Estrategia de inicialización impulsada por la red y la demanda para mejorar la heurística en el problema de ubicación de instalaciones sin capacidad
Autores: Lin, Jayson; Yang, Shuo; Huang, Kai; Wang, Kun; Jang, Sunghoon
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Estrategia de inicialización impulsada por la red y la demanda para mejorar la heurística en el problema de ubicación de instalaciones sin capacidad
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Red
Uflp
Ndwrwi
Inicialización
Demanda
Agrupamiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
A medida que la escala y la demanda de la red aumentan, el Problema de Localización de Instalaciones sin Capacidad (UFLP), un problema clásico NP-duro ampliamente estudiado en la investigación de operaciones, se vuelve cada vez más desafiante para los métodos tradicionales limitados a la formulación, construcción y comparación. Este trabajo generaliza el UFLP al entorno de red en función de la intensidad de la demanda y la topología de la red. Se ha introducido una nueva técnica de inicialización llamada Inicialización de Ruleta Ponderada por Red y Demanda (NDWRWI) y se ha demostrado que es una alternativa competitiva a las inicializaciones aleatorias (RI) y ávidas (GI). Se realizaron experimentos basados en el conjunto de datos TRB y se compararon ocho métodos de vanguardia. Por ejemplo, en la red de escala ultra grande de Gold Coast, la Búsqueda de Vecindario (NS) basada en NDWRWI logró un costo total óptimo competitivo (9,372,502), cercano al mejor rendimiento de referencia (basado en RI: 9,189,353), al tiempo que proporcionaba una calidad de agrupamiento superior (Silueta: 0,3859 frente a 0,3833 y 0,3752 para NS basada en RI y GI, respectivamente) y reduciendo el tiempo computacional en casi un orden de magnitud en comparación con la línea de base basada en GI. De manera similar, la Búsqueda de Vecindario Variable (VNS) basada en NDWRWI mejoró la línea de base basada en RI al reducir el costo total en aproximadamente un 3,67%, aumentar la calidad del agrupamiento y lograr un tiempo de ejecución un 27% más rápido. Se encontró que NDWRWI prioriza los nodos de alta demanda y centralmente ubicados, fomentando soluciones iniciales de alta calidad y un rendimiento robusto en redes de gran escala y heterogéneas.
Descripción
A medida que la escala y la demanda de la red aumentan, el Problema de Localización de Instalaciones sin Capacidad (UFLP), un problema clásico NP-duro ampliamente estudiado en la investigación de operaciones, se vuelve cada vez más desafiante para los métodos tradicionales limitados a la formulación, construcción y comparación. Este trabajo generaliza el UFLP al entorno de red en función de la intensidad de la demanda y la topología de la red. Se ha introducido una nueva técnica de inicialización llamada Inicialización de Ruleta Ponderada por Red y Demanda (NDWRWI) y se ha demostrado que es una alternativa competitiva a las inicializaciones aleatorias (RI) y ávidas (GI). Se realizaron experimentos basados en el conjunto de datos TRB y se compararon ocho métodos de vanguardia. Por ejemplo, en la red de escala ultra grande de Gold Coast, la Búsqueda de Vecindario (NS) basada en NDWRWI logró un costo total óptimo competitivo (9,372,502), cercano al mejor rendimiento de referencia (basado en RI: 9,189,353), al tiempo que proporcionaba una calidad de agrupamiento superior (Silueta: 0,3859 frente a 0,3833 y 0,3752 para NS basada en RI y GI, respectivamente) y reduciendo el tiempo computacional en casi un orden de magnitud en comparación con la línea de base basada en GI. De manera similar, la Búsqueda de Vecindario Variable (VNS) basada en NDWRWI mejoró la línea de base basada en RI al reducir el costo total en aproximadamente un 3,67%, aumentar la calidad del agrupamiento y lograr un tiempo de ejecución un 27% más rápido. Se encontró que NDWRWI prioriza los nodos de alta demanda y centralmente ubicados, fomentando soluciones iniciales de alta calidad y un rendimiento robusto en redes de gran escala y heterogéneas.