1

1. LOCALIZACIÓN EN REDES.
Los problemas de localización consisten en encontrar la
ubicación más adecuada donde establecer uno o más
servicios, de forma que se optimice (minimice o maximice)
algún o algunos criterios específicos.
Estos criterios están usualmente relacionados con la
distancia (considerada como medida de costo) existente
entre los servicios y los puntos de demanda (clientes).

Localización en redes: Tipo especial de problemas de localización

que plantean sobre redes, entendiendo como red a un conjunto de
puntos o vértices (nodos) unidos por un conjunto de aristas (arco)
que representan conexiones entre esos punto.
Localización de servicios en redes
Marcos Colebrook y Joaquín Sicilia
Dpto. Estadística, Investigación Operativa y Computación
Universidad de La Laguna

2
1.2. FACTORES RELEVANTES EN LA DECISIÓN
SOBRE LOCALIZACIÓN

4
 Ejercicio

Cantidad de
Ubicación agentes
requeridos

Universidades 30 La policía nacional se enfrenta a la nueva situación

Calle 45 21
de multar a los colados en Transmilenio. Sin embargo
para ello deben movilizar una gran cantidad de
U Nacional 5 personal, así que debe identificar un lugar
estratégico desde el cuál dirigirá sus operaciones.
Calle 72 7
En las estaciones presentadas en la tabla se han
Santa Isabel 12 identificado los puntos más críticos para ir multar a
Ricaurte 2 estos incultos.
El costo de movilizar un carabinero un Km es de
$25000.
Como ingeniero industrial ayude a la policía a
minimizar los costos desde donde debe movilizar los
carabineros.
13
Ejercicio

Cantidad de
Ubicación agentes
requeridos

Universidades 30

Calle 45 21

U Nacional 5

Calle 72 7

Santa Isabel 12

Ricaurte 2

14
1. LOCALIZACIÓN EN REDES.

3 tipos de problemas:
o P-MEDIANS : Min distancia (costo) promedio.
o P-CENTRES : MIN máxima distancia.
o COVERING: Determinar número de sitios para satisfacer un nivel de servicio

G(N,A)
N = {nodos}
A = {aristas}

33
 Ejercicio localización en redes
La EPS Chocosalud se enfrenta a una crisis, ante el cierre de algunas de
sus sedes, incumplimiento en la atención a usuarios, malos manejos de
recursos y algunas insignificantes detonaciones que han ocurrido en
algunas de sus sedes. Para mejorar esta difícil situación Chocosalud
desea identificar con cuales de sus sedes con las cuales podría operar para
atender a todos sus usuarios, minimizar sus gastos en busca de superar su
crisis y no entrar en quiebra.

Costos de enviar a ($/km – usu)

0 A B C E F H
0,7 0,4 0,5 0,5 0,5 0,6 0,6
usuarios (millones) /t
0 A B C E F H
12 18 15 28 41 37 20
Costos de mantener (millones) ($)/t
0 A B C E F H
1797 957 828 900 1353 1209 633

43
1.3. PROBLEMA P-MEDIANS
CONJUNTOS
I = Conjunto de nodos a atender indexado en i
J = Conjunto de nodos a abrir indexado en j

PARÁMETROS
wi = demanda del nodo i (und/t)
dij = distancia entre el nodo de demanda i y el nodo candidato de
localización j (Km)
rij = costo de enviar al nodo de demanda i y desde el nodo
candidato de localización j ($/Km*und)
fj = costo apertura nodo j ($/t)

VARIABLES
1 Si se abre la ubic. j
Xj 
0 de lo contrario
1 Si el punto de demanda i es atendido por la ubic. j
Yij  
0 de lo contrario

44
1.3. PROBLEMA P-MEDIANS
Minimizar el costo total de localización

Min Z :  w r d Y
i j
i ij ij ij  f
j
j Xj

sujeto a :
Y j
ij 1 i
Distancias
mínimas
Yij  X j ij

X j  0,1 j Floyd
Warshall
Yij  0,1 ij

45
2.1. ALGORITMO FLOYD WARSHALL

Matriz distancias

O A B C E F H Determina matriz de
O 0 35 α α α α 40 distancias mínimas
A 35 0 32 27 α α α
B α 32 0 α α 31 α
C α 27 17 0 α α α
E α α 71 α 0 α α
F α α 31 α 74 0 44
H 40 α α 52 α 44 0

50
2.1. ALGORITMO FLOYD WARSHALL
Iteración O

O A B C E F H
O 0 35 α α α α 40
A 35 0 32 27 α α 75
α
B α 32 0 α α 31 α
C α 27 17 0 α α α
E α α 71 α 0 α α
F α α 31 α 74 0 44
H 40 75
α α 52 α 44 0

O A B C E F H
O O A B C E F H
A O A B C E F O
H
B O A B C E F H
C O A B C E F H
E O A B C E F H
F O A B C E F H
H O O
A B C E F H
51
2.1. ALGORITMO FLOYD WARSHALL
Iteración A
O A B C E F H
O 0 35 67
α 62 α
α α 40
A 35 0 32 27 α α 75
B 67
α 32 0 59
α α 31 107
α
C 62
α 27 17 0 α α 102
α
E α α 71 α 0 α α
F α α 31 α 74 0 44
H 40 75 107
α 52 α 44 0
O A B C E F H
O O A
A A
B C E F H
A O A B C E F O
B A
O A B A
C E F A
H
C A
O A B C E F A
H
E O A B C E F H
F O A B C E F H
H O O A
B C E F H
52
2.1. ALGORITMO FLOYD WARSHALL
Matriz final

O A B C E F H
O 0 35 67 62 158 84 40
A 35 0 32 27 137 63 75
B 67 32 0 59 105 31 75
C 62 27 17 0 122 48 92
E 138 103 71 130 0 102 146
F 84 63 31 90 74 0 44
H 40 75 69 52 118 44 0

O A B C E F H
O O A A A H H H
A O A B C F B O
B A A B A F F F
Recorrido mínimo de 0 – E?
C A A B C F B F
E B B B B E B F
F H B B B E F H
H O O C C F F H
53
1.3. PROBLEMA P-MEDIANS
Minimizar el distancia total

Min Z :  w d Y
i j
i ij ij

sujeto a :
Y j
ij 1 i

Yij  X j ij
X j
j P

X j  0,1 j
Yij  0,1 ij
PARÁMETRO
P = Máxima cantidad de sitios a abrir 55
21. CASO 1. (P=1) 1-MEDIANS. ALGORITMO EXACTO

Ejemplo
Demandas
4 A
4
B A= 3
B=1
E 2 2
C=2
1
3 C D D=3
3 E=1
2
F=0
F 3 G G=4
H=1
1 3

56
 2.1. CASO 1. (P=1) 1-MEDIANS. ALGORITMO EXACTO
Ejemplo

2. Matriz [wj * r(i,j) * d(i, j)].

[d(i, j)] [wj * r(i,j)*d(i, j)]

Hasta
Distancia hasta
Desde A B C D E F G H
A 0 4 3 2 6 5 8 6 A B C D E F G H
B 4 0 2 3 4 4 7 5 A 0 4 6 6 6 0 32 6
C 3 2 0 1 3 2 5 3 B 12 0 4 9 4 0 28 5
D 2 3 1 0 4 3 6 4 C 9 2 0 3 3 0 20 3
E 6 4 3 4 0 5 8 6 Si ubico D 6 3 2 0 4 0 24 4
F 5 4 2 3 5 0 3 1 E 18 4 6 12 0 0 32 6
G 8 7 5 6 8 3 0 3 F 15 4 4 9 5 0 12 1
H 6 5 3 4 6 1 3 0 G 24 7 10 18 8 0 0 3
H 18 5 6 12 6 0 12 0

Demandas = wj: {3,1,2,3,1,0,4,1} rij = 1

57
2.1. CASO 1. (P=1) 1-MEDIANS. ALGORITMO EXACTO
Ejemplo

3. calcular la suma de las filas.

Instalación
A B C D E F G H
localizada en:
Distancia total 60 62 40 43 78 50 70 59
Distancia promedio 4,00 4,13 2,67 2,87 5,20 3,33 4,67 3,93
= (Distancia total / 15 )

Solución Optima : C

58
2.2. MÉTODOS DE SOLUCIÓN. ALGORITMO DE
COMPARACIÓN N-TUPLA-WISE

• Datos( 1-medians)
Si deseo abrir dos sitios?

B 4 A
4

E 2 2

3 1
C D
3
2

F 3 G

1 3

H
59
2.1. CASO 1. (P=2) 1-MEDIANS. ALGORITMO EXACTO

A B C D E F G H
A 0 4 6 6 6 0 32 6
Distancia hasta B 12 0 4 9 4 0 28 5
C 9 2 0 3 3 0 20 3
A B C D E F G H
D 6 3 2 0 4 0 24 4
AC 0 2 0 3 3 0 20 3 E 18 4 6 12 0 0 32 6
BC 9 0 0 3 3 0 20 3 F 15 4 4 9 5 0 12 1
G 24 7 10 18 8 0 0 3
DC 6 2 0 0 3 0 20 3
Si abro H 18 5 6 12 6 0 12 0
EC 9 2 0 3 0 0 20 3
FC 9 2 0 3 3 0 12 1
GC 9 2 0 3 3 0 0 3
HC 9 2 0 3 3 0 12 0

Cuáles abro? Mínima distancia = 20

Capacidad de cada CD? Capacidad G = 4

Capacidad C = 11
60
2.2. MÉTODOS DE SOLUCIÓN. ALGORITMO DE
COMPARACIÓN N-TUPLA-WISE

• Datos( 2-medians)

B 4 A
4

E 2 2

3 1
C D
3
2

F 3 G

1 3

H
61
2.2. MÉTODOS DE SOLUCIÓN.

• Cantidad óptima centros

de distribución (con costos) Demandas
A= 3
4 A
4
B B=1
C=2
E 2 2
D=3
3 1
C D E=1
3 F=5
2
G=4
F 3 G H=1
1 3

H
70
2.1. CASO 1. P-MEDIANS. ALGORITMO COSTOS (ADD)
Nueva información

A B C D E F G H
Demandas 3 1 2 3 1 5 4 1
Costo de
enviar a 16 20 10 16 20 16 24 28
Costo
apertura 100 200 130 150 190 225 210 165

Matriz si – costo [wj * r(i,j)*d(i, j)]

enviar desde?

A B C D E F G H
A 0 80 60 96 120 400 768 168
B 192 0 40 144 80 320 672 140
C 144 40 0 48 60 160 480 84
Si ubico D 96 60 20 0 80 240 576 112
E 288 80 60 192 0 400 768 168
F 240 80 40 144 100 0 288 28
G 384 140 100 288 160 240 0 84
H 288 100 60 192 120 80 288 0

71
2.1. CASO 1. P-MEDIANS. ALGORITMO COSTOS (ADD)
Iteración 1 Apertura
Costo Costo Costo
A B C D E F G H
envío apertura total Puntos
A 0 80 60 96 120 400 768 168 1692 100 1792
B 192 0 40 144 80 320 672 140 1588 200 1788
C 144 40 0 48 60 160 480 84 1016 130 1146
D 96 60 20 0 80 240 576 112 1184 150 1334
E 288 80 60 192 0 400 768 168 1956 190 2146 Cuándo
F 240 80 40 144 100 0 288 28 920 225 1145
G 384 140 100 288 160 240 0 84 1396 210 1606 dejó de
H 288 100 60 192 120 80 288 0 1128 165 1293 iterar?

Iteración 2
Costo Costo Costo
A B C D E F G H
envío apertura total
AF 0 80 40 96 100 0 288 28 632 325 957
BF 192 0 40 144 80 0 288 28 772 425 1197
CF 144 40 0 48 60 0 288 28 608 355 963
DF 96 60 20 0 80 0 288 28 572 375 947
EF 240 80 40 144 0 0 288 28 820 415 1235
FF 240 80 40 144 100 0 288 28 920 450 1370
GF 240 80 40 144 100 0 0 28 632 435 1067
HF 240 80 40 144 100 0 288 0 892 390 1282

72
 2.1. CASO 1. P-MEDIANS. ALGORITMO COSTOS (ADD)
Cuándo dejó de Apertura
iterar? Puntos

1600
1400
1200
1000
Costo

800 Costo envío

600 Costo apertura
400 Costo total
Tarea 2 200
Llegar
0
mínimo costo
F D G A C E H B
Nuevo punto distribución

73
2.1. CASO 1. P-MEDIANS. ALGORITMO COSTOS (DROP)
Iteración 1
Costo Costo Costo Cerrar
A B C D E F G H
96 - D 0 0 0 0 0 0 0
envío apertura total
96 1270 1366
puntos
A
B 0 40 - C 0 0 0 0 0 0 40 1170 1210
C 0 0 20 - D 0 0 0 0 0 20 1240 1260
D 0 0 0 48 - C 0 0 0 0 48 1220 1268
E 0 0 0 0 60 - C 0 0 0 60 1180 1240
F 0 0 0 0 0 80 - H 0 0 80 1145 1225
G 0 0 0 0 0 0 288 - H 0 288 1160 1448
H 0 0 0 0 0 0 0 28 -F 28 1205 1233

Tarea 3
Llegar
Iteración 2 mínimo costo
Costo Costo Costo
A B C D E F G H
envío apertura total
AB 96 - D 40 - C 0 0 0 0 0 0 136 1070 1206
CB 0 60 - D 20 - D 0 0 0 0 0 80 1040 1120
DB 0 40 - C 0 48 - C 0 0 0 0 88 1020 1108
EB 0 40 - C 0 0 60 - C 0 0 0 100 980 1080
FB 0 40 - C 0 0 0 80 - H 0 0 120 945 1065
GB 0 40 - C 0 0 0 0 288 - H 0 328 960 1288
HB 0 40 - C 0 0 0 0 0 28 -F 68 1005 1073

74
1.3. PROBLEMA P-MEDIANS
MODELO PARA MINIMIZAR LA DISTANCIA MÁXIMA ENTRE
CLIENTE Y SU LOCALIDAD
Min D (1)
sujeto a :
D   d ijYij para todo i (2)
j

Y j
ij  1 para todo i (3)

X j
j P (4)

Yij  X j para todo i, para todo j (5)

X j  0,1 para todo j (6)
D  0 (7 )
Yij  0,1 para todo i, para todo j (8)

NUEVA VARIABLE
82
D = máxima distancia.