Professional Documents
Culture Documents
Lokacijski Problemi PDF
Lokacijski Problemi PDF
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
l2 (Euklidova) metrika:
d l (A, B) '
l4 (ebievljeva) metrika:
j'1
j xj & xj
n
B2
j'1
1#j#n
72
Metode optimizacije
Slika 2.1.
U l2 metrici rastojanje izmeu taaka A i B je jednako hipotenuzi trougla ABC,
tj.
B
2. Lokacijski problemi
2.
73
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
74
Metode optimizacije
Primer 2.1.
Reenje:
Zakljuak:
Primer 2.2.
Reenje:
Zakljuak:
Primer 2.3.
2. Lokacijski problemi
75
Zakljuak:
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
76
Metode optimizacije
d(Ar, Al) ' (a1 & a1 )2 % (a2 & a2 )2 , r, l 0 {1, ... , m}.
2o
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
d(X k, Ai) ' (x1 &a1 )2 % (x2 &a2 )2 , i 0 {1, ... , m}.
5o
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.
Slika 2.2.
Reenje:
1o
78
Metode optimizacije
d(A2, A4) = 3,162
d(A3, A4) = 2
2o
c1 '
3o
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 % 1 % 2 % 4
=5
5o
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
5o
6o
x12 = 5,118
x22 = 3,118
*5,0952 - 5,118* = 0,023 < g
*3,0952 - 3,118* = 0,023 < g
=> KRAJ.
Zakljuak:
Primer 2.5.
M1
M2
M3
M4
10
12
Broj stanovnika
80
30
25
40
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:
2o
c1 '
3o
4o
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
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:
82
Metode optimizacije
i'1
m
i'1
i'1
i'1
i'1
i'1
m
i'1
1
j w < j wi pri
2 i'1 i
i'1
m
2. Lokacijski problemi
83
2 i'1
i'1
Reenje:
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
2 i'1
1
*
j w ' j wi . Znai da koordinata x1 moe imati bilo
2 i'1 i
i'1
m
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
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
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
3o
4o
5o
A % B
, KRAJ.
2
Primer 2.8.
Reenje:
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.
k'1
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)
2. Lokacijski problemi
2)
89
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.
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
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
2. Lokacijski problemi
91
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
304,1
250
430,1
250
474,3 474,3
S2
S3
S4
P1
204,9
22,4
P2
486,2
307
P3
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
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
78,10
82,46
80
M2
117,05 14,14
78,10
82,46
150
18
24
Ponud.
30
55
34
40
29
K2
K3
K4
K5
K6
K7
M1
30
18
24
M2
55
34
40
21
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
94
Metode optimizacije
30
26
24
55
34
14
29
18
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
40
10
55
34
29
18
14
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
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
96
Metode optimizacije
j0N
2. Lokacijski problemi
97
t(it*) =
m in
i0N
[ m a x wj d(j, i)].
j0N
j0N
4o
i0N
98
Metode optimizacije
Slika 2.7.
Reenje: a)
7 7 0 3 5 6
4 4 3 0 2 3
2 2 1 4 0 1
1 3 4 7 6 0
14 7 0 3 10 6
8 4 6 0 4 3
4 2 2 4 0 1
2 3 8 7 12 0
2. Lokacijski problemi
99
8 5 6
10 10 0
6 6 10
10 8
0 6 10
6 0 7
6 10 10 7 0
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
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
102
Metode optimizacije
Slika 2.10.
Reenje:
0 6 8 11
6 0 8
10 8 8 0
7 11 5 4
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
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
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}.
Slika 2.17.
Reenje:
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
2. Lokacijski problemi
107
Reenje:
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.
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
Slika 2.18.
Reenje:
Zadatak 2.2.
Reenje:
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
Slika 2.19.
Reenje:
Napomena:
2. Lokacijski problemi
111
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
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:
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.
2. Lokacijski problemi
113
Slika 2.21.
Reenje:
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