...

Problemi di localizzazione

by user

on
Category: Documents
2

views

Report

Comments

Transcript

Problemi di localizzazione
Problemi di
localizzazione
Claudio Arbib
Università di L’Aquila
__________
Prima Parte (marzo 2007):
problemi con singolo decisore
1. Introduzione
•
•
•
•
Un problema di localizzazione consiste
in generale nel decidere dove piazzare
un insieme di centri di servizio volti a
soddisfare una domanda distribuita in un
territorio
In molti casi pratici la domanda nasce da
un insieme discreto V di clienti
Pensiamo ad esempio al problema di
localizzare in IR2 un punto P0 di
coordinate x0, y0 in modo che la media
delle distanze dei punti di V da P0 sia
minore possibile
Vogliamo cioè scegliere x0, y0 in modo
che la quantità
d0 =
1
|V|
sia minima
Σi∈V √(xi – x0)2 + (yi – y0)2
2
3
1
5
4
9
8
6
10
7
1. Introduzione
•
•
•
•
La soluzione si calcola risolvendo il
sistema (non lineare) di due equazioni in
x0, y0 ottenuto annullando le derivate di
d0 fatte rispetto a x0 e y0
Il punto P0 così ricavato si dice mediana
di V
In pratica, la mediana può però essere
soggetta ad “attrazione” da parte di un
sottoinsieme S di V relativamente
numeroso addensato in una regione
limitata: i punti fuori da S si potrebbero
allora trovare in condizione svantaggiata
Per ovviare a questo inconveniente si
può pensare di localizzare il centro del
più piccolo cerchio contenente V,
cosicché nessun punto si troverà oltre il
raggio di tale cerchio
2
3
1
5
4
9
8
6
10
7
1. Introduzione
•
•
•
•
La scelta ottimale potrebbe peraltro
essere influenzata da altre
considerazioni di carattere pratico
Se ad esempio si tratta di scegliere il
luogo ideale per un servizio come
un’infrastruttura logistica (ad esempio
un interporto), non tutti i punti di IR2
sono candidabili, ma solo quelli
appartenenti a un particolare insieme
discreto N
Inoltre la metrica euclidea potrebbe non
essere adatta a rappresentare le distanze
in gioco
Comunque anche in questo caso si può
scegliere P0 minimizzando
– la somma delle distanze dei clienti (minsum)
– la massima distanza di un cliente (minmax)
N
8
2
3
9
10
1
18
4
24
9
5
12
22
17
18
15
8
12
6
13
15
10
7
sum = 246, max = 58 (nodo 9)
1. Introduzione
•
•
•
•
La scelta ottimale potrebbe peraltro
essere influenzata da altre
considerazioni di carattere pratico
Se ad esempio si tratta di scegliere il
luogo ideale per un servizio come
un’infrastruttura logistica (ad esempio
un interporto), non tutti i punti di IR2
sono candidabili, ma solo quelli
appartenenti a un particolare insieme
discreto N
Inoltre la metrica euclidea potrebbe non
essere adatta a rappresentare le distanze
in gioco
Comunque anche in questo caso si può
scegliere P0 minimizzando
– la somma delle distanze dei clienti (minsum)
– la massima distanza di un cliente (minmax)
N
8
2
3
9
10
1
18
4
24
9
5
12
22
17
18
15
8
12
6
13
15
10
7
sum = 242, max = 42 (nodo 5)
2. p-mediana e p-centro
•
•
•
•
Nel caso discreto, il problema è banale:
ad es., data la matrice delle distanze dei
punti di V (associati alle righe) dai punti
di N (colonne), per la mediana basta
scegliere una colonna i cui elementi
hanno somma minima
Il problema però si complica se
possiamo aprire più di un servizio
Chiaramente, il valore della soluzione
ottima decresce all’aumentare del
numero dei centri di servizio aperti: al
limite, aprendo un centro in ogni località
si avrebbe un costo complessivo nullo
Soddisfare la domanda al costo minimo
aprendo fino a p servizi costituisce
– nel caso min-sum un problema di
p-mediana
– nel caso min-max un problema di
p-centro
N
8
2
3
9
10
1
18
4
24
9
5
12
22
17
18
15
8
12
6
13
15
10
7
sum = 148, max = 27 (nodi 1 e 9)
2. p-mediana e p-centro
Proprietà 1 Una volta decisa la localizza
zione dei servizi, la soluzione ottima
assegna ciascun cliente al centro più vicino
N
8
2
3
9
1
1
2
10
18
17
3
3
5
45
22
4
17
5
18
15
6
7
4
24
9
4
8
12
7
6
13
15
10
8
5
12
8
7
9
10
sum = 148, max = 27 (nodi 1 e 9)
2. p-mediana e p-centro
Proprietà 1 Una volta decisa la localizza
Questa proprietà, tipica di problemi
zione dei servizi, la soluzione ottima
senza un limite di capacità sui link
assegna ciascun cliente al centro più vicino (problemi con capacitatà illimitata),
focalizza l’attenzione sul problema di
1
decidere quali siano i centri aperti
2
17
3
4
5
3
45
•
Fra n località, le possibili scelte sono in
n
tutto ( p )
•
Quindi se p è piccolo si può pensare di
risolvere il problema per enumerazione,
n
risolvendo ( p ) problemi di
assegnamento con il metodo greedy
•
Però già con n = 100 siti candidati e solo
p = 8 centri da aprire, questo metodo
4
5
6
7
7
8
8
9
10
richiederebbe 186.087.894.300
iterazioni
2. p-mediana e p-centro
•
Si può allora ricorrere a una
formulazione in termini di
programmazione lineare 0-1
•
•
1
2
17
3
4
5
3
45
4
5
•
Sia xj ∈ {0, 1} una variabile binaria che
assume valore 1 se e solo se il sito j è scelto
per aprire un centro di servizio
Sia poi xij ∈ {0, 1} una variabile binaria che
assume valore 1 se e solo se il cliente nel
sito i si serve dal centro localizzato in j
Indicando con dij la distanza del sito i dal
sito j, il problema di p-mediana si scrive
min
Σ
dij xij
i, j
∀i∈V
Σ xij
6
7
7
= 1 (ogni cliente è servito)
j
8
9
10
8
∀i, j
xij < xj (attivazione del centro j)
Σ xj
< p (ci sono al più p centri)
j
xj, xij ∈ {0, 1} ∀ i∈V, j∈N
2. p-mediana e p-centro
•
Si può allora ricorrere a una
formulazione in termini di
programmazione lineare 0-1
•
•
1
2
17
3
4
5
3
45
4
5
•
Sia xj ∈ {0, 1} una variabile binaria che
assume valore 1 se e solo se il sito j è scelto
per aprire un centro di servizio
Sia poi xij ∈ {0, 1} una variabile binaria che
assume valore 1 se e solo se il cliente nel
sito i si serve dal centro localizzato in j
Indicando con dij la distanza del sito i dal
sito j, il problema di p-centro si scrive
min
d > dij xij ∀i∈V, j∈N
∀i∈V
Σ xij
6
7
7
= 1 (ogni cliente è servito)
j
8
9
10
8
∀i, j
xij < xj (attivazione del centro j)
Σ xj
< p (ci sono al più p centri)
j
xj, xij ∈ {0, 1} ∀ i∈V, j∈N
3. Localizzazione semplice
•
La localizzazione semplice
•
(simple facility location) è un
modello lievemente differente
1
2
•
17
3
4
5
3
45
4
5
In questo caso sia la realizzazione del centro
nel sito j che il suo accesso da parte del
nodo i sono soggetti a un costo,
rispettivamente cj e cij.
I centri attivati rappresentano un costo, ma il
loro numero non è esplicitamente limitato: il
problema di localizzazione semplice si
scrive quindi
min
Σ
cij xij + Σ cj xj
i, j
j
∀i∈V
Σ xij
6
7
7
= 1 (ogni cliente è servito)
j
8
9
10
8
∀i, j
xij < xj (attivazione del centro j)
xj, xij ∈ {0, 1} ∀ i∈V, j∈N
4. Rilassamenti
Proprietà 2 Sia P un problema di p-mediana, p-centro o localizzazione semplice.
Allora il problema ottenuto sostituendo il vincolo xij ∈ {0, 1} con xij > 0 ammette la
stessa soluzione ottima della formulazione originale di P.
Detta xij*, xj* (i∈V, j∈N) una soluzione ottima intera della formulazione
originale di P, sia N* = {j∈N: xj* > 0}.
Si ha evidentemente xij* = 0 per ogni i∈V, j∉N*.
La funzione obiettivo di P è in generale separabile in due contributi:
–
–
Il problema
f(x), dovuto alle xij
c(x), dovuto alle xj, con c(x) = 0 nel caso di p-mediana o p-centro
min
f(x) + c(x*)
Σ xij
= 1
j
xij > 0
∀i∈V
∀ i∈V, j∈N*
è un assegnamento e ammette come è noto soluzione ottima intera xij* per
i∈V, j∈N*.
4. Rilassamenti
Proprietà 3 Rilasciando in modo lagrangiano il vincolo che limita a p il numero di
centri aperti in un problema di p-mediana si ottiene un problema di localizzazione
semplice.
Il rilassamento lagrangiano in questione si scrive
L(x, λ) = min
Σ dij xij + λ(Σ xj – p)
i, j
Σj xij
j
= 1
∀i∈V
xij < xj
∀i, j
xj ∈ {0, 1}, xij > 0
∀i∈V, j∈N
e per ogni λ > 0 è chiaramente un problema di localizzazione semplice.
Osservazione La migliore limitazione inferiore al valore ottimo del problema
di p-mediana che sia possibile ottenere con questo tipo di rilassamento si
ricava risolvendo il duale lagrangiano max {L(x, λ): λ > 0}.
5. Problemi con capacità finita
•
•
•
•
•
Un caso più complesso è quello in cui
+8
occorra tenere conto del fatto che i
2
3
83
collegamenti tra i nodi della rete hanno
10 9 12
2 10 5
una capacità limitata
1
5 +3
10 18 10
In questo caso il cliente i desidera
6
12
6
+10
approvvigionarsi di una quantità qi > 0
–32
Il flusso complessivo che attraversa il
+2
4
24 10
generico link tra il nodo i e il nodo j non
9
5 22 10
può superare la capacità uij del link
7 17 7
In generale, la Proprietà 1 perde di
9 18 10
2 15 7
validità, in quanto un singolo cammino
8
6
dal nodo i al nodo j potrebbe non avere
6 12 7
6 13 9
3 15 10 +5
capacità sufficiente per smistare tutto il
10
traffico tra i e j
7
+4
La Proprietà 2 invece non si applica in
• Tutte le proprietà dei problemi con
quanto xij rappresenta un flusso ed è
capacità finita sono possedute dai
reale per definizione
problemi con capacità illimitata
5. Problemi con capacità finita
Il problema si può riformulare come flusso a costo minimo su una rete ottenuta da
quella iniziale aggiungendo un nodo fittizio (il nodo 0) che funge da sorgente, e
che fornisce alla rete una quantità di flusso q0 = – Σ qi attraverso archi collegati ai
nodi di N
2
12 6
10
+4
18 10
8
7
0
–32
22 10
15 10
9
5
4
13 9
+2
12 7
24 10
10 5
3
18 10
1
17 7
+10
+8
83
9 12
15 7
•
6
+5
+3
5. Problemi con capacità finita
Attraversare l’arco tratteggiato 0j, j∈N, comporta un costo fisso cj.
Il problema si formula attraverso variabili
– xj ∈{0, 1}, che indicano se l’arco 0j è attraversato o no
– xij ∈ IR+, che indicano il flusso in ogni arco ij∈E
2
12 6
10
18 10
8
+4
7
9
31
17
20
0
–30
22 10
15 10
9
5
4
13 9
+2
12 7
24 10
10 5
3
18 10
1
17 7
+10
+8
83
9 12
15 7
•
6
+5
24
+3
5. Problemi con capacità finita
Σij∈E cij xij + Σj∈N cj xj
Σj:ij∈E xij – Σj:ji∈E xji =
min
È un particolare problema di
flusso a costo minimo con
funzione costo concava
0 < xij < uij
0 < x0j < uxj, xj ∈ {0, 1}
2
12 6
9
20
0
–32
22 10
15 10
7
31
17
17 7
18 10
8
+4
Poiché il poliedro del problema
è limitato, per un noto teorema
esiste una soluzione ottima
coincidente con uno dei vertici
5
4
13 9
10
12 7
15 7
9
10 5
3
18 10
1
24 10
+2
+8
83
9 12
+10
qi
6
+5
24
+3
∀i∈V
∀ij∈E
∀j∈N
6. Problemi multilivello
•
•
Nelle applicazioni la rete logistica
ha spesso una struttura stratificata,
nella quale l’insieme dei punti di
interesse è diviso in più parti
Ad esempio:
– L’insieme U dei clienti (store)
– L’insieme M dei siti che possono
accogliere un magazzino di
distribuzione (hub)
– L’insieme N dei siti che possono
accogliere un impianto di
produzione (plant)
•
Problemi con questa struttura
vengono detti multilivello
(multi-echelon)
q1
q2
q3
qu
1
2
3
u
c33
u1
u2
1
u11
c1
c3
2
c32
1
2
3
m
um
cnm
3
n
• Gli archi collegano strati consecutivi
• Nodi e archi sono in genere associati a
− capacità limitate ui, uij
− costi di trasporto cij e di installazione ci
7. Un’applicazione industriale
1. grandi lastre di vetro sono prodotte per fusione e inviate a un magazzino
2. pannelli più piccoli sono ricavati tagliando successivamente lastre in modo da
soddisfare una certa domanda
lastra
lastra
lastra
t
variazione
altezza
taglio
fornace
taglio
•
I modelli di localizzazione possono avere applicazioni anche lontane dalla
logistica
In un industria del vetro la produzione è organizzata in due fasi
taglio
•
7. Un’applicazione industriale
•
•
I modelli di localizzazione possono avere applicazioni anche lontane dalla
logistica
In un industria del vetro la produzione è organizzata in due fasi
1. grandi lastre di vetro sono prodotte per fusione e inviate a un magazzino
2. pannelli più piccoli sono ricavati tagliando successivamente lastre in modo da
soddisfare una certa domanda
sfrido
− La gestione dei semilavorati richiede che da ogni lastra siano ottenuti pannelli
di una medesima grandezza
− La gestione economica, che lo sfrido sia ridotto al minimo
− La gestione del magazzino che vi sia una varietà limitata di lastre di
grandezza diversa
7. Un’applicazione industriale
Problema Produrre ogni pannello i nella quantità richiesta qi
1. tagliando lastre di al più p grandezze diverse
2. minimizzando lo sfrido complessivo
•
Sia L l’insieme delle grandezze di
lastre fattibili, e per S ⊆ L
definiamo la variabile di decisione •
binaria
1
xiS =
0
•
se il pannello i è
tagliato da lastre
di grandezze in S
altrimenti
*
Indichiamo con ciS lo sfrido che
si produce tagliando nel miglior
modo possibile tutti i pannelli di
tipo i da lastre di grandezze in L
(per calcolare ciS* occorre risolvere
un problema di cutting stock)
Sia xk∈{0, 1} per k∈L
(xk = 1 indica che la dimensione k è
tra quelle scelte)
min
Σi ΣS⊆L ciS*xiS
ΣS⊆L xiS = 1
∀i
(ogni pannello è prodotto)
xiS < xk
∀iS, ∀k∈S
(se k è usata per produrre i,
allora va contata)
Σk xk
< p
xk∈{0, 1}, xiS > 0
7. Un’applicazione industriale
Problema Produrre ogni pannello i nella quantità richiesta qi
1. tagliando lastre di al più p grandezze diverse
2. minimizzando lo sfrido complessivo
•
•
La formulazione proposta ha un
gran numero di variabili: 2|L|
La si può semplificare limitando
|S|, ad esempio fissando |S| = 1
•
Le variabili xiS diventano allora
1
se il pannello i è
tagliato da lastre
di grandezza k
altrimenti
xik =
0
min
Σi Σk∈L cik*xik
Σk∈L xik
= 1
xik < xk
Σk xk
p-mediana
< p
min
∀i
∀i, ∀k∈L
xk∈{0, 1}, xiS > 0
Σi ΣS⊆L ciS*xiS
ΣS⊆L xiS = 1
∀i
(ogni pannello è prodotto)
xiS < xk
∀iS, ∀k∈S
(se k è usata per produrre i,
allora va contata)
Σk xk
< p
xk∈{0, 1}, xiS > 0
7. Un’applicazione industriale
Problema Produrre ogni pannello i nella quantità richiesta qi
1. tagliando lastre di al più p grandezze diverse
2. minimizzando lo sfrido complessivo
•
•
La formulazione proposta ha un
gran numero di variabili: 2|L|
La si può semplificare limitando
|S|, ad esempio fissando |S| = 1
1
xik =
0
min
Σi Σk∈L cik*xik
Σk∈L xik
= 1
xik < xk
Σk xk
p-mediana
< p
∀i
∀i, ∀k∈L
xk∈{0, 1}, xiS > 0
se il pannello i è
tagliato da lastre
di grandezza k
altrimenti
Risolvendo si ottiene una soluzione
ammissibile (in pratica molto
buona, anche se non necessariamen
te ottima) nella quale ogni pannello
è ottenuto da lastre di una sola
grandezza
Fly UP