Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Pp 285 - 298
21/12/2009
RESUMEN
El objetivo de este trabajo es resolver un problema de control óptimo que consiste en
asignar tiempos a luces de semáforos que regulan cruces de dos calles con los dos sentidos de
circulación. El criterio de comparación a considerar se expresa en una función objetivo a
minimizar que puede ser: longitud de las colas, cantidad de vehículos en el peor de los casos,
tiempo de espera, una combinación de las anteriores, entre otras posibilidades. De esta forma se
obtiene un modelo tipo problema de optimización con restricciones de equilibrio, en particular
con restricciones de complementariedad lineal. Para su solución, proponemos un método
híbrido que combina una heurística, tipo recocido simulado, para calcular una buena
aproximación a la solución, que luego será mejorada con un algoritmo quasi-Newton para
problemas de optimización no suaves. Además, presentaremos algunos ejemplos numéricos..
ABSTRACT
Let us consider an intersection of two two-way streets. We want to solve the problem of
finding the switch times of the corresponding traffic lights minimizing a certain criterion, such
as the length of the queues, the number of vehicles at the worst queue, waiting time, a
combination, etc. The resulting model is an optimization problem with equilibrium constraints,
namely a linear complementarity constraints problem. In this work we propose a hybrid solution
strategy where an approximation to the solution is computed by means of a simulated annealing
algorithm and then it is improved by a quasi-Newton method for non-smooth optimization
problems. We will also present some numerical examples.
1. INTRODUCCIÓN
2. MODELO
⎡ λ1 − μ 1 ⎤ ⎡ λ1 ⎤ ⎡( μ 1 − κ 1 )δ amb ⎤
⎢ λ ⎥ ⎢λ − μ ⎥ ⎢ 0 ⎥
b1 = ⎢ 2 ⎥ , b2 = ⎢ 2 2⎥
, b3 = ⎢ ⎥,
⎢λ 3 − μ 3 ⎥ ⎢ λ3 ⎥ ⎢( μ 3 − κ 3 )δ amb ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ λ4 ⎦ ⎣λ 4 − μ 4 ⎦ ⎣ 0 ⎦
⎡ 0 ⎤ ⎡max(( λ1 − κ 1 )δ amb , 0 )⎤ ⎡ 0 ⎤
⎢( μ − κ )δ ⎥ ⎢ 0 ⎥ ⎢max(( λ − κ 2 )δ amb , 0 )⎥⎥
b4= ⎢
amb ⎥ ⎢
,b5= ⎢ ⎥ , b6 =
2 2 2
⎢ 0 ⎥ ⎢ max(( λ 3 − κ 3 )δ amb ,0 )⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣( μ 4 − κ 4 )δ amb ⎦ ⎣ 0 ⎦ ⎣max(( λ 4 − κ 4 )δ amb , 0 )⎦
Minimizar J (1)
sujeto a:
δmin.verde,1≤δ2k+1-δamb≤δmax.verde,1 para k=0,1,…N-1, (2)
δmin.verde,2≤δ2k-δamb≤δmax.verde,2 para k=1,…,N, (3)
x2k+1=max(x2k+b1δ2k+1+b3,,b5) para k=0,1,…,N-1, (4)
x2k+2=max(x2k+1+b2δ2k+2+b4,b6) para k=0,1,…,N-1, (5)
donde J es el criterio a optimizar, el cual puede ser:
• Longitud de la cola sobre todas las colas
4 2N
J1 = ∑ w j ∑ xij δ i (6)
j =1 i =1
donde los valores αi corresponden a los pesos que se les dan a los distintos usuarios.
Sea el parámetro:
⎧1 si i ≡ j( 2 )
Δij = ⎨
⎩0 si no
Una forma más compacta de escribir el problema, sin tener que diferenciar entre
índices pares (correspondientes al cambio de luz rojo-verde del semáforo 1-3) y los
impares (donde cambia la luz del semáforo 2-4) es la siguiente:
Minimizar J (12)
sujeto a:
Δk1 δmin.verde,1 + Δk2 δmin.verde,2 ≤ δk - δamb ≤ Δk1 δmax.verde,1 + Δk2δmax.verde,2 para k=1,…,2N (13)
xk,j=max[xk-1,j+(λj-Δkjμj)δk+Δkj(μ j−κ j)δamb,max(Δkj(λ j−κ j )δamb ,0)]para k=1,…,2N; j=1,2,3,4(14)
4. PROPUESTA DE SOLUCIÓN
ir a 3.
El gradiente discreto Γi(δ,g1,e,β,γ,ζ) se calcula componente a componente
mediante un esquema de diferencias dividas entre puntos consecutivos que difieren en
ζjβ unidades en la componente j, a lo que se agrega una combinación de las
componentes j≠i para la i-ésima componente.
5. EJEMPLO
Tabla 1: Parámetros
Rect@ 293 Vol. 10 (2009)
Un método híbrido para resolver el problema de control óptimo de semáforos
En este ejemplo hemos obtenido buenos resultados ya que las colas son cortas
(la peor cola tiene 4,67 autos). Además observamos que se evitó la congestión con
períodos largos sin cambio de luz cuando la cantidad de tráfico es grande. El valor de la
función objetivo es 489,94. Si hubiésemos utilizado sólo la heurística, el valor de la
función objetivo sería 1920. Se observa la mejoría del resultado utilizando el método
híbrido, aunque el coste computacional es mayor, ya que sólo la heurística usaría 1,61
sg., sin embargo el híbrido necesita 7,69 sg.
Rect@ 294 Vol. 10 (2009)
Lema et al.
Y la peor cola tuvo 4,83 autos. Si hubiésemos usado sólo la heurística, la peor
cola tendría 7,15 autos. Por tanto, se observa la mejora obtenida usando el método
híbrido, frente al uso único de la heurística. En cuanto al tiempo computacional, el
ordenador emplea 2,59 sg. en la heurística y 9,69 sg. en el método completo.
Los resultados fueron bastante buenos, la peor cola tuvo 6,42 autos y el valor de
la función objetivo fue 793,28.
Culminamos con el problema multi-objetivo, modelado mediante la
minimización de la función J6 ver (11). Utilizamos el vector de pesos α= (1 1 1 1 1)
para no hacer diferencias entre los distintos criterios. La solución fue:
En este caso los resultados fueron bastante malos, ya que tuvimos colas con 8 y
9 vehículos y un menor número de ceros que con el criterio uno. A pesar de ello el valor
de la función objetivo fue 5155, mucho mejor que el valor que se obtiene con la
7. REFERENCIAS BIBLIOGRÁFICAS
• BELIAKOV, G. and BAGIROV, A. (2006) “Non-smooth optimization methods for
computation of the conditional value-at-risk and portfolio optimization”,
Optimization, 55, 5-6, pp. 459-479.
• YOU-SIK, H. et al. (1999). “New Electrosensitive Traffic Light using Fuzzy Neural
Network”. IEEE Transactions on Fuzzy Systems, VII, 6, pp. 759- 767.