ปัญหาการเลือกตำแหน่งที่ตั้งที่เหมาะสมแบบไม่มีข้อจำกัดด้านความสามารถในผลิตถูกศึกษาผ่านปัญหาพีเซนเตอร์ ในงานวิจัยชิ้นนี้ ซึ่งปัญหาดังกล่าวมีวัตถุประสงค์เพื่อให้ระยะทางระหว่างโรงงานที่เลือกเปิด p แห่งกับลูกค้าคนที่อยู่ไกลที่สุดของแต่ละโรงงานมีค่าน้อยที่สุด ในบทความนี้ได้นำเสนอข้อเสนอเพื่อลดขนาดของบริเวณคำตอบที่เป็นไปได้และช่วยปรับปรุงค่าขอบเขตบนของปัญหาให้มีค่าลดลงจากเดิม วิธีการหาคำตอบแบบฮิวริสติกส์ในงานวิจัยนี้ได้สร้างขึ้นโดยอาศัยข้อเสนอที่ได้กล่าวมาข้างต้นเพื่อช่วยในการปรับปรุงค่าขอบเขตบนของปัญหาให้มีค่าดีขึ้น อีกทั้งยังมีการนำเสนอตัวอย่างและจำลองสถานการณ์ทางคอมพิวเตอร์สำหรับปัญหาพีเซนเตอร์เพื่อแสดงวิธีการทำงานของขั้นตอนวิธีที่ได้นำเสนอในงานวิจัยชิ้นนี้ ซึ่งผลจากการจำลองสถานการณ์ทางคอมพิวเตอร์สำหรับปัญหาพีเซนเตอร์แสดงให้เห็นว่าขั้นตอนวิธีที่ได้นำเสนอในงานชิ้นนี้สามารถแก้ปัญหาที่มีจำนวนลูกค้าและสถานให้บริการได้มากที่สุดถึง 5000 x 1000 โดยใช้เวลาในการคำนวณไม่เกิน 22 นาที ในขณะที่ผลเฉลยที่ดีที่สุดสามารถหาค่าได้เมื่อปัญหามีจำนวนลูกค้าและสถานให้บริการมากที่สุดเพียง 300 x 30 เท่านั้น นอกจากนี้ผลจากการจำลองสถานการณ์ทางคอมพิวเตอร์ยังแสดงให้เห็นว่าระยะห่างระหว่างผลเฉลยที่ได้จากขั้นตอนวิธีที่ได้นำเสนอในงานวิจัยนี้กับผลเฉลยที่ดีที่สุดมีค่าไม่เกิน 1% สำหรับปัญหาที่มีจำนวนลูกค้าและสถานให้บริการน้อยกว่า 200 x 20 และไม่เกิน 17% สำหรับปัญหาที่มีขนาด 300 x 30

The uncapacitated location problem in this work was studied via the p-center problem where the distances between p chosen facilities and their farthest customer were minimized. Propositions were proposed to reduce the feasible region and hence the upper bound of the solution was decreased. A heuristic was constructed around the propositions in order to obtain a better upper bound of the problem. An example is given regarding the increase of the processes of the proposed algorithm. Computer simulations were conducted on problem sizes up to 5000 x 1000 (customers × facilities) using the proposed algorithm where the best solution was found to be less than 22 minutes. The optimal solution was found only with problem sizes up to 300 x 30. The results showed that the differences between the optimal solutions and the solutions obtained using the proposed algorithm were at most 1% in all cases smaller than 200 x 20 and at 17% for 300 x 30 instances.