Академический Документы
Профессиональный Документы
Культура Документы
Palabras clave
Key words
Resumen
Abstract
1.
2.
34
Introduccin
El problema que se explora se enmarca
dentro de la optimizacin combinatoria,
Profesor e investigador del Instituto Tecnolgico de Costa Rica, Escuela de Matemtica. Correo
electrnico: gfigueroa@itcr.ac.cr.
Profesor e investigador del Instituto Tecnolgico de Costa Rica, Escuela de Matemtica. Correo
electrnico: lecarrera@itcr.ac.cr.
Por lo general,
los problemas
de optimizacin
combinatoria tienen
un espacio factible
enorme, incluso para
instancias pequeas
del problema, lo cual
dificulta la posibilidad
de hallar una solucin
ptima en un tiempo
computacional
razonable. Esta es la
razn que justifica el uso
de tcnicas heursticas
y metaheursticas, las
cuales pueden producir
buenas soluciones en un
tiempo razonable.
Se minimice: w x =
w x
j j
i=1
sujeto a:
a x
ij j
para i =1,2,...,n
n
aij = cj para j =1,2,...,m
i=1
i=1
aij {0,1,...,cj}
x es el nmero de empaques
necesarios con capacidad para 4 jugos
(repeticiones del recipiente 1).
y es el nmero de empaques
necesarios con capacidad para 6 jugos
(repeticiones del recipiente 2).
El problema
35
d1 a11
a12
r1
d2
a21
a22
r2
d3
a31
a32
r3
i1
i=1
=4
12
(1)
i=1
Adems, para agotar las existencias se
debe cumplir que:
97
76
68
30
2
1
1
36
9
0
8
Espacio factible
Para tener una idea de la complejidad del
problema, se explorar el espacio factible.
Para esto, se calcularn todas las posibles
matrices de distribucin de jugos que
pueden presentarse:
ak11 ak32
Ak = ak21 ak32
a11x + a12y d1 = 97
23
2
2
2
ak31 ak32
Observe que como a11+ a21 + a31 = 4, donde
cada a11 es un entero entre 0 y 4, se tienen
15 posibles tripletas con suma 4, como se
muestra en el cuadro 1. Aqu se indican los
valores de los a11 presentes en la tripleta,
los restantes son cero; por ejemplo, hay 6
tripletas que contienen los valores 3 y 1.
Cuadro 1.Tripletas con suma 4.
ai1
Total
3,1
2,2
1,1,2
ai1
Total
6
5,1
4,2
3,3
4,1,1
3,2,1
2,2,2
3
6
6
3
3
6
1
n + cj 1 ( n + cj 1)
=
n 1 (n 1)cj
y en consecuencia el nmero total de
matrices est dado por:
m
i=1
n + cj 1
cj 1
Bsqueda aleatoria
37
El
algoritmo
BUSQALEATORIA
encuentra un solucin al problema, no
necesariamente ptima. Tiene como
entradas: el nmero n de tipos de objetos,
el nmero m de tipos de recipientes, el
vector d de demandas, el vector c de
capacidades, el vector w de costos de
empaque y el nmero k de soluciones que
sern generadas aleatoriamente. La salida
del algoritmo es la tupla (x+,A-) donde x+ es
la solucin ptima local encontrada y A la
matriz de distribucin de los objetos.
38
1 2
0 2
x+ = (10,34)
Es decir, se debe hacer un total de 44
paquetes distribuidos de la siguiente
forma: 10 paquetes de capacidad 4
Algoritmo: BUSQALEATORIA
(n, m, d, c, w, k)
A+ mdist(m,n,c)
2 x+ pl(w,A,d)
3 mejor w x
4 para i 2 hasta k :
5 mdist(m,n,c)
6 x pl(w, ,d)
1
mejor1 w x
A+
x x
12 regresa (x+,
A-)
Algoritmo heurstico
sujeto a:
El
algoritmo
BUSQALEATORIA
presentado en la seccin anterior es no
determinstico, en el sentido de que al
ejecutarlo sobre la misma instancia del
problema puede producir soluciones
distintas. El algoritmo que se presenta
a continuacin tiene la caracterstica de
que para la misma instancia del problema
siempre produce la misma solucin, por lo
que es un determinstico. Este algoritmo
es de tipo heurstico y al igual que el
anterior la solucin que encuentra no es
necesariamente ptima.
a = a
11
i1
i=1
(3)
+ a 21 + ... + an 1 = c
(4)
i = 1,2,...n (5)
x N
(6)
Demandas
Copias
1
2
3
97
76
68
2
1
1
Repeticiones
requeridas
49
76
68
39
40
38
38
97
76 2
38
76 2
-21
0
68 0
0
-68
38
97 1
76 2
-59
0
68 1
68 1
76 2
68 2
12
di
d
x 1+ i
ai12
ai1
-97
0
17
97 0
68 2
0
12
97 2
13
76 2
68 0
76 2
-30
97 0
38
38
76 2
38
97 2
97 1
68
15
d
x = i
ai12
41
6 para cada x x
7 para cada vector (a11,a21,...,an1) con ai1 fijo
8 n1 nmero de demandas que faltan por satisfacer
9 d1 demandas que faltan por satisfacer
10 c1 (c2,c3,...,cm)
11 w (w2,w3,...,wm)
34
97 0
76 4
68 0
42
Conclusiones
Los algoritmos presentados fueron
desarrollados como parte del proyecto
de investigacin: Algoritmos evolutivos,
optimizacin de Lipschitz y optimizacin
combinatoria [3]. Estos fueron ejecutados
en instancias ms grandes del problema y
en los casos en que se pudo verificar, los
resultadosco incidieron con la solucin
ptima y fueron obtenidos en un tiempo
computacional razonable. Adems, como
parte del proyecto se desarroll un
algoritmo gentico y se estudiaron algunas
variaciones al problema [4]. Actualmente
se trabaja en el diseo de un algoritmo
paralelo que resuelva el problema.
Bibliografa
[1] Blum, Christian & Roli, Andrea (2003).
Metaheuristic in combinatorial optimization:
overview and conceptual comparison. ACM
computing Survey, 35:(3), pp 268-308.
[2] Carrera R., Luis Ernesto (2006). Algoritmo
para encontrar el ptimo a una simplificacin
de un problema combinatorio presente en
la industria editorial. Tesis para optar por el
grado de MSc. en Matemtica Computacional,
CINVESTAV, Mxico, D.F.
[3] Figueroa M., Geovanni & Carrera R., Luis
(2010). Algoritmos evolutivos, optimizacin
de Lipschitz y optimizacin combinatoria:
informe final. Vicerrectora de Investigacin,
Instituto Tecnlogico de Costa Rica.
[4] Figueroa M., Geovanni & Carrera R., Luis
(2010). Estudio de una variante del problema
43