Interaction between an optimization model for a Multi-Level Facility Location Problem and a Machine Learning model for demand prediction

Frieri Cabrera, Rafael Salvador

dc.contributor	Ortiz Astorquiza, Camilo
dc.contributor	García Peña, Marisol
dc.contributor	Zetina, Carlos Armando
dc.creator	Frieri Cabrera, Rafael Salvador
dc.date	2023-06-30T18:42:16Z
dc.date	2023-06-30T18:42:16Z
dc.date	2023-05-30
dc.date.accessioned	2025-04-22T22:14:03Z
dc.date.available	2025-04-22T22:14:03Z
dc.identifier	http://hdl.handle.net/10554/64523
dc.identifier	instname:Pontificia Universidad Javeriana
dc.identifier	reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier	repourl:https://repository.javeriana.edu.co
dc.identifier.uri	http://test.repositoriodigital.com:8080/handle/123456789/91256
dc.description	Presentamos un modelo iterativo de optimización y predicción que integra un Problema de Ubicación de Instalaciones con un modelo de Aprendizaje de Máquina para predicción de demanda. Creamos un lazo retroalimentado entre ambos modelos para analizar como influencian sus decisiones mutuamente. Inicialmente se fija un valor de demandas para el Problema de Ubicación de Instalaciones y, basado en la red de distribución provista por la solución, recalculamos la predicción de la demanda usando el factor de la calidad del servicio (QoS por sus siglas en Inglés), y luego se reajusta la red de distribución iterativamente observando la convergencia de las soluciones. En particular, consideramos tres diferentes formulaciones de Programación Entera Mixta para el Problema de Ubicación de Instalaciones y utilizamos una Red Neuronal Artificial como nuestro modelo de Aprendizaje de Máquina. Más allá, realizamos un conjunto de experimentos computacionales para estudiar el comportamiento de la interacción de los modelos y analizar su desempeño. Los resultados muestran la importancia del QoS al conectar ambos modelos, que en todas las instancias de prueba del lazo retroalimentado convergen a una solución. También resaltamos las características esenciales del problema y proveemos resultados para futuras investigaciones.
dc.description	We present an iterative Optimization-and-Prediction model that integrates a Facility Location Problem with a Machine Learning demand prediction model. We establish a feedback loop between these models to analyze how they mutually influence their decisions. We begin with an initial value for the demands of the Facility Location Problem and, based on the network provided by the solution, we recalculate the prediction of the demand using a Quality of Service (QoS) factor, and then adjust the distribution network observing convergence of the solutions. In particular, We consider three different Mixed Integer Programming formulations for a Facility Location Problem and use an Artificial Neural Network as our Machine Learning model. Furthermore, we carried out a set of computational experiments to study the behavior of the interacting models and analyze their performance. The results show the importance of QoS to connect the two models, which in all instances tests converge to a solution in the feedback loop. We also highlight the essential characteristics of the problem and provide insights for future research.
dc.description	Magíster en Matemáticas
dc.description	Maestría
dc.description	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001839217
dc.format	PDF
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.format	application/pdf
dc.language	spa
dc.publisher	Pontificia Universidad Javeriana
dc.publisher	Maestría en Matemáticas
dc.publisher	Facultad de Ciencias
dc.rights	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights	info:eu-repo/semantics/openAccess
dc.rights	De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rights	http://purl.org/coar/access_right/c_abf2
dc.subject	Diseño de redes
dc.subject	Optimización combinatoria
dc.subject	Problemas de ubicación de instalaciones
dc.subject	Aprendizaje de máquina
dc.subject	Red neuronal artificial
dc.subject	Calidad del servicio
dc.subject	Network design
dc.subject	Combinatorial Optimization
dc.subject	Facility Location Problems
dc.subject	Machine Learning
dc.subject	Artificial Neural Network
dc.subject	Quality of service
dc.subject	Maestría en matemáticas - Tesis y disertaciones académicas
dc.title	Interaction between an optimization model for a Multi-Level Facility Location Problem and a Machine Learning model for demand prediction
dc.title	Interaction between an optimization model for a Multi-Level Facility Location Problem and a Machine Learning model for demand prediction
dc.type	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type	Tesis/Trabajo de grado - Monografía - Maestría
dc.type	http://purl.org/coar/resource_type/c_bdcc
dc.type	info:eu-repo/semantics/masterThesis

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Tesis y disertaciones (Doctorados y Maestrías) [4131]
com_10554_4756

Mostrar el registro sencillo del ítem