UNIVERSIDAD DEL BO-BO

FACULDAT DE INGENIERA
DEPARTAMENTO DE INGENIERA
INDUSTRIAL

PROFESOR GUA:
DOCENTE CARLOS OBREQUE
NIEZ

Informe ante proyecto

Un modelo de programacin lineal entera para resolver el

problema del Median Tour Generalizado

Concepcin, 12 de Octubre de
2016

SEBASTIN HIPLITO ZAPATA CAAS

PROGRAMA DE MAGISTER INGENIERA
INDUSTRIAL

Resumen
El Median Tour Problem Generalizado (MTPG) es un problema que busca
disminuir las distancias que recorre el viajante entre nodos de servicio ubicados
en el path principal y la distancia que recorren los nodos clientes asignados al
nodo de servicio ms cercano entre cluster, por este motivo el MTPG se presenta
como un modelo multiobjetivo, minimizando la ruta del path principal para el
viajante y al mismo tiempo la distancia de los arcos para los nodos asignados al
path principal en cada cluster. Mediante una herramienta de modelamiento
matemtico se formular y se presentar el algoritmo para la resolucin eficiente
de estos casos y sus usos diversos.

Origen del tema

El tema a desarrollar ha sido planteado mediante conversacin con el acadmico
del Departamento de Ingeniera Industrial, profesor Carlos Obreque Niez, en
contestacin a la necesidad de realizar una formulacin en el mbito de problemas
de ruteo de vehculos, producto que en la literatura no se ha encontrado un
herramienta adecuada que permita optimizar estos casos para reducir los tiempo
de la ruta del viajero y los costos asociados y determinar puntos ptimos de
asignacin de los clientes de tal forma de reducir los tiempos de viaje de estos al
nodo que fueron asignados.
Entendindose como Median Tour Problem Generalizado (MTPG), el cual consiste
en identificar un Path optimal donde existen clusters o grupos predefinidos y el
viajero debe visitar al menos un nodo en cada cluster llamado servidor,
minimizando el costo total del viaje, adems de minimizar el costo de las
distancias de cada nodo de los respectivos cluster, que no se encuentra en el
camino principal, al servidor ms prximo.

Justificacin del problema

La formulacin propuesta se sita en el rea de la programacin lineal entera, en
problemas conocidos como NP-Hard debido a su naturaleza, adicionalmente se

trabaja con la bsqueda de soluciones multiobjetivos, ya que desde un enfoque se

busca minimizar los costos asociados a la ruta optima encontrado entre los nodos
a visitar, y abordndolo desde el segundo enfoque se busca que los tiempos de
recorrido de los clientes que se asignan al nodo ms cercano de dicha ruta
encontrada sean reducidos.
En la figura a continuacin se muestra de forma grfica el MTPG

Asignacin de nodos
Path principal del
viajante

Este tipo de formulacin es aplicable para los diseos de rutas de viajes para
vehculos, cuando estos deben recorrer por determinados nodos los cuales fueron
asignados a ciertos clientes a l, viajando de un grupo de cliente a otro, tomando
como ejemplo un caso actual de los camiones de basura los cuales tiene que ir a
varios condominios en un mismo da para extraer la basura de las casas, pero
estos no pasa por cada una de ellas sino que solo deben pasar a determinados
puntos de acopio, que pueden ser ms de uno en cada condominio, donde la
formulacin permite encontrar la ruta optima de viaje entre los condominios que
deben visitar durante el da, adems de identificar la ubicacin adecuada del o los
puntos de acopio de basura para que las casas queden asignados a ellos.

De no tratar estas variables mediante un algoritmo capaz de encontrar las

condiciones adecuadas de ruteo y de ubicacin, se incurriran en costos
adicionales para las rutas entre condominios ya sea en horas ms largas de
trabajo para los conductores, aumento del costo en combustible y cualquier otro

costo asociados a las rutas, y en forma paralela los costos para el cliente, en este
caso para las casas, en relacin a la distancia de los puntos de acopio a ellas.
Las aplicaciones que se le puede dar al MTPG engloban a los problemas de ruteo
donde es necesario abastecer a grupos de clientes pero solo se pasa por un nodo
del grupo y a este estn asignados los clientes ms cercanos, problemas de
abastecimiento entre otros.

Objetivos
General
Formular un algoritmo basado en la formulacin del GTSP y del MTP para
modelar y resolver el MTSP.

Especficos

Investigar una metodologa para la resolucin de problemas multiobjetivos

para la formulacin del MTP.

Modelar el MTP mediante software de formulacin matemtica.

Resolver el modelo propuesto en base a problemas similares de la literatura

para comprobar su efectividad.

Hiptesis
Para los problemas MTPG descritos, en los cuales el viajante debe pasar por
cluster de clientes por al menos un nodo, del cual se asignen los clientes segn

cercana reduciendo los tiempo de la ruta principal y de los recorridos de los

clientes al nodo que fueron asignados, se formular un algoritmo en base al
algoritmo General Travel Salesman Problem (GTSP) y Median Tour Problem
(MTP).

Estado del arte

A lo largo del proceso de investigacin en la programacin lineal desde sus
primeras aplicaciones se han observado importantes avances y aportes para el
desarrollo de nuevas aplicaciones y reas donde aplicar los conocimientos
heredados de la Investigacin de Operaciones.
Se tomarn en cuenta los avances logrados para las formulaciones GTSP y MTP
ya que estas son la base del modelo propuesto.
El GTSP fue desarrollado en sus inicios por Fischetti et al. (1995) donde se
plantea los indicios t modelos generales para el desarrollo de estos problemas y
plantea la posivilidad de sus multiples usos y aplicaciones para el algoritmo.
Posteriormente Laporte et al. (1996) propone la utilizacion del modelo GTSP para
la resolucion del Covering Tour Problem (CTP) indicando la aplicabilidad del
modelo en el rea de rueto de vehculos. Posteriormente se incorpor el mtodo
de planos cortantes para lograr acotar las regiones de respuesta propuesta por
Fischetti et al. (1997). Estudios posteriores han demostrado la utilidad del GTSP y
de su aplicabilidad, Gutin (2012) lo demuestra en su investigacin para el
planeamiento de un algoritmo de busqueda local relacionado con problemas de
busqueda local. Ardalan et al. (2015) propone una metaheuristica hibrida en base
al GTSP y el ICA, trabajo similar realizado por Daskin et al. (2006) ya que combina
un algoritmo genetico para la solucin de problemas mediante llaves aleatorias.
Tambien se han incorporado al modelo GTSP el trabajo con ventanas de tiempo
desarrollado por Moccia et al. (2012).
Para el modelo MSPP del cual se desprende el MTP el desarrollo fue planteado
por Current et al. (1987) donde se propuso el modelo y el bicriterio en su objetivo,
adems de algunas aplicaciones como la de localizacion barrios, lineas de trenes
y rutas de aerolineas. Avella et al. (2005) propone la incorporaion de Branch and
Cut para solucion de problemas MSPP para el trabajo con pequeas instancias.
Lari et al. (2007) presenta una comparacion entre la Busqueda Tab y el Old
Bachelor Acceptance para los problemas del MSPP directamente relacionados con
localizacin
Metodologa propuesta
El procedimiento a seguir se basa en la recopilacin de informacin a travs de la
literatura relacionada, en artculos cientficos y conocimientos adquirido en cursos

de rea de la programacin lineal, incluyendo las consultas y directrices del

profesor gua.
Para llevar a cabo la formulacin propuesta se estudiaron los modelos GTSP y
MTP encontrados en la literatura clsica de programacin lineal en conjunto con
estudios y avances recientes en el rea cientfica (publicaciones, artculos de
revistas cientficas, textos de investigacin de operaciones, publicaciones con
estudios de enfoque multiobjetivos, adems de otras fuentes de informacin
relacionadas.
Con la informacin y conocimientos necesarios reunidos se formul el GMSPP
mediante software de modelamiento matemtico y se aplic a problemas reunidos
de internet y de la literatura para confirmar el correcto funcionamiento del modelo
propuesto.

Referencias
Current, J. R. (1987). Median Shortest Path Problem: A Multiobjective Approach
To Analyze Cost Vs. Accessibility In The Design Of Transportation
Networks. Elsevier, 188-197. Obtenido de
https://www.scopus.com/record/display.uri?eid=2-s2.00023397887&origin=resultslist&sort=plff&src=s&st1=MSPP&nlo=&nlr=&nls=&sid=0CB14FC3B16D4AB373695A
B6C50A852A.wsnAw8kcdt7IPYLO0V48gA
%3a260&sot=b&sdt=sisr&sl=19&s=TITLE-ABS-KEY%28MSPP%29&ref=
%28median+path
DArmas, M. (Junio de 2005). Scielo. Obtenido de
http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S131648212005000200009
Daskin, L. V. (2006). A random-key genetic algorithm for the generalized .
ELSEVIER, 38-53.
Gilbert Laporte, A. A.-V. (1996). Some Applications of the Generalized Traveling
Salesman problem. journal of the Operational Research Society, 14611467.
Gutin, D. K. (2012). Efficient local search algorithms for known and new
neighborhoods. ELSEVIER.
Isabella Lari, F. R. (2007). Comparing different metaheuristic approaches for
the. ELSEVIER.
L Moccia, J.-F. C. (2012). An efficient composite heuristic for the symmetric
generalized. Journal of the Operational Research Society, 232-244.
Liberman, F. S. (1997). Introduccin a la Investigacin de Operaciones. Mxico:
McGRAW-HILL INTERAMERICANA EDITORES, S.A. de C.V.
Matteo Fischetti, J. J. (1995). The Symmetric Generalized Traveling Salesman.
Matteo Fischetti, J. J. (1997). A branch-and-cut algorithm for the symmetric
generalized traveling salesman problem. Institute for Operations
Research and the Management Sciences, 378-394.
Pasquale Avella, M. B. (2005). A Branch-and-Cut Algorithm for the Median-Path.
Springer Science.
Taha, H. A. (1995). Investigacin de Operaciones. Mxico: ALFAOMEGA GRUPO
EDITOR S.A. de C.V.
Zaniar Ardalan, S. K. (2015). A novel imperialist competitive algorithm for
generalized travelingsalesman problems. 546-555.