Professional Documents
Culture Documents
D E PA R TA M E N T O D E I N G E N I E R Í A I N D U S T R I A L
INGENIERÍA CIVIL INDUSTRIAL
INTRODUCCIÓN: Suminist ro
ETAPAS DEL
SISTEMA DE Demanda
DISTRIBUCIÓN Suminist ro
Costos de
Inventario,
Almacenamiento
y Operaciones
Costos de Costos de
Producción y Inventario, Costos de
Costos de Transporte
Compras Almacenamiento
Transporte
y Operaciones
Capítulo I : Ruteo Vehicular
http://www.math.uwaterloo.ca/tsp/index.html
◦ Heurísticas:
➢ Vecino más cercano
➢ Local Search – Two opt
◦ Metaheurísticas:
➢ Tabu Search, Simulated annealing
➢ Bio Inspirados: Genetic Algorithm, Ant Colony, Grey Wolf Optimizer
6 16
5,2
6,2 6,8 9 10
3 12
7,5 12
11
11,2
10 18
8,7 7
7
8,2 4 11
12
9 15
4 13
N N
Restricciones
N
Desde cada ciudad
se debe salir una vez
s. a : Y
j =1
ij =1 i = 1,..., N
N
A cada ciudad se debe
llegar una vez Y
j =1
ji =1 i = 1,..., N
3
5
2
ELIMINACIÓN DE
SUB-TOURS
1 2
4 5
Capítulo II : Ruteo Vehicular
j l
i m
k
Ejemplo:
• ¿Es realmente útil esta solución?
• ¿Qué debemos hacer a la formulación del TSP?
• Veremos dos alternativas para evitar este problema
2 2
5 5
1 3 7 1 3 7
2
5
6 6
4 4
1 3 7
2 2
5 5
6
4
1 3 7 1 3 7
6 6
4 4
i , jS ,( i , j )A
X ij S − 1 S N , 2 ≤ 𝑆 ≤ 𝑛 − 2
Profesor: Bryan Urra Calfuñir 29 UNIVERSIDAD CATÓLICA DEL NORTE 29
Modelo DFJ: |S|-1
N N
Restricciones
N
Desde cada ciudad
se debe salir una vez
s. a : Y
j =1
ij =1 i = 1,..., N
N
A cada ciudad se debe
llegar una vez Y
j =1
ji =1 i = 1,..., N
𝑁
Eliminación de subtour:
𝑌𝑖𝑗 ≤ 𝑆 − 1, ∀𝑆 ⊆ 𝑁, 2 ≤ 𝑆 ≤ 𝑛 − 2
Dantzig, Fulkerson, Jhonson
𝑖,𝑗∈𝑆,(𝑖,𝑗)∈𝐴
( X 56 + X 65 ) + ( X 57 + X 75 ) + ( X 67 + X 76 ) 2 4
restricciones de ciclos!!!
– De a 7 nodos :
Profesor: Bryan Urra Calfuñir 31 UNIVERSIDAD CATÓLICA DEL NORTE 31
Modelo DFJ: otra formulación
• La formulación anterior es correcta, pero requiere “encontrar y escribir” una gran
cantidad de restricciones
• ¿Son realmente necesarias todas las restricciones?
• Es posible incorporarlas secuencialmente.
2
Ejemplo:
5
Para cada par de subconjuntos R,SN,
disjuntos (RS = ) entre si, debe existir
1 3 7 al menos un arco que los conecte.
Es decir, para cada par de nodos debe
4
6
existir al menos una ruta que los conecte.
iS , jS ( i , j )A
X ij 1 S N
Sujeto a:
𝑌𝑖𝑗 + 𝑌𝑗𝑖 = 2 ∀𝑖 ∈ 𝑁
𝑗∈𝑁,𝑗>𝑖 𝑗∈𝑁,𝑗<𝑖
𝑁
𝑌𝑖𝑗 ≤ 𝑆 − 1, ∀𝑆 ⊆ 𝑁, 2 ≤ 𝑆 ≤ 𝑛 − 2
𝑖,𝑗∈𝑆,𝑖<𝑗
𝑌𝑖𝑗 ∈ 0,1 ∀(𝑖, 𝑗) ∈ 𝐴
Profesor: Bryan Urra Calfuñir 33 UNIVERSIDAD CATÓLICA DEL NORTE 33
Modelo MTZ
¿Cómo podríamos haber modelado la eliminación del subtour S, de otra
manera?
◦ Supongamos el caso del TSP general (no necesariamente simétrico y en
un grafo dirigido). Definimos las variables auxiliares (continua) 𝑢𝑖 ∀𝑖 ∈ 𝑁
que nos diga en qué posición en la ruta está el nodo i.
◦ Restricciones de eliminación de subtours de MTZ (Miller, Tucker and
Zemlin):
𝑢1 = 1
2 ≤ 𝑢𝑖 ≤ 𝑛, ∀𝑖 ∈ 𝑁, 𝑖 ≠ 1
𝑢𝑖 − 𝑢𝑗 + 1 ≤ 𝑛 − 1 1 −𝑌𝑖𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴, 𝑗 ≠ 1
3 6
2 7
Y si 𝑌𝑖𝑗 = 0?
La restricción no 5
se debe activa en 8
este caso. 4
13
1
9
14
12 10
11
𝑌𝑖𝑗 = 0
→ 𝑢𝑖 − 𝑢𝑗 + 1 ≤ (𝑛 − 1)
𝑢𝑖 − 𝑢𝑗 + 1 ≤ 𝑛 − 1 1 −𝑌𝑖𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴, 𝑗 ≠ 1
𝑥𝑖𝑗 = 1 ∀𝑗 =𝑠
𝑖
𝑥𝑗𝑖 = 1 ∀𝑗=𝑡
𝑖
Profesor: Bryan Urra Calfuñir UNIVERSIDAD CATÓLICA DEL NORTE 46
Shortest-Path Problem
Algoritmo Disjktra, donde: Pasos:
◦ 𝑉 = 𝑁 ∪ 0, es el conjunto de nodos.
◦ 𝐴 es el conjunto de aristas del grafo
𝐴 = { 𝑖, 𝑗 : 𝑖, 𝑗 ∈ 𝑁 ∧ 𝑖 < 𝑗}
◦ cij costo de transporte en la arista (i, j)
◦ xij = 1, si la arista (i, j) pertenece
a alguna ruta, 0 e.o.c.
Profesor: Bryan Urra Calfuñir UNIVERSIDAD CATÓLICA DEL NORTE 48
Capacitated Vehicle Routing Problem (CVRP)
Métodos exactos:
◦ Suposiciones del modelo:
➢ Las demandas son determinísticas
➢ Las demanda no se pueden dividir
➢ Los vehículos son idénticos
➢ Los vehículos están en un DC central
➢ Los vehículos tiene capacidad restringida
¿Qué se debe cumplir a nivel de nodos para que esta solución sea válida?
El grado de entrada y el de salida de todo nodo (excepto el depot) debe ser igual a 1
𝑥𝑖𝑗 = 1 ∀ 𝑗 𝜖 𝑁 𝑥𝑖𝑗 = 1 ∀ 𝑖 𝜖 𝑁
𝑖 𝜖 𝑉,𝑗≠𝑖 𝑗 𝜖 𝑉,𝑗≠𝑖
𝑥𝑖𝑗 ≥ 𝑟 𝑠 ∀ 𝑆 ⊆ 𝑁, 𝑆 ≠ 𝜙
𝑖 ∉𝑆 𝑗 𝜖 𝑆
Sujeto a:
𝑥𝑖𝑗 = 1 ∀ 𝑖 𝜖 𝑁
𝑗 𝜖 𝑉,𝑗≠𝑖
𝑥𝑖𝑗 = 1 ∀ 𝑗 𝜖 𝑁
𝑖 𝜖 𝑉,𝑗≠𝑖
𝑥0𝑗 = 𝐾
𝑗𝜖𝑁
𝑥𝑖𝑗 ≥ 𝑟(𝑠) ∀ 𝑆 ⊆ 𝑁, 𝑆 ≠ 𝜙
𝑖 ∉𝑆 𝑗 𝜖 𝑆
𝑥𝑖𝑗 ∈ 0,1 ∀ 𝑖, 𝑗 ∈ 𝐴
Profesor: Bryan Urra Calfuñir UNIVERSIDAD CATÓLICA DEL NORTE 54
Capacitated Vehicle Routing Problem (CVRP)
¿Es [σ𝑖∈𝑆 𝑞𝑖 /𝑄] la mejor cota que podemos utilizar?
σ𝑖∈𝑆 𝑞𝑖 320
= =6
𝑄 55
Asumiendo que los pedidos no se pueden dividir entre vehículos, ¿es posible satisfacer
estos clientes usando 6 vehículos?
Bin packing problem (BPP)
σ𝑖∈𝑆′ 𝑞𝑖
=5
𝑄
Profesor: Bryan Urra Calfuñir UNIVERSIDAD CATÓLICA DEL NORTE 55
Modelo MTZ para CVRP
Para el caso no dirigido, definimos las variables 𝑢𝑖 ∀𝑖 ∈ 𝑁 que representan
la demanda acumulada ya atendida por el vehículo al momento de salir de
visitar al cliente 𝑖.
◦ Las restricciones de eliminación de subtours de MTZ (Miller, Tucker and
Zemlin) y capacidad asociadas a esta formulación, son las siguientes:
𝑢𝑖 − 𝑢𝑗 + 𝑄 ∙ 𝑥𝑖𝑗 ≤ 𝑄 − 𝑞𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴
𝑞𝑖 ≤ 𝑢𝑖 ≤ 𝑄 𝑖 ∈ 𝑁
Sujeto a:
𝑥𝑖𝑗 = 1 ∀ 𝑖 𝜖 𝑁
𝑗 𝜖 𝑉,𝑗≠𝑖
𝑥𝑖𝑗 = 1 ∀ 𝑗 𝜖 𝑁
𝑖 𝜖 𝑉,𝑗≠𝑖
𝑢𝑖 − 𝑢𝑗 + 𝑄 ∙ 𝑥𝑖𝑗 ≤ 𝑄 − 𝑞𝑗 ∀(𝑖, 𝑗) ∈ 𝐴
𝑞𝑖 ≤ 𝑢𝑖 ≤ 𝑄 𝑖 ∈𝑁
𝑥𝑖𝑗 ∈ 0,1 ∀ 𝑖, 𝑗 ∈ 𝐴
𝑎𝑖 𝑏𝑖
𝑁𝑜𝑑𝑜 𝑖
CAPÍTULO I : LOCALIZACIÓN