2.

LOKACIJSKI PROBLEMI
2.1. Uvod
Posebnu klasu zadataka optimizacije ine problemi lokacije, koji u
savremenim operacionim istraivanjima izazivaju znaajno interesovanje [30].
U optem sluaju, lokacijski problem je odreivanje poloaja (lokacije) nekih
novih objekata u postojeem prostoru u kome se ve nalaze drugi relevantni
objekti. Novi objekti su obino neka vrsta centara koji pruaju usluge i mi emo
ih zvati snabdevai. Postojei objekti su korisnici usluga ili klijenti i mi emo ih
zvati korisnici.
Mogue su razliite klasifikacije lokacijskih problema. Kao kriterijumi
klasifikacije obino koriste se sledei:
a) broj novih objekata koje treba razmestiti - jedan ili vie;
b) karakter objekta - da li je eljen ili neeljen;
c) mogui poloaj objekta - da li postoji predodreeni diskretni skup
potencijalnih lokacija ili se objekat moe postaviti u bilo koju taku
datog kontinualnog skupa;
d)
karakter prostora u koji se locira objekat - da li je u pitanju ravan, mrea
ili neto tree;
e) metrika koja se koristi za raunanje rastojanja izmeu dve take u
posmatranom prostoru.
Poto na reenje lokacijskog problema znaajno utie nain na koji se
rauna rastojanje izmeu dve take u posmatranom prostoru, najpre emo izloiti
razliite pristupe tom zadatku.

2. Lokacijski problemi

71

Metrika
Metrika je nain na koji se odreuje rastojanje izmeu dva elementa
nekog skupa. U lokacijskim problemima je potrebno odrediti rastojanje izmeu
dve take u posmatranom prostoru na osnovu poznavanja njihovih koordinata.
U tu svrhu se koriste tzv. lp metrike gde je p realni broj takav da je 1 # p # 4.
Ove metrike se u optem sluaju definiu nad takama prostora Rn (tj. skupa svih
ureenih n-torki realnih brojeva).
Neka su u prostoru Rn date dve take A = (x1A, ... , xjA, ... , xnA) i
B
B = (x1 , ... , xjB, ... , xnB). Rastojanje izmeu taaka A i B u lp metrici za 1 # p < 4
se rauna po obrascu:
p

d l (A, B) '
p

p
j *xj & xj * ,
n

j'1

dok je za p = 4:
dl (A, B) ' lim dl (A, B)
4

p64

Mada teorijski ima beskonano mnogo metrika lp tipa, najznaajnije su i najvie

se koriste u praksi sledee:
l1 (pravougaona) metrika:

d l (A, B) ' j *xj & xj *

1

l2 (Euklidova) metrika:

d l (A, B) '

l4 (ebievljeva) metrika:

dl (A, B) ' max *xj & xj *

j'1

j xj & xj
n

B2

j'1

1#j#n

Tumaenje ovih metrika i razlike izmeu njih daemo na primeru

prostora R2 sa slike 2.1. U l1 metrici, rastojanje izmeu taaka A i B jednako je
zbiru duina kateta AC i BC , tj.
d l (A,B) = x1B - x1A + x2A - x2B.
1
Ovo rastojanje se naziva i Menhetn rastojanje jer podsea na rastojanja u ovoj
njujorkoj etvrti u kojoj su ulice i avenije pod pravim uglom.

72

Metode optimizacije

Slika 2.1.
U l2 metrici rastojanje izmeu taaka A i B je jednako hipotenuzi trougla ABC,
tj.
B

d l (A,B) ' (x1 & x1 )2 % (x2 & x2 )2 .

2

Ovo rastojanje se naziva Euklidsko jer se u klasinoj Euklidskoj geometriji

rastojanje izmeu dve take definie upravo na ovakav nain. Na kraju, u l4
metrici, rastojanje izmeu taaka A i B je dua od kateta AC i BC , to je u
ovom sluaju BC , tj.
d l (A,B) = x1B - x1A.
4
U praktinim primerima, obino se usvaja da za p $ 7 vai d lp . d l4 .
Za bilo koje dve take vai da je d l $ d l2 $ d l , odnosno, u optem
1

sluaju se moe dokazati sledee tvrenje: ako p, q 0 R i p, q $ 1 tada je

p > q <=> d lp # d lq .
1.

Izbor lp metrike zavisi od vie faktora, od kojih su najznaajniji:

Priroda problema: korienje odreene lp metrike daje manje ili vie
dobru aproksimaciju realnog rastojanja u zavisnosti od prirode prostora
u kome se take nalaze. Na primer, ako je mogue kretati se pravolinijski
izmeu dve take, tano rastojanje izmeu njih se dobija Euklidovom
metrikom, ali u gradovima u kojima su ulice pod pravim uglom, duina
puta izmeu dve take najbolje e se aproksimirati pravougaonom
metrikom.

2. Lokacijski problemi
2.

73

Raunska sloenost: ako je neki model bitno lake reiti primenom

odreene metrike, a preciznost dobijenog rezultata nije od presudnog
znaaja (tj. ako se manja odstupanja mogu tolerisati), tada e ta metrika
biti upotrebljena.

Pri reavanju lokacijskih problema vano je naglasiti koja metrika se

koristiti, pogotovu kada se one razlikuju od Euklidove.
U daljem tekstu iskljuivo e se razmatrati problemi lokacije u ravni, tj.
u prostoru R2.
2.2. Diskretni lokacijski problemi
Kada su take, na koje se moe postaviti novi objekat, elementi
konanog skupa, radi se o diskretnom lokacijskom problemu.
Neka je dato m taaka u ravni A1, ... , Ai, ... , Am na kojima se nalaze
postojei objekti (korisnci) i r potencijalnih lokacija B1, ... , Bk, ... , Br na koje je
mogue postaviti novi eljeni objekat (snabdeva). Suma oteanih (teinskih)
rastojanja od potencijalne lokacije snabdevaa Bk do korisnika je:
Wk ' j wi d (Ai , Bk)
m

i'1

gde su:
wi - teinski koeficijent i-te zadate take (npr. broj stanara neke zgrade, vanost
take itd.);
d(Ai , Bk) - rastojanje izmeu i-te zadate take i k-te potencijalne lokacije u
odgovarajuoj metrici.
Zadatak je da se odredi ona lokacija Bk* za koje je suma oteanih rastojanja
minimalna, tj.
Wk ( ' min Wk
1#k#r

Postavljeni zadatak se reava tako to se za svaku potencijalnu lokaciju

Bk 0 {B1, ... , Br} izrauna suma oteanih rastojanja, a za reenje se bira ona taka
za koju je ova suma najmanja. Za merenje rastojanja se moe usvojiti bilo koja
metrika, a najee se koristi Euklidova.

74

Metode optimizacije

Primer 2.1.

Date su koordinate pet postojeih objekata: A (1, 2), B (2, 5),

C (3, 4), D (6, 0) i E (5, 5). Mogue su tri lokacije za novi
objekat: N1 (2, 3), N2 (3, 2) i N3 (6, 3). Teinski koficijenti su:
wA = wD = 2, wB = wC = 1, a wE = 3. Koristei Euklidovu metriku
odrediti koordinate novog objekta.

Reenje:

W1 = 2[(1-2)2 + (2-3)2] + 1[(2-2)2 + (5-3)2] + 1[(3-2)2 +

+ (4-3)2] + 2[(6-2)2 + (0-3)2] + 3[(5-2)2 + (5-3)2] = 27,06
W2 = 2[(1-3)2 + (2-2)2] + 1[(2-3)2 + (5-2)2] + 1[(3-3)2 +
+ (4-2)2] + 2[(6-3)2 + (0-2)2] + 3[(5-3)2 + (5-2)2] = 27,19
W3 = 2[(1-6)2 + (2-3)2] + 1[(2-6)2 + (5-3)2] + 1[(3-6)2 +
+ (4-3)2] + 2[(6-6)2 + (0-3)2] + 3[(5-6)2 + (5-3)2] = 30,54

Zakljuak:

Novi objekat e se graditi na lokaciji N1, tj. na lokaciji ije su

koordinate (2, 3). Suma oteanih rastojanja za tu taku iznosi
27,06.
#

Primer 2.2.

Reiti prethodni zadatak koristei ebievljevu metriku.

Reenje:

W1 = 2 max{*1-2*, *2-3*} + 1 max{*2-2*, *5-3*} +

+ 1 max{*3-2*, *4-3*} + 2 max{*6-2*, *0-3*} + + 3 max{*5-2*,
*5-3*} = 2 + 2 + 1 + 8 + 9 = 22
W2 = 2 max{*1-3*, *2-2*} + 1 max{*2-3*, *5-2*} +
+ 1 max{*3-3*, *4-2*} + 2 max{*6-3*, *0-2*} + + 3 max{*5-3*,
*5-2*} = 4 + 3 + 2 + 6 + 9 = 24
W3 = 2 max{*1-6*, *2-3*} + 1 max{*2-6*, *5-3*} +
+ 1 max{*3-6*, *4-3*} + 2 max{*6-6*, *0-3*} + + 3 max{*5-6*,
*5-3*} = 10 + 4 + 3 + 6 + 6 = 29

Zakljuak:

I u ebievljevoj metrici se dobija da novi objekat treba

izgraditi na lokaciji N1, ali sada suma oteanih rastojanja iznosi
22.
#

Primer 2.3.

Trgovinsko preduzee ima 5 prodavnica nametaja u jednom

regionu. Imajui u vidu trokove dopremanja robe, rukovodstvo
je odluilo da sagradi objekat koji e biti skladite robe za ove
prodavnice. Dobijene su dozvole za gradnju na tri lokacije.
Koordinate ovih lokacija su: S1 (2, 1), S2 (6, 5) i S3 (4, 7).
Koordinate prodavnica su: P1 (1, 6), P2 (2, 7), P3 (1, 0), P4 (6, 7)
i P5 (6, 1), a na osnovu njihovog poslovanja dodeljeni su im
teinski koeficijenti: 2, 3, 3, 2 i 5 respektivno.
Potrebno je odrediti lokaciju skladita tako da suma oteanih

2. Lokacijski problemi

75

rastojanja izmeu njega i svih prodavnica bude minimalna. Za

merenje rastojanja izmeu objekata koristiti l1 metriku.
Reenje:

W1 = 2 (*1-2* + *6-1*) + 3 (*2-2* + *7-1*) +

+ 3 (*1-2* + *0-1*) + 2 (*6-2* + *7-1*) + + 5 (*6-2* + *1-1*) =
76
W2 = 2 (*1-6* + *6-5*) + 3 (*2-6* + *7-5*) +
+ 3 (*1-6* + *0-5*) + 2 (*6-6* + *7-5*) + 5 (*6-6* + *1-5*) = 69
W3 = 2 (*1-4* + *6-7*) + 3 (*2-4* + *7-7*) +
3 (*1-4* + *0-7*) + 2 (*6-4* + *7-7*) + 5 (*6-4* + *1-7*) = 88

Zakljuak:

Preduzee treba da sagradi skladite na lokaciji S2 na

koordinatama (6, 5) da bi suma oteanih rastojanja bila
minimalna. Ona iznosi 69.
#
2.3. Kontinualni lokacijski problemi

Veberov problem
Neka je dato m taaka u ravni A1, A2, ... , Am, gde je Ai = (a1i, a2i),
i = 1, ... , m. Potrebno je nai taku X = (x1, x2) za koju je suma oteanih
rastojanja do datih taaka minimalna, tj. treba reiti sledei problem bezuslovne
optimizacije:
f(X) ' j wi d i(X)
m

(m in )

i'1

gde su:
wi - teinski koeficijent take Ai;
di(X) = d(Ai, X) - rastojanje take Ai od lokacije X;
Ovako postavljen problem [46] se naziva problem tipa minisum ili
minisum problem.
Najei je sluaj da se usvoji Euklidova metrika. Tada matematiki
model ima sledei oblik:
(min) f(X) ' j wi (x1&a1 )2 % (x2&a2 )2
m

i'1

Ovaj zadatak bezuslovne nelinearne optimizacije u optem sluaju nije

mogue reiti analitiki. Vajsfeldov algoritam [47; 48] je iterativna numerika

76

Metode optimizacije

metoda za reavanje Veberovog problema za Euklidovu metriku i njime se dobija

priblino reenje problema.
Vajsfeldov algoritam za reavanje Veberovog problema
Dato je m taaka Ai = (a1i, a2i), njihove teine wi, i = 1, ... , m i koeficijent
kriterijuma zaustavljanja numerikog postupka g > 0; potrebno je odrediti
lokaciju (koordinate) nove take koristei kao kriterijum sumu oteanih
rastojanja (minisum problem).
Poto se zna da ovaj algoritam jako sporo konvergira kada se optimalno
reenje poklapa sa jednom od zadatih taaka, najpre se proverava da li je neka
od postojeih taaka optimalna lokacija za novi objekat. Tek ako se utvrdi da
nije, prelazi se na iterativni deo algoritma.
Algoritam
Izraunati meusobna rastojanja izmeu svih m taaka:
1o
r

d(Ar, Al) ' (a1 & a1 )2 % (a2 & a2 )2 , r, l 0 {1, ... , m}.
2o

Proveriti da li za neku taku r 0 {1, ... , m} vai:

j
m

cr '

3o

i'1
ir

% j

wi(a1 & a1 )
d(Ar, Ai)

i'1
ir

wi(a2 & a2 )
d(Ar, Ai)

# wr

Ako je ovaj uslov ispunjen za neko r => KRAJ. Reenje se nalazi u taki
Ar.
U suprotnom, ii na sledei korak.
Stavimo da je k = 0 i odredimo poetno reenje Xo = (x1o, x2o) po formuli:
j wi aj
m

xj '

i'1

j wi
m

, j ' 1, 2

i'1

4o

Izraunati rastojanja izmeu Xk = (x1k, x2k) i zadatih taaka:

k

d(X k, Ai) ' (x1 &a1 )2 % (x2 &a2 )2 , i 0 {1, ... , m}.
5o

Raunamo po iterativnoj formuli:

2. Lokacijski problemi

77
j

k%1
xj

6o

'

wi aj

i'1

d(X k, Ai)

j
m

wi

i'1

d(X k, Ai)

, j ' 1, 2

Ako je *xjk+1 - xjk* < g, j 0 {1, 2} => KRAJ. Xk+1 se usvaja kao
dovoljno dobro reenje.
#
U suprotnom, staviti k = k + 1 i ii na korak 4o.

Primer 2.4.

Date su koordinate i teinski koeficijenti za etiri take.

Potrebno je odrediti koordinate nove take ija e suma oteanih
rastojanja od zadatih taaka biti minimalna. Koristiti Euklidovu
metriku, a za koeficijent kriterijuma zaustavljanja uzeti g = 0,05.
w1 = 4
A1(4, 4) ,
w2 = 1
A2(3, 1) ,
w3 = 2
A3(6, 4) ,
w4 = 4
A4(6, 2) ,

Slika 2.2.
Reenje:
1o

Odreujemo meusobna rastojanja izmeu zadatih taaka:

d(A1, A2) ' (4&3)2 % (4&1)2 ' 10 = 3,162
d(A1, A3) ' (6&4)2 % (4&4)2 ' 4 = 2
d(A1, A4) = 2,828
d(A2, A3) = 4,243

78

Metode optimizacije
d(A2, A4) = 3,162
d(A3, A4) = 2
2o

c1 '

Proveravamo da li je reenje u nekoj od zadatih taaka:

1(4&3) 2(4&6) 4(4&6)

%
%
3,162
2
2,828

3o

1(4&1) 2(4&4) 4(4&2)

%
%
3,162
2
2,828

1
2

' 5,884 $ 4

c2 = 9,155 > 1
c3 = 6,657 > 2
c4 = 5,884 > 4
Reenje se ne nalazi ni u jednoj od zadatih taaka. Prelazimo na
iterativni deo.
Odreujemo poetno reenje Xo:
x1o =
x2o =

4o

4 @4 % 1@3 % 2@6 % 4@6

4 % 1 % 2 % 4

=5

4@4 % 1@1 % 2@4 % 4@2

=3
4 % 1 % 2 % 4

Izraunavamo rastojanja od poetnog reenja do zadatih taaka:

d(X o, A1) ' (5&4)2 % (3&4)2 = 1,414
d(X o, A2) = 2,828
d(X o, A3) = 1,414
d(X o, A4) = 1,414

5o

Odreivanje novog reenja X1:

x11 =

4@4
1@3
2@6
4@6
%
%
%
1,414
2,828
1,414
1,414
4
1
2
4
%
%
%
1,414
2,828
1,414
1,414

= 5,0952

2. Lokacijski problemi

x21 =

6o
4o

79
4@4
1@1
2@4
4@2
%
%
%
1,414
2,828
1,414
1,414
4
1
2
4
%
%
%
1,414
2,828
1,414
1,414

= 3,0952

Proveravamo da li je zadovoljen kriterijum zaustavljanja:

*5 - 5,095* = 0,095 > g => k = 1, nova iteracija.
d(X 1, A1) = 1,421
d(X 1, A2) = 2,963
d(X 1, A3) = 1,275
d(X 1, A4) = 1,421

5o
6o

x12 = 5,118
x22 = 3,118
*5,0952 - 5,118* = 0,023 < g
*3,0952 - 3,118* = 0,023 < g
=> KRAJ.

Zakljuak:

X = (5,118, 3,118) je dovoljno dobro reenje postavljenog

zadatka.
#

Primer 2.5.

U jednoj optini se nalaze etiri naseljena mesta. Potrebno je

sagraditi osnovnu kolu u koju bu ila deca iz sva etiri naselja.
Da bi se odredila lokacija nove kole, u obzir se uzimaju
poloaji tih naselja i broj stanovnika (smatra se da je broj aka
proporcionalan broju stanovnika). Lokacije mesta (koordinate
zadate u kilometrima) i broj stanovnika (u hiljadama) je dat u
sledeoj tabeli:
Mesta:

M1

M2

M3

M4

10

12

Broj stanovnika

80

30

25

40

Potrebno je odrediti mesto gradnje nove kole, tako da ukupan

80

Metode optimizacije
put svih aka od kue do kole bude minimalan. Smatra se da je
put od naselja do kole pravolinijski i da je rezultat dovoljno
dobar ako je razlika obe koordinate izmeu dve uzastopne
iteracije manja od 20 metara.

Reenje:

Na osnovu teksta zadatka se zakljuuje da se radi o Veberovom

problemu i Euklidovoj metrici, dakle primeniemo Vajsfeldov
algoritam s tim da je g = 0,02 km.
Udaljenost izmeu taaka je:
d(M1, M2) ' (3&8)2 % (7&1)2 = 7,810
d(M1, M3) = 7,280
d(M1, M4) = 10,817
d(M2, M3) = 4,472
d(M2, M4) = 4,0
d(M3, M4) = 4,472

2o

Proveravamo da li je reenje u nekoj od zadatih taaka:

30(3&8) 25(3&10) 40(3&12)
%
%
7,81
7,28
10,817

c1 '

3o
4o

30(7&1) 25(7&5) 40(7&1)

%
%
7,81
7,28
10,817

1
2

c1 = 92,58 > 80
c2 = 83,82 > 30
c3 = 83,07 > 25
c4 = 126,7 > 40.
Reenje se ne nalazi ni u jednoj od zadatih taaka. Prelazimo na
iterativni deo.
Odreujemo poetno reenje Xo:
x1o = 6,914
x2o = 4,314
Izraunavamo udaljenosti od poetnog reenja do zadatih
taaka:
d(X o, M1) = 4,747

2. Lokacijski problemi

81

d(X o, M2) = 3,488

d(X o, M3) = 3,161
d(X o, M4) = 6,070
5o
6o
4o

Odreivanje novog reenja X1:

x11 = 6,947
x21 = 4,323
Poto je *6,914 - 6,947* = 0,033 > g => k = 1, nova iteracija.
d(X 1, M1) = 4,769
d(X 1, M2) = 3,486
d(X 1, M3) = 3,128
d(X 1, M4) = 6,048

5o
6o

x12 = 6,964
x22 = 4,317
*6,947 - 6,964* = 0,017 < g
*4,323 - 4,317* = 0,006 < g
=> KRAJ.

Slika 2.3.
Zakljuak:

Za lokaciju gradnje kole se usvaja taka X na koordinatama

(6,964, 4,317) (slika 2.3.).
#

82

Metode optimizacije

Reavanje Veberovog problema sa pravougaonom metrikom

Potrebno je reiti sledei problem:
(min) f(x) ' j wi d i(x) ' j wi *x1 & a1 * % *x2 & a2 * '
m

i'1
m

i'1

' j wi*x1 & a1 * % j wi*x2 & a2 * '

i'1

i'1

' f1(x1) % f2(x2)

Poto je minimum zbira u ovom sluaju jednak zbiru minimuma, tj:

(min) f(x) ' (min) f1(x1) % (min) f2(x2) '
(min) j wi*x1 & a1 * % (min) j wi*x2 & a2 *
m

i'1

i'1

reenje polaznog modela se moe dobiti reavanjem sledea dva zadatka:

f1(x1) ' j wi*x1 & a1 *
m

i'1
m

(min) f2(x2) ' j wi*x2 & a2 *

i

i'1

Na taj nain reavanje originalnog problema sa dve promenljive svedeno

je na reavanje dva nezavisna, ali po strukturi identina zadatka sa po jednom
promenljivom. Znai, prvo se reava problem za jednu koordinatu: (min) f1(x1)
odakle se dobija x1*, a zatim za drugu: (min) f2(x2) odakle se dobija x2*. Taka
X* = (x1*, x2*) predstavlja reenje polaznog Veberovog problema.
Neka su, kao i u prethodnom sluaju, zadate taake Ai = (a1i, a2i) i
teinski koficijenti tih taaka wi , i = 1, ... , m.
Algoritam za odreivanje j-te koordinate
1o
Sortirati koordinate taaka Ai , i = 1, ... , m u neopadajui niz. Nadalje
emo smatrati da indeks i raste po sortiranom redosledu, tj.
aj1 # aj2 # ... # ajm.
Mogua su dva sluaja:
2o

Ako za neko k 0 {1, 2, ... , m} vai: j wi <

k&1
i'1

1
j w < j wi pri
2 i'1 i
i'1
m

emu je za k = 1 leva strana nejednakosti jednaka 0, tada je traena j-ta

2. Lokacijski problemi

83

koordinata xj* = ajk.

3o

Ako za neko k 0 {1, 2, ... , m} vai:

j wi ' j wi , tada je reenje

m

2 i'1

i'1

viestruko, tj. traena koordinata xj moe da ima bilo koju vrednost iz

#
intervala [ajk, ajk+1].
Primenjujui ovaj algoritam za j = 1, a zatim za j = 2 dobijaju se obe
koordinate traene take X*.
Primer 2.6.

Reenje:

Reiti zadatak iz prethodnog primera koristei pravougaonu

metriku uz izmenu da je teina take A4 jednaka 3. Znai:
w1 = 4
A1(4, 4) ,
w2 = 1
A2(3, 1) ,
w3 = 2
A3(6, 4) ,
w4 = 3
A4(6, 2) ,

Slika 2.4.
Koordinata x1:
Sortiraju se take po prvoj koordinati i posmatramo njihove
teine.
Koordinate (a1j)

Teine (wj)

j wi

10

i'1

84

Metode optimizacije

Poto je

j wi ' 5 , za k = 2 je zadovoljen uslov da je

m

2 i'1

1
*
j w ' j wi . Znai da koordinata x1 moe imati bilo
2 i'1 i
i'1
m

koju vrednost izmeu 4 i 6, tj. 4 # x1* # 6.

Koordinata x2:
Na isti nain se sortiraju take po drugoj koordinati:
Koordinate (a2j)

Teine (wj)

j wi

10

i'1

8
Ovde vai da je j wi <
k&1
i'1

1
j w < j wi za k = 3, odnosno
2 i'1 i
i'1
m

x2* = a23 = 6. Ovaj zadatak ima beskonano mnogo reenja, tj.

#
X* = (x1*, 6), gde je x1* 0 [4, 6].
Primer 2.7.

Reiti sledei Veberov problem koristei pravougaonu metriku:

Lokacije

L1

L2

L3

L4

L5

L6

500

400

200

500

300

100

200

300

400

500

100

200

Te. koeficijenti

0,08

0,04

0,22

0,10

0,12

0,44

Koordinate

Reenje:

j wi ' 0,5
m

2 i'1

2. Lokacijski problemi

85

a1i

100

200

300

400

500

500

wi

0,44

0,22

0,12

0,04

0,08

0,10

3wi

0,44

0,66

0,78

0,82

0,90

1,0

8
*

x1 = 200.
a2i

100

200

200

300

400

500

wi

0,12

0,08

0,44

0,04

0,22

0,10

3wi

0,12

0,20

0,64

0,68

0,90

1,0

8
*

Zakljuak:

x2 = 200.
Reenje zadatka je taka X* = (200, 200).

Raulsov problem
U nekim situacijama lokacijski model u kome se kao kriterijum koristi
suma oteanih rastojanja (Veberov, odnosno minisum problem) nije pogodan jer
se deava da su u optimalnom reenju najudaljenije take preterano
zapostavljene. Ovo moe biti neprihvatljivo pri reavanju nekih praktinih
problema kao to su rasporeivanje radio i televizijskih predajnika, projektovanje
mree repetitora, odreivanja rasporeda radara i sl. U takvim sluajevima se
zahteva da novi objekat bude to je mogue blii najudaljenijoj lokaciji. Kao
kriterijum se onda koristi rastojanje do najudaljenijeg objekta. Takvi problemi
se zovu problemi tipa minimax ili minimax problemi.
Matematiki model ima oblik:
(min) f(X) ' max wi d i(X)
1#i#m

gde di(X) i wi imaju isto znaenje kao i kod Veberovog problema.

Kod veine praktinih problema ovog tipa teinski koeficijenti su jednaki
jedinici, pa se matematiki model svodi na:
(min) f(X) ' max d i(X)
1#i#m

Reenje zadatka X* je u sluaju Euklidove metrike centar kruga

minimalnog prenika koji sadri sve zadate take Ai , i = 1, ... , m. Za nalaenje

86

Metode optimizacije

ove take koristi se algoritam Elzinga i Herna [15; 16]. Ovaj algoritam je
konstrukciono geometrijskog tipa, ali se lako moe prevesti u analitiki oblik.
Algoritam Elzinga i Herna
1o

Izabrati bilo koje dve take iz skupa A = {A1, A2, ... , Am} i obeleiti ih sa
A i B.

2o

Kroz take A i B konstruisati krunicu iji je prenik du AB . Ako

sve take iz A pripadaju krugu K odreenom ovom krunicom, tada je
centar tog kruga reenje problema, tj. X* =

3o

4o
5o

A % B
, KRAJ.
2

U suprotnom izabrati proizvoljnu taku iz skupa A koja je van kruga K

i obeleiti je sa C.
Ako je trougao ABC pravougli ili tupougli, obeleiti temena najdue
stranice sa A i B i ii na korak 2o.
U suprotnom opisati krunicu oko trougla ABC i sa K obeleiti krug
odreen ovom krunicom.
Ako sve take iz skupa A pripadaju krugu K, KRAJ. Centar ovog kruga
je reenje zadatka X*.
U suprotnom ii na sledei korak.
Izabrati proizvoljnu taku iz skupa A koja je van kruga K i obeleiti je
sa A, a sa B oznaiti taku trougla najudaljeniju od A. Povui pravu kroz
take B i O (centar kruga K). Sa C oznaiti taku trougla koja se nalazi
sa suprotne strane ove prave u odnosu na taku A. Ii na korak 3o. #

Primer 2.8.

Pronai taku koja predstavlja reenje Raulsovog problema za

zadate take A1, A2, A3 i A4 (vidi sliku 2.5.).

Reenje:

Uzeemo npr. take A1 i A2 i oznaiti ih sa A i B.

Konstruisaemo krug 1 ija krunica prolazi kroz ove dve take,
iji je centar u sredini dui AB , tj. u taki O1.

2. Lokacijski problemi

87

Slika 2.5.
Poto sve zadate take ne pripadaju ovom krugu, odabraemo
proizvoljnu taku van kruga, npr. A3 i oznaiti je sa C. Poto je
trougao ABC otrougli, konstruisaemo krug 2 sa centrom u O2
koji je opisan oko trougla ABC. Kako sve take opet ne
pripadaju krugu, biramo taku izvan kruga, ovog puta to je
preostala taka A4. Ovu taku oznaavamo sa A, a sa B ponovo
oznaavamo taku A2, povlaimo pravu kroz take B i O2.
Poto se taka A (A4) nalazi desno od ove prave, izmeu taaka
A1 i A3, za taku C emo izabrati A1 jer se ona nalazi suprotno,
tj. levo od povuene prave. Sada opet imamo trougao ABC
(A1 A2 A4) koji je ovog puta tupougli. Zbog toga, oko dui
AB opisujemo krug 3 sa centrom u O3. Poto sada sve take
pripadaju krugu 3, dobili smo konano reenje, a to je taka O3,
tj. X* = O3.
#
2.4. Lokacijsko - alokacijski problem
Neka je dato m taaka Ai = (a1i, a2i) koje predstavljaju lokacije korisnika
(postojei objekti) i njihovi teinski koeficijenti wi , i = 1, ... , m. Potrebno je nai
lokacije za p snabdevaa (novi objekti) Xk = (x1k, x2k), k = 1, ... , p, tako da suma
oteanih rastojanja od njih do korisnika bude minimalna (lokacijski problem),
kao i odrediti koji snabdeva e biti pridruen kom korisniku (alokacijski, tj.

88

Metode optimizacije

asignacijski problem).
Ovom problemu odgovara sledei realni zadatak: u nekom naselju
postoji m stambenih zgrada, a potrebno je rasporediti p prodavnica tako da budu
to blie stanovnicima naselja. Osim mesta (lokacija) na kojima bi prodavnice
trebalo sagraditi, ovaj zadatak podrazumeva i to da je potrebno odrediti u kojim
e se prodavnicama snabdevati stanovnici kojih zgrada (slika 2.6.).

Slika 2.6.
Matematiki model ovog problema ima sledei oblik:
(min) f(C, X) ' j j cik wi d i(Xk)
m

i'1 k'1

p.o.

j cik ' 1 , i ' 1, ... , m

p

k'1

cik $ 0 , i ' 1, ... , m ,

k ' 1, ... , p

gde su:
m - broj postojeih objekata (korisnika);
p - broj novih objekata (snabdevaa);
C = (cik)mp, gde je cik 0 [0, 1] alokacijska promenljiva koja predstavlja
deo potreba koje i-ti korisnik zadovoljava kod k-tog snabdevaa;
X = (X1, X2, ... , Xp), gde je Xk = (x1k, x2k) lokacija k-tog snabdevaa koju
treba odrediti;
di(Xk) = d(Ai, Xk) - rastojanje od i-tog korisnika do k-tog snabdevaa;
wi - teinski koeficijent i-tog korisnika (npr. broj stanara zgrade).
1)

Razmatraju se dve varijante ovog problema:

Kapaciteti snabdevaa su neogranieni, tj. proizvoljan broj korisnika

2. Lokacijski problemi

2)

89

moe se dodeliti svakom od snabdevaa; tada se dobija reenje u kome

promenljiva cik uzima vrednosti iz skupa {0, 1}.
Kapaciteti snabdevaa su ogranieni; optimalne vrednosti promenljive
cik mogu imati bilo koju realnu vrednost iz intervala [0, 1]. U ovom
sluaju, polazni matematiki model je potrebno proiriti sledeim
skupom ogranienja:
j cik q i # Qk , k ' 1, ... , p
m

i'1

gde su:
qi - potrebe korisnika u taki Ai;
Qk - kapacitet snabdevaa u Xk.
Bez obzira da li se radi o prvoj ili drugoj varijanti, ovaj problem je
analitiki teko reiti. Zbog toga se predlae jedna heuristika metoda [11] za
unapred zadat broj snabdevaa p.
Kuperov algoritam
U sluaju kada kapacitet snabdevaa nije ogranien, Kuperov algoritam
ima sledee korake:
Proizvoljno izabrati p taaka X1, X2, ... , Xp.
1o
Reiti alokacijski problem, tj. svakom korisniku dodeliti najblieg od
2o
snabdevaa lociranih u takama X1, X2, ... , Xp. Ovaj postupak se svodi
na reavanje p diskretnih lokacijskih problema. (Izraunava se matrica
rastojanja D = (di(Xk))mp i nae minimum po svakoj vrsti. Tako se
odrede elementi matrice C = (cik), cik 0 {0, 1}.)
Za svako k 0 {1, ... , p} reiti Veberov problem u odnosu na sve
3o
korisnike vezane za snabdevaa Xk. Tako dobijena taka postaje novo Xk.
Reiti alokacijski problem kao u koraku 2o.
4o
o
Ako nema promena u alociranju u odnosu na prethodnu iteraciju KRAJ.
5
Zadnje dobijeno reenje je i konano reenje problema.
#
U suprotnom, vratiti se na korak 3o.
Napomene:
1) Za Euklidovu metriku Kuperov algoritam daje tano reenje.
2)
U sluaju ogranienih kapaciteta snabdevaa, takoe se moe primeniti
ovaj algoritam s tim to se u koracima 2o i 4o umesto proste alokacije na
najblie objekte reava transportni problem tako da matrica D
predstavlja jedininu cenu transporta, Qk - raspoloivu koliinu robe u

90

Metode optimizacije
ishoditima, a qi - koliinu robe koja je potrebna u odreditima.

Primer 2.9.

U novoizgraenom naselju potrebno je izgraditi tri prodavnice

za robu iroke potronje. Naselje se sastoji od 10 solitera, a
njihove koordinate i broj stanovnika svakog solitera dati su u
tabeli:

Soliteri

S1

S2

S3

S4

S5

S6

S7

S8

S9

S10

50

250

400

450

750

300

100

600

300

600

650

550

800

600

550

400

350

400

150

150

Br. st.

110

140

125

175

100

180

80

50

150

90

Smatra se da se svaka prodavnica moe snabdeti robom u

neogranienim koliinama.
Potrebno je odrediti mesta izgradnje ovih prodavnica tako, da
ukupno preeni put stanara od kue do prodavnice i nazad bude
minimalan, kao i optereenje svake prodavnice, tj. koliko e se
stanara snabdevati u svakoj od njih.
Za merenje rastojanja koristiti Euklidovu metriku, a za korak
zaustavljanja kod Vajsfeldovog algoritma g = 0,1.
U ovakvim sluajevima se za teinske koeficijente uzima broj
stanara. Usvojiemo sledea (proizvoljna) poetna reenja:
X1 = (100, 500), X2 = (400, 300) i X3 = (600, 800).
Matrica rastojanja solitera od prodavnica lociranih u takama X1,
X2 i X3 ima vrednosti date u tabeli:

Reenje:

S1

S2

S3

S4

S5

S6

S7

S8

S9

S10

P1

158,1 158,1 424,3 364,0 651,9 223,6 150,0 509,9 403,1 610,3

P2

495,0 291,5 500,0 304,1 430,1 141,4 304,1 223,6 180,2 250,0

P3

570,1 430,1 200,0 250,0 291,5 500,0 672,7 400,0 715,9 650,0

Podvuene vrednosti u tabeli predstavljaju rastojanja od solitera

do najblie prodavnice. Za svako podvueno polje u ovoj
(transponovanoj) matrici, odgovarajua promenljiva cik e imati
vrednost 1, a sve ostale e imati vrednost 0.
Sada emo reiti tri Veberova problema i to: za solitere S1, S2
i S7 vezane za prodavnicu P1, solitere S6, S8, S9 i S10 vezane

2. Lokacijski problemi

91

za prodavnicu P2 i za solitere S3, S4 i S5 vezane za prodavnicu

P3. Koristiemo Vajsfeldov algoritam.
Reenje ovog koraka su nove lokacije prodavnica:
P1:
X1 = (227,7, 548)
P2:
X2 = (350, 288)
P3:
X3 = (450, 600) = S4 (u ovom sluaju bi se prodavnica
nalazila npr. u prizemlju solitera S4).
Sada ponovo reavamo alokacijski problem, formirajui matricu
rastojanja solitera od novih pozicija prodavnica:
S1

S2

S3

S4

S5

S6

S7

S8

S9

S10

P1

204,9

22,4

P2

470,2 280,4 514,4 327,6 478,2 122,7 257,6 273,9 146,8 285,6

P3

403,1 206,2 206,2

305,3 228,3 522,3 164,7 235,6 400,6 404,5 545,0

304,1

250

430,1

250

474,3 474,3

Vidimo da su svi soliteri osim S8 ostali alocirani prodavnicama

kao u prethodnoj iteraciji, a stanovnicima solitera S8 je sada
blie (za 24 m) da kupuju u prodavnici P3. Poto je dolo do
izmene u matrici C = (cik), ponovo pristupamo reavanju
Veberovih problema, s tim da sada Soliter S8 utie na poloaj
prodavnice P3 umesto P2. Nove lokacije prodavnica su:
P1:
X1 = (227,7, 548)
P2:
X2 = (332,5, 254,3)
P3:
X3 = (450, 600)
Vidimo da se promenila samo lokacija prodavnice P2, ali
moramo da proverimo da li sada dolazi do promene alokacije.
Zato ponavljamo raunanje matrice rastojanja:
S1

S2

S3

S4

P1

204,9

22,4

305,3 228,3 522,3 164,7 235,6 400,6 404,5

P2

486,2

307

549,9 365,1 511,6 149,3 251,4 304,6 109,2 287,1

P3

403,1 206,1 206,1

S5

304,1

S6

250

S7

430,1

S8

250

S9

S10
545

474,3 474,3

Poto nije dolo do promene u alokaciji prodavnica, zakljuujemo da je dobijeno reenje konano. KRAJ algoritma.
Reenje glasi: nove prodavnice emo graditi na lokacijama:

92

Metode optimizacije
P1: X1 = (227,7, 548),
P2: X2 = (332,5, 254,3) i
P3: X3 = (450, 600).
U prvoj prodavnici e se snabdevati 330 (110 + 140 + 80)
stanovnika iz solitera S1, S2 i S7; u drugoj 420 (180 + 150 + 90)
stanovnika iz solitera S6, S9 i S10; a u treoj 450
(125 + 175 + 100 + 50) stanovnika solitera S3, S4, S5 i S8. #

Primer 2.10.

U jednom ravniarskom regionu postoji 7 kombinata za proizvodnju penice. Reeno je da se izgrade mlinovi za preradu ita
kako bi se na tritu nastupalo sa proizvodom vieg stepena
prerade. Da bi se pokrila proizvodnja svih sedam kombinata,
kupljena su postrojenja za dva mlina iji su kapaciteti 80 i 150
hiljada tona godinje. Koordinate kombinata (u km) i njihova
oekivana godinja proizvodnja ita (u hiljadama tona) dati su
u sledeoj tabeli:

Kombinat

K1

K2

K3

K4

K5

K6

K7

110

10

40

80

20

50

80

40

10

20

80

50

60

20

Godi. proiz.

30

55

34

40

29

18

24

Potrebno je odrediti lokacije za izgradnju mlinova, tako da

ukupan prevoz ita bude to krai. Takoe je potrebno odrediti
koliko e se ita prevoziti od kog kombinata do kog mlina.
Reenje:

Iz teksta zadatka se moe zakljuiti da se radi o lokacijsko-alokacijskom problemu sa ogranienim kapacitetima. Najbolje
je koristiti Euklidovu metriku (teren je ravniarski, pa se
transport moe vriti priblino pravolinijski). Oekivana
godinja proizvodnja kombinata e se koristiti kao teinski
koeficijenti u Veberovom problemu, a kao kapaciteti ishodita
u alokacijskom (transportnom) problemu.
Usvojiemo trivijalno poetno reenje X1o = X2o = (0, 0) i
odrediti matricu udaljenosti kombinata od ove take D ije su
kolone jednake: d(X1) = d(X2) = (117,05, 14,14, 44,72, 113,14,
53,85, 78,10, 82,46).
Sledei korak se sastoji u reavanju transportnog problema sa
sledeom (transponovanom) matricom jedininih trokova:

2. Lokacijski problemi
K1

93

K2

K3

K4

K5

K6

K7

Potra.

M1

117,05 14,14

44,72 113,14 53,85

78,10

82,46

80

M2

117,05 14,14

44,72 113,14 53,85

78,10

82,46

150

18

24

Ponud.

30

55

34

40

29

Reenje ovog transportnog problema je viestruko, a jedno od

reenja je:
K1

K2

K3

K4

K5

K6

K7

M1

30

18

24

M2

55

34

40

21

Iz reenja transportnog problema se mogu dobiti i vrednosti

t
elemenata matrice C, tj. cik ' ik , gde su sa tik obeleena
qi
koliina robe koja se transportuje iz i-tog kombinata u k-ti mlin.
U sledeem koraku reavamo dva Veberova problema u kojima
se rasporeuju mlinovi na kombinate kojima su dodeljeni u
prethodnom koraku. U prvom problemu rasporeujemo prvi
mlin izmeu taaka K1, K5, K6 i K7 sa teinskim koeficijentima
w1 = 30, w5 = 8, w6 = 18 i w7 = 24, a u drugom, drugi mlin
izmeu taaka K2, K3, K4 i K5 sa teinskim koeficijentima
w2 = 55, w3 = 34, w4 = 40 i w5 = 21. Reenje ovih problema sa
usvojenom vrednou koraka zaustavljanja g = 0,05, tj. 50
metara je: X11 = (83,68, 31,70), X21 = (32,15, 25,01).
Izraunavamo udaljenosti od ovih taaka do kombinata i
reavamo transportni problem:
K1

K2

K3

K4

K5

K6

K7

Potra.

M1

27,60

76,81

45,22

48,44

66,26

43,99

12,27

80

M2

79,28

26,76

9,31

72,89

27,79

39,28

48,11

150

Ponud.

30

55

34

40

29

18

24

Ovaj zadatak opet ima viestruko reenje. Jedno od njih je:

94

Metode optimizacije
30

26

24

55

34

14

29

18

Poto je dolo do promene alokacije, reavamo novi Veberov

problem: prvom mlinu pridruujemo kombinate K1, K4 i K7, sa
teinama 30, 26 i 24, a drugom mlinu K2, K3, K4, K5 i K6, sa
teinama 55, 34, 14, 29 i 18. Reenja ovih problema su u
takama: X12 = (101,11, 41,89), X22 = (27,89, 26,30). Udaljenosti
izmeu mlinova i kombinata, odnosno transportni problem koji
sledei reavamo:
K1

K2

K3

K4

K5

K6

K7

Potra.

M1

9,05

96,46

64,85

43,74

81,53

54,29

30,27

80

M2

83,25

24,20

13,65

74,83

24,98

40,31

52,49

150

Ponud.

30

55

34

40

29

18

24

Reenje transportnog problema:

30

40

10

55

34

29

18

14

Reenje sledeih Veberovih problema su take:

X13 = (80, 80) (poklapa se sa takom K4) i
X23 = (29,54, 23,51).
Slede naizmenino tabele za transportni problem i njegova
reenja i reenja Veberovih problema:
K1

K2

K3

K4

K5

K6

K7

Potra.

M1

50

98,99

72,11

67,08

36,06

60

80

M2

82,13

23,76

11,03

75,75

28,16

41,83

50,58

150

Ponud.

30

55

34

40

29

18

24

2. Lokacijski problemi

95

30

40

10

55

34

29

24

X14 = (80, 80), X24 = (32,28, 21,72)

K1

K2

K3

K4

K5

K6

K7

Potra.

M1

50

98,99

72,11

67,08

36,06

60

80

M2

79,84

25,17

7,91

75,32

30,83

42,18

47,75

150

Ponud.

30

55

34

40

29

18

24

30

40

10

55

34

29

24

Poto nije dolo do promene u alokaciji objekata, konstatujemo

da smo dobili optimalno reenje, tj. mlinovi e se graditi na
lokacijama X1* = (80, 80) i X2* = (32,28, 21,72), a pri tome e se
snabdevati itom iz kombinata u koliinama prikazanim u
prethodnoj tabeli.
#

2.5. Lokacija na mreama

Slino modelima optimizacije za reavanje lokacijskih problema u ravni,
formuliu se razliiti modeli za reavanje problema lokacije na mreama. U ovim
modelima se koristi pojam rastojanja izmeu dva vora mree. To rastojanje je
po definiciji duina najkraeg puta izmeu posmatranih vorova. Treba primetiti
da je pri raunanju duine puta, u nesimetrinim mreama, vano koji je poetni,
a koji krajnji vor puta. Prema tome, za jedan par vorova mogu postojati dva
rastojanja.
vorovima se pripisuju brojevi koji se koriste kao teinski koeficijenti
pri raunanju oteanih rastojanja. Kao kriterijum moe da se koristi oteano
rastojanje od novog objekta do najdaljeg vora ili zbir oteanih rastojanja od
novog objekta do vorova mree. U prvom sluaju radi se o problemima tipa

96

Metode optimizacije

minimax koji se u teoriji grafova nazivaju problemi odreivanja centra grafa. U

drugom sluaju u pitanju su problemi tipa minisum, odnosno problemi
odreivanja medijane grafa.
Lokacijski problemi na mreama mogu da se klasifikuju i prema tome
da li je novi objekat mogue postaviti samo u vor grafa ili je to mogue uiniti
i na granu grafa. Na kraju, zadaci se mogu uoptiti za sluajeve kada se razmeta
vie objekata.
Ponovo emo mreu predstavljati grafom G = (N, L), N={1, ... , n},
L={(i, j) * i 0 N, j 0 N}, pri emu se granama (i, j) 0 L pridruuju duine cij $ 0,
a svakom voru i 0 N teina wi. Rastojanje izmeu vorova i i j oznaavaemo
sa d(i, j).
Problem lokacije slube za hitne intervencije u voru mree
Pretpostavimo da je za jednu slubu koja prua hitne usluge stanovnitvu
nekoliko naselja potrebno odabrati lokaciju i da zbog nekih razloga ta sluba
treba da se nalazi u naselju. Kao kriterijum je mogue koristiti:
a)
Rastojanje od slube do najdaljeg vora (to moe da odgovara vremenu
putovanja od mesta slube do mesta gde je potrebna pomo, npr.
vatrogasna sluba);
b) Rastojanje od najdaljeg vora do slube (kada klijent sam treba da doe
u slubu za pruanje pomoi);
c)
Rastojanje od mesta slube do najdaljeg vora i nazad (kada se putuje od
slube do mesta za pomo i nazad kao u primeru hitne pomoi koja treba
da ode po bolesnika i doveze ga u bolnicu).
Svako rastojanje moe se oteati brojem stanovnika naselja ili
verovatnoom da e ba to naselje zatraiti uslugu. Zadatak je nai lokaciju
slube za pomo tako da oteano rastojanje bude to je mogue manje.
Ako se kao kriterijum koristi rastojanje od mesta slube do najdaljeg
vora, tada se zadatak lokacije formulie na sledei nain:
Odrediti vor io* takav da je
o(io*) = m i n [ m a x wj d(i, j)].
i0N

j0N

vor io naziva se spoljanji centar teinskog grafa G, a vrednost

o = o(io*) spoljanji radijus grafa. Jedan graf moe imati vie spoljanjih
centara.
U sluaju da se kao kriterijum koristi rastojanje od najdaljeg vora do
mesta novog objekta, tada se zadatak lokacije formulie na sledei nain:
Odrediti vor it* takav da je

2. Lokacijski problemi

97
t(it*) =

m in
i0N

[ m a x wj d(j, i)].
j0N

vor it* naziva se unutranji centar teinskog grafa G, a vrednost

t = t(it*) unutranji radijus grafa. Jedan graf moe imati vie unutranjih
centara.
Kada se rauna ukupno rastojanje od mesta lokacije do najdaljeg vora
i nazad, zadatak lokacije je:
Odrediti vor iot* takav da je
ot(iot*) = m i n [ m a x wj (d(i, j) + d(j, i))]
i0N

j0N

vor iot naziva se unutranjo-spoljanji centar teinskog grafa G, a

vrednost ot= sot(iot*) unutranjo-spoljanji radijus grafa.
Primetimo da u mreama za koje vai da je cij = cji za svako (i, j) 0 L vai
i d(i, j) = d(j, i) pa se unutranji, spoljanji i unutranjo-spoljanji centri grafa
poklapaju.
Algoritam za odreivanje spoljanjeg centra grafa ima sledee osnovne
korake:
Nai rastojanja izmeu svaka dva vora u mrei i formirati matricu
1o
rastojanja D = (d(i, j)) iji su elementi rastojanja izmeu vorova i i j,
i, j = 1, ... , n.
o
Svaku kolonu j matrice D pomnoiti teinom vora wj, tj. formirati
2
matricu oteanih rastojanja DN.
Nai maksimalni element (najveu vrednost) o(i) za svaki red matrice
3o
DN, tj. odrediti
o(i) = m a x {wj d(i, j)}, i=1, ... , n.
j0N

4o

Od svih o(i) odreenih u prethodnom koraku nai najmanje, tj.

o(io*) = m i n {o(i)}.

i0N

Za nalaenje unutranjeg i unutranjo-spoljanjeg centra i poluprenika

grafa ovaj algoritam se neznatno modifikuje.
Primer 2.10.

Za graf prikazan na slici 2.7. odrediti:

a) spoljanji,
b) unutranji i
c) unutranjo-spoljanji
centar ako teine vorova iznose w1 = w3 = w5 = 2 i
w2 = w4 = w6 = 1.

98

Metode optimizacije

Slika 2.7.
Reenje: a)

1o Najpre formiramo matricu rastojanja izmeu svaka dva vora:

0 2 3 6 5 5
4 0 1 4 3 3
D '

7 7 0 3 5 6
4 4 3 0 2 3
2 2 1 4 0 1
1 3 4 7 6 0

2o Kolone matrice pomnoimo odgovarajuim teinama i

dobijemo matricu oteanih rastojanja:
0 2 6 6 10 5
8 0 2 4 6 3
D) '

14 7 0 3 10 6
8 4 6 0 4 3
4 2 2 4 0 1
2 3 8 7 12 0

3o Odredimo maksimalne elemente za svaki red matrice DN:

o(1) = 10, o(2) = 8, o(3) = 14,
o(4) = 8, o(5) = 4, o(6) = 12.
4o Od prethodno izraunatih vrednosti o(i) najmanja je
o(5) = 4, to znai da je vor 5 spoljanji centar grafa.
b)

Za odreivanje unutranjeg centra grafa prva dva koraka su ista

kao i u sluaju pod (a). U treem koraku se raunaju maksimalni
elementi kolona matrice DN
t(1) = 14, t(2) = 7, t(3) = 8,

2. Lokacijski problemi

99

t(4) = 7, t(5) = 12, t(6) = 6.

Na osnovu ovih vrednosti se zakljuuje da postoje dva
unutranja centra grafa i da su to vorovi 2 i 4.
c)

Za odreivanje unutranjo-spoljanjeg centra grafa najpre se

izraunaju ukupna rastojanja (i, j) = d(i, j) + d(j, i) i tako dobija
sledea matrica :
0 6 10 10 7 6
6
'

8 5 6

10 10 0

6 6 10

10 8

0 6 10

6 0 7

6 10 10 7 0

Kolone ove matrice pomnoe se teinama vorova i dobije

sledea matrica oteanih rastojanja:
0 6 20 10 14 6
12 0 16 8 10 6
) '

20 10 0

6 12 10

20 8 12 0 12 10
14 5 12 6

12 6 20 10 14 0
Za svaki red matrice odrede se maksimalni elementi:
ot(1) = 20, ot(2) = 16, ot(3) = 20,
ot(4) = 20, ot(5) = 14, ot(6) = 20
Najmanja vrednost je ot(5) = 14 i unutranjo-spoljanji centar
grafa je vor 5.
#
Problem lokacije slube za hitne intervencije na grani mree
Posmatrajmo ponovo problem lokacije slube za hitne intervencije kada
ne postoji ogranienje da ona mora da se nae u naselju. Drugim reima, ponovo
se razmatra problem lokacije na mrei tipa minimax ali je novi objekat mogue
postaviti u vor ili na granu. Za modeliranje ovog problema koristi se pojam
take koja pripada grafu, odnosno grani. Taku x koja pripada grani (i, j) definie

100

Metode optimizacije

duina = c(i, x) dela (i, x), pri emu je ispunjen uslov da je cij = c(i, x) + c(x, j)
(slika 2.8). U posebnim sluajevima kada je c(i, x) = 0 ili c(i, x) = cij, taka x
predstavlja krajnji vor grane (i, j).

Slika 2.8.
Problem tipa minimax se formulie kao zadatak nalaenja take grafa za
koju vai da je rastojanje od nje do najdaljeg vora (ili od najdaljeg vora do nje)
minimalno. Ovakvi zadaci se nazivaju problemi odreivanja apsolutnih centara
teinskog grafa. Nadalje e se razmatrati samo problem apsolutnog spoljanjeg
centra.
Obeleimo sa d(x, i) rastojanje od neke take x koja pripada grafu G do
proizvoljnog vora i 0 N (tj. duinu najkraeg puta od take x, tretirane kao vor,
do vora i). Zadatak odreivanja apsolutnog spoljanjeg centra je:
Odrediti xo* na grafu G tako da je
o(xo*) = min [ min {wi d(x, i)}]
i 0N

gde se prvi minimum odnosi na sve take koje pripadaju grafu G.

Za reavanje ovog zadatka prikazaemo algoritam Hakimija [9] u sluaju
kada se primenjuje na simetrinu mreu.
U osnovnom obliku algoritam Hakimija ima dva koraka. U prvom se za
svaku granu nae taka za koju vai da je oteano rastojanje od nje do najdaljeg
vora minimalno, tj. ree se problemi tipa minimax za svaku od grana. Ove take
se nazivaju lokalni centri, a odgovarajua rastojanja lokalnim radijusima grana
grafa. U drugom koraku se od prethodno utvrenih lokalnih centara izabere onaj
koji daje najmanju vrednost radijusa.
Da bismo objasnili kako se realizuje prvi korak algoritma, uoimo neku
granu (m, l) (slika 2.9) i na njoj proizvoljnu taku x koja je definisana duinom
= c(m, x) dela grane (m, x). Da bi se izraunao lokalni radijus grane (m, l), koji
emo oznaiti sa ml*, prvo treba izraunati rastojanje od proizvoljne take x na
grani do najdaljeg vora grafa.

2. Lokacijski problemi

101

Slika 2.9.
Od take x do proizvoljnog vora i 0 N moe se dospeti preko vora m
ili preko vora l. Kada se ide preko vora m, duina i () puta od take x do
vora i je
i() = c(x, m) + d(m, i) = + d(m, i),
a kada se ide preko vora l, duina puta iN() od take x do vora i je
iN() = cml - c(x, m) + d(l, i) = cml - + d(l, i).
Rastojanje d(x, i) je duina kraeg od ova dva puta
d(x, i) = min {i(x), iN(x)}.
Oznaimo sa dNi() oteano rastojanje od take x do vora i. Ono ima
oblik:
dNi() = wi min { + d(m, i), cml - + d(l, i)}.
Najpre treba odrediti najdalji vor za svako , 0 # # cml; zatim se trai
ono * za koje je rastojanje do najdaljeg vora minimalno. Drugim reima, za
granu (m, l) reava se sledei minimax problem:
ml* = m i n [ m a x di()]
0##c ml

i0N

Poto se za svaku granu odredi lokalni centar i lokalni radijus, izabere

se onaj lokalni centar kome odgovara najmanji radijus. Ovo emo ilustrovati
sledeim primerom.
Primer 2.11.

Za graf prikazan na slici 2.10. odrediti apsolutni spoljanji

centar ako su teine svih vorova jednake i iznose
w1 = w2 = w3 = w4= w5 = 1.

102

Metode optimizacije

Slika 2.10.
Reenje:

Najpre odredimo matricu rastojanja D, a onda mnoenjem

odgovaraih kolona teinama vorova, matricu oteanih
rastojanja DN:
0 4 2 10 7
4
D ' 2

0 6 8 11
6 0 8

10 8 8 0

7 11 5 4

Uzeemo da se na grani (m, l), rauna od vora iji je indeks

manji, tj, ako je m < l, onda je = c(m, x), a u suprotnom,
= c(l, x).
Ako se novi objekat postavi na granu (1, 2), tj. m = 1, l = 2, tada
su rastojanja i() i iN() od take x do vorova grafa:
1N() = c12 - + d(2, 1) = 8 -
1() = + d(1, 1) =
2N() = c12 - + d(2, 2) = 4 -
2() = + d(1, 2) = + 4
3N() = c12 - + d(2, 3) = 6 -
3() = + d(1, 3) = + 2
4N() = c12 - + d(2, 4) = 12 -
4() = + d(1, 4) = + 10
5N() = c12 - + d(2, 5) = 15 -
5() = + d(1, 5) = + 7

2. Lokacijski problemi

103

Slika 2.11.
Grafici ovih funkcija prikazani su na slici 2.11. Debljom linijom
su oznaene rastojanja dNi() = wi min {i, iN}. Sa grafika se vidi
da se lokalni centar dobija za = 2,5 i da lokalni radijus iznosi
s12 = 9,5.

Slika 2.12.

Slika 2.13.

Slika 2.14.

Slika 2.15.

104

Metode optimizacije

Slika 2.16.
Analognim postupkom dobijaju se grafici i za grane (1, 3),
(2, 4), (3, 4), (3, 5) i (4, 5) (prikazani redom na slikama
2.12. - 2.16.) i odreuju lokalni centri i radijusi za ostale grane
grafa. Rezultati su prikazani u sledeoj tabeli.
Grana

ml

(1,2)

2,5

9,5

(1,3)

(2,4)

(3,4)

(3,5)

1,5

7,5

(4,5)

1,5

9,5

Prema tome, apsolutni centar grafa xo* nalazi se na grani (3,4)

na rastojanju * = d(3, xo*) = 1, a apsolutni radijus iznosi
#
o(*) = 7.
Algoritam Hakimija se modifikuje tako to se za svaku granu izraunaju
gornja i donja granica izmeu kojih se nalazi vrednost lokalnog radijusa. Potom
se grane ija je donja granica lokalnog radijusa vea od gornje granice lokalnog
radijusa neke druge grane, odstrane iz daljeg razmatranja. Na taj nain se
algoritam moe ubrzati nekoliko puta.
Procene donjih i gornjih granica lokalnih radijusa odreuju se na sledei
nain.
U skladu sa slikom 2.9. i izrazom za di(), rastojanje od bilo koje take

2. Lokacijski problemi

105

na grani (m, l) do nekog vora i ne moe biti manje od rastojanja od vora m ili
od vora l do vora i. Prema tome, procena sml(i) najmanjeg rastojanja od bilo
koje take na grani (m, l) do vora i je:
sml(i) = min {wi d(m, i), wi d(l, i)}.
Svakoj grani se tako moe pridruiti lokalni radijus koji ne moe biti
manji od
sml = max sml(i).
i0N

Dakle, apsolutni radijus ne moe biti manji od

s = m i n sml.
(m, l)0L

S druge strane, rastojanje od bilo koje take na grani (m, l) do nekog

vora i ne moe biti vee od ranije izraunatog lokalnog radijusa sml uveanog
za jednu polovinu duine grane (m, l), tj. ne moe biti vei od sml +

1
2

ws cml, gde

je s vor koji odgovara radijusu sml. Apsolutni radijus ne moe biti vei od s ,
s = min {sml +
(m, l)0L

1
2

ws cml}.

Ako se za neku granu utvrdi da je donja granica za lokalni radijus sml

vea od s , nju dalje ne treba razmatrati.
Primer 2.12.

Za graf na slici 2.17. odrediti apsolutni centar i radijus.

Slika 2.17.
Reenje:

Najpre formiramo matricu rastojanja:

106

Metode optimizacije
0 4 3 11 11 5
4 0 2 7

9 4

3 2 0 8

8 2

11 7 8 0

2 8

11 9 8 2

0 6

5 4 2 8

6 0

Korienjem izraza za donju i gornju granicu lokalnog radijusa

dobijamo:
4
s 12 = 9 +
= 11
s12 = max (2, 7, 9, 4) = 9
2
s 13 = 8 + 1,5 = 9,5
s13 = max (2, 8, 8, 2) = 8
s23 = max (3, 7, 8, 2) = 8
s 23 = 8 + 1 = 9
s24 = max (4, 2, 2, 4) = 4
s 24 = 4 + 3,5 = 7,5
s34 = max (3, 2, 2, 2) = 3
s 34 = 3 + 4 = 7
s36 = max (3, 2, 8, 6) = 8
s 36 = 8 + 1 = 9
s45 = max (11, 7, 8, 6) = 11
s 45 = 11 + 1 = 12
s56 = max (5, 4, 2, 2) = 5
s 56 = 5 + 3 = 8
Poto je najmanja gornja granica za lokalni radijus s 34 = 7, iz
daljeg razmatranja se mogu iskljuiti grane: (1, 2), (1, 3), (2, 3),
(3, 6) i (4, 5) jer su donje granice njihovih lokalnih radijusa vee
od 7. Daljom primenom algoritma Hakimija kao u prethodnom
primeru, dobija se da graf ima radijus koji iznosi 6,5 i tri
apsolutna centra i to: na grani (2,4) za = 2,5; na grani (3,4) za
= 3,5; i na grani (5,6) za = 4,5.
#
Problem lokacije skladita (snabdevaa)
Pretpostavimo da od nekoliko naselja treba izabrati jedno u koje e se
smestiti zajedniko skladite. Iz ovog skladita snabdevaju se sva naselja tako da
su trokovi transporta od izabranog do nekog drugog naselja proporcionalni
njihovom rastojanju. Ukupni trokovi su jednaki oteanoj sumi ovih rastojanja
gde se teinski koeficijenti pripisuju naseljima, tj. vorovima grafa. I u ovom
sluaju je, zavisno od naina raunanja rastojanja, mogue postaviti sledea tri
optimizaciona zadatka:

2. Lokacijski problemi

107

Ako se kao kriterijum koristi rastojanje od mesta skladita do mesta

potroaa, tada se zadatak lokacije formulie na sledei nain:
Odrediti vor io* takav da je:
(
o(io ) ' min j wj d(i, j) .
i0N j0N

vor io* naziva se spoljanja medijana teinskog grafa G.

U sluaju da se kao kriterijum koristi rastojanje od potroaa do
skladita, tada se zadatak lokacije formulie na sledei nain:
Odrediti vor it* takav da je:
(
t(it ) ' min j wj d(j, i) .
i0N j0N

vor it* naziva se unutranja medijana teinskog grafa G.

Kada se rauna ukupno rastojanje od skladita do potroaa i nazad,
zadatak lokacije je:
Odrediti vor iot* takav da je:
(
ot(iot) ' min j wj d(j, i) % d(i, j) .
i0N j0N

vor iot* naziva se unutranjo-spoljanja medijana teinskog grafa G.

Zadaci odreivanja medijane mogu da se formuliu i za sluaj kada je
doputeno da se skladite postavi u bilo koju taku grafa. Pokazuje se, meutim,
da se taka koja odgovara medijani grafa i tada nalazi u nekom od vorova. Na
taj nain se problemi lokacije na mreama tipa minisum svode na diskretne
lokacijske probleme. Prethodno je potrebno samo izraunati rastojanja izmeu
vorova i njihove odgovarajue sume.
Primer 2.13.

Za graf prikazan na slici 2.7. odrediti unutranjo-spoljanju

medijanu ako su teine vorova w1 = w3 = w5 = 1 i
w2 = w4 = w6 = 2.

Reenje:

U primeru 2.10. je odreena matrica rastojanja D = (dij) izmeu

vorova i i j. Na osnovu nje odrediemo matricu D = (dij) iji
elementi predstavljaju zbir rastojanja od vora i do vora j i od
vora j do vora i, tj. dij = dij + dji.
Tako dobijamo:

108

Metode optimizacije
0 6 10 10 7 6

D '

6 0 8

8 5 6

10 8 0

6 6 10

10 8 6

0 6 10

7 5 6

6 0 7

6 6 10 10 7 0
Kolonu j matrice D pomnoimo teinom vora wj i dobijemo matricu
oteanih rastojanja
0 12 10 20 7 12
6
D) '

8 16 5 12

10 16 0 12 6 20
10 16 6

0 6 20

7 10 6 12 0 14
6 12 10 20 7 0
Sabiranjem elemenata redova matrice DN dobija se vektor S ija i-ta
komponenta predstavlja sumu oteanih rastojanja sot(i) od vora i do svih
vorova grafa:
S = (61, 47, 64, 58, 49, 56).
Najmanji element ovog vektora odgovara indeksu i* = 2 i on predstavlja
traenu medijanu.
#
2.6. Reeni zadaci
Zadatak 2.1.

Potrebno je organizovati sistematski pregled za predkolsku

decu u optini koja ima 5 vrtia. Ekipa zdravstvenog osoblja
koja vri sistematski pregled treba da odabere jednu od 4 zdravstvene ustanove u kojoj e pregled biti obavljen tako da ukupni
trokovi prevoza dece (suma oteanih rastojanja) budu to manji
(slika 2.7). Poto se radi o urbanoj sredini, treba koristiti
pravougaonu metriku. Koordinate zdravstvenih ustanova, vrtia
i broj dece u njima dati su u tabelama:

2. Lokacijski problemi

109

Vrtii

V1 V2 V3 V4 V5

15 58 40 66 80

32

26

70

60

40 30

40

25

30

14 44

Zdr. ust. Z1 Z2 Z3 Z4

Br. dece 155 92 134 112 48

Slika 2.18.
Reenje:

Sume oteanih rastojanja za zdravstvene ustanove Z1, Z2, Z3 i

Z4 su: 20 523, 20 804, 21 539 i 20 855, respektivno, dakle
zdravstvena ekipa treba da se locira u ustanovi Z1.
#

Zadatak 2.2.

Odrediti lokaciju novog objekta koji treba da snabdeva korisnike

koji stanuju u 5 postojeih objekata. koordinate ovih objekata
su: A (1, 2), B (3, 1), C (7, 2), D (7, 7) i E (2, 6). Na osnovu
broja stanara u njima, ovim objektima su dodeljeni sledei
teinski koeficijenti: 2 za A i D, 3 za B, 4 za C, a za E 5. Novi
objekat trebalo bi postaviti na jednoj od sledee 3 mogue
lokacije: N1 (6, 1), N2 (5, 6) ili N3 (1, 5), tako da suma oteanih
rastojanja od njega do postojeih objekata bude to manja. Za
merenje rastojanja izmeu objekata koristiti l2 metriku.

Reenje:

W1 = 69,04, W2 = 64,83, W3 = 65,97; novi objekat postaviti na

lokaciju N2 (5, 6).
#

Zadatak 2.3.

Istraivaka ekspedicija ispitivae reon u kome se nalazi 5 arheolokih nalazita, a u blizini se nalazi samo jedan izvor vode (na
slici 2.8. nalazita su obeleena krstiima, a izvor krugom).
lanovi ekspedicije su odluili da postave logor na jednom
mestu, a da odatle ujutru odlaze do mesta na kojima se vre

110

Metode optimizacije
iskopavanja, a uvee vraaju. Za svako od nalazita je odreeno:
koliko e dana biti potrebno vriti istraivanja. Takoe je
odreeno koliko e puta biti potrebno, za to vreme, otii do
izvora da bi se logor snabdeo vodom. Ovi podaci, kao i
koordinate nalazita i izvora (u km) dati su u tabeli:
Nalazite
Koordinata
Broj odlazaka

izvor

14

10

18

lanovi ekspedicije treba da odrede lokaciju logora tako, da se

to je mogue manje izgubi vremena na putu do nalazita, ali i
da izvor vode bude to blii. Poto je mogue kretati se
pravolinijski izmeu taaka, za raunanje udaljenosti
koristiemo Euklidovu metriku, a za teinske koeficijente taaka
broj odlazaka do njih. Smatra se da su koordinate logora
dovoljno precizne ako se za koeficijent zaustavljanja usvoji
g = 0,25 (250 m).

Slika 2.19.
Reenje:

Za zadat koeficijent zaustavljanja g, zadovoljavajue reenje se

dobija u treoj iteraciji: x* = 6,24, y* = 4,57.

Napomena:

Da je koeficijent zaustavljanja bio g = 0,01 (10 m), reenje bi se

2. Lokacijski problemi

111

dobilo tek u 25. iteraciji i bilo bi vie od kilometra blie izvoru:

x = 5,21, y = 4,32.
#
Zadatak 2.4.

U naselju od 6 solitera je potrebno sagraditi prodavnicu robe

iroke potronje. Koordinate solitera, kao i broj stanara svakog
od njih dati su u sledeoj tabeli:
Soliter
Koordinate
Br. stanara

a)

b)

Reenje:

a)
b)

Zadatak 2.5.

S1

S2

S3

S4

S5

S6

20

40

20

40

70

20

30

35

10

15

20

180

60

90

120

50

200

Odrediti lokaciju prodavnice tako da jedini kriterijum bude taj

da suma oteanih rastojanja izmeu nje i solitera bude
minimalna. Koristiti pravougaonu metriku, a za teine usvojiti
broj stanara solitera.
Naknadno je urbanistikim planom utvreno da se prodavnica
mora nalaziti na jednoj od sledee tri lokacije: P1 (15, 15),
P2 (30, 25) ili P3 (50, 30). Koristei isti kriterijum i istu metriku
kao pod (a), utvrditi na kojoj od ove tri lokacije sagraditi
prodavnicu.
Radi se o Veberovom problemu sa pravougaonom metrikom.
Reenje je: x = 20, y = 20.
Ovo je diskretni lokacijski problem i potrebno je izraunati
sumu oteanih rastojanja za svaku potencijalnu lokaciju:
W1 = 22400, W2 = 21100, W3 = 26300. Jasno je da prodavnicu
treba sagraditi na lokaciji P2, tj. koordinatama (30, 25).
#
U fabrikom kompleksu postoje 4 nezavisna raunska centra
(RC) locirana na koordinatama (u metrima): RC1 (150, 275),
RC2 (125, 75), RC3 (325, 100) i RC4 (350, 175). Odlueno je
da se uvede jedinstven informacioni sistem tako to bi postojao
centralni RC gde bi bio server kome bi se pristupalo iz
postojeih RC-a. Za novi RC bi se sagradio poseban objekat u
fabrikom krugu.
Planira se da se postojei RC-i umree sa centralnim pomou
beinih mrenih kartica. Poznato je da brzina transfera preko
ovih kartica znaajno opada to im je udaljenost vea (najvie
150 m). Poto je komunikacija sa svakim od postojeeg RC-a

112

Metode optimizacije
podjednako vana, potrebno je postaviti zgradu novog RC-a
tako da joj i najdalji postojei RC bude to blii. Odrediti
lokaciju novog RC-a.

Reenje:

Ovo je Raulsov problem sa Euklidovom metrikom. Zadatak

emo reiti algoritmom Elzinga i Herna:

Slika 2.20.
Reenje je dobijeno grafiki: X* = (20, 165). Najudaljeniji
raunski centar od centralnog RC-a je RC2 i on se nalazi na
priblino 131 m.
#
Zadatak 2.6.

TV-ekipa je dobila zadatak da prenosi automobilsku trku. Na

stazi postoje 4 kljuna mesta koja treba pokriti kamerama
(start/cilj, boksovi i dve teke krivine). Skica staze i kljunih
mesta data je na slici 2.10, a koordinate tih mesta su:
S (4,4, 0,9), B (4,8, 8,8), O1 (8,5, 6,2) i O2 (3,2, 4,8). Za
snimanje su dobijene samo dve kamere. Problem se sastoji u
tome da se odredi poloaj kamera tako da take snimanja budu
to blie i da se odredi kojom kamerom e se snimati koja

2. Lokacijski problemi

113

kljuna mesta. Smatra se da su sva mesta podjednako vana i da

se jednom kamerom moe snimati proizvoljan broj mesta.

Slika 2.21.
Reenje:

Ovaj zadatak reavamo kao problem alokacije sa neogranienim

kapacitetom i teinskim koeficijentima 1. Kamere e biti
najblie kljunim mestima ako se jedna kamera postavi na
samom startu, tj. X1* = (4,4, 0,9) i ona bi snimala samo tu taku.
Drugu kameru bi trebalo postaviti na koordinatama
X2* = (5,32, 6,98) i ona bi pokrivala ostale tri take. Udaljenost
od druge kamere do boksova i krivina O1 i O2 e iznositi: 1,89,
3,27 i 3,04, respektivno.
#

114

Metode optimizacije

2. LOKACIJSKI PROBLEMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.1. Uvod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.2. Diskretni lokacijski problemi . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.3. Kontinualni lokacijski problemi . . . . . . . . . . . . . . . . . . . . . . . . 75
2.4. Lokacijsko - alokacijski problem . . . . . . . . . . . . . . . . . . . . . . . 87
2.5. Lokacija na mreama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
2.6. Reeni zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108