04/11/2006 1

EFROYMSON & RAY

04/11/2006 2

Efroymson & Ray.

Problema : determinar :
– El número de almacenes o plantas.
– La localización para cada uno.
– El tamaño de cada planta o almacén.

Objetivo.
– Suministrar los productos demandados por
un conjunto de clientes.

1
04/11/2006 3

Efroymson & Ray.

Suposiciones.
– La ubicación de los clientes es conocida.
– Existe un conjunto de localizaciones
potenciales preseleccionadas.

Resolución.
– Técnica Branch & Bound.
– Formulación y procedimiento E. & Ray.
– Problema lineal mixto.

04/11/2006 4

NOTACIÓ
NOTACIÓN:
m : número de clientes
n : número de emplazamientos preseleccionados
Yij : fracció
fracción de demanda del cliente; satisfecha por una planta
situada en j ; i=1,...,m ; j=1,.....,n

dij
Yij =
Di
Xj : 1, si se sitú
sitúa la planta en j
0, en caso contrario
Cij:
Cij: costo de suministrar la demanda completa del cliente i desde
una planta situada en j.
fj:
fj: costo fijo resultante de situar una planta en j

2
04/11/2006 5

FORMULACIÓ
FORMULACIÓN DEL PROBLEMA:
m n n
P0 : MIN Z = ∑ ∑ Cij ⋅ Yij + ∑ fj ⋅ Xj (1)
i =1 j =1 j =1

s.a. ∑ Y ij ≤ m ⋅ X j
i =1
; j=1,...,n (2)

n
∑ Yij = 1 (3)
j =1

Yij ≥ 0 ∀ i,j (4)

Xj = ( 0,1) ∀ j (5)

04/11/2006 6

FORMULACIÓ
FORMULACIÓN DEL PROBLEMA:

RESTRICCIONES :

(1) Costo total = Costo variable (generalmente transporte) +

Costo fijo instalació
instalación
(2) Fracció
Fracción total de la demanda no puede exceder al nú
número de
clientes si Xj=1
Xj=1
(3) Demanda debe ser satisfecha por alguna combinació
combinación de plantas.

3
04/11/2006 7

RESOLUCIÓ
RESOLUCIÓN :

Se resuelve el problema asociado a la funció

función objetivo ignorando
la restricció
restricción (5), si todos los valores de Xj son enteros, el problema
está
está solucionado.
Si aparecen Xj fraccionarios cota inferior Z0 de Z
Xk fraccionarios, se resuelve FO manteniendo Xj enteros y haciendo
sucesivamente Xk=0
Xk=0 obteniendo Z1, Xk =1 obteniendo Z2

Evidentemente : Z1 > Z0 y Z2 > Z0

Z1
Xk=0
Xk=0
Nodo terminal
Z0
Xj ∈ {0,1} ∀ j
Xk=1
Xk=1
Z2

04/11/2006 8

Conjunto de índices:

k0 = {j / Xj = 0}
k1 = {j / Xj = 1}
k2 = {j / Xj = Xj no asignado}

siendo k0 U k1 U k2 = {1, 2, ....., n}

m n n

P1 MIN Z = ∑ ∑ Cij ⋅ Yij + ∑ fj ⋅ Xj (1)

i =1 j = 1 j =1
n
s.a. ∑Yij = 1 ; i = 1,2,...m (6)
j =1

m
∑ Yij ≤ 0
i =1
j ∈ k0 (7)

4
04/11/2006 9

∑Yij ≤ m
i =1
j ∈ k1 (8)

∑Yij ≤ m Xj
i =1
j ∈ k2 (9)

Y ij ≥ 0 ∀ i,j (4)

X j = ( 0 ,1 ) j ∈ k2 (5)

Dado Yij ≥ 0 y (7), Yij = 0 ∀j∈k0

04/11/2006 10

Sumando las restricciones en (6) :

m n m

∑ ∑ Yij = ∑1 = m
i =1 j =1 i =1

por lo tanto (8) redundante.

Ademá
Además, si descomponemos :
0
n

∑ fjXj = ∑ fjXj + ∑ fjXj + ∑ fjXj

j =1 j∈k 0 j∈k1 j∈k 2

5
04/11/2006 11

Como Yij = 0 para j ∈ k0 :

m n m n

∑ ∑ CijYij = ∑ ∑ CijYij y ∑ Yij = ∑ Yij

i =1 j = 1 i =1 j ∈ k 1∪K 2 j =1 j∈ k 1∪k 2

Ademá
Además :
^
Funció
Función Objetivo Z=Z+ ∑ fj
j ∈k 1

Por lo tanto P1 puede simplificarse en P2 :

04/11/2006 12

P2

^ m

MIN Z = ∑ ∑ CijYij + ∑ fjXj

i =1 j ∈ k 1∪K 2 j∈ k 2

s.a. ∑ Yij = 1 i = 1,...,m

j∈ k 1∪k 2

m
∑ Yij ≤ mXj j ∈ k2
i =1

Yij > 0 j ∈ k1 U k2 ; i=1,....,m

Xj > 0 j ∈ k2

6
04/11/2006 13

Cómo simplificar P2 :

Observació
Observación 1: Si Yij*,
Yij*, Xj*
Xj* solució
solución mí
mínima factible de P2 y si
todo fj > 0, entonces se van a cumplir las
siguientes relaciones:

m
∑ Yij * ≤ mXj * j ∈ k2 (10)
i =1

Xj*
Xj* < 1 j ∈ k2 (11)

Aplicando la observació
observación 1, P2 a P3, se tiene :

04/11/2006 14

P3
^ m
MIN Z= ∑ ∑ CijYij + ∑ fjXj
i =1 j∈ k 1∪K 2 j∈ k 2

s.a. ∑ Yij = 1 i = 1,...,m (12)

j ∈k 1∪k 2

m
∑ Yij ≤ mXj j ∈ k2 (13)
i =1

Yij ∫ 0 j ∈ k1 U k2 ; i = 1,...,m

1 ∫ Xj ∫ 0 j ∈ k2

7
04/11/2006 15

Para simplificar P3 :

Observació
Observación 2 :
0, si j ∈ k1
gj
fj,
fj, si j ∈ k2

y dada cualquier solució

solución factible de P3, Yij,
Yij, Xj,
Xj, será
será:
m
gj
∑ fjX j = ∑ ∑ m
Y ij
j∈ k 2 i = 1 j ∈ k 1∪ k 2

Yij,
Yij, Xj soluciones factibles y teniendo en cuenta (13)

1 m m
gj
∑ fjXj = ∑ fj ( m ∑ Xij ) = ∑ ∑ Yij
j ∈k 2 j∈k 2 i =1 i =1 j ∈ k 1∪k 2 m

04/11/2006 16

P3 se simplifica a P4 :

m
^ gj
P4 MIN Z = ∑ ∑ (Cij + )Yij
i =1 j∈ k 1∪k 2 m

s.a. ∑ Yij = 1 i = 1,...,m

j∈ k 1∪k 2

Yij ∫ 0 j ∈ k1 U k2; i=1,....,m

en cada nodo se debe resolver un problema de asignació

asignación.

Localizar mí
mínimos por fila.
gj gs
αi = min (Cij + ) = Cis + ∀ i = 1,...,m
j ∈ k 1∪k 2 m m

8
04/11/2006 17

Una cota inferior de P4 es :

^ m
Z= ∑ αi
i =1

solució
solución óptima Yis*
Yis* = 1
Yij*
Yij* = 0 j = s j ∈ k1 U k2

El valor de Xj*
Xj* :
1 m
Xj * = ∑ Yij *
m i =1 j ∈ k2

El valor de la funció
función objetivo en P0 será
será :
^
Z=Z+ ∑ fj
j∈k 1

04/11/2006 18

EJERCICIO : EFROYMSON & RAY

3 EMPLAZAMIENTOS
5 CLIENTES

4 6 8
3 4 7
Cij = 10 5 7 fj = (5 4 6)
12 8 6
8 4 6

NODO 0 k0 = 0, k1 = 0, k2 = {1, 2, 3} (sin definir)

9
04/11/2006 19

α1 = (4 + 5/5 ; 6 + 4/5 ; 8 + 6/5 ) = 5 s=1

α2 = (3 + 5/5 ; 4 + 4/5 ; 7 + 6/5 ) = 4 s=1
α3 = (10 + 5/5 ; 5 + 4/5 ; 7 + 6/5 ) = 5,8 s=2
α4 = (12 + 5/5 ; 8 + 4/5 ; 6 + 6/5 ) = 7,2 s=3
α5 = (8 + 5/5 ; 4 + 4/5 ; 6 + 6/5 ) = 4,8 s=2

1 0 0
1 0 0
Yij = 0 1 0
0 0 1
0 1 0

04/11/2006 20

Cota inferior Zo = 26,8 Xj = (2/5; 2/5; 1/5)

Z1
X1=0

Z0 26,8
X1=1
Z2

NODO 1 k0 = 1; k1 = 0; k2 = {2, 3} (sin definir)

g2 =4 g3 = 6

α1 = ( ; 6 + 4/5 ; 8 + 6/5 ) = 6,8 s=2

α2 = ( ; 4 + 4/5 ; 7 + 6/5 ) = 4,8 s=2
α3 = ( ; 5 + 4/5 ; 7 + 6/5 ) = 5,8 s=2
α4 = ( ; 8 + 4/5 ; 6 + 6/5 ) = 7,2 s=3
α5 = ( ; 4 + 4/5 ; 6 + 6/5 ) = 4,8 s=2

10
04/11/2006 21

1 0
1 0
Yij = 1 0
0 1
1 0

Z1 = 29,4 Xj = {0 ; 4/5 ; 1/5}

NODO 2 k0 = 0; k1 = 1; k2 = {2, 3} (sin definir)

g1=0 g2=4 g3 = 6

Está
Está asignada la planta 1 ver Cij (Yij,
Yij, nodo 0), luego el problema
se reduce a 3 localizaciones y 3 clientes.

04/11/2006 22

α3 = (10 + 0/3 ; 5 + 4/3 ; 7 + 6/3 ) = 6,3 s=2

α4 = (12 + 0/3 ; 8 + 4/3 ; 6 + 6/3 ) = 8 s=3
α5 = ( 8 + 0/3 ; 4 + 4/3 ; 6 + 6/3 ) = 5,3 s=2

1 0 0
1 0 0
Yij = 0 1 0
0 0 1
0 1 0

Z2 = 19,6 (α
(αi) + 5 (costo f1) + 4 (cliente) + 3 (cliente) = 31,66
Xj = {1 ; 2/3 ; 1/3} no entero : no estamos en un nodo terminal

11
04/11/2006 23

Z1 < Z2 => por arriba

Z1 Z3
X1=0 29,4
Z0 26,8 Z4
X1=1 31,6
Z2

NODO 3 :
k0 = 1, 2 k1 = 0 ; k2 = 3
Xj = {0, 0, 1} Nodo terminal pero no se sabe
si es óptimo

Z3 = 6 + 8 + 7 + 7 + 6 + 6 = 40

04/11/2006 24

NODO 4 : k0 = 1; k1 = 2; k2 = 3
g2 = 0; g3 = 6

Está
Está asignada la planta 2, ver Cij (Yij,
Yij, nodo 1), todos asignados
menos el cliente 4

α4 = ( ; 8 + 0/1 ; 6 + 6/1 ) = 8 s=2 tambié

también en 2

Xj = {0, 1, 0} Nodo terminal

Z4 = 4 + 6 + 4 + 5 + 8 + 4 = 31 => terminal óptimo

Z1 Z3 = 40 Terminal
X1=0 29,4
Z0 26,8 Z4 = 31 Terminal
X1=1 óptimo
31,6
Z2

12
04/11/2006 25

COBERTURA
((Covering)
Covering)

04/11/2006 26

Cobertura.

Dar un determinado servicio al cliente, desde

un servidor.

Minimizar esfuerzo del cliente e inversión

Estaciones de servicio :
– Públicas
– Privadas
Cliente
Servidor

13
04/11/2006 27

Cobertura

2 Tipos de problemas

Cobertura Total
– Tantas instalaciones hagan falta para dar un
buen servicio

Cobertura Parcial
– Restricciones de Inversión (n estaciones) y
minimizar esfuerzo

04/11/2006 28

Criterios de Cobertura.

Orientado a Servicios.

Por ejemplo :
– “Estar a menos de 150 mts. de una estación.”
– “Estar a menos de 5 minutos de ella.”
– “Estar a un costo menor a $ P de ella.”
– Etc.

14
04/11/2006 29

Criterios de Cobertura.

Definició
Definición de un pará
parámetro para indicar si el cliente
está
está cubierto :

0 si el cliente
cliente " i" no está
está c ubierto por
por " j".
j".
α ij = { 1 si el cliente
cliente "i"
"i" está
está cubierto
cubierto por " j".
j".

i : clientes ;
j : estaciones de servicio.

0 si la estació
estación de servicio j no está
está instalada.
Xj = { 1 si la estació
estación de servicio j está
está instalada.

04/11/2006 30

Cobertura Total.
Se asegura que todos los clientes estáestán cubiertos, al mí
mínimo
costo de la instalació
instalación. No hay restricció
restricción presupuestaria.
n
Funció
Función Objetivo : Min Z = ∑Cj⋅Xj
j= 1 Cj : Costo de instalació
instalación
Sujeto a : actualizado
(Inversió
(Inversión + Operació
Operación)
n
(1) ∑ α ij ⋅ X j ≥ 1 (Al menos una estació
estación cubre al cliente “i”.)
j =1

(2) Xj ∈ {0,1} ; j ∈ [1 , n]

15
04/11/2006 31

Cobertura Parcial.
Se busca maximizar la cobertura de los clientes, con un nú
número
limitado de servidores (K).
m
Funció
Función Objetivo : Max Z = ∑
i =1
maxj (αij ⋅ Xj)
Busca evitar la redundancia
Sujeto a :

n
(1) ∑Xj ≤ K (Limitació
(Limitación de recursos.)
j=1

(2) Xj ∈ {0,1} ; j ∈ [1 , n]

04/11/2006 32

Cobertura Parcial Generalizada.

Se define : aij : Variable continua (costo, tiempo distancia, etc).
A mayor valor, de aij , menor cobertura.

n
Funció
Función Objetivo : Min Z =
∑
i=1
min {aij}
∈j T(x)
Sujeto a : T(x) = { j / Xj = 1}
n
(1) ∑Xj ≤ K (Limitació
(Limitación de recursos.)
j=1

(2) Xj ∈ [0,1] ; (Ahora Xj ∈ ΙR)

16
04/11/2006 33

Algunas Técnicas de Resolución.

Enumeración Implícita.

Branch & Bound

Heurísticos
– Una de las técnicas de resolución heurística
es el algoritmo de Ignizio. Es optimizante y
de tipo constructivo. A continuación se
describe en detalle.

Otros :
– Resolución Numérica (Ej : Solver de Excel)

04/11/2006 34

Ignizio.

El algoritmo de Ignizio :
– Es conocido también como el problema de
cobertura parcial generalizada.
– Es un algoritmo de tipo heurístico de alta
confiabilidad (cercana al 96 %).

17
04/11/2006 35

PRESENTACIÓ
PRESENTACIÓN DEL ALGORITMO DE IGNIZIO.

Este problema se conoce tambié

también bajo el nombre de cobertura
parcial generalizada, consiste en localizar M3 almacenes de una
cantidad M2 de localizaciones preseleccionadas de tal modo que se se
minimice la distancia, tiempo o costo total entre los M1 clientes
clientes que
se desea servir. Donde la matriz A(i,j)
A(i,j) corresponde a una matriz de
coeficientes, que pueden ser distancias, tiempos o costos entre los
clientes i=1,.....,M1 y las localizaciones preseleccionadas j=1,.....,M3.
j=1,.....,M3.

La expresió
expresión Mín a(i,j)
a(i,j) significa que si un cliente i puede
ser atendido por varias instalaciones j, se escogerá
escogerá aquella que este
más cercana al cliente. Cabe señ
señalar que cada cliente se atenderá
atenderá por
un só
sólo almacé
almacén, sin embargo un almacé almacén puede atender a un
sinú
sinúmero de clientes.

04/11/2006 36

ALGORITMO DE IGNIZIO : FORMULACIÓ

FORMULACIÓN.

La formulació
formulación original del problema es la siguiente:

M1
Min Z = ∑ Min a(i,j)
a(i,j) (1)
i=1 j ∈ T(x)
T(x)

M2
Sujeto a : ∑ X(j)
X(j) < M3 (2)
j=1
X(j)={0,1}
X(j)={0,1} j=1,....., M2 (3)

Donde
T(x)
T(x) = {j / x(j)=1}
x(j)=1}

18
04/11/2006 37

El algoritmo de Ignizio posee dos pasos :

1. El programa principal, que toma las localizaciones

preseleccionadas de una en una hasta que se ha alcanzado el nú
número
máximo de localizaciones a implantar o hasta que la incorporació
incorporación de
alguna otra localizació
localización no disminuya el costo, tiempo o distancia
total.

2. La subrutina de mejoramiento y eliminació

eliminación, la cual remueve de la
solució
solución aquellas localizaciones seleccionadas anteriormente que se
tornan antieconó
antieconómicas en combinació
combinación con las subsecuentes
selecciones

04/11/2006 38

Estas dos partes principales del algoritmo se pueden separar en

pasos intermedios que se verá
verán a continuació
continuación. Sea T(x)
T(x) el conjunto de
índices para aquellas localizaciones implantadas y sea:

P(i)
P(i) = min a(i,j)
a(i,j)
j ∈ T(x)
T(x)

Cabe hacer notar que ∑ P(i) P(i) es el costo total de la asignació

asignación
actual. La localizació
localización j que no se encuentra asignada , (esto es si
{ j / j ∉ T(x)}),
T(x)}), só
sólo será
será asignada si es que reduce el costo total. Esto
es si la localizació
localización “s” que no ha sido asignada, en caso de asignarse
reducirí
reduciría el costo total en la cantidad DTC(s),
DTC(s), donde:

M1
DTC(s) = ∑ máx {p(i)
DTC(s) p(i) - a(i,s),0}
a(i,s),0} (1)
i=1

19
04/11/2006 39

Usando la convergencia del má máximo gradiente, el algoritmo

asigna la implantació
implantación en aquella localizació
localización en donde se maximiza
el DTC(j),
DTC(j), para los j ∉ T(x),
T(x), siempre que exista un DTC(j)
DTC(j) > 0, en
otro caso no se justifica implantar otro almacé
almacén.

Dado que las localizaciones son asignadas de una en una, es

posible que para alguna combinació
combinación de localizaciones ya asignadas
sea conveniente la eliminació
eliminación de alguna de ellas. Para determinar el
efecto en el costo de eliminar una localizació
localización ya asignada, se define
el ∆TC.

De las localizaciones actualmente asignadas se tiene un costo:

M1 M1
TC{T(x)} = ∑ min a(i,j)
TC{T(x)} a(i,j) = ∑ P(i)
P(i) (2)
i=1 j ∈ T(x)
T(x) i=1

04/11/2006 40

Si la localizació
localización “s” es eliminada de T(x)
T(x) para dar lugar a un
nuevo conjunto T'(x), el costo del nuevo conjunto de localizaciones
localizaciones es:

M1
TC{T '(x)} = ∑ min a(i,j)
a(i,j) (3)
i=1 j ∈ T '(x)

Por lo tanto si se elimina la localizació

localización “s” que actualmente se
encuentra asignada, el cambio en el costo total se obtiene restando
restando (2) de
(3):
M1
TC(s) = ∑ (min a(i,r)
∆TC(s) a(i,r) - p(i))
p(i)) (4)
i=1 r ∈ T(x)
T(x) y r ≠ s

Si la localizació
localización que tiene el menor valor de ∆TC(s)
TC(s) es la última
asignada, no debe ser eliminada del conjunto T(x),T(x), ya que de hacerse
serí
sería asignada en la siguiente iteració
iteración. Esto es si el mí
mínimo valor de
∆TC corresponde a cualquier localizació
localización que no sea la última, debe
eliminarse de T(x).
T(x).

20
04/11/2006 41

De acuerdo con lo anterior se explicará

explicará el algoritmo paso a paso.

Paso 1 : La primera selecció

selección de la ubicació
ubicación.

La matriz de coeficientes (M1 * M2) consta de M2 vectores

columna denotados a(1),.........,a(m2
a(1),.........,a(m2).
).

M1
Se calcula C(j) = ∑ a(i,j)
C(j) a(i,j) para j = 1,. . . , M2
i=1

Sea “s” aquel subí

subíndice con Mín C(j).
C(j). Sea P(M3)
P(M3) = a(s)
a(s) y haga
X(s)=1.
X(s)=1. El conjunto T(x)
T(x) contiene el subí
subíndice “s”. Si el nú
número de
almacenes M3 es igual a 1 ir al paso 7, de otra manera continuar en el
paso 2.

04/11/2006 42

Paso 2 : Selecció
Selección de la segunda ubicació
ubicación

Para cada j ∉ T(x)

T(x) se calcula.

M1
DTC(s) = ∑ máx {p(i)
DTC(s) p(i) - a(i,s),
a(i,s), 0}
i=1

Si todos los DTC(j)

DTC(j) = 0, ir al paso 4, de otra manera se asigna
al subí
subíndice “s”, el j con mayor DTC(j).
DTC(j). Se asigna X(s)=1
X(s)=1 y se
coloca a “s” en la siguiente posició
posición de T(x).
T(x). Se va al paso 3.

21
04/11/2006 43

Paso 3 : Formació
Formación de las mejores combinaciones

Sea P = P(i),
P(i), donde para cada i = 1,...,M1 se tiene:

P(i)
P(i) = min a(i,j)
a(i,j)
j ∈ T(x)
T(x)

Si ∑ X(s)
X(s) = 2 y M3 = 2, ir al paso 7.
s∈T(x)
T(x)

Si ∑ X(s)
X(s) = 2 y M3 > 2, ir al paso 2. De otra manera ir al paso 4.
s∈T(x)
T(x)

04/11/2006 44

Paso 4 : Formació
Formación de una asignació
asignación.

Sea L = ∑ X(s).
X(s). Entonces T(x)
T(x) = {j(1),.....,j(l
{j(1),.....,j(l)}.
)}.
s ∈ T(x)
T(x)

Sea Q = {a j(1), a j(2),.......,a j(l)}.

j(l)}. Si al paso 4 se llega
directamente desde el paso 2, ir al paso 7, de otra manera continuar
continuar al
paso 5.

22
04/11/2006 45

Paso 5 : Mejoramiento de la combinació

combinación y proceso de eliminació
eliminación.

Por cada columna de Q se calcula :

M1
TC(s) = ∑ (min a(i,r)
∆TC(s) a(i,r) - p(i))
p(i))
i=1 r ∈ T(x)
T(x)
r≠s

Si el Mín ∆TC(s)
TC(s) = ∆TC(j(l))
TC(j(l)) ir al paso 6, de otra manera
eliminar del conjunto Q aquella columna a(s) a(s) que tenga el Min
∆TC(s),
TC(s), eliminar “s” de T(x)
T(x) y hacer X(s)=0.
X(s)=0. Definir:

P(i)
P(i) = min a(i,j)
a(i,j) e ir al paso 2.
j ∈ T(x)
T(x)

04/11/2006 46

Paso 6 : Verificació
Verificación.

Si L = ∑ X(s)
X(s) = M3 ir al paso 7, de otra manera ir al paso 2.
s ∈ T(x)
T(x)

Paso 7 : Asignació
Asignación.

Encontrar para cada cliente “i” en la matriz Q, aquel subí

subíndice
“s” que tenga :

min a(i,s).
a(i,s).
s ∈ T(x)
T(x)

Asignar al cliente “i” el almacé

almacén “s” sólo para aquellos
subí
subíndices “i” y “s” que correspondan al Mín a(i,s).
a(i,s).

23
04/11/2006 47

ALGORITMO DE IGNIZIO : EJERCICIO

M1 (m)=5 clientes M2 (n)=8 M3(k)=5 Nú

Núm. Máx de E.Servicio

Matriz de coeficientes A(i,j)

A(i,j) :

Localizació
Localización Preseleccionada (j)
1 2 3 4 5 6 7 8
1 32 8 53 19 6 90 43 74
2 54 72 91 87 30 25 10 40
Cliente 3 98 10 7 84 60 8 12 24
(i) 4 3 22 45 60 28 66 85 8
5 20 56 98 5 51 19 28 68

04/11/2006 48

PASO 1
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
1 2 3 4 5 6 7 8 P(i)
P(i)
1 32 8 53 19 6 90 43 74 8
Cliente ( i )

2 54 72 91 87 30 25 10 40 72
3 98 10 7 84 60 8 12 24 10
4 3 22 45 60 28 66 85 8 22
5 20 56 98 5 51 19 28 68 56
C(j)
C(j) 207 168 294 255 175 208 178 214 T(x)={2}
T(x)={2}
Min

24
04/11/2006 49

PASO 2
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
1 3 4 5 6 7 8 P(i)
P(i)
1 32 53 19 6 90 43 74 8
Cliente ( i )

2 54 91 87 30 25 10 40 72
3 98 7 84 60 8 12 24 10
4 3 45 60 28 66 85 8 22
5 20 98 5 51 19 28 68 56
DTC 73 3 51 49 86 90 46 T(x)={2,7}
T(x)={2,7}
Max

04/11/2006 50
PASO 3 T(x)
T(x) = {2, 7}
P(i)
P(i) = {8, 10, 10, 22, 28}
∑X(s)
X(s) = 2 y M3 > 2 ⇒ Paso 2

PASO 2
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
1 3 4 5 6 8 P(i)
P(i)
1 32 53 19 6 90 74 8
Cliente ( i )

2 54 91 87 30 25 40 10
3 98 7 84 60 8 24 10
4 3 45 60 28 66 8 22
5 20 98 5 51 19 68 28
DTC 27 3 23 2 11 14 T(x)={2,7,
T(x)={2,7, 1}
Max

25
04/11/2006 51

PASO 3
T(x)
T(x) = {2, 7, 1}
P(i)
P(i) = {8, 10, 10, 3, 20}
∑X(s)
X(s) = 3 y M3 > 2 ⇒ Paso 4

PASO 4 Obvio

PASO 5 Subrutina mejora y eliminació

eliminación

04/11/2006 52

PASO 5
Localizació
Localización (j)
2 7 1 P(i)
P(i)
1 8 43 32 8
Cliente ( i )

2 72 10 54 10
3 10 12 98 10
4 22 85 3 3
5 56 28 20 20
∆TC 26 44 27
Min

Min ∆TC = 26 (Localizació

(Localización 2)
L = ∑ X(s)
X(s) = 3
Min ∆TC ≠ ∆TC(L)
TC(L) Eliminar localizació
localización 2
T(x)
T(x) = {7, 1}
P(i)
P(i) = {32, 10, 12, 3, 20}

26
04/11/2006 53

PASO 2
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
2 3 4 5 6 8 P(i)
P(i)
1 8 53 19 6 90 74 32
Cliente ( i )

2 72 91 87 30 25 40 10
3 10 7 84 60 8 24 12
4 22 45 60 28 66 8 3
5 56 98 5 51 19 68 20
DTC 26 5 28 26 5 0 T(x)={7,
T(x)={7, 1, 4}
Max

04/11/2006 54

PASO 3
T(x)
T(x) = {7, 1, 4}
P(i)
P(i) = {19, 10, 12, 3, 5}
∑X(s)
X(s) = 3 y M3 > 2 ⇒ Paso 4

PASO 4 Obvio

PASO 5 Subrutina mejora y eliminació

eliminación

27
04/11/2006 55

PASO 5
Localizació
Localización (j)
7 1 4 P(i)
P(i)
1 43 32 19 19
Cliente ( i )

2 10 54 87 10
3 12 98 84 12
4 85 3 60 3
5 28 20 5 5
∆TC 116 57 28
Min

Min ∆TC = 28 Localizació

Localización 4
L = ∑ X(s)
X(s) = 3
Min ∆TC = ∆TC(L)
TC(L) Mantener localizació
localización 4
T(x)
T(x) = {7, 1, 4}
P(i)
P(i) = {19, 10, 12, 3, 5}

04/11/2006 56

PASO 6 Verificació
Verificación

L = 3; M3 = 5. L ≠ M3 ⇒ Paso 2

PASO 2
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
2 3 5 6 8 P(i)
P(i)
1 8 53 6 90 74 19
Cliente ( i )

2 72 91 30 25 40 10
3 10 7 60 8 24 12
4 22 45 28 66 8 3
5 56 98 51 19 68 5
DTC 13 5 13 4 0 T(x)={7,
T(x)={7, 1, 4, 2}
Max

28
04/11/2006 57

PASO 3
T(x)
T(x) = {7, 1, 4, 2}
P(i)
P(i) = {8, 10, 10, 3, 5}
∑ X(s)
X(s) = 4 y M3 > 2 ⇒ Paso 4

PASO 4 Obvio

PASO 5 Subrutina mejora y eliminació

eliminación

04/11/2006 58

PASO 5
Localizació
Localización Preseleccionada (j)
7 1 4 2 P(i)
P(i)
1 43 32 19 8 8
Cliente ( i )

2 10 54 87 72 10
3 12 98 84 10 10
4 85 3 60 22 3
5 28 20 5 56 5
∆TC 44 19 15 13
Min

Min ∆TC = 13 Localizació

Localización 2
L = ∑ X(s)
X(s) = 4
Min ∆TC = ∆TC(L)
TC(L) Mantener localizació
localización 2
T(x)
T(x) = {7, 1, 4, 2}
P(i)
P(i) = {8, 10, 10, 3, 5}

29
04/11/2006 59

PASO 6 Verificació
Verificación

L = 4; M3 = 5. L ≠ M3 ⇒ Paso 2

PASO 2
Matriz de coeficientes A(I,J)
A(I,J)

Localizació
Localización Preseleccionada (j)
3 5 6 8 P(i)
P(i)
1 53 6 90 74 8
Cliente ( i )

2 91 30 25 40 10
3 7 60 8 24 10
4 45 28 66 8 3
5 98 51 19 68 5
DTC 3 2 2 0 T(x)={7,
T(x)={7, 1, 4, 2, 3}
Max

04/11/2006 60

PASO 3
T(x)
T(x) = {7, 1, 4, 2, 3}
P(i)
P(i) = {8, 10, 7, 3, 5}
∑ X(s)
X(s) = 5 y M3 > 2 ⇒ Paso 4

PASO 4 Obvio

PASO 5 Subrutina mejora y eliminació

eliminación

30
04/11/2006 61

PASO 5 Subrutina mejora y eliminació

eliminación

Localizació
Localización Preseleccionada (j)
7 1 4 2 3 P(i)
P(i)
1 43 32 19 8 53 8
Cliente ( i )

2 10 54 87 72 91 10
3 12 98 84 10 7 7
4 85 3 60 22 45 3
5 28 20 5 56 98 5
∆TC 44 19 15 11 3
Min

04/11/2006 62

Min ∆TC = 3 Localizació

Localización 3
L = ∑ X(s)
X(s) = 5
Min ∆TC = ∆TC(L)
TC(L) Mantener localizació
localización 3
T(x)
T(x) = {7, 1, 4, 2, 3}
P(i)
P(i) = {8, 10, 7, 3, 5}

PASO 6
Verificació
Verificación

L = 5; M3 = 5. L = M3 ⇒ Paso 7

31
04/11/2006 63

PASO 7 : RESULTADOS FINALES DEL ALGORITMO.

El Cliente 1 es servido desde el almacé

almacén 2 con un costo 8
El Cliente 2 es servido desde el almacé
almacén 7 con un costo 10
El Cliente 3 es servido desde el almacé
almacén 3 con un costo 7
El Cliente 4 es servido desde el almacé
almacén 1 con un costo 3
El Cliente 5 es servido desde el almacé
almacén 4 con un costo 5

Localizació
Localización T(x)
T(x) = { 7, 1, 4, 2, 3 }
Costo total ∑ P(i)
P(i) = 33 (um
(um))

04/11/2006 64

COMPARACIÓ
COMPARACIÓN CON EL ÓPTIMO MATEMÁ
MATEMÁTICO

Con el algoritmo heurí

heurístico de Ignizio,
Ignizio, se tiene :

Localizaciones : T(x)
T(x) = { 7, 4, 1, 2, 3 }
Costo Total : ∑ P(i)
P(i) = 33 (um
(um))

Sin embargo, con la localizació

localización T(x)
T(x) = {7, 4, 1, 5, 3 },
obtenida con resolució
resolución numé
numérica, se tiene :

Costo Total : ∑ P(i)

P(i) = 31 (um
(um)) < 33 (um
(um))

Luego Ignizio da buenos resultados, pero no

100 % óptimos, dada su naturaleza heurística.

32
04/11/2006 65

DISTRIBUCI ÓN EN PLANTA
ISTRIBUCIÓN
(Layout)

Capítulo 4

En el próximo archivo

33