--- title: "Localización plana con R-Commander: RcmdrPlugin.orloca" author: "Manuel Munoz-Marquez" date: "`r Sys.Date()`" output: rmarkdown::html_vignette vignette: > %\VignetteIndexEntry{Localización plana con R-Commander: RcmdrPlugin.orloca} %\VignetteEngine{knitr::rmarkdown} %\VignetteEncoding{UTF-8} --- ```{r setup, include = FALSE} knitr::opts_chunk$set( collapse = TRUE, comment = "#>", fig.width = 6, fig.height = 4 ) library(RcmdrPlugin.orloca) ``` # Introducción En un problema de localización se busca encontrar la ubicación óptima de un servicio, o un conjunto de ellos, de forma que la calidad que dicho servicio presta a un conjunto de puntos de demanda sea, según cierta medida, óptima. Algunos ejemplos de problemas de localización son: * Encontrar la ubicación óptima del almacen central de una red de distribución de mercancías para que se minimice el costo total de transporte * Encontrar la ubicación óptima de una ambulancia que debe atender a los pacientes de cierta región para que se minimice el tiempo en atender al paciente más lejano Son numerosos los contextos en los que se plantean problemas de localización, debido a ello la teoría de localización ha sido objeto de gran atención en los últimos años, pudiendo decirse que es un tema de gran actualidad y vigencia. A ello contribuye la aparición de facetas del problema hasta ahora no estudiadas. Por ejemplo, junto a los ya clásicos criterios de minimización de costos, aparecen nuevos criterios: ambientales, sociales, calidad de vida, etc. Estas nuevas vertientes del problema hacen que sea un campo abierto de estudio. El paquete que se presenta está dedicado a la resolución del problema de localizar un único punto en el plano usando como objetivo la minimización de la suma de las distancias ponderadas a los puntos de demanda. Nuevas versiones del paquete incluirán nuevos modelos de localización. El paquete __RcmdrPlugin.orloca__ añade algunas opciones al menú de Rcmdr para la resolución de problemas de localización plana. La entrada principal del menú es __Orloca__ y las opciones de dicho menú son: * Nuevo loca.p * Nueva instancia aleatoria loca.p * Resumen * Evaluación de la función objetivo del problema de localización de suma ponderada * Gráficos * Opciones * Ayuda En las siguientes secciones se describirán detalladamente cada una de estas opciones. # La clase de objetos loca.p En un problema de localización plana el conjunto de puntos de demanda viene dado por las coordenadas de dichos puntos. Opcionalmente, se puede asignar a dichos puntos una ponderación, que da mayor importancia a unos puntos que a otros, dado que el objetivo que se considera es minimizar la suma ponderada de las distancias entre el punto de servicio y dicho conjunto demandante. Por ejemplo, si se busca la localización de un hospital comarcal, los puntos de demanda pueden ser las localidades a las que el hospital debe atender y las ponderaciones la población de cada localidad. Para la resolución de estos problemas se ha definido una clase de objetos designada `loca.p`, de forma que un objeto `loca.p` almacena las coordenadas de los puntos de demanda y las ponderaciones de cada uno de los puntos. Cada objeto `loca.p` tiene tres slots, `x` e `y` que almacenan las coordenadas y `w` que almacena las ponderaciones. Cuando las ponderaciones no se den de forma explícita, se considerará que todos los puntos de demanda tienen igual importancia. En el resto de esta sección se expondrá la forma de hacer las operaciones básicas con objetos `loca.p`. ## Creación de objetos de clase loca.p Consideremos un problema de localización en el que el conjunto de puntos de demanda es $(0,0)$, $(4,0)$ y $(2,2)$. Para crear un objeto `loca.p` que represente a dicho conjunto, se seleccionan en el menú las opciones "Orloca" -> "Nuevo loca.p", obteniéndose el diálogo: ![Diálogo "Nuevo loca.p"](img/dialogo.nuevo.loca.p.png) Cambiando el nombre y pulsando en "Aceptar" se accede a la ventana del editor de datos. En la columna `x` se introducen los valores $0$, $4$, $2$ y $0$, $0$, $2$ en la columna `y`, y por último, se introducen tres unos en la columna `w`. Al salir del editor se habrá creado y activado un nuevo conjunto de datos `loca1` que representa un objeto `loca.p`. ```{r include=FALSE} loca1 <- loca.p(c(0, 4, 2), c(0, 0, 2)) ``` Las conversiones necesarias entre el tipo `data.frame` y el tipo `loca.p` se hacen de forma automática. ## Generación aleatoria de objetos de clase loca.p Se pueden crear objetos aleatorios de clase `loca.p` usando las opciones "Orloca" -> "Nueva instancia aleatoria loca.p", obteniéndose el diálogo: ![Diálogo "Nueva instancia aleatoria loca.p"](img/dialogo.nuevo.rloca.p.png) Cambiando los campos del diálogo como se muestra en la figura, se genera un nuevo objeto `loca.p` de nombre `loca2` con 100 puntos de demanda con ambas coordenadas entre 0 y 100 y con tres grupos. Tras pulsar en aceptar en la ventana de instrucciones se obtiene: ```{r} loca2 <- rloca.p(n = 100, xmin = 0, xmax = 10, ymin = 0, ymax = 10, groups = 3) loca2 <- as(loca2, "data.frame") ``` El nuevo conjunto de datos activo pasa a ser `loca2` y puede ser visualizado usando el botón "Visualizar conjunto de datos". ## Resumiendo los datos Se puede obtener un resumen numérico de un objeto `loca.p`. En el resumen se muestran los valores mínimo, máximo y medio de ambas coordenadas, además de la medias ponderadas de las coordenadas de los puntos para cada componente. Activando previamente el conjunto de datos `loca1` y seleccionando "Orloca" -> "Resumen", se obtiene: ```{r} summary(loca1) ``` # Distancia media ponderada Dado un objeto `loca.p` se puede evaluar la distancia media ponderada desde un punto dado. Así mismo, se puede evaluar el gradiente de dicha función y se puede resolver el problema de minimizar dicho objetivo. ## Evaluación La función distancia media ponderada se denomina en el paquete `distsum`. Dado un punto, por ejemplo: $(3, 1)$ para evaluar la distancia media ponderada a `loca1` se elige "Orloca" -> "Evaluación de la función objetivo del problema de localización de suma ponderada" y se obtiene el diálogo: ![Diálogo "Evaluación de la función objetivo del problema de suma ponderada"](img/dialogo.distsum.png) Introduciendo los valores mostrados se obtiene: ```{r} distsum(as(loca1, "loca.p") , x = 3, y = 1) # Suma ponderada de las distancias distsumgra(as(loca1, "loca.p") , x = 3, y = 1) # Gradiente de la función suma ponderada de las distancias ``` Obsérvese que también se ha obtenido el gradiente en dicho punto de la función objetivo. ## Resolución Para encontrar la solución óptima al problema de localización anterior se selecciona "Orloca" -> "Resolver el problema de localización de suma ponderada", obteniéndose el cuadro de diálogo: ![Diálogo "Resolver el problema de localización de suma ponderada"](img/dialogo.solve.png) Y pulsando en "Aceptar" se obtiene: ```{r} .sol <- distsummin(as(loca1, "loca.p") , x = 0, y = 0, eps =0.001, algorithm ="Weiszfeld" ) # Resolver el problema de localización minsum .sol # Muestra la solución distsum(as( loca1 , "loca.p") , x = 2.00000022259505 , y = 1.15332010901434 ) # Suma ponderada de las distancias remove(.sol) ``` Donde se muestra que la solución es el punto $(2, 1.15)$, se evalúa la función en él, resultando un valor de $5.46$ y un gradiente practicamente nulo, lo cual indica que el punto es un punto extremo. La solución encontrada es un óptimo local y al ser la función objetivo convexa un óptimo global. # Dibujando Tanto los objetos `loca.p` como la función objetivo pueden representarse en un gráfico. Para la función objetivo se proporciona una representación basada en curvas de nivel y otra en un gráfico 3D. ## Dibujar un objeto `loca.p` La gráfica de un objeto `loca.p` consiste en representar en el plano el diagrama de dispersión del conjunto de puntos de demanda. Eligiendo "Orloca" -> "Gráficos" -> "Gráfica del conjunto de puntos de demanda", se obtiene: ```{r} plot(as(loca1, "loca.p"), main= "Gráfica del conjunto de puntos loca1") ``` ## Gráfico de curvas de nivel El gráfico de curvas de nivel se realiza eligiendo "Orloca" -> "Gráficos" -> "Gráfica de curvas de nivel de distsum", obteniéndose: ```{r} contour(as(loca1, "loca.p"), main="Gráfica de las curvas de nivel de la función objetivo para loca1") ``` En el gráfico se puede observar como la función alcanza el mínimo en el punto calculado anterioremente. Seleccionando "Orloca" -> "Gráficos" -> "Gráficas de demanda y curvas de nivel" se obtienen los dos gráficos anteriores superpuestos: ```{r} plot(as(loca1, "loca.p"), main= "Puntos de demanda y las curvas de nivel para loca1") contour(as(loca1,"loca.p"), add=T) ``` ## Gráfico en 3D Análogamente se puede realizar una representación en tres dimensiones seleccionando las opciones "Orloca" -> "Gráficos" -> "Gráfica 3D de distsum", obteniéndose: ```{r} persp(as(loca1, "loca.p"), main="Gráfica 3D de la función objetivo min-sum para loca1") ``` # Uso de otras normas La norma que se usa por defecto es la norma euclídea o norma $l_2$. Mediante las opciones "Orloca" -> "Opciones" -> "Mostrar/Seleccionar norma" se puede visualizar la norma en uso o elegir una nueva norma dentro de la familia de normas $l_p$. Al elegir dichas opciones del menú se muestra el diálogo: ![Diálogo "Mostrar/Seleccionar norma"](img/dialogo.norma.png) En dicho diálogo se puede especificar un nuevo valor para $p$ mayor o igual a 1, ya que, de lo contrario $l_p$ no sería norma. Todos los cálculos y gráficos se realizaran usando dicha norma hasta que se especifique un valor nuevo o se vuelva a elegir la norma $l_2$. El nuevo gráfico de curvas de nivel es: ```{r} contour(as(loca1, "loca.p"), main="Gráfica de las curvas de nivel de la función objetivo para loca1\n(Norma lp = 2.5)", lp = 2.5) ``` # El menú ayuda Las dos opciones disponibles dentro del menú "Orloca" -> "Ayuda", a saber, "Ayuda sobre orloca" y "Ayuda sobre RcmdrPlugin.orloca" facilitan el acceso directo a la ayuda de ambos paquetes. # Conclusiones El paquete presentado permite resolver el problema de localización plana de un único servicio con norma $l_p$ usando un sistema amigable de menús.