

nenti spazi espositivi, raggruppati nella parte sinistra dell'immagine. Come

dati iniziali vengono quindi forniti g = 508 e M = 35, ovvero la lunghezza del
path in unità di area e il numero di nodi, rispettivamente. L'algoritmo non

fa altro he s egliere gli items rettangolari, oerentemente oi riteri adottati,

e piazzarli nel fairground n hè non si raggiunge un layout nale. L'output

dell'algoritmo sarà ostitutito per iò dai dati relativi agli stands posizionati,

quindi (oi , xi , yi), e dal numero di stands he non è stato possibile in ludere.

Figura 2.20: layout di partenza della era di Romont dove si vedono il path e al uni
stand preposizionati, mentre a sinistra sono raggruppati gli altri stand da in ludere nel
progetto.

Diamo adesso al une denizioni he i permettono di proseguire on l'analisi:

• deniamo path se tion una porzione di per orso delimitata da due nodi
78 2. Ottimizzazione dei layout eristi i

e quindi in maniera più sempli e un segmento di per orso; se onside-

riamo segmenti orizzontali si hanno due direzioni he sono est e ovest,

mentre per quelli verti ali si parlerà di nord e sud; un ambio di di-

rezione del per orso si ha quando si è all'inizio o alla ne di ias un

segmento, e in questo aso si può girare a destra (dj = R) o a sinistra

(d j = L)

• deniamo orridoi laterali quegli spazi, ortogonali al per orso, ne essari

a garantire he uno stand sia a essibile attraverso entrate alternative,

he non si aa iano ne essariamente al path

• i andidate points sono le oordinate di ogni verti e di uno stand he

può essere piazzato interamente nel layout grazie al fatto he tutte le

oordinate soninterne all'area selezionata per il posizionamento. Inoltre

sono andidate points an he quei punti in ui un nodo del per orso non

inuis e sullo stand, ad esempio andando a tagliare internamente lo

stand

A questo punto proseguiamo on l'illustrare il primo algoritmo, il quale ha

ome s opo quello di testare la possibilità di piazzamento di uno spazio nel

fairground, denendo tra i vari onstraints an he la larghezza minima dei or-


ridoi laterali e l'adia enza dello stand al per orso. In parti olare l'algoritmo

determina se uno stand è idoneo o meno ad entrare nel rettangolo riservato

all'esposizione: in aso positivo signi a he lo stand non si sovrappone a

nessun altro stand già presente, he non invade lo spazio riservato al path

o ad altri elementi, he risiede interamente all'interno del rettangolo e he,

inne, fornis e una larghezza minima del orridoio laterale idonea a quanto

previsto.

Utilizzando però questa soluzione si ottiene un layout he es lude al uni spazi

espositivi e dunque è ne essaria una riformulazione dell'algoritmo he on-

sideri non più una ottimizzazione riferita ad un solo lato del segmento del

path adia ente allo stand, bensì tutti i lati a ontatto on esso. Tale aggior-

namento sarà identi ato ome se ondo algoritmo: questo appro io rivela

he al une aree del per orso dei visitatori non sono usate appieno e he le

aree disponibili he si in ontrano all'inizio del per orso sono più o upate
2.2 Studio e analisi di asi reali 79

rispetto a quelle he si trovano verso la ne. Questo a ade per hé l'algorit-

mo2 valuta le posizioni partendo proprio dal nodo iniziale del path.

Un'ulteriore te ni a per ``ranare la pro edura onsiste nel distribuire in

maniera più uniforme gli stands lungo il per orso usufuendo al massimo de-

gli spazi inutilizzati. L'algoritmo3 ombina per iò le qualità positive delle

due versioni pre edenti e rappresenta una versione denitiva e ultimata del

layout, per hé permette di realizzare un progetto ottimo he soddisfa i re-

quisiti e le spe i he e he ries e ad in ludere tutti gli stands nel fairground.

In gura 2.21 sono rappresentate le tre versioni dell'algoritmo usato nell'edi-

zione della era di Romont del 2000; si ri ondu e a ne apitolo per quanto

riguarda la formuazione degli algoritmi se ondo uno pseudo-linguaggio.

Figura 2.21: tre versioni dell'algoritmo impiegato per il layout ottimo dell'esposizione
del 2000.

I risultati ottenuti appli ando l'algoritmo nella sua versione nale mostrano

he la pro edura di ostruzione genera risultati promettenti, basandosi sul

modello dell'adia enza. Inoltre i tre riteri pre edentemente analizzati (uti-

lizzo degli spazi, valore attrattivo e agevolazioni ai lienti visitatori) sono

onnati in intervalli di a ettabilità e i valori dei oe ienti f sono più alti

di quelli ris ontrati usando un layout ``manuale. Il oe iente r = 0.64 he


80 2. Ottimizzazione dei layout eristi i

misura il buono sfruttamento dello spazio è il migliore ris ontrato.

Tutti i al oli e le elaborazioni sono stati eettuati su una ma hina on

pro essore Pentium a 200MHz on gli algoritmi implementati mediante il

linguaggio Visual Basi 6.0, per un tempo impiegato dal al olatore he va

da un minimo di 9.78 e 15.42 se ondi. L'algoritmo 3 impiega normalmente

un se ondo in più rispetto all'algoritmo 2, he prevede minor omplessità.

2.2.3 Considerazioni nali


La disposizione degli stand in ambito eristi o non è an ora parti olar-

mente soggetta a studi s ienti i, tuttavia lo studio pre edentemente eseguito

ha qual he parallelismo on il al olo del layout aziendale; di solito un layout

eristi o tiene onto di più riteri, inve e in un layout aziendale il riterio

fondamentale è quello di minimizzare i osti. Per quanto riguarda la era

di Romont si sono utilizzati diversi riteri per avvi inarsi ad una soluzione

a ettabile. La pro edura su ui si basavano i tre algoritmi visti pre edente-

mente era improntata sulla ollo azione degli stand dato un erto per orso

pressato e dati dei layout iniziali; proprio questi ultimi tendono ad inuen-

zare maggiormente il raggiungimento di un possibile layout nale, il quale

dipende da:

• dimensioni della super ie • posizione (in oordinate arte-

espositiva siane) degli angoli degli per or-

so
• lunghezza del per orso (path)

• numero di ambi di direzione • posizione obbligatoria e irremo-

nel per orso (nodi) vibile di al uni stands

Negli algoritmi pre edentemente studiati gli stand venivano ollo ati uno

alla volta; si potrebbe inve e velo izzare il pro edimento usando un algorit-

mo di pa king in grado di ollo are diversi stand nello stesso momento. La

reazione del per orso iniziale può essere onsiderata ome un importante

problema an he se è solo l'inizializzazione del layout; l'individuazione di un

per orso ideale fa iliterebbe il raggiungimento di una soluzione a ettabile


2.2 Studio e analisi di asi reali 81

nale.

Per iò he riguarda la era di Fortaleza, inve e, si può on ludere aerman-

do he l'implementazione dei due tipi di FLOP i ha portati all'ottenimento

del nostro traguardo, potendo appunto aermare he il numero di stand he

si possono ollo are all'interno dell'area espositiva di Fortaleza è maggiore di

quello del layout pre edente.

Figura 2.22: Algoritmo 1.


82 2. Ottimizzazione dei layout eristi i

Figura 2.23: Algoritmo 2.

Figura 2.24: Algoritmo 3.


Capitolo 3
Casi di studio e spe i he di
progetto

Il presente apitolo è dedi ato all'analisi e all'appli azione degli algoritmi

esaminati nel primo apitolo, aan ati dal riferimento alle soluzioni viste nel

se ondo apitolo, in maniera tale da adattare tali onos enze ai asi di studio

presentati qui di seguito.

In parti olare, tra i dati di interesse fondamentale per l'appli azione dei mo-

delli, si on entrerà l'attenzione sulle dimensioni degli stand (moduli) e sulle

distanze tra di essi, sulla largheza dei orridoi e dei passaggi ( aisles ) se ondo
il modello di Fair Layout Optimization Problem già analizzato, e illustrato

nelle gure seguenti:

Figura 3.1: Flop1, aratteristi he e spe i he di pa kaging.

83
84 3. Casi di studio e spe i he di progetto

Figura 3.2: Flop2, aratteristi he e spe i he di pa kaging.

3.1 Presentazione dei asi di studio


I layout eristi i presi in onsiderazione nel progetto di tesi sono tre:

• la Fiera del Levante di Bari, importantissima e elebre era ampio-


naria internazionale he si svolge annualmente nel apoluogo pugliese

dal 13 al 21 settembre 2008

• era mondiale dei vei oli


la Fiera di Bolzano in o asione della

alimentati a gas metano e ad idrogeno , he si avrà luogo dal 9 al


1
12 Giugno 2008 ontemporaneamente al Congresso ENGVA

• l'Expo Ferroviaria 2008 , era dedi ata all'industria e alla te nologia


ferroviarie, dal 20 al 22 Maggio 2008 presso il Lingotto Fiere di Torino

I modelli studiati nelle sezioni pre edenti sono generalizzabili a vari ontesti,

per ui il fatto he si analizzino tre dierenti ontesti non è altro he una

sempli e e diretta onferma al on etto di adattare le soluzioni alle varie

tipologie di layout he si presentano.

1 European Natural Gas Vehi le Asso iation, asso iazione europea dei vei oli a gas
naturali, ome ad esempio metano e idrogeno
3.1 Presentazione dei asi di studio 85

3.1.1 Fiera del Levante


La prima edizione della Fiera del Levante - Campionaria Internazionale

- si è svolta nel 1930, mentre nel 1929 l'Ente Autonomo Fiera del Levante

nas eva per iniziativa del Comune di Bari, dell'Amministrazione provin iale

e della Camera di Commer io di Bari. La rassegna ha ontinuato a svolgersi

puntualmente a settembre di ogni anno, on la sola interruzione durante gli

anni della Se onda Guerra Mondiale, dal 1940 al 1946. Il quartiere eristi o

si espande su di una super ie omplessiva di ir a 300 mila metri quadrati,

he ospitano nel orso dell'anno una trentina di manifestazioni al une delle

quali hanno il ri onos imento di internazionalità.

Figura 3.3: vista panorami a dell'ingresso prin ipale (Ingresso Monumentale) alla Fiera
del Levante di Bari.

Complessivamente, gli espositori he parte ipano annualmente alle manife-

stazioni in alendario sono oltre 5.000, nazionali ed esteri. A ir a due milioni

ammontano inve e i visitatori. La manifestazione maggiore resta an ora la

Campionaria internazionale di settembre, he può ontare su oltre 2.000 espo-

sitori e più di 700.000 visitatori. La Fiera del Levante opera prin ipalmente

al servizio del grande mer ato entromeridionale, pur allargando il suo am-

po operativo al sud est europeo ed all'area mediterranea.


86 3. Casi di studio e spe i he di progetto

Dal punto di vista dei dati te ni i la super ie espositiva, la ui planimetria

è disponibile in gura 3.4, presenta:

• 44 padiglioni generali • una super ie espositiva om-

plessiva di 300.000 mq

• 33 padiglioni isolati • una super ie espositiva oper-

ta di 120.000 mq

• 7 porte di a esso (ingressi alla • una super ie espositiva s o-

era) perta di 40.000 mq

Figura 3.4: planimetria della Fiera del Levante di Bari.

I padiglioni onsiderati per l'appli azione degli algoritmi sono stati s elti

in modo da avere un appro io il più eterogeneo possibile, al ne di oprire le

più dierenti asisti he: nella fattispe ie sono stati presi in esame i padiglioni

11, 116 e 129. Mentre il primo presenta una super ie e una forma regolari,

il se ondo e il terzo sono molto più irregolari e presentano dis ontinuità nei

ontorni. La s elta di questi spazi espositivi è appunto giusti ata dalle so-

stanziali dierenze tra i tre padiglioni, sia per quanto riguarda la dimensione

degli stand, sia per il loro arrangiamento negli spazi previsti. Dal punto di
3.1 Presentazione dei asi di studio 87

vista delle dimensioni di interesse per l'appli azione degli algoritmi, di segui-

to sono elen ate le prin ipali aratteristi he di progetto ( on riferimento a

entrambi i op e quindi alle gg. 3.1 e 3.2):

Dim. stand [h × w℄ Largh. orridoi [a℄ Dist. tra stand


Padiglione 11
4×4 m 3 m (vert.); 4 m (orizz.) nessuna

4×3 m 6.02 m (orizz.) nessuna

4×3.50 m nessuna

Padiglione 116
4×4 m 5 m (vert.); 4 m (orizz.) nessuna

6×6 m nessuna

6×4 m nessuna

Padiglione 129
4×4 m 5 m (vert.); 4 m (orizz.) nessuna

6×6 m nessuna

6×4 m nessuna

Tabella 3.1: Caratteristi he e dimensionamenti dei parametri di progetto

Ogni riga rappresenta i diversi dimensionamenti he si trovano all'interno di

ias un padiglione. In parti olare non vi è una sola dimensione degli stand,

né un'uni a alternativa per quanto riguarda la larghezza dei orridoi. Questo

è dovuto, oltre he ad esigenze di spazio, alla forma del padiglione (irregolare

o meno he sia) e agli osta oli strutturali ( onstraints) he si trovano all'in-

terno degli spazi espositivi.

Nell'implementare gli algoritmi per questo ontesto si terrà onto di una sola

tipologia di dimensioni dei moduli ([h×w]) e dei orridoi ([a]), fornendo varie

un'uni a alternativa progettuale in base ai dati di input standard, imposti

dall'organizzazione. Nelle gura 3.5 sono mostrate le varie planimetrie dei

padiglioni onsiderati, on un arrangiamento degli stands già predisposto per

l'edizione 2007.
88 3. Casi di studio e spe i he di progetto

Figura 3.5: padiglioni della Fiera del Levante onsiderati nel progetto.

3.1.2 Fiera di Bolzano


Da sempre la ittà di Bolzano, nodo fondamentale tra nord e sud Europa,

è stata sede di ere e riunioni ommer iali e mer antili. Tuttavia la prima

era ampionaria moderna risale al 1948, passando per gli anni '70 in ui si

registrò un notevole sviluppo del quartiere eristi o, e giungendo ai giorni

nostri in ui la Fiera di Bolzano è diventata una So ietà per Azioni, e ospita

nel suo alendario più di 12 manifestazioni annuali di vario genere; si regi-

strano omplessivamente ir a 171.000 visitatori l'anno.

``Fiera Bolzano si trova al entro della Zona Produttiva Bolzano Sud, solo

2,5 km la separano dal entro ittà, per ui il omplesso eristi o è fa ilmente

raggiungibile grazie alla posizione alla periferia. Misura 40.000 mq tra super-

 ie espositiva e annesso entro servizi; se poi si onsidera an he la struttura

polifunzionale adia ente, il ``Palaonda, si hanno altri 5000 mq di spazio.

Pro edendo on l'analisi dei dati salienti, il quartiere eristi o è osituito da

4 padiglioni espositivi, un padiglione polifunzionale (il Palaonda appunto),

un Centro Servizi e un Centro Congressi e inne da un Hotel all'interno della


3.1 Presentazione dei asi di studio 89

Figura 3.6: organizzazione del quartiere ersisti o Fiera di Bolzano - Messe Bozen.

era; il tutto aan ato da ampi e omodi par heggi sia interrati he super-

 iali e rialzati. L'omogeneità delle super i degli stand onsente a tutti gli

espositori una presentazione e a e dei propri prodotti e servizi. In parti o-

lare, ome si può onfrontare an he in gura 3.6, la planimetria del quartiere

è organizzata nel modo seguente:

• padiglione A - espositivo • padiglione D - espositivo

2500 mq 7600 mq

• padiglione E - polifunzionale

• padiglione B - espositivo 5000 mq

4700 mq
• padiglione S - entro servizi

• padiglione K - entro ongressi


• padiglione C - espositivo

6060 mq • padiglione H - Hotel Fiera

Dal 9 al 12 giugno Fiera Bolzano S.p.A. ospiterà la era mondiale dei

vei oli alimentati a gas metano e ad idrogeno. Contemporaneamente si terrà

l'undi esimo Congresso europeo di ENGVA, asso iazione europea dei vei oli

a metano e idrogeno. La era viene organizzata dalla rivista spe ializzata the

Gas Vehi les Report on il sostegno della Provin ia Autonoma di Bolzano.

Al proprio interno il quartiere eristi o possiede un'ampia area stradale ri-

servata agli espositori, ma direttamente onnante on l'intera ostruzione


90 3. Casi di studio e spe i he di progetto

Figura 3.7: immagine a 360 gradi (espansa) del quartiere ersisti o Fiera di Bolzano -
Messe Bozen.

di mostra; i test drive all'interno di tale struttura ostituis ono una prova

ulteriore per gli exhibitors di mostrare i loro prodotti in una zona he non

ri hiede agli ospiti di las iare il entro di mostra.

La manifestazione ENGVA ha luogo all'interno del padiglione D, la ui strut-

tura è rappresentata in gura 3.9; tale struttura presenta vin oli e onstrain-
ts tipi he, quali aree dedite ai servizi di ristorazione, us ite di emergenza,

ingressi e us ite prin ipali, strutture di sostegno (pilastri, e .). Nella imple-

mentazione dei layout andrà tenuto onto di tutte queste aratteristi he.

Con ludendo, si ha quindi he il padiglione D, di dimensioni pari a 7600mq,

ospiterà stand di dimensioni standard ( basi stand ) pari a 5×5 metri (g.

3.8), mentre per i orridoi sarà prevista una larghezza minima di 4 metri.

Inoltre saranno distinti due asi, nel primo dei quali la distanza minima tra

stand è nulla, mentre nel se ondo è di 2 metri (sia orizzontale he verti ale).

Dim. stand [h × w℄ Largh. orridoi [a℄ Dist. tra stand

5×5 m 4 m nessuna

5×5 m 4 m 2 m
3.1 Presentazione dei asi di studio 91

Figura 3.8: dimensioni standard di uno stand basi della Fiera di Bolzano - Messe
Bozen.

3.1.3 Expo Ferroviaria 2008


La manifestazione torinese è il punto di in ontro per l'industria ferrovia-

ria internazionale, on espositori provenienti da 18 Paesi e spe ializzati nei

più svariati ampi dell'industria e della te nologia he hanno a he vedere

ol mondo delle ferrovie. L'uni a era ferroviaria he ha luogo regolarmen-

te in Italia si svolge a Torino presso il Lingotto Fiere dal 20 al 22 maggio

2008. Strutturalmente l'Expo ospitata al Lingotto Fiere si suddivide in due

padiglioni, i quali hanno le seguenti dimensioni:

Padiglione1 Padiglione2

dimensioni: 141 × 54 metri dimensioni: 187 × 96 metri

totale: 7620 mq; totale: 17960 mq;

altezza max: 10,5 metri; altezza max: 14,2 metri;

Per quanto riguarda i dati inerenti gli spazi espositivi, onsiderando lo

stand di gura 3.10, le dimensioni standard sono di [h × w] = 4 × 4 metri; per


iò he on erne le larghezze dei orridoi, inve e, le dimensioni del parametro

[a] sono di 3 metri; si è s elto, per evitare ompli azioni al modello e per hé

non indispensabili, di non onsiderare rilevanti (e quidi nulle) le distanze tra

i singoli moduli.

In gura 3.13 è riportata la planimetria della manifestazione di Torino.


92 3. Casi di studio e spe i he di progetto

Figura 3.9: Padiglione D della Fiera di Bolzano - Messe Bozen.

Dim. stand [h × w℄ Largh. orridoi [a℄ Dist. tra stand

4×4 m 3 m nessuna

3.2 Criterio per la denizione e la s rittura del-


le matri i
Riprendiamo un argomento già trattato, ma omunque di fondamentale

rilievo per l'implementazione degli algoritmi e dei modelli appena visti.

Si rei una matri e Φ, omposta da quadrati di dimensione [δ × δ] he opra

totalmente il rettangolo di dimensioni [H × W ] ontenente la super ie di

esposizione. Usando un appro io granulare, si esprimeranno tutte le dimen-

sioni (quelle esterne e degli stand) ome multipli di questi (pi oli) valori. In

parti olare è denita la seguente dimensione:

X
Xδ =
δ
dove X = {H, W, h, w}. ⌊Wδ × Hδ ⌋. Un
Tale matri e ha per iò dimensioni

elemento della matri e assume valore 1 se il orrispondente quadratino [δ ×δ]


3.2 Criterio per la denizione e la s rittura delle matri i 93

Figura 3.10: dimensioni dello stand standard onsiderato per l'Expo Ferroviaria 2008.

può essere usato ompletamente per l'impa amento degli stand:


(
1 se il quadrato (i, j) può essere interamente usato per il pa kage
Φi,j =
0 altrimenti

questo ∀j = 1, ..., Wδ e ∀i = 1, ..., Hδ .


Si noti he per δ << W , o an ora meglio per δ << w , l'approssimazione

risulta molto bassa.

Ora si numerino le olonne da 1 a Wδ . Si dirà he una olonna è s elta per

l'impa amento, se una stris ia di stand è piazzata on l'angolo sinistro dello

stand all'inizio della olonna. A ausa del riterio utilizzato e per evitare

di dover ostruire matri i in input di notevoli dimensioni è stata usata l'ap-

prossimazione al metro (ogni quadratino orrisponde ad un mq). Di questa

approssimazione ne risentono ad esempio le dimensioni delle porte he a volte

possono raggiungere la larghezza di 2 metri. Si ri ordi he, dato un modello,

la soluzione del orrispondente rilassamento lineare è sempre intera se tutta

la parte destra del modello è intera e se la matri e dei vin oli è totalmente
2
unimodulare (TUM).

2 una
matri e totalmente unimodulare è una matri e (non ne essariamente quadrata)
per la quale an he ogni minore non singolare è unimodulare. Ne onsegue he ogni suo ele-
mento vale 0, +1 o −1. Un programma intero nel quale la matri e dei vin oli è totalmente
unimodulare può essere risolto e ientemente, in quanto il suo rilassamento LP porta a
soluzioni intere.
94 3. Casi di studio e spe i he di progetto

Figura 3.11: panorami a del quartiere Lingotto Fiere di Torino sede dell'Expo
Ferroviaria 2008.
3.2 Criterio per la denizione e la s rittura delle matri i 95

Figura 3.12: planimetria del quartiere Lingotto Fiere di Torino. In rosso sono
sottolineati i padiglioni sede dell'Expo Ferroviaria 2008.
96 3. Casi di studio e spe i he di progetto

Figura 3.13: padiglioni della Expo Ferroviaria 2008. I due padiglioni sono separati dai
muri portanti (in nero). Nella parte alta del se ondo padiglione è stata tagliata la zona di
ristorazione, omunque inutile al layout. La gura omprende solamente le zone idonee al
ontenimento degli stand.
Capitolo 4
Implementazione degli algoritmi e
risultati omputazionali

Questo apitolo è dedi ato all'appli azione spe i a degli algoritmi pre-

sentati nel apitolo 1 ai asi di studio presentati nel apitolo pre edente.

Partendo dalle planimetrie delle ere di Bari, Bolzano e Torino, sono stati

implementati gli algoritmi tramite un software sviluppato su piattaforma Ja-


1
va dall'Ing.Muritiba, presso il DEIS di Bologna.

Tale appli ativo è in grado di fornire soluzioni per l'impa amento del mag-

gior numero possibile di stand. Il software lavora ostruendo le piantine dei

padiglioni attraverso delle oordinate he vengono fornite ome input; il on-

etto base è quello di reare un poligono esterno on la forma del padiglione

e su essivamente reare dei pi oli poligoni interni he evidenzino le aree in

ui non è possibile impa are gli stand (a ausa di porte, bar, servizi, e .).

Per reare questi poligoni è ne essario fornire le oordinate X−Y di ogni

angolo partendo da un punto, ed elen are su essivamente tutti i restanti

punti in senso orario o in senso antiorario. I poligoni sono divisi in due tipi:

• polygon unlo k - è il poligono he rappresenta la forma del padiglione

o di iò he voglio rappresentare; può essere uno solo

• polygon lo k - rappresenta ogni singola area in ui non è possibile im-

1 Dipartimento di Elettroni a, Informati a e Sistemisti a

97
98 4. Implementazione degli algoritmi e risultati omputazionali

pa are al uno stand ed è evidente he all'interno di un'area espositiva

ne troveremo di diversi tipi

Come si vedrà poi meglio nello studio dei singoli asi reali, la forma degli

spazi espositivi e dei orridoi è rappresentata in bian o mentre tutti i vin oli

(polygon lo k) sono rappresentati da spazi grigi. Una volta introdotti questi


2
dati in input si è poi provveduto alle implementazioni di due diversi FLOP

per al olare quanti stand poter inserire all'interno dei nostri padiglioni. Per

ogni planimetria sono stati eseguiti entrambi i FLOP, le ui aratteristi he

sono ri hiamate brevemente di seguito:

Flop1 : si tratta di singoli strip di stand di forma quadrata dove vengono

forniti in input i valori di h (lato dello stand), s (pi oli orridoi di


separazione tra gli stand) ed a (distanza tra gli strip di stand). Spe i-

hiamo però he s è sempre stato onsiderato nullo in entrambi i FLOP

per ias una soluzione

Flop2 : si tratta di doppi strip di stand dove vengono forniti in input gli

stessi dati del FLOP1; in più ompare un dato d he però negli studi

presentati di seguito sarà sempre onsiderato nullo

Con riferimento ai asi di studio proposti, verranno presentate di seguito le

varie soluzioni relative all'implementazione degli algoritmi e dei op ai vari

padiglioni.

Si sottolinea he la pro edura di implementazione degli algoritmi, per ia-

s una soluzione, è stata eettuata su ma hine ostituite da pro essore Intel

Core 2 Duo on 1GB di memoria RAM e sistema operativo Linux Ubuntu

su ui è installata la Java Virtual Ma hine.

4.1 Fiera del Levante: soluzione


Con riferimento al padiglione 11 e alle dimensioni rappresentate nella

tabella 3.1, presentiamo le soluzioni relative, prima impiegando il FLOP1 e

quindi il FLOP2:

2 a ronimo per indi are il Fair Layout Optimization Problem


4.1 Fiera del Levante: soluzione 99

CPU-time FLOP1 CPU-time FLOP2 Stands FLOP1 Stands FLOP2

215 ms 680 ms 89 114

Ri ordiamo he nelle ipotesi abbiamo onsiderato i moduli di dimensione

standard 4×4 metri e i orridoi di larghezza 4 metri in linea orizzontale

e 3 metri in verti ale, tralas iando gli altri asi poi hé la soluzione attuale

rappresenta il miglior ompromesso tra spazi o upati e numero di stand

ottimo. In gura 4.1 sono rappresentate le soluzioni relative al Padiglione

11.

Figura 4.1: soluzioni proposte per il padiglione 11 on FLOP1 e FLOP2.

Per quanto riguarda il padiglione 116, sempre on riferimento alla tabella

3.1, si riportano entrambe le soluzioni adottate:

CPU-time FLOP1 CPU-time FLOP2 Stands FLOP1 Stands FLOP2

158 ms 351 ms 27 31

In gura 4.2 sono riportate le rispettive gra he dei FLOP.

In questo padiglione le dimensioni relative alla dimensione dei moduli sono


100 4. Implementazione degli algoritmi e risultati omputazionali

Figura 4.2: soluzioni proposte per il padiglione 116 on FLOP1 e FLOP2. In questo
aso gli stand sono rappresentati in nero e i vin oli sempre in grigio.

sempre di 4×4 metri, mentre i orridoi hanno dimensione di 5 (verti ale) ×


4 (orizzontale) metri.

Prendiamo inne in onsiderazione inne il Padiglione 129, di forma piuttosto

irregolare analogamente al aso pre edente, e riportiamo le soluzioni nella

tabella seguente e nella gura 4.3:

CPU-time FLOP1 CPU-time FLOP2 Stands FLOP1 Stands FLOP2

106 ms 272 ms 24 31

dove, ome per i pre edenti padiglioni, la dimensione degli stand è di 4×4
metri e per i orridoi è di 5 (verti ale) × 4 (orizzontale) metri.

Nel listato seguente sono elen ati i le di input da fornire al software Java per

ostruire il layout di ias un padiglione (rispettivamente, i padiglioni 11, 116

e 129), tenendo in onsiderazione i vin oli e gli osta oli imposti dal ontesto:

polygon; unlo k; 0 0; 0 80; 70 80; 70 0


lo k1; lo k; 0 0; 0 8; 4 8; 4 0
lo k2; lo k; 0 18.5; 0 22.5; 4 22.5; 4 18.5
4.1 Fiera del Levante: soluzione 101

Figura 4.3: soluzioni proposte per il padiglione 129 on FLOP1 e FLOP2. In questo
aso gli stand sono rappresentati in nero e i vin oli sempre in grigio.

lo k3; lo k; 0 33; 0 37; 4 37; 4 33


lo k4; lo k; 0 47.5; 0 52; 4 52; 4 47.5
lo k5; lo k; 0 64; 0 78; 4 78; 4 64
lo k6; lo k; 66 0; 66 12; 70 12; 70 0
lo k7; lo k; 66 20; 66 24; 70 24; 70 20
lo k8; lo k; 66 34.5; 66 42.5; 70 42.5; 66 34.5
lo k10; lo k; 66 53; 66 63; 70 63; 70 53
lo k11; lo k; 12 80; 12 75; 16 75; 16 80

polygon; unlo k; 0 0; 0 84; 16 100; 48 100; 48 81; 22 81; 18 78; 18 0


lo k1; lo k; 0 0; 0 84; 16 100; 24 100; 24 92; 18 92; 14 90; 6 84; 4 76; 4 0
102 4. Implementazione degli algoritmi e risultati omputazionali

lo k2; lo k; 48 81; 32 81; 32 87; 48 87


lo k3; lo k; 18 26; 14 26; 14 38; 18 38
lo k4; lo k; 18 92; 22 92; 22 90; 18 90

polygon; unlo k; 0 0; 0 31,2; 22 53.2; 46 30; 33.6 18; 33.6 0


lo k1; lo k; 0 6.4; 0 12; 3 12; 3 6.4
lo k2; lo k; 0 20.8; 0 26.4; 3 26.4; 3 20.8
lo k3; lo k; 8 38; 22 53.2; 24 51.2; 10 36; 8 36;
lo k4; lo k; 46 30; 43.2 27.2; 36 34; 38 37.2

4.2 Fiera di Bolzano: soluzione


Avendo pre edentemente onsiderato la forma degli stand di 5 × 5 metri e
la larghezza di tutti i orridoi di 4 metri (sia in orizzontale he in verti ale),

la soluzione presentata per il padiglione D della Fiera di Bolzano è riassunta

nella tabella he segue:

CPU-time FLOP1 CPU-time FLOP2 Stands FLOP1 Stands FLOP2

aso1 230 ms 710 ms 112 126

aso2 275 ms 800 ms 94 100

In questa rappresentazione sono stati prese in onsiderazione due varianti:

nel primo aso ( aso 1) la distanza imposta tra gli stands è nulla, mentre nel

se ondo ( aso 2) è di 2 metri sia in orizzontale he in verti ale. Per il resto

tutti i parametri rimangono invariati.

Analogamente a quanto fatto per il ontesto pre edente, viene qui di seguito

presentato il listato relativo al ontesto di Bolzano oi rispettivi lo k he

rappresentano i vin oli e gli osta oli all'interno del padiglione:

polygon; unlo k; 0 0; 0 80; 85 80; 85 0


lo k1; lo k; 0 0; 0 30; 13 30; 13 0
lo k2; lo k; 14 0; 14 5; 19 5; 19 0
lo k3; lo k; 33 0; 33 5; 38 5; 38 0
lo k4; lo k; 52 0; 52 5; 57 5; 57 0
4.3 Expo Ferroviaria 2008: soluzione 103

lo k5; lo k; 71 0; 71 5; 76 5; 76 0
lo k6; lo k; 0 30; 0 35; 5 35; 5 30
lo k7; lo k; 0 44; 0 49; 5 49; 5 44
lo k8; lo k; 0 63; 0 68; 5 68; 5 63
lo k9; lo k; 13 80; 20 80; 20 74; 13 74
lo k10; lo k; 51 80; 58 80; 58 74; 51 74
lo k11; lo k; 23 5; 23 7.5; 25.5 7.5; 25.5 5
lo k12; lo k; 41.5 5; 41.5 7.5; 44 7.5; 44 5
lo k13; lo k; 60 5; 60 7.5; 62.5 7.5; 62.5 5
lo k14; lo k 78.5 5; 78.5 7.5; 80 7.5; 80 5
lo k15; lo k; 78.5 24; 78.5 26.5; 80 26.5; 80 24
lo k16; lo k; 78.5 41.5; 78.5 44; 80 44; 80 41.5
lo k17; lo k; 78.5 59; 78.5 61.5; 80 61.5; 80 59

4.3 Expo Ferroviaria 2008: soluzione


Il al olo degli elementi e degli spazi per i padiglioni dell'Expo Ferroviaria

2008 hanno portato ad una soluzione ottimizzata he viene riassunta nella

tabella seguente:

CPU-time FLOP1 CPU-time FLOP2 Stands FLOP1 Stands FLOP2

174 ms 478 ms 264 374

371 ms 1046 ms 578 781

Tabella 4.1: Risultati dei al oli per i padiglioni dell'Expo Ferroviaria 2008.

In alto i dati riguardanti il pad.1 e in basso quelli per il pad.2.

mentre per quanto riguarda le immagini relative ad entrambi i padiglioni,

esse sono rappresentate nelle gure 4.4 e 4.5 Ri ordiamo he, per entrambi

i padiglioni, le dimensioni dei moduli sono di 4×4 metri, mentre i orridoi

hanno una larghezza di 3 metri.

Presentiamo inne i le di input he permettono la mappatura dei due

padiglioni dell'Expo Ferroviaria:

polygon; unlo k; 0 0; 0 153; 54 153; 54 0


104 4. Implementazione degli algoritmi e risultati omputazionali

lo k1; lo k; 0 0; 0 12.5; 54 12.5; 54 0


lo k2; lo k; 0 12; 0 16; 31 16; 31 12
lo k3; lo k; 0 20; 0 27.92; 4 27.92; 4 20
lo k4; lo k; 0 35.84; 0 38.34; 2.5 38.34; 2.5 35.84
lo k5; lo k; 0 45.34; 0 53.26; 4 53.26; 4 45.34
lo k6; lo k; 0 60.26; 0 62.76; 2.5 62.26; 2.5 60.26
lo k7; lo k; 0 69.26; 0 77.18; 54 77.18; 54 69.26
lo k8; lo k; 0 83.68; 0 86.18; 2.5 86.18; 2.5 83.68
lo k9; lo k; 0 93.18; 0 101.1; 4 101.1; 4 93.18
lo k10; lo k; 0 107.6; 0 110.1; 2.5 110.1; 2.5 107.6
lo k11; lo k; 0 116.6; 0 124.52; 54 124.52; 54 116.6
lo k12; lo k; 0 128.52; 0 153; 24.48 153; 24.48 128.52
lo k13; lo k; 51.5 153; 54 153; 54 150.5; 51.5 150.5
lo k14; lo k; 51.5 133.52; 54 133.52; 54 131.02; 51.5 131.02
lo k15; lo k; 51.5 110.1; 54 110.1; 54 107.6; 51.5 107.6
lo k16; lo k; 51.5 86.18; 54 86.18; 54 83.68; 51.5 83.6
lo k17; lo k; 51.5 62.76; 54 62.76; 54 60.26; 51.5 60.26
lo k18; lo k; 51.5 38.34; 54 38.34; 54 35.84; 51.5 35.84

polygon; unlo k; 0 0; 0 199; 96 199; 96 0


lo k1; lo k; 0 0; 0 12.5; 96 12.5; 96 0
lo k2; lo k; 0 199; 96 199; 96 124.52; 60 124.52; 60 174.52; 0 174.52
lo k3; lo k; 0 116.6; 0 124.52; 96 124.52; 96 116.6
lo k4; lo k; 0 69.26; 0 77.18; 96 77.18; 96 69.26

4.4 Considerazioni nali


Rispetto all'arrangiamento degli spazi eettuato dagli organizzatori, i ri-

sultati ottenuti mediante al oli e modelli matemati i hanno portato ad un

miglioramento e ad un'ottimizzazione in termini di stand impiegati e di vin-

oli rispettati, il tutto in a ordo on le spe i he mostrate nel terzo apitolo.

In parti olare, per quanto riguarda le tre alternative e i tre layout analizzati,

si sono ris ontrati i risultati omplessivi s hematizzati in tabella 4.2


4.4 Considerazioni nali 105

Stands originali Stands FLOP1 Stands FLOP2


Padiglione 11

Fiera del Levante 154 89 114

Padiglione 116

Fiera del Levante 45 27 31

Padiglione 129

Fiera del Levante 16 24 31

Padiglione D.1

Fiera di Bolzano 90 112 126

Padiglione D.2

Fiera di Bolzano 90 94 100

Padiglione 1

Expo Ferroviaria 114 274 374

Padiglione 2

Expo Ferroviaria 219 578 781

Tabella 4.2: Numero di stands per ogni layout analizzato, in relazione agli

stand disposti dagli organizzatori nella ongurazione originale di ias un pa-

diglione. Si noti he il padiglione D del ontesto di Bolzano è stato suddiviso

in due parti a se onda dei asi enun iati nel paragrafo 4.2

Oltre ai dati relativi al numero di stands ``impa hettati e alle elaborazioni

omputazionali, ri opre fondamentale importanza e rilevanza il dato relativo

alla dimensione delle matri i asso iate ai vari FLOP.

In parti olare, rimandando il lettore al paragrafo 3.2, le matri i reate on-

seguentemente alle elaborazioni sono, per ias una delle manifestazioni eri-

sti he onsiderate, le seguenti:

Matrix Pad. 11 Matrix Pad. 116 Matrix Pad. 129

[799 x 699℄ [999 x 479℄ [531 x 459℄

Tabella 4.3: Dimensione delle matri i per la Fiera del Levante


106 4. Implementazione degli algoritmi e risultati omputazionali

Matrix Pad. D.1 Matrix Pad. D.2

[749 x 639℄ [819 x 669℄

Tabella 4.4: Dimensione delle matri i per la Fiera di Bolzano - Messe Bozen

on le due soluzioni in base alla distanza tra i moduli

Matrix Pad. 1 Matrix Pad. 2

[1529 x 539℄ [1989 x 959℄

Tabella 4.5: Dimensione delle matri i per l'Expo Ferroviaria 2008


4.4 Considerazioni nali 107

Figura 4.4: soluzioni proposte per il padiglione 1 dell'Expo Ferroviaria on FLOP1 e


FLOP2 rispettivamente a sinista e a destra.
108 4. Implementazione degli algoritmi e risultati omputazionali

Figura 4.5: soluzioni proposte per il padiglione 2 dell'Expo Ferroviaria on FLOP1 e


FLOP2 rispettivamente a sinista e a destra.
Capitolo 5

Con lusioni

Prima di parlare degli obiettivi raggiunti, è bene riper orrere velo emente

tutta la strada fatta. Dopo aver individuato nel FLOP (Fair Layout Optimi-

zation Problem) il uore della tesi, si è intrapreso un per orso di ri er a nella

letteratura, dapprima in ambito logisti o e poi nell'area della ri er a ope-

rativa, allo s opo di trovare qual he supporto bibliogra o signi ativo. In

ambito logisti o sono stati trovati solo testi inerenti al layout industriale, ma

po hissimi testi fo alizzato sul layout eristi o. An he per quanto riguarda

l'ambito della ri er a operativa, non sono state trovate pubbli azioni indiriz-

zate al FLOP, ma sono omunque stati trovati problemi simili. Il problema

del posizionamento di stand può essere infatti visto ome aso parti olare dei

problemi di impa amento rivolti ad altri oggetti ( ui possiamo ri ondurre

gli stands); un ampio apitolo della tesi è infatti in entrato sui problemi di

Knapsa k, di Cutting e di Pa king. La ri er a bibliogra a ha portato alla

s operta di un altro problema già ampiamente dis usso in letteratura e he

si avvi ina a quello della tesi; si tratta del Fa ility Layout Problem (FLP).

In parti olare una tipologia parti olare di quest'ultimo, ovvero il Quadrati

Assignement Problem (QAP), presenta aratteri molto simili agli ultimi mo-

delli presentati nel apitolo 3. Se da un lato gli algoritmi studiati per il FLP

possono essere prese ome riferimento e ome spunto per al uni sviluppi fu-

turi del FLOP, non potranno mai essere presi in toto, poi hé nei primi vi è il

usso tra una posizione e l'altra ome driver prin ipale, mentre nel se ondo

non vi è al un problema di movimentazione di materiali.

109
110 5. Con lusioni

Una volta nita la parte di ri er a bibliogra a sono stati arontati i mo-

delli per la risoluzione del FLOP; questi ultimi sono stati prima analizzati

nel apitolo 3 e poi inseriti nei ontesti presentati nel apitolo 4. Inne, nel

quinto apitolo sono stati des ritti i risultati delle implementazioni sul soft-

ware, tenendo ovviamente onto di vin oli e spe i he tipi i di un layout di

tipo eristi o. Proprio l'implementazione ha dimostrato la validità di tutti i

modelli presentati nei apitoli addietro; sono stati tutti orrettamente om-

pilati ed eseguiti dal software di ottimizzazione.

In parti olare si è dimostrato he:

• le matri i asso iate alle variabili dei primi quattro modelli sono to-

talmente unimodulari, e proprio per questo i vin oli di interezza delle

variabili possono essere sostituiti dai vin oli di minore o uguale

• tutti i modelli produ ono l'output istantaneamente o in breve tempo

(al massimo viene ri hiesto qual he minuto per i modelli più laboriosi)

• tutti i modelli funzionano orrettamente e restituis ono un output or-

retto e in linea on le ri hieste

A parte tutte queste onsiderazioni, iò he fa di questa tesi uno s ritto

interessante onsiste nella generalizzabilità del lavoro svolto. I modelli esposti

possono infatti essere utili in qualsiasi ontesto eristi o, in aree espositive di

qualsiasi forma (sia regolare he irregolare): gli algoritmi matemati i des ritti

sono infatti estremamente versatili e bastano pi oli ambiamenti per poterli

adattare a qualsiasi esigenza. La onferma di tutto questo è data dal fatto

he i modelli siano stati orrettamente usati in ontesti diversi tra loro, on

spazi espositivi e forme regolari e irregolari, on più o meno onstraints da

aggirare, e in spazi aperti o hiusi.

In sintesi, i punti di forza della tesi risiedono nell'innovazione dal punto di

vista dello studio matemati o ol quale è arontato l'argomento dei layout

eristi i (è un argomento piuttosto nuovo e tuttora in pieno sviluppo) e la

generalizzabilità dei modelli e degli algoritmi presentati.


Bibliograa

[1℄ A.E. Fernandes Muritiba, Manuel Iori, Silvano Martello, M.J. Negreiros

Gomes. Models and algorithms for fair layout optimization problems.


Operations Resear h Letters, 2008 (in orso di pubbli azione)

[2℄ P. S hneuwly, M. Widmer. Layout modeling and onstru tion pro edure
for the arrangement of exhibition spa es in a fair. Bla kwell, 2003

[3℄ S. Martello, P. Toth. Knapsa k Problems. Algorithms and omputer


implementations. John Wiley & Sons

[4℄ A. Caprara, M. Mona i. On the 2-dimensional knapsa k problems.


Operational Resear h Letters, 2003

An upper bound for the zero-one knapsa k problem


[5℄ S. Martello, P. Toth.

and a bran h and bound algorithm. European Journal of Operational


Resear h, 1977

[6℄ R. Burkard, M. Dell'Ami o, S. Martello. Assignment Problems. SIAM

Monographs on Dis rete Mathemati s and Appli ations

[7℄ G. Christodes, A. Mingozzi, P. Toth. Contributions to the quadrati


assignment problem. European Journal of Operational Resear h, 1980

[8℄ P. C. Gilmore, R. E. Gomory. Multistage utting problems of two and


more dimensions. Operations Resear h, 1965

[9℄ E. L. Lawler. The Quadrati Assignment Problem. Management S ien e,


1963

111
112 BIBLIOGRAFIA

[10℄ A.Lodi, S.Martello, D.Vigo. Approximation algorithms for the oriented


two-dimensional bin pa king problem. European Journal of Operational
Resear h, 1999

[11℄ M.Iori, S.Martello, M.Mona i. Metaheuristi Algorithms for Strip Pa -


king Problem. Optimization and Industry: New Frontieres, Kluwer

A ademi Publisher (Pardalos P. e Korotki h V. eds.), 2003

[12℄ E.Hadji onstantinou, M.Iori. An hybrid geneti algorithm for the two-
dimensional single large obje t pla ement problem. European Journal of
Operational Resear h, 2006

[13℄ J.E.Beasley. An exa t two-dimensional non-guillotine utting tree sear h


pro edure. Operational Resear h, 1985

[14℄ R.Alvarez-Valdes, F.Parrenho, J.M.Tamarit. A tabu sear h algorithm for


a two-dimensional non-guillotine utting problem. European Journal of
Operational Resear h, 2006

[15℄ D. Vigo. Lezioni di Ri er a Operativa L-A. Slides presentate a lezione,

AA. 2007-2008

[16℄ Lisa Bian hini. Tesi di Laurea sui layout eristi i. Università degli Studi
di Modena e Reggio Emilia

[17℄ Lu a Rusti helli. Tesi di Laurea sui layout eristi i. Università degli

Studi di Modena e Reggio Emilia

[18℄ Mar Baudoin. Impara LATEX! (...e mettilo da parte). É ole Nationale

Supérieure de Te hniques Avan ées, Paris

[19℄ Wikipedia, www.wikipedia.org

[20℄ DEIS, Università di Bologna, www.deis.unibo.it

[21℄ Operational Resear h at DEIS, Università di Bologna,


www.or.deis.unibo.it

[22℄ Department of Computer S ien e, University of Liverpool,


www. s .liv.a .uk
BIBLIOGRAFIA 113

[23℄ Institute of Ele tri al and Ele troni al Engineers, www.ieee.org

[24℄ Google, www.google.it

[25℄ Fiera di Bolzano, www.erabolzano.it

[26℄ Fiera del Levante, www.eradellevante.it

[27℄ Expo Ferroviaria 2008, www.expoferroviaria. om

[28℄ S ien e Dire t, www.s ien edire t. om

[29℄ Asso iazione Italiana di Ri er a Operativa, www.airo.org