Hola, en este repositorio vienen los códigos que se usaron para resolver los modelos de optimización correspondientes a mi tesis de maestría en Tecnológico de Monterrey, consisten en una serie de modelos base que pueden modificarse a gusto de quien quiera utilizarlos. Consiste en dos modelos de optimización, siendo el primero de ellos el CFLP (Capacitated Facility Location Problem) con demandas aleatorias y penalización por no entregas, el modelo es formulado como uno de programación estocástica de dos etapas, donde las variables de decisión de primer etapa son que plantas abrir (variables binarias), las de segundo etapa corresponden a los envíos y las no entregas.
índices:
Parámetros:
Variables de decisión:
El problema a resolver es el siguiente:
Sujeto a:
Las restricciones de no anticipación se pueden formular como:
Se usa Gurobi (https://www.gurobi.com/) y CPLEX (https://www.ibm.com/mx-es/analytics/cplex-optimizer) mediante DOCPLEX (https://pypi.org/project/docplex/)
Se hace una implementación basada en la descomposición de Benders en Gurobi, la formulación matemática es la siguiente.
El problema maestro es:
Donde
Los subproblemas se definen como:
El segundo modelo consiste en la relajación de un problema multi-etapas a uno de dos
etapas para planeación de producción (Aggregate Production Planning), las variables de primer etapa son los recursos a
usar previo al inicio de la producción.
Se usa Gurobi.
Para el modelo multi-etapas se utiliza Lingo 20.0, la formulación del modelo multi-etapas es la siguiente:
Los índices del modelo son:
Los archivos con extensión lg4 son de LINGO, para usar los archivos puede consultar su manual (https://www.lindo.com/index.php/help/user-manuals), la herística fue implementada en LINGO siendo MATE_HEURISTIC_SAA. Para hacer la selección de Benders en LINGO, se debe seleccionar el archivo lg4 20-50 Benders, y se hará los ajustes necesarios de acuerdo a la instancia a resolver, el modelo de APP se sube para la solución de 20-50a, pero se puede adecuar para las otras instancias siguiendo la tesis.
Finalmente, se suben los archivos MPS de las instancias 20-50 para usar en NEOS (https://neos-server.org/neos/), si deseas pedir los otros por favor escribe a mi correo ([email protected] o [email protected]), Si existe algo que se puede mejorar en cuanto a código, estoy abierto a recibir ayuda y retroalimentación.
Muchas gracias.
Goméz Rocha, J. E. (2023). Un enfoque de solución a la integración del problema de plantas capacitadas con la planeación agregada de la producción bajo incertidumbre usando programación estocástica [Tesis para obtar al grado de Maestro en Ciencias de la Ingeniería]. Instituto Tecnológico y de Estudios Superiores de Monterrey.