2。生产配送设施选址问题
设施选址问题(FLP)试图找到一些设备为许多客户服务;因此,有一组潜在的设施的位置<我t一个lic>
F我t一个lic>;打开一个设施的位置<我nline-formula>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
都有一个关联的非负固定成本<我nline-formula>
f米米l:mi>
我米米l:mi>
和有限或无限的能力<我nline-formula>
年代米米l:mi>
我米米l:mi>
可用的供应。有一组客户(客户)或需求点<我t一个lic>
D我t一个lic>需要服务;客户<我nline-formula>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
有一个需求<我nline-formula>
d米米l:mi>
j米米l:mi>
必须满足的开放的设施。如果一个设施的位置<我nline-formula>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
是用来满足客户的需求的一部分吗<我nline-formula>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
,然后有一个服务或运输成本,这通常是与距离成正比<我t一个lic>
我我t一个lic>来<我t一个lic>
j我t一个lic>,用<我nline-formula>
c米米l:mi>
我米米l:mi>
j米米l:mi>
。
让<我t一个lic>
F我t一个lic>=一组潜在设施位置,<我t一个lic>
D我t一个lic>=一组客户需求点,<我t一个lic>
米我t一个lic>=潜在设施的位置的数量;<我nline-formula>
米米米l:mi>
=米米l:mo>
F米米l:mi>
,<我t一个lic>
n我t一个lic>=客户的数量;<我nline-formula>
n米米l:mi>
=米米l:mo>
D米米l:mi>
,<我nline-formula>
j米米l:mi>
d米米l:mtext>
=客户的需求<我nline-formula>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
(<我nline-formula>
d米米l:mi>
j米米l:mi>
≥米米l:mo>
0米米l:mn>
),<我nline-formula>
c米米l:mi>
我米米l:mi>
j米米l:mi>
的单位成本=提供客户的需求<我nline-formula>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
从设施<我nline-formula>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
(<我nline-formula>
c米米l:mi>
我米米l:mi>
j米米l:mi>
≥米米l:mo>
0米米l:mn>
),<我nline-formula>
年代米米l:mi>
我米米l:mi>
=设施的能力<我t一个lic>
我我t一个lic>(即。,the upper limit on the total demand that can be supplied from facility<我t一个lic>
我我t一个lic>,在那里<我nline-formula>
年代米米l:mi>
我米米l:mi>
≥米米l:mo>
0米米l:mn>
),<我t一个lic>
p我t一个lic>=所需数量的设施开放,<我nline-formula>
f米米l:mi>
我米米l:mi>
=与开放设施相关的固定成本<我t一个lic>
我我t一个lic>(<我nline-formula>
f米米l:mi>
我米米l:mi>
≥米米l:mo>
0米米l:mn>
),<我nline-formula>
x米米l:mi>
我米米l:mi>
j米米l:mi>
=客户的需求的一部分<我t一个lic>
j我t一个lic>提供的设施<我t一个lic>
我我t一个lic>(<我nline-formula>
0米米l:mn>
≤米米l:mo>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≤米米l:mo>
1米米l:mn>
),<我nline-formula>
y米米l:mi>
我米米l:mi>
=<我nline-formula>
1米米l:mn>
如果设备米米l:mtext>
我米米l:mi>
是开放的米米l:mtext>
0米米l:mn>
否则米米l:mtext>
。
然后,制定该机构作为一个混合整数规划问题,这被称为<我nline-formula>
知识产权米米l:mtext>
发现在
12),如下所示。
目标方程:
(1)米米l:mtext>
最小化米米l:mtext>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
d米米l:mi>
j米米l:mi>
c米米l:mi>
我米米l:mi>
j米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
+米米l:mo>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
f米米l:mi>
我米米l:mi>
y米米l:mi>
我米米l:mi>
,米米l:mo>
受米米l:mtext>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
=米米l:mo>
1米米l:mn>
,米米l:mo>
∀米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
。米米l:mo>
这个方程可以确保满足每个客户的需求:
(2)米米l:mtext>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
d米米l:mi>
j米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≤米米l:mo>
年代米米l:mi>
我米米l:mi>
y米米l:mi>
我米米l:mi>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
(3)米米l:mtext>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≤米米l:mo>
y米米l:mi>
我米米l:mi>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
。米米l:mo>
确保关闭设施不提供任何客户需求,提供从设备不超过设备的容量,
(4)米米l:mtext>
y米米l:mi>
我米米l:mi>
∈米米l:mo>
0 1米米l:mn>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
。米米l:mo>
这是完整性约束:
(5)米米l:mtext>
p米米l:mi>
≤米米l:mo>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
y米米l:mi>
我米米l:mi>
≤米米l:mo>
p米米l:mi>
+米米l:mo>
2。米米l:mn>
这个约束收紧的下界表示该机构。的价值<我t一个lic>
p我t一个lic>确定如下;我们在降序排序的所有设施的能力。然后,<我t一个lic>
p我t一个lic>是这样,在设施的顺序,
(6)米米l:mtext>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
p米米l:mi>
−米米l:mo>
1米米l:mn>
年代米米l:mi>
我米米l:mi>
<米米l:mo>
∑米米l:mo>
j米米l:mi>
=米米l:mo>
1米米l:mn>
n米米l:mi>
d米米l:mi>
我米米l:mi>
≤米米l:mo>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
p米米l:mi>
年代米米l:mi>
我米米l:mi>
。米米l:mo>
虽然右手边的约束(
5)不需要有界的,因此我们的实验使用<我nline-formula>
p米米l:mi>
+米米l:mo>
2米米l:mn>
大大加速计算时间没有损害到解决方案的质量,
(7)米米l:mtext>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≥米米l:mo>
0米米l:mn>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
。米米l:mo>
最后不平等提供了配置变量的范围<我nline-formula>
x米米l:mi>
我米米l:mi>
j米米l:mi>
。
为了开发一个拉格朗日启发式机构,首先我们需要考虑一个线性规划松弛<我nline-formula>
知识产权米米l:mtext>
问题,这是相同的配方(<我nline-formula>
知识产权米米l:mtext>
),除了我们取代不平等(
4)
(8)米米l:mtext>
y米米l:mi>
我米米l:mi>
≤米米l:mo>
1米米l:mn>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
。米米l:mo>
我们将表示<我nline-formula>
LP米米l:mtext>
放松的<我t一个lic>
P我t一个lic>。
年代ec>
3所示。拉格朗日算法分解和体积(LD和VA)
在这一部分中,我们首先考虑上述问题的拉格朗日松弛(<我t一个lic>
P我t一个lic>)。然后,我们描述了如何使用体积算法(
7),这是一个扩展的次梯度优化。
为了研究大型问题的解决方案,我们跟着Alenezy和Khalaf)的方法
12),也就是说,将机构分解为多个独立的问题,很容易解决。出于这种方法,让<我nline-formula>
u米米l:mi>
我米米l:mi>
双重乘数的方程<我t一个lic>
j我t一个lic>在(
1),让<我nline-formula>
c米米l:mi>
¯米米l:mo>
我米米l:mi>
j米米l:mi>
=米米l:mo>
d米米l:mi>
j米米l:mi>
c米米l:mi>
我米米l:mi>
j米米l:mi>
−米米l:mo>
u米米l:mi>
j米米l:mi>
。然后,一个下界<我nline-formula>
l米米l:mi>
u米米l:mi>
是由解决以下问题:
(9)米米l:mtext>
l米米l:mi>
u米米l:mi>
=米米l:mo>
最小化米米l:mtext>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
c米米l:mi>
¯米米l:mo>
我米米l:mi>
j米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
+米米l:mo>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
f米米l:mi>
我米米l:mi>
y米米l:mi>
我米米l:mi>
,米米l:mo>
(10)米米l:mtext>
受米米l:mtext>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
d米米l:mi>
j米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≤米米l:mo>
年代米米l:mi>
我米米l:mi>
y米米l:mi>
我米米l:mi>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
(11)米米l:mtext>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≤米米l:mo>
y米米l:mi>
我米米l:mi>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
,米米l:mo>
(12)米米l:mtext>
y米米l:mi>
我米米l:mi>
≤米米l:mo>
1米米l:mn>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
(13)米米l:mtext>
p米米l:mi>
≤米米l:mo>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
y米米l:mi>
我米米l:mi>
≤米米l:mo>
p米米l:mi>
+米米l:mo>
2米米l:mn>
,米米l:mo>
(14)米米l:mtext>
x米米l:mi>
我米米l:mi>
j米米l:mi>
≥米米l:mo>
0米米l:mn>
,米米l:mo>
∀米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
,米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
。米米l:mo>
3.1。拉格朗日分解(LD)
它被广泛报道,解决<我nline-formula>
l米米l:mi>
u米米l:mi>
之上提供了一个良好的上下界整数最优解。这是通过使用体积算法改进。出于这样的事实很难解决<我nline-formula>
l米米l:mi>
u米米l:mi>
对于大尺寸问题,我们分解<我nline-formula>
l米米l:mi>
u米米l:mi>
问题转化为<我t一个lic>
米我t一个lic>独立的子问题对于每一个<我nline-formula>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
计算一个下限,我们也要在这一点上放松约束(
13),我们将返回这些以后在这一节中。每个子问题的一般形式
(15)米米l:mtext>
最小化米米l:mtext>
f米米l:mi>
y米米l:mi>
+米米l:mo>
∑米米l:mo>
c米米l:mi>
¯米米l:mo>
j米米l:mi>
x米米l:mi>
j米米l:mi>
,米米l:mo>
受米米l:mtext>
∑米米l:mo>
j米米l:mi>
d米米l:mi>
j米米l:mi>
x米米l:mi>
j米米l:mi>
≤米米l:mo>
年代米米l:mi>
y米米l:mi>
,米米l:mo>
x米米l:mi>
j米米l:mi>
≤米米l:mo>
y米米l:mi>
,米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
,米米l:mo>
0米米l:mn>
≤米米l:mo>
y米米l:mi>
≤米米l:mo>
1米米l:mn>
,米米l:mo>
x米米l:mi>
≥米米l:mo>
0。米米l:mn>
解决这个让一个下界(磅)很容易,也很容易为上限(乌兰巴托)。首先,我们任何变量设置为0<我nline-formula>
x米米l:mi>
j米米l:mi>
与<我nline-formula>
c米米l:mi>
¯米米l:mo>
j米米l:mi>
>米米l:mo>
0米米l:mn>
。然后,我们假定其他变量是命令,这样
(16)米米l:mtext>
c米米l:mi>
¯米米l:mo>
1米米l:mn>
d米米l:mi>
1米米l:mn>
≤米米l:mo>
c米米l:mi>
¯米米l:mo>
2米米l:mn>
d米米l:mi>
2米米l:mn>
≤米米l:mo>
⋯米米l:mo>
c米米l:mi>
¯米米l:mo>
n米米l:mi>
′米米l:mo>
d米米l:mi>
n米米l:mi>
′米米l:mo>
,米米l:mo>
在哪里米米l:mtext>
n米米l:mi>
′米米l:mo>
⊆米米l:mo>
n米米l:mi>
和米米l:mtext>
n米米l:mi>
=米米l:mo>
D米米l:mi>
。米米l:mo>
现在,让<我t一个lic>
k我t一个lic>是最大的索引,这样<我nline-formula>
∑米米l:mo>
j米米l:mi>
=米米l:mo>
1米米l:mn>
k米米l:mi>
d米米l:mi>
j米米l:mi>
≤米米l:mo>
年代米米l:mi>
,让
(17)米米l:mtext>
b米米l:mi>
k米米l:mi>
=米米l:mo>
∑米米l:mo>
j米米l:mi>
=米米l:mo>
1米米l:mn>
k米米l:mi>
d米米l:mi>
j米米l:mi>
,米米l:mo>
r米米l:mi>
=米米l:mo>
年代米米l:mi>
−米米l:mo>
b米米l:mi>
k米米l:mi>
d米米l:mi>
k米米l:mi>
+米米l:mo>
1米米l:mn>
。米米l:mo>
如果<我nline-formula>
f米米l:mi>
+米米l:mo>
∑米米l:mo>
j米米l:mi>
=米米l:mo>
1米米l:mn>
k米米l:mi>
c米米l:mi>
¯米米l:mo>
j米米l:mi>
+米米l:mo>
c米米l:mi>
¯米米l:mo>
k米米l:mi>
+米米l:mo>
1米米l:mn>
r米米l:mi>
≥米米l:mo>
0米米l:mn>
,然后我们组<我nline-formula>
y米米l:mi>
=米米l:mo>
0米米l:mn>
和<我nline-formula>
x米米l:mi>
我米米l:mi>
j米米l:mi>
=米米l:mo>
0米米l:mn>
对所有<我t一个lic>
j我t一个lic>。否则,我们将<我nline-formula>
y米米l:mi>
=米米l:mo>
x米米l:mi>
=米米l:mo>
1米米l:mn>
为<我nline-formula>
1米米l:mn>
≤米米l:mo>
j米米l:mi>
≤米米l:mo>
k米米l:mi>
和<我nline-formula>
x米米l:mi>
k米米l:mi>
+米米l:mo>
1米米l:mn>
=米米l:mo>
r米米l:mi>
。
在解决这些<我t一个lic>
米我t一个lic>独立的子问题,我们接下来考虑设施所需要的最小数量供应所有的需求。通过这种方式,我们加强磅通过比较打开设备用的数量<我t一个lic>
h我t一个lic>之后,解决了<我t一个lic>
米我t一个lic>子问题,所需的最小值<我t一个lic>
p我t一个lic>。如果<我nline-formula>
h米米l:mi>
<米米l:mo>
p米米l:mi>
,然后我们未开封设施的固定成本和开放直到我们最便宜的设施<我t一个lic>
p我t一个lic>打开了。磅是适当增加到占这些额外的固定成本。
年代ec>
3.2。体积算法(VA)
提高下界我们获得解决上面问题的分解,我们用VA发达
7)和中发现相同的算法(
12),停在一条程数= 200,接下来,我们运行到2000年。该算法可以由以下步骤:
步骤1。我t一个lic>开始一个向量<我nline-formula>
u米米l:mi>
¯米米l:mo>
和解决(
8)- (
13)获得<我nline-formula>
x米米l:mi>
¯米米l:mo>
,米米l:mo>
y米米l:mi>
¯米米l:mo>
和<我nline-formula>
l米米l:mi>
u米米l:mi>
¯米米l:mo>
并设置<我nline-formula>
t米米l:mi>
=米米l:mo>
1米米l:mn>
。
步骤2。我t一个lic>计算<我nline-formula>
v米米l:mi>
t米米l:mi>
,在那里<我nline-formula>
v米米l:mi>
j米米l:mi>
t米米l:mi>
=米米l:mo>
1米米l:mn>
−米米l:mo>
∑米米l:mo>
我米米l:mi>
x米米l:mi>
¯米米l:mo>
我米米l:mi>
j米米l:mi>
和<我nline-formula>
u米米l:mi>
t米米l:mi>
=米米l:mo>
u米米l:mi>
¯米米l:mo>
+米米l:mo>
年代米米l:mi>
v米米l:mi>
t米米l:mi>
步长<我t一个lic>
年代我t一个lic>由(
20.下面)。解决(
8)- (
13),<我nline-formula>
u米米l:mi>
t米米l:mi>
。让<我nline-formula>
x米米l:mi>
t米米l:mi>
,米米l:mo>
y米米l:mi>
t米米l:mi>
获得的解决方案。然后,<我nline-formula>
x米米l:mi>
¯米米l:mo>
,米米l:mo>
y米米l:mi>
¯米米l:mo>
被更新为
(18)米米l:mtext>
x米米l:mi>
¯米米l:mo>
,米米l:mo>
y米米l:mi>
¯米米l:mo>
=米米l:mo>
α米米l:mi>
x米米l:mi>
t米米l:mi>
,米米l:mo>
y米米l:mi>
t米米l:mi>
+米米l:mo>
1米米l:mn>
−米米l:mo>
α米米l:mi>
x米米l:mi>
¯米米l:mo>
,米米l:mo>
y米米l:mi>
¯米米l:mo>
,米米l:mo>
在哪里<我t一个lic>
α我t一个lic>是一个数字在0和1之间。为了设置的值<我t一个lic>
α我t一个lic>,我们解决以下一维问题:
(19)米米l:mtext>
最小化米米l:mtext>
α米米l:mi>
w米米l:mi>
+米米l:mo>
1米米l:mn>
−米米l:mo>
α米米l:mi>
v米米l:mi>
t米米l:mi>
,米米l:mo>
受米米l:mtext>
b米米l:mi>
10米米l:mn>
≤米米l:mo>
α米米l:mi>
≤米米l:mo>
b米米l:mi>
。米米l:mo>
的值<我t一个lic>
b我t一个lic>最初设置为0.1,然后我们检查每100次迭代<我nline-formula>
l米米l:mi>
u米米l:mi>
t米米l:mi>
没有至少增加了1%,在这种情况下,我们分裂吗<我t一个lic>
b我t一个lic>除以2;否则,我们保持它。当<我t一个lic>
b我t一个lic>就不到<我nline-formula>
10米米l:mn>
−米米l:mo>
5米米l:mn>
,我们在这个值保持不变。
步骤3我t一个lic>。如果<我nline-formula>
l米米l:mi>
u米米l:mi>
t米米l:mi>
>米米l:mo>
l米米l:mi>
u米米l:mi>
¯米米l:mo>
,然后更新<我nline-formula>
u米米l:mi>
¯米米l:mo>
作为<我nline-formula>
u米米l:mi>
¯米米l:mo>
=米米l:mo>
u米米l:mi>
t米米l:mi>
。注意,在步骤3,我们更新<我nline-formula>
u米米l:mi>
¯米米l:mo>
只有在<我nline-formula>
l米米l:mi>
u米米l:mi>
t米米l:mi>
>米米l:mo>
l米米l:mi>
u米米l:mi>
¯米米l:mo>
。
步骤4。我t一个lic>停止标准。
v米米l:mi>
j米米l:mi>
t米米l:mi>
<米米l:mo>
0.02米米l:mn>
乌兰巴托米米l:mtext>
−米米l:mo>
l米米l:mi>
u米米l:mi>
t米米l:mi>
/米米l:mo>
乌兰巴托米米l:mtext>
≤米米l:mo>
0.02米米l:mn>
的数量等于2000
算法终止时前面的标准是满足。如果停止规则不满意,然后设置<我nline-formula>
t米米l:mi>
=米米l:mo>
t米米l:mi>
+米米l:mo>
1米米l:mn>
,转到第2步。
公式的步长<我t一个lic>
年代我t一个lic>是使用的一次梯度法(
13]:
(20)米米l:mtext>
年代米米l:mi>
=米米l:mo>
λ米米l:mi>
乌兰巴托米米l:mtext>
−米米l:mo>
l米米l:mi>
u米米l:mi>
¯米米l:mo>
v米米l:mi>
2米米l:mn>
,米米l:mo>
在哪里<我t一个lic>
λ我t一个lic>是一个数字0和2之间。为了将其值设置,我们定义了三种类型的迭代:
迭代<我t一个lic>
E我t一个lic>,这是没有改进的迭代下界。一个序列的<我t一个lic>
E我t一个lic>迭代需要需要一个更小的步长。因此,经过一系列20<我t一个lic>
E我t一个lic>迭代,我们把<我t一个lic>
λ我t一个lic>0.66。
如果<我nline-formula>
l米米l:mi>
u米米l:mi>
t米米l:mi>
>米米l:mo>
l米米l:mi>
u米米l:mi>
¯米米l:mo>
,我们计算<我nline-formula>
w米米l:mi>
j米米l:mi>
=米米l:mo>
∑米米l:mo>
我米米l:mi>
x米米l:mi>
我米米l:mi>
j米米l:mi>
t米米l:mi>
,尽管<我t一个lic>
j我t一个lic>和<我nline-formula>
d米米l:mi>
=米米l:mo>
v米米l:mi>
t米米l:mi>
⋅米米l:mo>
w米米l:mi>
。如果<我nline-formula>
d米米l:mi>
<米米l:mo>
0米米l:mn>
,这意味着一个较大的步长就会给一个更小的值<我nline-formula>
l米米l:mi>
u米米l:mi>
t米米l:mi>
,我们称之为迭代<我t一个lic>
Y我t一个lic>。
如果<我nline-formula>
d米米l:mi>
≥米米l:mo>
0米米l:mn>
,我们称之为迭代<我t一个lic>
T我t一个lic>;一个<我t一个lic>
T我t一个lic>迭代显示需要一个较大的步长,所以我们用<我t一个lic>
λ我t一个lic>1.1。
3.3。计算磅
在[
12),我们发现有两种方法来解决<我nline-formula>
l米米l:mi>
u米米l:mi>
制定上述问题本文获得磅。保持独立,我们列出以下方法:
第一个方法是分解<我nline-formula>
l米米l:mi>
u米米l:mi>
成<我t一个lic>
米我t一个lic>独立的子问题。像前面解释的那样解决问题。然后,更新这磅使用VA如前所述,但在步骤1的两种方法。一种方法是设置的值向量<我nline-formula>
u米米l:mi>
¯米米l:mo>
0和继续使用VA改善磅。另一种方法是设置向量<我nline-formula>
u米米l:mi>
¯米米l:mo>
值,用“热启动双刀。“热启动双刀是价值观的双刀放松约束(
1),获得解决的贪婪弱表示该机构作为解决方案。
第二种方法是先删除约束(
11)<我nline-formula>
l米米l:mi>
u米米l:mi>
制定减少的大小使它可能解决的问题。然后解决它没有上述分解技术,获得磅。改善这个磅,我们应用VA相同的两种方式我们上面所讨论的。
注意,约束(
13)中<我nline-formula>
l米米l:mi>
u米米l:mi>
制定,但只有部分<我nline-formula>
p米米l:mi>
≤米米l:mo>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
y米米l:mi>
我米米l:mi>
适用于获得磅正如我们之前解释的。另一部分是多余的在这里,因为它只影响获得乌兰巴托在接下来的方法。下界的这种方法并不总是有整型值<我t一个lic>
y我t一个lic>,虽然这不是分解方法;因此,从这种方法通常比磅磅的分解方法。
年代ec>
3.4。计算乌兰巴托
计算乌兰巴托,一种方法是先删除约束(
3)。解决<我t一个lic>
P我t一个lic>制定资讯解决方案。然后,使用一种称为随机舍入的技术(RR)和一个叫下面的单位成本技术的新技术,治疗的部分解决方案<我t一个lic>
y我t一个lic>作为一个概率分布,保持开放随机获得足够的能力。我们保持更新使用VA每50经过乌兰巴托,直到满足停止条件之一。我们选择通过50因为乌兰巴托变化缓慢,和从我们的实验中,50通常表现出一些改善在乌兰巴托。这是获得乌兰巴托的一种方式。
另一种方法是与上述类似,除了在我们解决<我t一个lic>
P我t一个lic>问题;我们叫贪婪的上界弱表示。我们称这种策略“热启动乌兰巴托。“这乌兰巴托的结果在一个更小的步长。因此,两磅,乌兰巴托聚合速度在我们的实验。50通过之后,我们称之为下面的RR技术。我们一直使用VA和RR技术直到满足停止条件之一。
第三种技术称为“单位成本技术”(加州大学)选择<我nline-formula>
y米米l:mi>
′米米l:mo>
年代打开根据他们的成本。它选择的最低单位成本。我们称这种技术一旦开始在调用RR之前。然后50过后,我们切换到调用调用RR的RR和保持每50通过更新乌兰巴托,直到我们满足停止条件之一。接下来,我们详细讨论这些技术。
年代ec>
3.5。讨论
结合上述方法,用于获得磅和乌兰巴托,我们有八个不同的方法来解决该机构。图
1下面是一个树图简化这八LR1-LR8方法所表示的方法。
拉格朗日LR1-LR8启发式和体积算法的方法。
这些方法用于解决不同尺寸的机构。决定使用哪些方法解决这问题,我们将问题分为三类:小,中,大。
年代ec>
4所示。计算结果
所选模型收集来自比斯利(
14),我们选择了两个实例时,他们无法找到可行的解决方案使用系数= 1.5。被定义为因子值<我nline-formula>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
年代米米l:mi>
我米米l:mi>
/米米l:mo>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
d米米l:mi>
j米米l:mi>
,用于重新调节能力值。他们使用启发式产生一个可行的整数解,用拉格朗日松弛和体积算法获得最优值的下界。该机构,他们能够解决实例<我nline-formula>
1000年米米l:mn>
×米米l:mo>
1000年米米l:mn>
。
我们用实例生成工作的比斯利(
7和拉维和Sinha的工作
9),如下:
我们生成的需求点<我t一个lic>
j我t一个lic>和设施点<我t一个lic>
我我t一个lic>统一在一个随机的<我nline-formula>
0 1米米l:mn>
×米米l:mo>
0 1米米l:mn>
需求值<我nline-formula>
d米米l:mi>
j米米l:mi>
从生成均匀分布与平均35和标准偏差5,<我nline-formula>
U米米l:mi>
35米米l:mn>
−米米l:mo>
15米米l:mn>
,米米l:mo>
35米米l:mn>
+米米l:mo>
15米米l:mn>
的能力<我nline-formula>
年代米米l:mi>
我米米l:mi>
生成的<我nline-formula>
U米米l:mi>
10160年米米l:mn>
分布,然后新这样<我nline-formula>
∑米米l:mo>
我米米l:mi>
∈米米l:mo>
F米米l:mi>
年代米米l:mi>
我米米l:mi>
/米米l:mo>
∑米米l:mo>
j米米l:mi>
∈米米l:mo>
D米米l:mi>
d米米l:mi>
j米米l:mi>
是等于参数设置的因素;这不是设定在10和在某些情况下1.5
的固定成本<我nline-formula>
f米米l:mi>
我米米l:mi>
每个站点的设置使用公式<我nline-formula>
f米米l:mi>
我米米l:mi>
=米米l:mo>
U米米l:mi>
0,90米米l:mn>
+米米l:mo>
U米米l:mi>
100110年米米l:mn>
年代米米l:mi>
我米米l:mi>
单位运输成本<我nline-formula>
c米米l:mi>
我米米l:mi>
j米米l:mi>
对应于欧几里得距离乘以10
接下来,我们报告我们的实验结果为两种算法使用很多方法用LR1-LR8方法。第一个方法的拉格朗日松弛算法没有分解(LR1-LR4),我们表示该算法由LR和VA。第二个是分解的拉格朗日松弛算法的方法(LR5-LR8),我们表示该算法LD和弗吉尼亚州。
回想一下,我们根据大小分类成三个类的问题。类是小,中,大。在接下来的部分,我们报告的结果和分析每个类的问题。
<年代ec id="sec4.1">
4.1。小尺寸的问题
在表
1下面,我们报告的解决方案解决小问题规模100 - 300。通过比较两种算法的解决方案上面介绍的那样,我们注意到磅和体积的拉格朗日分解算法的乌兰巴托LR5-LR8是更好的质量和运行时间。磅之间有很大的差异的两个算法,原因是LD算法的优点之一是强迫<我nline-formula>
y米米l:mi>
′米米l:mo>
年代米米l:mtext>
是1。此外,我们能够获得一个封闭磅贪婪的代表性强的问题,而是一个更好的乌兰巴托和运行时间。此外,误差值小于LR5-LR8贪婪的在我们的一些方法。
比较的结果LR和LD和VA小问题大小的100 - 300。
| 问题的大小<我nline-formula>
米米米l:mi>
×米米l:mo>
n米米l:mi>
|
算法 | 方法 | 磅 | 乌兰巴托 | 时间 | 通过 | 错误<我nline-formula>
%米米l:mtext>
|
|
One hundred.米米l:mn>
×米米l:mo>
One hundred.米米l:mn>
|
LR和弗吉尼亚州 | LR1 | 9529.44 | 11984.03 | 64.48 | 650年 | 20.5 |
| LR2 | 9529.44 | 11757.42 | 359.4 | 1750年 | 18.9 |
| LR3 | 9529.44 | 11433.22 | 113.8 | 571年 | 16.7 |
| LR4 | 9529.44 | 11433.22 | 41.0 | 423年 | 16.7 |
| LD和弗吉尼亚州 | LR5 | 11088.854 | 11717.01 | 4.35 | 450年 | 5.43 |
| LR6 | 11088.854 | 11599.43 | 3所示。8 | 397年 | 4.46 |
| LR7 | 11088.854 | 11433.22 | 4.61 | 482年 | 3.03 |
| LR8 | 11088.854 | 11433.22 | 4.12 | 443年 | 3.02 |
| 最贪婪的溶胶。 | 滤光片4 | 11089.6 | 11634.30 | 55.19 | - - - - - - | 4.68 |
|
|
200年米米l:mn>
×米米l:mo>
200年米米l:mn>
|
LR和弗吉尼亚州 | LR1 | 18005.55 | 20677.407 | 681.68 | 1400年 | 12.9 |
| LR2 | 18005.75 | 20447.484 | 680.48 | 1450年 | 11.9 |
| LR3 | 18005.34 | 20083.69 | 822.64 | 617年 | 10.3 |
| LR4 | 18005.75 | 20083.69 | 78.10 | 503年 | 10.3 |
| LD和弗吉尼亚州 | LR5 | 19542.11 | 19919.04 | 151.54 | 1850年 | 1.89 |
| LR6 | 19542.02 | 19919.05 | 75.06 | 900年 | 1.89 |
| LR7 | 19542.08 | 19919.05 | 116.26 | 1400年 | 1.89 |
| LR8 | 19542.07 | 19792.52 | 95.01 | 1150年 | 1.30 |
| 最贪婪的溶胶。 | 滤光片4 | 19542.3 | 19791.608 | 791.64 | - - - - - - | 1.30 |
|
|
300年米米l:mn>
×米米l:mo>
300年米米l:mn>
|
LR和弗吉尼亚州 | LR1 | 26428.89 | 30775.85 | 1552.28 | 1000年 | 14.0 |
| LR2 | 26428.09 | 29854.86 | 774.10 | 500年 | 11.5 |
| LR3 | 26428.85 | 29092.27 | 1000.82 | 647年 | 9.2 |
| LR4 | 26428.86 | 29092.27 | 644.98 | 438年 | 9.2 |
| LD和弗吉尼亚州 | LR5 | 28351.01 | 29197.79 | 616.77 | 702年 | 2.9 |
| LR6 | 28351.01 | 29065.70 | 1469.08 | 1700年 | 2.5 |
| LR7 | 28351.01 | 28933.05 | 935.91 | 1150年 | 2.01 |
| LR8 | 28351.01 | 28933.05 | 369.46 | 1150年 | 2.01 |
| 最贪婪的溶胶。 | 滤光片4 | 28351.8 | 29125.771 | 5403.93 | - - - - - - | 2.7 |
在下表,列“通过”了我们经历的次数算法寻找一个更好的磅和乌兰巴托。最后一行对应于贪婪的解决方案我们能够获得最好的;我们把它在这些表进行比较。最后一列对应的误差百分比值,可以获得的<我nline-formula>
乌兰巴托米米l:mtext>
−米米l:mo>
磅米米l:mtext>
/米米l:mo>
乌兰巴托米米l:mtext>
。这个值显示比例较低的差距和问题的上界。我们使用这个值作为停止准则是否小于<我nline-formula>
2米米l:mn>
%米米l:mtext>
。同时,停止标准在大部分的结果是通过的数量,和休息,他们错误的价值观。
年代ec>
4.2。中等大小的问题
表
2下面列出了所有的结果解决媒介问题大小的400 - 900。只是因为我们使用了拉格朗日分解算法解决问题的规模太大而不分解。大小问题的结果<我nline-formula>
500年米米l:mn>
×米米l:mo>
500年米米l:mn>
表明,我们能够获得一个更好的磅和乌兰巴托相比贪婪的解决方案。另外,它们之间的差距小于贪婪的差距的解决方案。在问题大小的500 - 900年,我们能够获得一个可行的整数解(乌兰巴托)不足的缺口<我nline-formula>
1米米l:mn>
%米米l:mtext>
下界的磅在大多数我们的解决方案和其他人不到<我nline-formula>
2.5米米l:mn>
%米米l:mo>
。停止准则的误差值在大多数的结果。
计算结果LD和弗吉尼亚州的中等大小的问题400 - 900。
| 问题的大小<我nline-formula>
米米米l:mi>
×米米l:mo>
n米米l:mi>
|
算法 | 方法 | 磅 | 乌兰巴托 | 时间 | 通过 | 错误<我nline-formula>
%米米l:mtext>
|
|
400年米米l:mn>
×米米l:mo>
400年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 36935.02 | 37896.53 | 1069.32 | 1350年 | 2.50 |
| LR6 | 36935.06 | 37490.2 | 1444.27 | 1800年 | 1.50 |
| LR7 | 36935.04 | 37822.04 | 487.29 | 625年 | 2.34 |
| LR8 | 36935.42 | 37822.0 | 451.83 | 552年 | 2.34 |
| 最贪婪的溶胶。 | Mweak | 34834.849 | 37495.195 | 431.67 | - - - - - - | 7.1 |
|
|
500年米米l:mn>
×米米l:mo>
500年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 45409.13 | 45785.48 | 1212.02 | 618年 | 0.82 |
| LR6 | 45410.19 | 45732.0 | 6285.19 | 1550年 | 0.70 |
| LR7 | 45409.29 | 45644.58 | 1902.88 | 1000年 | 0.50 |
| LR8 | 45409.0 | 45694.22 | 2158.55 | 1050年 | 0.62 |
| 最贪婪的溶胶。 | Mweak | 43217.95 | 45968.784 | 864.89 | - - - - - - | 6.0 |
|
|
600年米米l:mn>
×米米l:mo>
600年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 53756.957 | 54788.362 | 4572.55 | 901年 | 1.90 |
| LR6 | 53709.728 | 54535.212 | 3333.43 | 651年 | 1.50 |
| LR7 | 53756.414 | 54285.848 | 4133.19 | 601年 | 0.96 |
| LR8 | 53687.616 | 54285.848 | 3135.78 | 601年 | 0.98 |
| 最贪婪的溶胶。 | Mweak | 51564.439 | 54065.88 | 1541.69 | - - - - - - | 4.60 |
|
|
700年米米l:mn>
×米米l:mo>
700年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 61165.793 | 62260.506 | 5553.19 | 601年 | 1.76 |
| LR6 | 61166.521 | 62230.049 | 6574.87 | 751年 | 1.71 |
| LR7 | 61165.194 | 62048.79 | 5058.79 | 601年 | 1.40 |
| LR8 | 61165.867 | 62048.793 | 4972.56 | 601年 | 1。4 |
| 最贪婪的溶胶。 | Mweak | 58997.209 | 61710.99 | 2193.92 | - - - - - - | 4.4 |
|
|
800年米米l:mn>
×米米l:mo>
800年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 68783.862 | 69557.30 | 12192.85 | 1100年 | 1。1 |
| LR6 | 68724.139 | 69956.659 | 13840.73 | 1001年 | 1.76 |
| LR7 | 68764.846 | 69049.99 | 8601.68 | 602年 | 0.413 |
| LR8 | 68744.645 | 69049.99 | 8582.22 | 601年 | 0.44 |
| 最贪婪的溶胶。 | 弱 | 66693.20 | 69049.99 | 543.63 | - - - - - - | 3所示。4 |
|
|
900年米米l:mn>
×米米l:mo>
900年米米l:mn>
|
LR和弗吉尼亚州 | LR5 | 76509.406 | 77139.556 | 12311.42 | 604年 | 0.82 |
| LR6 | 76421.149 | 77028.705 | 12156.0 | 603年 | 0.79 |
| LR7 | 76511.347 | 77028.705 | 9715.03 | 601年 | 0.67 |
| LR8 | 76505.026 | 77028.705 | 9723.46 | 602年 | 0.68 |
| 最贪婪的溶胶。 | 弱 | 74423.0 | 77054.107 | 1029.58 | - - - - - - | 3所示。4 |
4.3。大尺寸的问题
在表
3解决大型问题的结果,我们都说明使用体积的拉格朗日分解算法,这是本研究的目标。我们能够解决大型机构的实例。最大的问题是解决大小<我nline-formula>
3000年米米l:mn>
×米米l:mo>
3000年米米l:mn>
。在的一些问题,我们的解决方案能够比较贪婪的解决方案。表
3显示我们获得更好的磅,比贪婪的乌兰巴托。另外,它们之间的差距远小于之间的差距乌兰巴托和磅的贪婪。在所有问题的解决方案,这个差距小于<我nline-formula>
2.63米米l:mn>
%米米l:mtext>
。
计算结果LD和弗吉尼亚州的大小的1000 - 3000年的大问题。
| 问题的大小<我nline-formula>
米米米l:mi>
×米米l:mo>
n米米l:mi>
|
算法 | 磅 | 乌兰巴托 | 时间 | 通过 | 错误<我nline-formula>
%米米l:mo>
|
|
1000年米米l:mn>
×米米l:mo>
1000年米米l:mn>
|
LD和弗吉尼亚州 | 84448.103 | 86732.678 | 1140.030 | 1550年 | 2.630 |
| 贪婪的弱 | 82466.800 | 87710.265 | 1121.890 | - - - - - - | 5.980 |
|
|
1200年米米l:mn>
×米米l:mo>
1200年米米l:mn>
|
LD和弗吉尼亚州 | 101617.237 | 103125.198 | 1705.680 | 882年 | 1.460 |
| 贪婪的弱 | 98770.100 | 103579.320 | 1766.210 | - - - - - - | 4.640 |
|
|
1500年米米l:mn>
×米米l:mo>
1500年米米l:mn>
|
LD和弗吉尼亚州 | 124282.603 | 126124.230 | 2429.820 | 1100年 | 1.460 |
| 贪婪的弱 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
2000年米米l:mn>
×米米l:mo>
2000年米米l:mn>
|
LD和弗吉尼亚州 | 161914.359 | 164486.627 | 9100.300 | 1760年 | 1.564 |
| 贪婪的弱 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
2500年米米l:mn>
×米米l:mo>
2500年米米l:mn>
|
LD和弗吉尼亚州 | 202179.251 | 202784.372 | 21155.3 | 1950年 | 0.300 |
| 贪婪的弱 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
3000年米米l:mn>
×米米l:mo>
3000年米米l:mn>
|
LD和弗吉尼亚州 | 239858.612 | 241723.867 | 38016.52 | 1993年 | 0.772 |
| 贪婪的弱 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
5。结论
在本文中,我们调查了解决非常大的机构的实例。我们首先给出了该机构的一般代数模型。此外,创建的拉格朗日分解表示解决大型机构的实例。我们已经提高了这一技术的下界,利用分解方法以及引入紧约束,这是一个新的积极的拉格朗日函数分解方法求解该机构。
对于非常大的问题,我们应用随机舍入方法以及单位成本的技术,它提供了一个良好的乌兰巴托在合理的计算时间。
本文研究的推力是能够解决非常大的机构的实例。我们已经表明我们的算法尺度。我们的结果表明,增加问题的大小会导致一个小磅之间的相对误差和计算时间的乌兰巴托没有太多负担。为了处理这些大型模型实例,我们利用稀疏技术技术在实现我们的算法。因此,我们已经开发出一种稀疏的数据结构,我们利用算法实现。
年代ec>
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
年代ec>
的利益冲突
作者宣称没有利益冲突。
年代ec>
[
举行年代urn一个米e>
M。
卡普年代urn一个米e>
r·M。
旅行推销员问题和最小生成树一个rt我cle-title>
运筹学我t一个lic>
1970年
18
6我年代年代ue>
1138年
1162年
10.1287 / opre.18.6.1138
]
[
举行年代urn一个米e>
M。
卡普年代urn一个米e>
r·M。
旅行推销员问题和最小生成树:第二部分一个rt我cle-title>
数学规划我t一个lic>
1971年
1
1我年代年代ue>
6
25
10.1007 / bf01584070
2 - s2.0 - 34250461535
]
[
举行年代urn一个米e>
M。
乌尔夫年代urn一个米e>
P。
克劳德年代urn一个米e>
h·P。
次梯度优化的验证一个rt我cle-title>
数学规划我t一个lic>
1974年
6
1我年代年代ue>
62年
88年
10.1007 / bf01580223
2 - s2.0 - 0016025814
]
[
Barahona年代urn一个米e>
F。
Anbil年代urn一个米e>
R。
体积算法:生产原始解决方案与次梯度的方法一个rt我cle-title>
数学规划我t一个lic>
2000年
87年
3我年代年代ue>
385年
399年
10.1007 / s101070050002
2 - s2.0 - 0013152010
]
[
Aardal年代urn一个米e>
K。
生产配送设施选址:分离算法和计算体验一个rt我cle-title>
数学规划我t一个lic>
1998年
81年
149年
175年
10.1016 / s0025 - 5610 (97) 00078 - 6
]
[
Aardal年代urn一个米e>
K。
再形成的生产配送设施选址问题:冗余信息如何帮助一个rt我cle-title>
《运筹学我t一个lic>
1998年
82年
289年
308年
10.1023 /:1018966804496
]
[
比斯利年代urn一个米e>
j·E。
一个算法求解大型生产配送仓库位置的问题一个rt我cle-title>
欧洲运筹学杂志》上我t一个lic>
1988年
33
3我年代年代ue>
314年
325年
10.1016 / 0377 - 2217 (88)90175 - 0
2 - s2.0 - 0023963030
]
[
比斯利年代urn一个米e>
j·E。
Lagrangean启发式定位问题一个rt我cle-title>
欧洲运筹学杂志》上我t一个lic>
1993年
65年
3我年代年代ue>
383年
399年
10.1016 / 0377 - 2217 (93)90118 - 7
2 - s2.0 - 0027557167
]
[
拉维年代urn一个米e>
R。
Sinha年代urn一个米e>
一个。
结合设施选址问题的近似算法和网络设计一个rt我cle-title>
运筹学我t一个lic>
2006年
54
1我年代年代ue>
73年
81年
10.1287 / opre.1050.0228
2 - s2.0 - 33644508921
]
[
Hajiaghavi年代urn一个米e>
m . T。
Mahdian年代urn一个米e>
M。
Mirrokni年代urn一个米e>
诉。
的设施选址问题一般成本函数一个rt我cle-title>
网络我t一个lic>
2002年
42
1我年代年代ue>
42
47
10.1002 / net.10080
2 - s2.0 - 2142843532
]
[
Mahdian年代urn一个米e>
M。
Markakis年代urn一个米e>
E。
萨贝里年代urn一个米e>
一个。
Vazirani年代urn一个米e>
V。
一个贪婪的设施选址算法使用双拟合分析一个rt我cle-title>
近似,随机化,组合优化算法和技术我t一个lic>
2001年
2129年
柏林,德国
施普林格- -信号
127年
137年
10.1007 / 3 - 540 - 44666 - 4 - _16
]
[
Alenezy年代urn一个米e>
e . J。
Khalaf)年代urn一个米e>
r F。
实现lagrangean分解技术获得一个适当的低boundon设施选址问题的解决方案一个rt我cle-title>
应用数学我t一个lic>
2013年
4
8我年代年代ue>
1168年
1172年
10.4236 / am.2013.48156
]
[
塞拉年代urn一个米e>
D。
Ratick年代urn一个米e>
年代。
雷夫尔年代urn一个米e>
C。
不确定性最大捕获问题一个rt我cle-title>
环境和计划B:规划和设计我t一个lic>
1996年
23
1我年代年代ue>
49
59
10.1068 / b230049
2 - s2.0 - 0029751395
]
[
比斯利年代urn一个米e>
j·E。
通过电子邮件或图书馆:分配测试问题一个rt我cle-title>
《运筹学学会》杂志上我t一个lic>
1990年
41
11我年代年代ue>
1069年
1072年
10.1057 / jors.1990.166
2 - s2.0 - 56449107505
]