Positionnement optimum dans l’espace géographique et perceptuel. Quelques algorithmes pour répertorier les meilleurs emplacements.
Introduction
Un problème générique et dual en marketing
Les modèles gravitaires
Espace perceptuel et espace géographique
Positionement définition
Positionnement et localisation raprochements
Analyse de la localisation et les recherches opérationnelles
Le problème à résoudre et sa solution originale
Extensions suggérées
Le modèle de Drezner – Une reformulation centrée sur le problème
Présentation
Problem centric vs. techno centric
Calcul des éléments constants
La part de marché des concurrents dans chaque point de demande
La fonction objectif
Analogies avec le problème "minisum"
Algorithmes d’optimisation alternatifs
Procédure de Weiszfeld
Similarités avec la méthode du gradient
Comparaison de performance: Weiszfeld vs. Gradient – les données
Comparaison des performances: Weiszfeld vs. Gradient
La convergence systématique de la méthode de Weiszfeld vers des optimums locaux – Un test empirique
Trouver l’optimum global par décomposition spatiale
Utiliser des heuristiques
Une population de triangles
Illustration
Extension 3D utilisant une population de tétraèdres
Trouver la plupart des localisations optimum locales à l’aide de solutions hybrides
Triangulation itérative et gradient
Convergence locale à taux décroissant
Elimination de triangles
Regroupement itératif des points les plus proches
Conclusions
Contributions
Convergence xxx
Interêt de la convergence sistématique vers l’optipmum local le plus proche
Aspects opérationnels
Discussion
Références
Références