Dengan demikian kita sekarang memerlukan set lokasi sehingga tidak ada potensi

pengguna lebih dari 30 (atau 10) menit dari setidaknya salah satu dari mereka. Ini kita
kenal sebagai masalah yang sangat mirip dengan masalah k-pusat. Dalam kasus ini,
bagaimanapun, jumlah lokasi yang dibutuhkan, k, tidak diberikan. Sebaliknya, kita
tahu jarak diterima maksimum yang dapat dikaitkan dengan k-pusat kami. Dengan
kata lain, dalam notasi kami, kita diberi nilai m (X * k) (= 30 atau 10 menit, tergantung
kasus), dan kita diminta untuk menemukan k dan lokasi X * k.
Pendekatan yang mungkin untuk menemukan jumlah terkecil dan lokasi fasilitas EMS
yang diperlukan untuk mencapai m (X * k) = 30 (atau 10) sekarang harus jelas. 18
EMS Cakupan "Algoritma"
LANGKAH 1: Set k = 1.
LANGKAH 2: Memecahkan masalah k-pusat untuk nilai saat ini dari k.
Jika m (X * k) 30 menit (atau 10 menit), berhenti. Nilai saat ini dari k adalah
jumlah minimum fasilitas yang diperlukan dan lokasi yang tepat dari fasilitas
LANGKAH 3:
ini adalah lokasi dari k-pusat. Jika m (X * k)> 30 (atau 10) menit, lanjutkan ke
Langkah 4.
LANGKAH 4: Set k = k + 1 dan kembali ke Langkah 2.
Dalam prosedur di atas kita tidak menentukan apakah pada Langkah 2 kita
memecahkan masalah k-pusat mutlak atau vertex k-pusat masalah. Ini akan
tergantung pada apakah lokasi potensi fasilitas terbatas atau, seperti yang sering
terjadi dalam praktek, pilihan lokasi dibatasi hanya jumlah terbatas poin (atau daerah
umum) di daerah bunga. Dalam kasus terakhir vertex k-pusat masalah adalah salah
satu yang sesuai untuk Langkah 2.
Kita sekarang dapat menjelaskan dalam cukup secara umum lebih realistis "skenario"
dibandingkan sebelumnya, untuk masalah lokasi fasilitas di lingkungan perkotaan.
Tujuan utama tertentu dinyatakan, biasanya dalam bentuk persyaratan untuk memenuhi
1. standar kinerja yang telah ditetapkan oleh administrasi, legislatif, atau lainnya tubuh
(misalnya, "mencapai standar kinerja yang ditetapkan oleh Undang-Undang EMSS").
Beberapa pembatasan pada lokasi fasilitas berpotensi diterima juga ditentukan. Pembatasan
ini sering karena kondisi considerationsor lokal atau dengan kebutuhan khusus dari fasilitas
2.
yang akan dibangun (misalnya, "semua stasiun ambulans harus berdekatan dengan rumah
sakit setempat").
Satu atau lebih tujuan sekunder juga sering ditentukan. Tujuan-tujuan sekunder biasanya
dinyatakan dalam hal biaya, meskipun langkah-langkah lain dari efektivitas juga muncul
3.
kadang-kadang (misalnya, "setelah standar kinerja di tujuan utama terpenuhi, konfigurasi
sistem yang paling murah harus dipilih").
Contoh 18: Ambulance Lokasi / Alokasi pergi Perdesaan
Dalam kasus yang dilaporkan baru-baru ini [JARV 75A], tim analis diminta untuk
membantu Bel-O-Mar Regional Council of Wheeling, Virginia Barat, dalam
mengembangkan darurat daerah rencana alokasi ambulans. Bel-O-Mar adalah sebuah
badan perencanaan daerah bertanggung jawab untuk wilayah empat kabupaten
meliputi Wheeling SMSA. 19 Ini adalah daerah mayoritas pedesaan sekitar 1.360 mil
persegi mengangkangi Sungai Ohio; penduduknya 200.000 orang tersebar di antara
sekitar 90 masyarakat di daerah.
Tujuan utama adalah untuk merancang suatu sistem yang sesuai dengan standar EMSS
UU dijelaskan sebelumnya. Tujuan sekunder - setelah satu primer puas - adalah untuk
meminimalkan waktu respon rata-rata, sebuah fakta yang akhirnya mengakibatkan
ambulans yang dialokasikan untuk tujuh komunitas yang terbesar permintaan-
generator di wilayah tersebut. Akhirnya, pertimbangan lokal meliputi: ambulans tidak
harus menyeberangi Sungai Ohio dalam menanggapi panggilan; ambulans harus
berada di kedua Wheeling dan Bethlehem - komunitas dua terbesar di daerah; dan
ambulans yang dialokasikan untuk masyarakat prespecified tertentu tidak dapat
memberikan layanan di luar komunitas ini.
Contoh serupa telah dilaporkan untuk pemadam kebakaran, untuk departemen
sanitasi, dan fasilitas darurat secara umum. Hal ini juga harus ditekankan bahwa
tujuan sekunder (s) sering memainkan peran penting dalam penentuan lokasi fasilitas.
Alasannya adalah bahwa dalam banyak masalah orang menemukan berbagai
kombinasi dari lokasi yang mencapai tujuan utama dari memuaskan standar kinerja
yang telah ditetapkan. Ikatan kemudian harus diselesaikan dengan mengacu pada
tujuan sekunder (s). Tujuan sekunder (s) biasanya panggilan untuk solusi dari tipe k-
median dari masalah, karena, seperti yang kita telah menyatakan, biasanya berkaitan
dengan minimalisasi beberapa fungsi rata-biaya. 20
18
Kita sekarang mengasumsikan bahwa link yang panjang diberikan dalam hal waktu
tempuh bukan jarak.
19
Standard Metropolitan statistik Area.
20
Dalam banyak kasus memang benar bahwa tujuan primer dan sekunder adalah
kebalikan dari apa yang dinyatakan di atas. Artinya, tujuan utama adalah untuk
meminimalkan fungsi rata-biaya dan satu sekunder untuk mencapai tingkat tertentu
kinerja.

6.5.7 Set-Covering Masalah

Subproblem lain yang sering muncul sehubungan dengan pemecahan masalah
persyaratan dikenal sebagai masalah set-meliputi. Hal ini dapat digambarkan sebagai
berikut.
Pertimbangkan satu set Y n = {y 1, y 2,. . ., Y n} dari n titik pada jaringan G (misalnya, Y n
bisa menjadi set permintaan menghasilkan node pada G) dan lain set X m = {x 1, x 2,. . .,
X n} m titik di G yang merupakan calon lokasi seperangkat fasilitas (beberapa poin di X
m mungkin bertepatan dengan poin di Y n). Mari kita asumsikan bahwa ambang batas

ambigu kinerja (misalnya, jarak maksimum ) Telah ditetapkan sehingga setiap lokasi x
j X m m dapat dilihat sebagai baik memuaskan atau jatuh pendek untuk mencapai

tingkat kinerja sehubungan dengan titik y 1 Y n. Maka kita mengatakan bahwa titik x j
X m "selimut" ( "tidak mencakup") titik y i Y n jika titik x j memenuhi (tidak
memuaskan) ambang kinerja sehubungan dengan titik y i. Misalnya, ketika ambang
kinerja adalah jarak maksimum , Maka x j meliputi y j jika d (x j, y i,) dan tidak
menutupinya jika d (x j, y i)> . Kesamaan dengan konsep cakupan dalam Bagian 3.6
jelas.
Masalah set-meliputi maka terdiri dari menemukan jumlah minimum, mengatakan k *,
poin dari set X m sehingga semua poin di Y n ditutupi.
Contoh 19: Sef-Covering Masalah
Pertimbangkan tujuh lokasi perkotaan A sampai G dan lima poin yang berbeda V
melalui Z di daerah perkotaan yang sama. Semua 12 poin berbaring di sebuah jaringan
jalan perkotaan. Kami akan memanggil poin A sampai G "permintaan set" dari
masalah ini dan poin Vthrough Z "fasilitas ditetapkan." Kami berharap untuk
menemukan jumlah terkecil poin di fasilitas set yang dibutuhkan untuk menutupi
permintaan set poin jika ditentukan bahwa setiap titik dalam permintaan set harus
berada dalam 20 menit dari jarak perjalanan dari titik di fasilitas ditetapkan. 5 x 7
matriks jarak minimum (dalam menit) pada jaringan diberikan pada Tabel 6-11.

Matriks jarak minimum [d (i, j)] dapat segera diterjemahkan ke dalam cakupan
matriks, tC (i, j)], dengan menetapkan setiap matriks elemen c (i, j) untuk

Cakupan matriks untuk masalah kita ditunjukkan pada Tabel 6-12. Potensi W. titik
fasilitas misalnya, dapat menutupi permintaan poin C, D, dan G.
Masalah set-meliputi (SCP) sekarang dapat dinyatakan hanya sebagai berikut.
Mengurangi matriks cakupan [c (i, j)] untuk jumlah minimum baris diperlukan
sehingga setiap kolom dalam matriks berkurang telah setidaknya satu elemen sama
dengan 1. Masalah dalam bentuk ini dapat segera dirumuskan sebagai integer
programming 0-1 masalah, dan memang pendekatan paling terkenal untuk itu [Garf
72, merobek 71] dimulai dengan formulasi tersebut dan mengembangkan algoritma
umum untuk solusi dari SCP ini.
Di sini kita tidak akan menggambarkan ini algoritma umum. Kami akan menguraikan
bukan algoritma matriks-penurunan yang sangat sederhana yang dapat digunakan
untuk mengurangi ukuran komputasi SCP ini. Dalam banyak kasus, terutama yang
melibatkan masalah lokasi fasilitas pada jaringan jalan perkotaan atau pedesaan,
algoritma matriks-pengurangan ini menyederhanakan SCP begitu banyak bahwa solusi
dapat e diperoleh dengan pemeriksaan setelah selesainya proses reduksi.
Matrix Pengurangan untuk Set Covering (Algoritma 6.14)
(Kelayakan Check): Jika ada setidaknya satu kolom dalam matriks cakupan
yang seluruhnya terdiri dari nol, berhenti. Tidak ada solusi yang layak ada
LANGKAH: 1
(yaitu, standar kinerja untuk cakupan harus santai atau lebih poin harus
ditambahkan ke fasilitas set).
Jika setiap kolom hanya memiliki satu elemen nol, mengatakan di baris i *,
maka titik yang sesuai untuk mendayung i * harus menerima fasilitas. Sertakan
LANGKAH: 2 titik dalam daftar orang-orang yang harus menerima fasilitas dan
menghilangkan baris i * dan semua kolom memiliki 1 berturut-turut i * dari
matriks.
Jika setiap baris (s) i "adalah bahwa semua entri yang kurang dari atau sama
LANGKAH: 3 dengan entri yang sesuai dari baris lain i '[yaitu, jika c (i", j) c (i ', j) untuk
semua j], kemudian menghilangkan baris i ".
Jika setiap kolom (s) j "adalah bahwa semua entri yang lebih besar dari atau
LANGKAH: 4 sama dengan entri yang sesuai dari kolom lain j '[yaitu, jika c (i, j") c (i, j ')
untuk semua i], kemudian menghilangkan kolom j ".
Ulangi langkah 2-4 sampai baik (a) matriks cakupan menjadi benar-benar
kosong atau (b) tidak ada kolom atau baris dieliminasi selama pass lengkap
melalui Langkah 2-4. Dalam kasus (a), solusi lengkap (jumlah minimum
LANGKAH: 5 fasilitas dan lokasi mereka) telah diperoleh pada terminasi. Dalam kasus (b),
solusi mungkin diperoleh dengan inspeksi pada pemutusan, atau penerapan
algoritma SCP yang lebih canggih untuk matriks berkurang mungkin
diperlukan.
Dasar pemikiran untuk masing-masing Langkah 1-5 adalah agak jelas. Contoh berikut
juga dapat membantu dalam memahami Algoritma 6.14.
Contoh l9 (lanjutan)
Mari kita menerapkan Algoritma 6.14 untuk masalah set-meliputi sudah dijelaskan.
Cakupan matriks awal [c (i, j)] diberikan pada Tabel 6-12. Dengan inspeksi kita dapat
menentukan bahwa solusi yang layak tidak ada, karena semua kolom [c (i, j)]
mengandung setidaknya entri nol tunggal (Langkah 1).
Pada Langkah 2, kita menemukan kolom yang F hanya memiliki satu elemen nol pada
baris X. Oleh karena itu fasilitas harus terletak di X untuk melayani, setidaknya, titik
permintaan F. Kami menghilangkan dari cakupan matriks baris X dan kolom A , D,
dan F [sejak c (X, A) = c (X, D) = c (X, F) = 1] dan memperoleh matriks berkurang
ditunjukkan pada Tabel 6-13a.

Pada Langkah 3, baris W dan Z dieliminasi (Tabel 6-13b). Semua entri baris W kurang
dari atau sama dengan entri yang sesuai dari baris Y. dan karena itu semua poin
ditutupi oleh fasilitas di W juga ditutupi oleh fasilitas di Y. Hal yang sama berlaku
sehubungan dengan baris Z dan V, masing-masing . Selanjutnya, pada Langkah 4,
kolom B dan C dieliminasi sejak entri mereka semua lebih besar dari atau sama dengan
entri yang sesuai dari kolom E (atau, dalam hal ini, G) - maka setiap lokasi fasilitas
yang meliputi titik permintaan Ewill juga mencakup permintaan poin B dan C.
dikurangi matriks pada penyelesaian Langkah 4 ditunjukkan pada Tabel 6-13c.
Akhirnya, pada kembali ke Langkah 2, fasilitas harus terletak pada kedua titik Band Y.
dan algoritma berakhir sejak saat penghapusan dua baris ini, matriks cakupan kosong.
Dengan demikian, set minimal lokasi terdiri dari poin V, X, dan Y. Kita sekarang
mungkin, jika kita ingin, kembali ke matriks jarak minimum asli [d (i, j)] (lihat Tabel
6-11) dan menetapkan masing-masing titik permintaan untuk fasilitas terdekatnya. Hal
ini akan menjamin, selain cakupan dalam waktu kurang dari 20 menit, minimalisasi
jarak tempuh rata-rata, juga. Dengan cara ini, kita menetapkan tuntutan dari A dan E
untuk V, dari D dan F untuk X, dan dari B. C, dan G untuk Y.