Búsqueda de vecindad variable para el problema de localización de instalaciones sin capacidad

Resumen

La localización de instalaciones sin capacidad constituye un problema relevante en ámbitos como la logística, la distribución de recursos y la planificación de redes de telecomunicaciones. Dados un conjunto de posibles instalaciones y un conjunto de clientes, el problema consiste en seleccionar un indeterminado número de instalaciones a abrir para servir a todos los clientes con el objetivo de minimizar los costes de apertura y asignación. Debido a su clasificación como problema N P-difícil, la obtención de soluciones exactas se vuelve inabordable a gran es- cala, obligando a explorar métodos aproximados y metaheurísticas. En el marco de este problema, inicialmente se desarrollaron diversas aproximaciones exactas basadas. Sin embargo, más recientemente han cobrado relevancia los algoritmos aproximados y metaheurísticos, que logran soluciones de alta calidad con un coste computacional reducido. En este trabajo se propone una estrategia de búsqueda de vecindad variable que, mediante la apertura y cierre de instalaciones, equilibra la intensificación y la diversificación de la búsqueda. Los resultados experimentales sobre distintos conjuntos de instancias muestran que la propuesta logra solucio- nes de alta calidad muy próximas a las óptimas pero con un tiempo de ejecución reducido, comparándose con otros algoritmos del estado del arte.

Lucas Martin Garcia

Estudiante de Doctorado en Inteligencia Artificial

Lucas Martín se graduó en Matemáticas e Ingeniería Informática en la Universidad Complutense de Madrid en 2024. Actualmente trabaja como investigador centrado en problemas de optimización.

Isaac Lozano-Osorio

Doctor en Inteligencia Artificial

Isaac Lozano se graduó en el Doble grado de Ingeniería Informática e Ingeniería de Computadores por la Universidad Rey Juan Carlos. Al finalizar el doble grado, fue galardonado con el premio al Mejor Proyecto Fin de Carrera. Posteriormente, realizó un Máster en Investigación en Inteligencia Artificial (UIMP) y es doctor por la Universidad Rey Juan Carlos. Sus principales intereses de investigación se centran en la interfaz entre las Ciencias de la Computación, la Inteligencia Artificial y la Investigación Operativa. La mayoría de sus publicaciones tratan sobre el desarrollo de procedimientos metaheurísticos para problemas de optimización modelados por grafos.