A BSSS algorithm for the location problem with minimum square error.
We consider the problem of approximating a probability measure defined on a metric space by a measure supported on a finite number of points. More specifically we seek the asymptotic behavior of the minimal Wasserstein distance to an approximation when the number of points goes to infinity. The main result gives an equivalent when the space is a Riemannian manifold and the approximated measure is absolutely continuous and compactly supported.
We consider the problem of approximating a probability measure defined on a metric space by a measure supported on a finite number of points. More specifically we seek the asymptotic behavior of the minimal Wasserstein distance to an approximation when the number of points goes to infinity. The main result gives an equivalent when the space is a Riemannian manifold and the approximated measure is absolutely continuous and compactly supported.
We consider the problem of approximating a probability measure defined on a metric space by a measure supported on a finite number of points. More specifically we seek the asymptotic behavior of the minimal Wasserstein distance to an approximation when the number of points goes to infinity. The main result gives an equivalent when the space is a Riemannian manifold and the approximated measure is absolutely continuous and compactly supported.
En el presente trabajo establecemos una nueva aproximación a la solución del problema de localización con normas mixtas a través de las direcciones de proyección.Probamos que el cierre octogonal de los puntos de demanda es una buena aproximación para el conjunto de puntos eficientes cuando el problema está formulado como un problema multiobjetivo con normas mixtas tipo lp. Demostramos que esta cota es alcanzable, dando condiciones para que ello ocurra, lo que es de gran importancia para el caso...
En este trabajo consideramos el problema de localización de un centro de servicio o actividad industrial, cuando la localización de los puntos de demanda Pi, i = 1, 2, ..., n, viene dada por variables aleatorias (Xi,Yi) independientes, con distribuciones de probabilidad continuas. Utilizando el criterio del valor esperado, obtenemos la localización óptima del centro de servicio y calculamos el valor esperado de la información perfecta.
En este trabajo estudiamos el problema de localización minimax cuando no se conocen exactamente las coordenadas de los destinos, pero vienen especificadas por variables aleatorias con distribución conocida. Hemos analizado este problema bajo el criterio del valor esperado y el criterio de probabilidad máxima, por medio de la dominancia estocástica. Probamos, a través del concepto de valor esperado de información perfecta, que se puede obtener una reducción considerable de la distancia máxima cuando...
Se considera el problema de localización de centros de servicio sobre redes estocásticas, donde los puntos de demanda son cada uno de los puntos de los arcos, así como los nodos de la red y el tiempo de duración de los trayectos, sobre los arcos de la red, son variables aleatorias discretas con distribuciones de probabilidad conocidas. Bajo un conjunto particular de supuestos, se encuentra que siempre existe un conjunto de m puntos de la red que son puntos medios de los arcos, o nodos de la red,...
Given the probability measure over the given region , we consider the optimal location of a set composed by points in in order to minimize the average distance (the classical optimal facility location problem). The paper compares two strategies to find optimal configurations: the long-term one which consists in placing all points at once in an optimal position, and the short-term one which consists in placing the points one by one adding at each step at most one point and preserving...
Given the probability measure ν over the given region , we consider the optimal location of a set Σ composed by n points in Ω in order to minimize the average distance (the classical optimal facility location problem). The paper compares two strategies to find optimal configurations: the long-term one which consists in placing all n points at once in an optimal position, and the short-term one which consists in placing the points one by one adding at each step at most one point and preserving...