In this paper we present a hybrid heuristic for the capacitated pmedian problem (CPMP). This problem considers a set of n points, each of them with a known demand, the objective consists of finding p medians and assign each point to exactly one median such that the total distance of assigned points to their corresponding medians is minimized, and the a capacity limit on the medians may not be exceeded. The purpose of this paper is to present a new hybrid heuristic to solve the CPMP, called Clustering Search (CS), which consists in detecting promising search areas based on clustering. Computational results show that the CS found the best known solutions in all most instances.

No abstract

O problema de localização de máxima cobertura (MCLP) procura localizar facilidades visando a maximizar a população atendida, considerando uma dada distância ou tempo padrão de serviço. Várias extensões desse modelo têm sido propostas para aumentar a sua aplicabilidade. Entre elas, existem modelos probabilísticos para localização-alocação de máxima cobertura com restrições no tempo de espera ou no comprimento da fila para sistemas congestionados, que levam em conta um ou vários servidores por facilidade. A proposta deste trabalho é a de resolver um modelo para um servidor por facilidade por meio da relaxação lagrangeana e do Algoritmo Genético Construtivo. Os resultados dos testes obtidos nessas abordagens são apresentados e comparados.

O Problema Probabilístico de Localização-Alocação de Máxima Cobertura (PPLAMC) consiste em localizar facilidades, maximizando a população atendida e fornecendo um bom nível de serviço para toda a população, ou seja, deve-se garantir que um usuário, ao chegar a um centro, não espere mais que um tempo máximo permitido ou não encontre uma fila de atendimento com um número de usuário maior que um valor máximo. Estes dois parâmetros dependem da taxa de chegada dos usuários e do atendimento, ambos probabilísticos. Devido às dificuldades intrínsecas do problema, neste artigo são discutidos limitantes lagrangeanos para o PPLAMC obtidos com a relaxação lagrangeana com clusters (LagClus). Na sua proposição inicial, a LagClus utilizou um grafo de conflitos, porém neste artigo esta relaxação foi aplicada em um grafo especial denominado grafo de cobertura.

The Maximal Covering Location Problem (MCLP) maximizes the population that has a facility within a maximum travel distance or time. Numerous extensions have been proposed to enhance its applicability, like the probabilistic model for the maximum covering locationallocation with constraint in waiting time or queue length for congested systems, with one or more servers per service center. This paper presents one solution procedure for that probabilistic model, considering one server per center, using a Hybrid Heuristic known as Clustering Search (CS), that consists of detecting promising search areas based on clustering. The computational tests provide results for network instances with up to 818 vertices.