HORARIO: H-731

Grupo: 6
Profesor: M.Fernanadez
Paper 2: Algoritmo para el
problema de localización de
planta
 En este paper se muestra un problema de localización de
instalaciones, pues se desea localizar un numero de centros de
distribución donde la demanda de las ciudad se satisface, además
determinar el número de plantas como sus respectivas ubicaciones
con el fin de abastecer los diferentes centros de distribución
localizados.
 Se presenta un nuevo modelo de programación lineal entera que
permite resolver instancias pequeñas, hasta 300 ciudades, en un
tiempo CPU aceptable, los problemas fueron programados con
AMPL, y resueltos con CPLEX 11.0. Para instancias de mayor tamaño
se presentan heurísticas que permiten obtener soluciones con un
GAP menor al 1%.
 Descripción del modelo
 Variables:
yj: cantidad de producto que sale desde la ciudad j.
xij: unidades del producto enviadas desde la ciudad i hasta la ciudad j.
zj = se localiza un centro de distribución en la ciudad j o no
wj = se localiza una planta en la ciudad j o no
Parámetros:
cj: el costo de localizar y/o mantener un centro de distribución en la ciudad j.
fj: el costo de localizar y/o mantener una planta en la ciudad j.
dj: la demanda del centro de distribución en la ciudad j.
qj: la capacidad de una planta en la ciudad j.
gj: ingreso por unidad de producto en la ciudad j.
hij: el costo por enviar una unidad de producto por el camino (i, j).
p: la cantidad de centros de distribución que se desea localizar.
aij = si existe camino desde la ciudad i a la ciudad j o no
 Función objetivo:
max Σ j∈N (gj*dj − cj)*z j – (Σ j∈N fj*wj + Σ j∈N hij* xij)
 Restricciones:
Σ j∈N zj = p
wj + zj ≤ 1 ∀j ∈ N

yj ≤ qj * wj ∀j ∈ N
Σ i∈N aij * xij − Σ i∈N aji * xji = dj * z j – yj ∀j ∈ N
Con:
zj ∈ {0,1}

wj ∈ {0,1}

xij ∈ Z+

yj ∈ Z+
 Resultados Obtenidos y
 Resultados:
Conclusión
 Se realizo un experimento colocando diferentes cantidades de ciudades y caminos,
obteniendo como resultado que el tiempo de computarizado es demasiado para
tamaños mayores a 300. Como se observo al colocar 1,000 ciudades y 999,000 caminos
obteniendo la solución optima en 26,164.8 segundos.
 Se plantea en el paper dos modelos heurísticas (HG y HEV), que por ambos métodos no
se obtiene la solución optima pero si un tiempo de computarizado menor. Con el modelo
HG, el tiempo de computarizado es extremadamente pequeño pero la solución que
entrega no es muy buena, para redes de arcos muy costosos. En cambio, con el modelo
HEV se obtiene una mejor calidad de resultados que HG pero el tiempo de
computarizado es mayor.
 Conclusión:
 Se debe utilizar el modelo heurísticas para tamaños superiores a los 1,000 ciudades pues
sus tiempos computaciones son del orden de unos cuantos segundos en comparación
con un algoritmo exacto, como el modelo tradicional de localización colocado, que
toma aproximadamente siete horas de ejecución.
Resultados de tiempos:
 Algoritmo comparando las
 Algoritmo exacto Heurísticas
Mixed integer programming models for job
shop scheduling: a computational analysis
Modelos: Función Objetivo:
Se comparan cuatro modelos de Minimizar el Makespan (C), que es el
programación lineal mixta, para analizar tiempo empleado para terminar
resoluciones de Job shops scheduling. hasta el último trabajo en la ultima
maquina utilizar para el trabajo
 The time-indexed formulation

 The ranked-based formulation

 The disjunctive formulation

 Second disjunctive formulation.

Resolución: usando y comparando solvers, Cplex, Gurobi, SCIP

 Número de casos que pueden ser probados los óptimos

 El tiempo en que se logra resolver el problema

Variables: Se definieron las variables acorde a las características de la formulación.
Xij: Variable estándar que determina el tiempo de inicio del trabajo i en la maquina j .
Kij: Variable binaria que toma el valor de 1, si la maquina ¨i¨ en determinado momento
el trabajo ¨j¨ precede a realizarse ¨k¨

Formulación disyuntiva:
Descripción:
• (2) nos indica que el tiempo debe ser mayor a cero.
• (3) Indica que todo se realice en un orden establecido
• (4) y (5) nos indican que no puede haber mas de dos
trabajos en una misma maquina
• (6) nos indica que el makespan, se el mayor de todos
los tiempos

Formulación disyuntiva
modificada: Descripción:
• Se agrega una variable Qij, lo cual genera dos nuevas
restricciones (8) y (9) que reemplazan las (4) y (5) del
modelo anterior
Formulación tiempo indexado
Descripción:
• Cambio de variable a Xijt que es 1 si el trabajo j
comienza al tiempo t en la maquina i
• (11) cada trabajo comienza exactamente en cada
maquina
• (12) el makespan sea el mas largo de los trabajos
• (13) se asegura que la maquina no sea sobre usada
• (14) se asegura que todos los trabajos se hagan en el
orden dado.
Formulación basada en el rango:
Descripción:
• Cambio de variable a Xijk que es 1 se se
programa k-aba posición en la maquina i y
también se aumento Hik que denota el
comienzo del trabajo en la k-aba posición en la
maquina i
• (17) cada posición en cada maquina se asigna un
trabajo
• (18) cada trabajo tiene solo una posición
• (19) que el tiempo de comienzo de una amquina es
mayor que el de la anterior
• (20),(21) y (22). Aseguran que Makespam sea el mayor
de los tiempos, se haga en orden y el inicio sea mayor
a cero por maquina
Conclusiones:
a) Indexed es más eficiente que la formulación Rank-based para escenarios de
tamaño 8x8. Pero no se le puede comparar con la disjunctive formulation.
b) Se validó que la formulación con disjunctive formulation es más eficiente que
la second disjunctive formulation. Y habiéndolo provado con los diferentes
programas, podemos tener en claro que la formulación inicial es la que
ofrece mejores resultados en un tiempo computacional menor.
c) Al permitir en CPLEX Multi-threading al parameter tuning en simultáneo los
resultados mejoran de manera considerable así como también se reducen
los tiempos computacionales.
d) Finalmente se concluye que la resolución de este tipo de problemas con
modelos de programación entera mixta que sigan la formulación disjunctive
formulation son eficientes inclusive hasta para una combinación de 15x15
solucionando el 80% de problemas
Paper 7: Nuevas formulaciones para el problema del
camino más corto dado un conjunto de nodos
DADOS DOS NODOS S Y T DE V, NOS INTERESA
EL PROBLEMA DE DETERMINAR UN CAMINO MÁS
CORTO DE S A T EN G QUE DEBE VISITAR SOLO
UNA VEZ TODOS LOS NODOS DE UN CONJUNTO
DADO P ⊆V - {S, T}.
G-GRAFICO DIRIGIDO
V-CONJUNTO DE NODOS
A-CONJUNTO DE ARCOS
P-CONJUNTO DE NODOS EN “V”
S-CONJUNTO DE VECTORES EN “V”
C-LONGITUD DE ARCO EN “A”
XIJ-VECTOR EN (S-P-T)
S-NODO ORIGEN
T-NODO DESTINO
Formulación del problema

Define la existencia de una trayectoria con un

conjunto de vectores x.
Impone que cada nodo que entre en “P” debe
ser visitado por un vector
Evita la existencia de ciclos en cualquier
solucion.
Ningún arco puede ingresar s o dejar t.

A lo más un arco entra en cada nodo.

Formulación basada en el polítopo de árbol de expansión

La restricción (8) establecen que si un arco ij está en la

solución, entonces debemos darle una reorientación en
todo G k (x). La restricción (9) limitan a lo sumo a una
la cantidad de arcos que tienen cualquier nodo i = k
como cabeza en todo G k (x). La restricciones (10)
establecen que un nodo k no puede ser la cabeza de
ningún arco en G k (x). La restricción (11) evitan la
obtención de un ciclo C = {ij, ji} entre cualquier par de
nodos i y j.

FORMULACION BASADA EN EL MODELO PRIMAL-DUAL

Las restricciones (14) y (15) imponen que si un arco
ij está en la solución, entonces se cumple la
propiedad 1 porque se convierten en una restricción
de igualdad π (j) -π (i) = c ij para este arco; de lo
contrario, ambas restricciones se vuelven
redundantes. Las restricciones (16) y (17) fijan
algunas variables de arco en cero.
Formulación basada en STSP
Restricciones (19) establecen que | P | + 1
unidades de flujo abandonan los nodos de
origen y todos los demás nodos que deben
visitarse retienen una unidad de flujo (esto
incluye el nodo t). Además, los nodos restantes
son nodos de tránsito, por lo tanto, no retienen
el flujo. Las Restricciones (20) dicen que si un
arco ij no pertenece a la solución, entonces
ningún flujo puede atravesar este arco y que si
un arco ij pertenece a la solución, entonces
algún flujo debe recorrerlo. (22 y 23) garantizan
costos de arco positivos. restricciones (24) y
(25) son condiciones de doble factibilidad para
la relajación lineal del modelo (Q 4).
Resultados

*Para el modelo Q2, el tiempo de ejecución aumenta considerablemente al incrementar ,las

instancias, por ello solo se muestras resultados para 20 y 40 nodos.