Professional Documents
Culture Documents
1.
Introduccin
Escoger, seleccionar, determinar, fijar,... stos y muchos otros verbos tienen, en muchos
casos, la acepcin de decidir. Una de las mayores constantes en nuestra vida es precisamente
sta: decidir. Las decisiones que debemos adoptar son de muy variado tipo. As, en unas
elecciones municipales debemos escoger el candidato que creemos ms competente para el
cargo; cuando deseamos ir a un lugar determinado, debemos seleccionar la mejor ruta; si
queremos construir un vertedero, tendremos que localizar la mejor ubicacin para el mismo;
etc.
2.
Formulacin de un problema
A pesar de la gran variedad de problemas que se nos plantean, stos poseen varios elementos
comunes. Existe un conjunto de posibles alternativas, una forma de evaluar cada una de stas y
un criterio que determina que alternativa o alternativas mejor satisfacen nuestras preferencias.
En lo que sigue emplearemos, en general, problemas que pueden formularse en los siguientes
trminos:
optimizarXS f (X)
donde f es una funcin que a cada X S asocia una medida de la adecuacin de X como
solucin del problema y S es el conjunto de soluciones. Al conjunto S se le conoce como
espacio solucin o regin factible y a la funcin f por funcin de costo o funcin objetivo. Por
optimizar se entiende minimizar o maximizar la funcin objetivo f sobre el espacio solucin.
Un problema queda determinado por el espacio de solucin y por la funcin de costo, por lo
que, a partir de ahora, se le denotar por el par (S, f ).
3.
Algunos problemas
En el resto del curso se emplean una serie de problemas para ejemplificar los diferentes conceptos e ideas. Estos problemas pertenecen a las siguientes clases: problemas de localizacin,
problema del viajante de comercio y problemas de corte y empaquetado. Los problemas han
sido escogidos antendiendo a varios criterios. Estos son:
1.
2.
Problema del Viajante de Comercio. Es el problema test que con mayor frecuencia se ha
usado para contrastar la eficiencia y eficacia de las heursticas.
3.
3.1
Problemas de localizacin
Problemas
puede ser N P -completo (problema del p-hub). Adems, para satisfacer, de forma apropiada, la
demanda puede ser necesario resolver otro problema N P -completo (problema de localizacin
del ciclo).
Hasta hace relativamente poco tiempo, no han comenzado a emerger problemas en los que,
adems de resolver la localizacin y la asignacin, se pretende conectar los servicios entre
s para que sea posible satisfacer la demanda. Se llamar a stos problemas de localizacinconexin- asignacin.
De forma general, estos problemas pueden formularse como sigue. Dados un conjunto de
puntos de demanda y un conjunto de posibles localizaciones, determinar la localizacin de
varios servicios, establecer las conexiones entre stos y asignar el resto de los puntos a los
servicios, de tal forma que se optimice alguna funcin de la localizacin, la conexin y la
asignacin.
3.1.1
1.
se formula como
mn
XS
2.
c(X, d)
dD
XS dD
3.1.2
Por problema de localizacin del p-hub [15] [16], se entiende un problema de localizacinconexin-asignacin en el que el conjunto de localizaciones coincide con el de demanda, la
asignacin se realiza a travs de un arco que une cada punto de demanda con un nico servicio,
llamado hub, y los hubs se conectan a travs de un subgrafo completo. Adems, y siguiendo
la descripcin dada por OKelly [16] del problema del p-hub mediano, unidos a cada par de
puntos i y j se consideran los valores
Wij
Cij
Se supone que Wii = 0 y Cii = 0 para todo i. Se incurre en el coste Cij si exactamente uno
de los puntos i j es un hub. Si tanto i como j son hubs, el coste por unidad de trfico sobre
el arco (i, j) es igual a aCij , donde a es un parmetro. Normalmente, a 1 para reflejar el
ahorro en el coste estndar que se produce cuando i y j son hubs.
El objetivo a minimizar es funcin de los costos que supone enviar, desde cada punto de
demanda, el flujo a cualquier otro punto de demanda. La forma de esta funcin de costo depende
de las localizaciones en las que se encuentran los hubs y de la asignacin que se hace del resto
de los puntos.
Sean las variables de decisin Xij e Yj definidas como
(
1 si el punto i es asignado al hub j
Xij =
0 en otro caso
(
Yj
1 si el punto j es un hub
0 en otro caso
Problemas
Las restricciones bsicas de un problema de localizacin del p-hub se establecen en (1.1), (1.2),
(1.3) y (1.4)
X
Xij = 1
i = 1, . . . , n
(1.1)
j
Yj = p
(1.2)
Xij Yj
i = 1, . . . , n; j = 1, . . . , n
(1.3)
Xij , Yj {0, 1}
i = 1, . . . , n; j = 1, . . . , n
(1.4)
La expresin (1.1) requiere que cada punto de demanda sea asignado a un nico hub; (1.2)
establece que el nmero de hubs sea exactamente p y (1.3) asegura que el punto de demanda i
es asignado a j slo si en j se establece un hub.
p-hub mediano.. En este problema, que fue formulado por primera vez por OKelly [15]
[16] como problema de localizacin del p-hub, se desea determinar la localizacin de p-hubs
de forma que se minimice el coste total de enviar el flujo entre todos los pares de puntos. As,
el problema puede formularse como
!
XX
XX
X
X
Xik Xjm Ckm ,
Xjm Cmj + a
mn
Wij
Xik Cik +
i
3.1.3
hacer de los clientes a las plantas y cul es el orden en que deben recorrerse los clientes
asociados a una planta para minimizar el costo total. Por tanto, una solucin del problema es
un conjunto de ciclos disjuntos que cubre a todos los clientes. El coste total de esta solucin,
C, es la suma del coste de apertura de plantas, Cp , coste de asignacin de clientes a plantas,
Ca , y coste de ruta, Cr .
Sea V el conjunto de vrtices y E el conjunto de aristas del grafo no dirigido G = (V, E)
en el que se define el problema. Cada arista e = [i, j] del grafo tiene asociado un coste de
ruta c(i, j). Sea I el conjunto de los n vrtices en el que se encuentran los clientes, y J el
conjunto de los m vrtices con las localizaciones de los depsitos. Para cada cliente i I y
depsito potencial j J existe un coste de asignacin o distancia d(i, j) en que se incurre si
el cliente i es asignado al depsito j. Finalmente, existe un coste de apertura, f (j), asociado
a cada localizacin potencial. Cada solucin S del problema est formada por un conjunto
P J de plantas abiertas, la asignacin, a(i), que se hace de cada cliente, i I, a una planta
abierta, j P , y una permutacin, rj , de los nj clientes, Ij , asignados a cada planta abierta, j
(Ij = {i I : a(i) = j}) que da el orden en que se visitan los clientes asignados a la planta j.
El coste de apertura, Cp (S), viene dado por
X
Cp (S) =
f (j).
jP
El coste de asignacin, Ca (S), es el coste de las asignaciones de los clientes a las plantas
abiertas y es igual a
XX
Ca (S) =
d(i, j).
jP iIj
X k=n
Xj
jP k=0
3.2
El problema del viajante de comercio, Travelling Salesman Problem (TSP), es uno de los
problemas que ms atencin ha recibido dentro de la Optimizacin Combinatoria. Proba-
Problemas
1@
@
@ 3
@
Figure 1.1.
8
J
J
J
J
J9
blemente, ello es debido, aparte de a las indudables aplicaciones prcticas que posee, a la
simplicidad con la que se define y a la dificultad que implica su resolucin.
Dado un conjunto de puntos (ciudades) {1, 2, . . . , n} y una matriz que recoge el costo de
ir desde cualquier punto i hasta cualquier punto j, C = (cij )nn , se pretende encontrar el
circuito de longitud mnima que pase por todos los puntos una sola vez. En la figura 1.1 se
muestra una solucin para un problema del Viajante de Comercio con 9 ciudades. Si se supone
que el costo entre ciudades viene dada por la distancia eucldea que las separa, esta solucin
es la ptima.
3.3
A esta clase pertenece una amplia variedad de problemas con importantes aplicaciones en la
Industria. Desde aquellos que tratan de cortar de la mejor manera posible una plancha de vidrio
para obtener trozos de cristal con los que construir ventanas, hasta los que pretenden encontrar
la forma de almacenar objetos en una nave para que el espacio til sea el mayor posible.
Segn la estructura lgica bsica introducida por Dyckhoff [5], en estos problemas existen dos conjuntos de figuras geomtricas de forma fija que pertenecen a algn espacio ndimensional: el stock de las llamados objetos (figuras grandes), y la lista u orden de pedido de
los llamados items (figuras pequeas). En un problema de corte o empaquetado se pretenden
asignar combinaciones geomtricas (patrones) de items a objetos de forma que se optimice
alguna funcin dependiente de los trozos no aprovechados o perdidos (trim loss).
Figure 1.2.
2
4
Figure 1.3.
3.3.1
Dados un rectngulo de amplitud y altura fijas y un conjunto, R, de rectngulos ms pequeos, se debe encontrar el patrn de corte (combinacin de items rectangulares pertenecientes
a R que pueden obtenerse, con corte tipo guillotina (ver figura 1.2), del rectngulo inicial) que
minimice la prdida y asegure que el nmero de veces que se emplea cada item no sobrepasa
la cota superior establecida. En la figura 1.3 se muestra una solucin para un problema de este
tipo. Existen tres clases de items y el nmero de veces que se emplea cada uno de ellos, en una
solucin particular, no puede sobrepasar, respectivamente, los valores 2, 4 y 5.
3.3.2
El problema del empaquetado rectangular bidimensional [8] [9] surge, principalmente, en las
industrias dedicadas al corte de piezas rectangulares para obtener items, tambin rectangulares,
de dimensin menor. En estas aplicaciones se dispone de un objeto rectangular de amplitud
fija y longitud suficientemente grande, desde el que es posible obtener el conjunto de items por
Problemas
. . . . . . . . . Valor objetivo . . . . . . . . .
Figure 1.4.
medio de cortes que, generalmente, son de tipo no guillotina. No obstante, ciertas restricciones
pueden imponer que el corte a desarrollar sea tipo guillotina (ver [1]).
En el presente trabajo se considera que no existen restricciones sobre el tipo de corte y
que, por tanto, este puede ser de tipo no guillotina. El problema se formula como sigue. Dado
un objeto rectangular de amplitud fija w y altura infinita, y un conjunto, R, de rectngulos
con al menos uno de sus lados menor que w, se desea empaquetar el conjunto R en el objeto
rectangular utilizando el menor espacio posible. En este problema est permitido rotar los
objetos y los cortes pueden ser de tipo no guillotina (ver figura 1.4).
4.
Representacin de soluciones
Un problema consta de tres elementos:
el conjunto de alternativas o soluciones al problema,
la funcin objetivo o de costo, y
el criterio que, por medio de la funcin objetivo, permite establecer una comparacin entre
las diferentes alternativas.
De estos tres elementos, el nico que es invariante a la formulacin del problema es el criterio.
As, o se pretende encontrar la solucin de menor objetivo, o, por el contrario, aquella que posee
un objetivo mayor. Sin embargo, las soluciones se pueden codificar o representar de diferentes
formas, y sto significa que existen diferentes maneras de obtener la funcin objetivo. De tal
10
forma que la representacin que se hace de las soluciones condiciona la forma en que se calcula
el objetivo de una solucin.
Ya que existen diferentes formas de representar una solucin, una pregunta que surge de
forma natural es si alguna de ellas es preferible a todas las dems. La respuesta es, en general,
negativa. Existen codificaciones que son preferibles a otras para una heurstica, pero el recproco
puede ser cierto para otra heurstica. Adems, el conjunto de representaciones de las soluciones
de un problema es abierto, dado que siempre se pueden proponer nuevas codificaciones.
En lo que sigue se suministran ejemplos de diferentes representaciones para las soluciones
de varios problemas.
4.1
Problemas de localizacin
X=
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
1
1
0
0
0
0
0
Y = (0 1 0 1 0)
11
Problemas
indica que en el segundo y cuarto punto se localizan los hubs y que el tercer punto de demanda
se asigna al primer hub, mientras que el primer y quinto punto de demanda se asignan al
segundo hub.
Para el mismo problema se puede proponer la siguiente codificacin (a la que llamaremos
indexal con lista de referencia). Supngase que existe una lista ordenada, L, de los puntos de L,
que nos sirve de referencia. De esta forma, cada solucin se representa a travs de una cadena
de tamao n. Las primeras p posiciones se corresponden con los ndices de los servicios, y
forman la subcadena de localizacin; las (n p) ltimas posiciones indican el servicio al que
se asigna cada uno de los puntos de demanda, y forman la subcadena de asignacin. As, si
L = (1 2 3 4 5),
la anterior solucin se representa como
x = (2 4 | 2 1 2)
que se interpreta como sigue
el primer ndice de la cadena es 2. Por tanto, el segundo punto de la lista L es el primer
servicio;
el siguiente nmero de la cadena es 4. Por tanto, el cuarto punto de la lista L es el segundo
servicio;
dado que el nmero de puntos seleccionados coincide con el nmero de servicios, se eliminan de la lista L los puntos seleccionados como servicios (ahora L = (1 3 5)),
el siguiente nmero de la cadena es 2, por lo que el primer punto de la lista resultante, 1,
es asignado al segundo servicio que es 4,
el siguiente nmero de la cadena es 1, por lo que el segundo punto de la lista, 3, es asignado
al primer servicio que es 2,
el ltimo nmero de la lista es 2. Por tanto el tercer punto de la lista, 5, es asignado al
segundo servicio.
4.2
12
1.
2.
Representacin ordinal. Se supone que las ciudades se etiquetan con los nmeros del 1
al n en algn orden. Esto suministra una lista L = {l1 , l2 , . . . , ln }. As, cada circuito se
representa por medio de un vector de tamao n. La i-sima posicin de este vector toma
un valor entre 1 y n i + 1 e indica la posicin que ocupa, tras eliminar l1 , . . . , li1 de L,
la ciudad li en el circuito. Por ejemplo, si n = 9 y L = {1 2 3 4 5 6 7 8 9}, la solucin
124385967
se codifica como
(1 1 2 1 4 1 3 1 1).
3.
Representacin por medio del camino. Cada solucin se representa por medio del camino
que ella determina. As, la solucin
124385967
se codifica como
(1 2 4 3 8 5 9 6 7).
4.
Representaciones matriciales. Tambin es posible representar cualquier solucin del problema del viajante de comercio empleando matrices de ceros y unos. A continuacin se
describen dos de stas propuestas.
a)
1 Este
13
Problemas
b)
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
1
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
1
1
1
0
0
0
1
0
1
1
1
1
1
0
0
1
1
1
1
1
1
1
1
0
1
1
1
1
1
1
0
0
0
1
0
1
1
1
1
1
0
0
1
1
Representacin matricial de David Seniw [17]. Cada solucin se representa por medio
de una matriz cuadrada de tamao n con exactamente un uno por fila y columna. El
elemento (i, j) de esta matriz vale uno si desde la ciudad i se visita la ciudad j; en caso
contrario, vale cero. Empleando esta representacin, la solucin
124385967
se codifica como
4.3
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
En general, se suelen representar las soluciones de estos problemas a travs de una permutacin que indica el orden en que los items son considerados para su inclusin en el objeto,
junto a un procedimiento que indica la posicin que ocupa el item en el objeto. El procedimiento que indica la posicion dentro del objeto es dependiente del problema. A continuacin
se describe uno de estos procedimientos para cada uno de los problemas de corte considerados
en este trabajo.
Corte bidimensional restringido simple. Colocar el primer item, segn el orden establecido
en la permutacin, en la esquina superior izquierda del objeto. Realizar el corte (horizontal o
14
vertical) que optimiza un determinado criterio de corte (por ejemplo, aquel en el que el rea
del menor de los objetos resultantes es mayor). Al realizar el corte se obtienen, a lo sumo,
dos nuevos objetos que pueden utilizarse en las siguientes iteraciones. A continuacin:
1.
Tomar el siguiente item y seleccionar uno de los objetos posibles 2 . En caso de no existir,
tomar el siguiente item. Al igual que antes, el objeto puede seleccionarse atendiendo a
algn criterio (por ejemplo, escoger el objeto de menor rea en que puede acomodarse
el item). Realizar el corte que optimiza el criterio de corte.
2.
Empaquetado rectangular bidimensional. Entre los procedimientos comunmente empleados para obtener la posicin se encuentra el conocido como Botton-Left. Consta de los
siguientes pasos:
1.
2.
Colocar el siguiente item en la esquina superior derecha. Bajar el item tanto como sea
posible. A continuacin, moverlo hacia la izquierda tanto como sea posible y, en su
caso, volver a bajarlo tanto como sea posible.
3.
5.
1.
2.
Todas las soluciones deben tener, al menos, una representacin. En particular, la solucin
ptima.
item
objeto posible es aquel en que puede acomodarse el item. Ntese que no todos los objetos disponibles son posibles para un
15
Problemas
?4
4 ?
3
1
1
2
1
2
Figure 1.5.
3
1
Ejemplo 4
Sea dado el problema del corte bidimensional restringido simple que se muestra en la siguiente
figura. Las permutaciones (1, 2, 3) y (1, 3, 2) representan la misma solucin: aquella que se
obtiene al acomodar el item 1 en el objeto.
Ejemplo 5
En la siguiente figura se muestra la solucin (1, 2, 3, 4, 5, 6, 7) de un problema de empaquetado bidimensional rectangular que no puede obtenerse aplicando el procedimiento Botton-left.
Aplicando este procedimiento, el item 4 no ocupar el lugar que le corresponde en la distribucin que se muestra en la figura3 . Si slo existiera esta configuracin ptima, 4 cualquier
heurstica que empleara como rutina de colocacin el procedimiento Botton-Left, no podra
resolver ptimamente el problema.
3 En
4 No
la figura 1.5 se muestra la posicin que ocupa el item 4, si se emplea el procedimiento Botton-left.
es este el caso, ya que la solucin (3, 1, 2, 4, 5, 6, 7) es ptima y puede obtenerse usando el procedimiento Botton-Left
16
7
6
4 5
1
2
6.
Estructura de entorno
17
Problemas
- 2S
N (X)
-
Figure 1.6.
Estructura de entorno
Dada una estructura de entorno para un problema arbitrario, (S, f ), es til considerar que
sta determina sobre el espacio de soluciones S una distribucin en forma de malla. En sta, los
vrtices representan las soluciones y los caminos entre dos vrtices la nocin de vecindad que
se considera. En la figura 1.7 se muestra esta situacin para un problema con 40 soluciones.
Los valores situados en la parte superior derecha y prximos a cada vrtice son los valores
objetivos de cada solucin.
6.1
Optimalidad local
Definicin 2
Dado un problema (S, f ) y la estructura de entorno N : S 2S , se dice que una solucin
X S es un mnimo local si el valor objetivo de X es menor o igual que el valor objetivo de
cualquier solucin Y N (X). Es decir:
X es mnimo local f (X) f (Y )
Y N (X)
Un mnimo local en una estructura de entorno no tiene porqu ser mnimo local en otra
estructura de entorno.
Si en la figura 1.7 se considera que dos soluciones son vecinas si se encuentran a distancia
uno (estructura N1 ), se tiene que los vrtices sealados con N1 son mnimos locales con
respecto a esta estructura de entorno. Si considera que dos soluciones son vecinas si se
encuentran a distancia menor o igual que dos (estructura N2 ), slo son mnimos locales los
vrtices marcados con N2 .
18
10
11
Figure 1.7.
2
N2 N1
12
11
17
15
10
3
N1
4
N1
11
11
10
13
11
10
3
N2 N1
10
S 1
N2 N1
Propiedades de la optimalidad local. Los puntos etiquetados con N1 son ptimos locales con la
estructura de entorno N1 ; los etiquetados con N2 son ptimos locales con la estructura N2 ; el punto etiquetado
con S es el ptimo global.
2.
Sean N1 y N2 dos estructuras de entorno sobre el mismo problema (S, f ). Si para toda
solucin X de S, N1 (X) N2 (X), entonces el nmero de mnimos locales de f relativo
a la estructura N1 es menor o igual que el nmero de mnimos locales de f relativo a N2 .
Obsrvese lo que ocurre en la figura 1.7 con las estructuras N1 y N2 anteriores.
3.
7.
Una forma habitual y sencilla de definir la vecindad de una solucin para un problema
arbitrario es emplear los llamados movimientos de bsqueda. Los movimientos de bsqueda
son operaciones que permiten obtener una solucin de un problema a partir de otra solucin
alternativa. As, dado el conjunto de movimientos, el entorno de una solucin es el conjunto
de soluciones a las que se puede llegar desde ella al aplicar uno de los movimientos posibles.
19
Problemas
7.1
Problemas de localizacin
u
/X
uX
u X, v
/X
Para problemas con asignacin no directa, unidos a los anteriores movimientos, existen otros
que operan sobre la asignacin de la solucin actual. Para cada movimiento hay que especificar cules son las localizaciones, u y v, que intervienen en su aplicacin. Adems, para el
movimiento de reasignacin se debe indicar qu punto de demanda, d, es el que se reasigna.
Los movimientos son:
Reasignacin: tomar un punto de demanda, d, asignado a la localizacin u y asignarlo a
otra localizacin v.
Traslado: tomar todos los puntos de demanda asignados a la localizacin u y asignarlos a
la localizacin v.
20
Los anteriores movimientos se generalizan de forma natural al considerar movimientos mltiples. Se habla, por tanto, de los movimientos de k-apertura, k-cierre, k-intercambio, k-reasignacin
y k-traslado cuando el nmero de elementos que interviene es igual a k.
Para problemas en los que, para satisfacer la demanda, es necesario resolver un nuevo
problema pueden considerarse movimientos que actan sobre esta parte de la solucin. As,
para el problema de localizacin del ciclo, son tiles los movimientos que se definen para el
problema del viajante de comercio.
Ejemplo 6 (Localizacin con asignacin directa)
En la codificacin binaria, la estructura de entorno del k-intercambio indica que dos soluciones
son vecinas si una de ellas puede obtenerse desde la otra al cambiar exactamente k unos por
ceros y k ceros por unos. As, si m = 9, p = 4 y k = 2, la solucin
X = (1 0 0 0 1 1 0 1 0)
es vecina de
Y = (0 1 1 0 0 1 0 1 0)
es vecina de
Y = (2 3 6 8)
Ntese que, aunque las estructuras de entorno se definen de forma diferente, las vecinas de una
solucin son las mismas en una u otra estructura.
Ejemplo 7 (Problema del p-hub)
Pueden definirse varias estructuras de entorno para este tipo de problemas que constan, en
general, de dos partes. Una modificacin en la localizacin de los hubs y, por consiguiente,
una reasignacin de aquellos puntos asignados a los puntos que pierden la condicin de hubs.
Si nos restringimos a las estructuras de entorno que consisten en intercambiar un hub por un
punto no hub, para la reasignacin se pueden contemplar varias posibilidades
1.
Traslado: el nuevo hub hereda como asignacin todos los puntos de demanda que atenda
el hub que abandona la solucin.
2.
Asignacin local basada en mejora: los puntos asignados al hub que abandona la solucin
son asignados a un hub particular si esta asignacin optimiza la funcin de mejora empleada.
Un ejemplo de este tipo de asignacin es aquel en que los puntos de demanda se asignan al
hub ms cercano.
21
Problemas
@
@
@
H @
H
H
@H
XX
XX @HH
@
@
@
@H
P
PP
H
@H
PP @HH
@
P @ H
Solucin actual
Traslado
@
@
@
H
H
@H
@HH
@
@ H
Asignacin local basada en mejora
Figure 1.8.
3.
@
@
@
@
H
H
@H
@HH
@
@ H
Asignacin global basada en mejora
Asignacin global basada en mejora: los puntos de demanda (asignados o no al hub que
abandona la solucin) son asignados en base a la funcin de mejora usada. Como ejemplo
de este clase de asignacin tenemos la asignacin basada en la menor distancia al considerar
que se reasignan todos los puntos de demanda y no slo aquellos que estaban asignados al
hub que abandona la solucin.
En la figura 1.8 se recoge, de forma grfica, el efecto que sobre una solucin particular tiene
la aplicacin de los anteriores movimientos.
La implementacin de estas estructuras de entorno depende de la codificacin empleada
para representar las soluciones. De esta forma, en la codificacin matricial y con la estructura
de entorno del 1-intercambio con traslado, la solucin
0 0 0 1 0
0 1 0 0 0
Y = (0 1 0 1 0)
X=
0 1 0 0 0
0 0 0 1 0
0 0 0 1 0
22
es vecina de
0
X =
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
Y 0 = (1 0 0 1 0),
ya que se intercambia el punto 2 por el 1 como hub y este ltimo hereda la asignacin del
primero.
Del mismo modo, en la representacin indexal con lista de referencia, la solucin
x = (2 4 | 2 1 2)
es vecina de
x0 = (1 4 | 1 1 2)
Hasta ahora se han estado considerando nociones literarias de vecindad que, aunque intuitivas de justificar, pueden ser difciles de implementar en la prctica. La dificultad proviene
del hecho de que se definen con palabras y luego se intenta trasladar esta definicin a las
representaciones de las soluciones. As, se obtienen soluciones que estn cercanas una a la
otra, segn la definicin literaria, aunque sus representaciones pueden no tener nada en comn.
Una forma alternativa de actuar consiste en proceder en sentido contrario. Esto es, se dice que
dos soluciones son vecinas si sus correspondientes representaciones estn cercanas en algn
sentido. Esta va es, en general, mucho ms sencilla de implementar. Veamos un ejemplo.
En la codificacin indexal con lista de referencia, puede decirse que dos soluciones son
vecinas si las correspondientes subcadenas de localizacin difieren en un elemento. As, las
soluciones
x = (2 4 | 2 1 2)
x0 = (1 4 | 2 1 2)
son vecinas.
Tambin es posible definir estructuras de entorno sobre las soluciones que tienen una traduccin sencilla a las representaciones. Tal es el caso de la reasignacin de un punto desde su
actual hub a otro. En la representacin indexal con lista de referencia, esta nocin de vecindad
se implementa actualizando convenientemente el correspondiente elemento de la subcadena
de asignacin. Por ejemplo, al reasignar el punto 5 al hub 2 en la solucin
x = (2 4 | 2 1 2)
23
Problemas
hhhh
hhhhh
hhhh 1
5@
@ 9
6
@
7
Figure 1.9.
5@
@
@ 9
@
8
J
J
J
J
J1
se obtiene
x0 = (2 4 | 2 1 1).
7.2
Representacin por medio del camino. Con esta codificacin, es muy fcil obtener la nueva
solucin. Slo es necesario alterar el orden la subcadena que se encuentra entre i y l (en
24
el ejemplo que se est considerando, la alteracin se produce entre 1 y 5). As, desde la
codificacin
(1 2 4 3 8 5 9 6 7)
se obtiene
(1 8 3 4 2 5 9 6 7).
2.
Representaciones matriciales. En estas representaciones, obtener la codificacin de la solucin Y desde la codificacin de la solucin X no es tarea sencilla. Existen, sin embargo,
ciertas similitudes entre las representaciones matriciales de X e Y que, para cada una de
las representaciones consideradas, son
a)
b)
7.3
25
Problemas
3
1
3
1
Figure 1.10.
References
[1] S. Benati. An algorithm for a cutting stock problem on a strip. Journal of Operational Research Society,
48:288294, 1997.
[2] Brandeau, Margaret L. and Samuel S. Chiu. An Overview of Representative Problems in Location Research.
Management Science, 35:645674, 1989.
[3] Campbell, James F. Integer Programming Formulations of Discrete Hub Location Problems. European
Journal of Operational Research, 72:387405, 1994.
[4] Croes, C.A. A method for solving travelling salesman problems. Operations Research, 6:791812, 1958.
[5] Dyckhoff, Harald. A topology of cutting and packing problems. European Journal of Operational Research,
44:145159, 1990.
[6] Fox, B.R. and M.B. McMahon. Genetic operators for sequencing problems. In G. Rawlings, editor, Foundations of Genetic Algorithms, First Workshop on the Foundations of Genetic Algorithms and Classifier
Systems, pages 284300. Morgan Kaufmann Publishers, 1991.
[7] Hakimi, S.L. Optimal Locations of Switching Centers and the Absolute Centers and Medians of a Graph.
Operations Research, 12:450459, 1964.
[8] Hopper, E. and B. Turton. A Genetic Algorithm for a 2D Industrial Packing Problem. Computers and
Industrial Engineering, 37:375378, 1999.
[9] Hopper, E. and B. Turton. An Empirical Investigation of Meta-Heuristic and Heuristic Algorithms for a 2D
Packing Problem. European Journal of Operational Research, 128:3457, 2001.
[10] Hosage, C.M. and M.F. Goodchild. Discrete Space Location-Allocation Solutions form Genetic Algorithms.
Annals of Operations Research, 6:3546, 1986.
[11] Lin, S. Computer solutions of the travelling salesman problem. Bell System Technical Journal, 44:2245
2269, 1965.
27
28
[12] Lin, S. and B.W. Kernighan. An effective heuristic algorithm for the travelling salesman problem. Operations
Research, 21:498516, 1973.
[13] Michalewicz, Zbigniew. Genetic Algorithms + Data Structures = Evolution Programs (Third, revised and
extended edition). Springer Verlag, 1996.
[14] Minieka, E. The Centers and Medians of a Graph. Operations Research, 25:641650, 1977.
[15] OKelly, M.E. The location of interacting hub facilities. Transportation Science, 20(2):92106, 1986.
[16] OKelly, M.E. A quadratic integer program for the location of interacting hub facilities. European Journal
of Operational Research, 32(3):393404, 1987.
[17] Seniw, D. A Genetic Algorithm for the Travelling Salesman Problem. Msc thesis, University of North
Carolina at Charlotte, 1991.