Investigacin Operativa

DESARROLLO DE MODELOS

El problema
Los recursos son escasos Los sistemas son cada vez ms complejos

Cada vez es ms difcil asignar los recursos o actividades de la forma ms eficaz

Investigacin operativa (I.O.)

Es la aplicacin del mtodo cientfico para asignar los recursos o actividades de forma eficaz, en la gestin y organizacin de sistemas complejos Su objetivo es ayudar a la toma de decisiones Requiere un enfoque interdisciplinario

Historia de la I.O.
Se aplica por primera vez en 1780 Antecedentes:
Matemticas: modelos lineales (Farkas, Minkowski) (s.XIX) Estadstica: fenmenos de espera (Erlang, Markov) (aos 20) Economa: Quesnay (x.XVIII), Walras (s.XIX), Von Neumann (aos 20)

El origen de la I.O. moderna se sita en la 2 Guerra Mundial

Historia de la I.O.
Al terminar la guerra, sigue el desarrollo en la industria, debido a:
competitividad industrial progreso terico
RAND (Dantzig) Princeton (Gomory, Kuhn, Tucker) Carnegie Institute of Technology (Charnes, Cooper)

gran desarrollo de los ordenadores

Actualidad de la I.O.
Sigue habiendo un gran desarrollo, en muchos sectores, con grandes avances sobre todo en el campo de la Inteligencia Artificial Ms informacin:
Sociedad Espaola de Estadstica e Inv. Op. (SEIO)
www.cica.es/aliens/seio

Association of European O.R. Societies (EURO)

www.ulb.ac.be/euro/euro_welcome.html

Institute for O.R. and the Management Sci. (INFORMS)

www.informs.org

International Federation of O.R. Societies (IFORS)

www.ifors.org

El mtodo de la I.O.
Definicin del problema Formulacin del problema y construccin del modelo Resolucin Verificacin, validacin, refinamiento Interpretacin y anlisis de resultados Implantacin y uso extensivo
A lo largo de todo el proceso debe haber una interaccin constante entre el analista y el cliente

El modelado
Es una ciencia
anlisis de relaciones aplicacin de algoritmos de solucin

Y a la vez un arte
visin de la realidad estilo, elegancia, simplicidad uso creativo de las herramientas experiencia

Definicin del problema

Consiste en identificar los elementos de decisin
objetivos (uno o varios, optimizar o satisfacer) alternativas limitaciones del sistema

Hay que recoger informacin relevante (los datos pueden ser un grave problema) Es la etapa fundamental para que las decisiones sean tiles

Formulacin del problema

Modelo: representacin simplificada de la realidad, que facilita su comprensin y el estudio de su comportamiento Debe mantener un equilibrio entre sencillez y capacidad de representacin Modelo matemtico: modelo expresado en trminos matemticos
hace ms claras la estructura y relaciones facilita el uso de tcnicas matemticas y ordenadores a veces no es aplicable

Construccin del modelo

Traduccin del problema a trminos matemticos
objetivos: funcin objetivo alternativas: variables de decisin limitaciones del sistema: restricciones

Pero a veces las relaciones matemticas son demasiado complejas

heursticos simulacin

Tipos de modelos
Determinsticos
Programacin matemtica
Programacin lineal Programacin entera Programacin dinmica Programacin no lineal Programacin multiobjetivo

Probabilsticos
Programacin estocstica Gestin de inventarios Fenmenos de espera (colas) Teora de juegos Simulacin

Modelos de transporte Modelos de redes

Resolucin
Determinar los valores de las variables de decisin de modo que la solucin sea ptima (o satisfactoria) sujeta a las restricciones Puede haber distintos algoritmos y formas de aplicarlos

Verificacin y validacin
Eliminacin de errores Comprobacin de que el modelo se adapta a la realidad

Interpretacin y anlisis
Robustez de la solucin ptima obtenida: Anlisis de sensibilidad Deteccin de soluciones cuasi-ptimas atractivas

Implantacin
Sistema de ayuda y mantenimiento Documentacin Formacin de usuarios

Ejemplo n1
En una fbrica de cerveza se producen dos tipos: rubia y negra. Su precio de venta es de 50 ptas/l y 30 ptas/l, respectivamente. Sus necesidades de mano de obra son de 3 y 5 empleados, y de 5.000 y 2.000 ptas de materias primas por cada 1000 l. La empresa dispone semanalmente de 15 empleados y 10.000 ptas para materias primas, y desea maximizar su beneficio. Cuntos litros debe producir?

Formulacin
Max z ! 50.000 x1  30.000 x2
s.a . 3x1  5 x2 e 15 5.000 x1  2.000 x2 e 10.000 x1 , x2 u 0

El modelo de P.L.
Opt z ! c1 x1  c2 x2  -  cn xn
s.a . a11 x1  a12 x2  -  a1n xn e b1 / am1 x1  a m 2 x2  -  a mn xn e bm x1 , x2 ,- , xn u 0

El modelo de P.L.
z: funcin objetivo CT (c1,...,cn): vector de coeficientes de la f.o. XT (x1,...,xn): vector de variables de decisin A (...,aij,...): matriz de coeficientes tcnicos b (b1,...,bm): vector de demandas Matricialmente, Opt CTX s.a. AX b xu0
Forma cannica

Propiedades del modelo lineal

Proporcionalidad
La contribucin al coste y a las restricciones es directamente proporcional al valor de cada variable

Aditividad
El coste y las restricciones son la suma directa de las variables

Divisibilidad
Las variables pueden dividirse en cualquier tipo de fraccin

Modelos de prog. entera

El modelo matemtico es el modelo de P.L., pero con algunas variables enteras
Programacin entera mixta (MIP)
x R +, y Z +

Programacin entera pura (IP)

x Z+

Programacin binaria 0-1 (0-1 MIP, 0-1 IP, BIP)

x {0,1}: variables de asignacin, lgicas

Son problemas ms complicados de resolver que los de P.L. El primer algoritmo de resolucin se plante en el ao 1958 (Gomory)

Problemas tpicos
Problema del transporte Problema de flujo con coste mnimo en red Problema de asignacin Problema de la mochila (knapsack) Problema del emparejamiento (matching) Problema del recubrimiento (set-covering) Problema del empaquetado (set-packing) Problema de particin (set-partitioning) Problema del coste fijo (fixed-charge) Problema del viajante (TSP) Problema de rutas ptimas

Problema del transporte

Minimizar el coste total de transporte entre los centros de origen y los de destino, satisfaciendo la demanda, y sin superar la oferta
m n ij xij

Min s.a.
m

c
i !1 j !1 ij

xij: unidades a enviar de origen i a destino j cij: coste unitario de transporte de i a j ai: unidades de oferta en el punto origen i bj: unidades de demanda en el punto destino j Se supone oferta total igual a demanda total

x
i !1 n

! b j , j ! 1..n ! ai ,i ! 1..m

x
j !1

ij

xij u 0, xij Z

Flujo con coste mnimo en red

Embarcar los recursos disponibles a travs de la red para satisfacer la demanda a coste mnimo

Min s.a.
m

i !1 j !1 m ij

cij xij

xij: unidades enviadas de i a j (flujo) cij: coste unitario de transporte de i a j bi:recursos disponibles en un nodo i oferta: bi>0 demanda: bi<0 transbordo: bi=0 Se supone oferta total igual a demanda total

x x
j !1 k !1

ki

! bi , j ! 1..m

xij u 0, xij Z

Problema de asignacin
Minimizar el coste total de operacin de modo que: - cada tarea se asigne a una y slo una mquina - cada mquina realice una y slo una tarea
m n

Min s.a.
m

i !1 j !1 ij

cij xij

xij: 1 si la tarea i se hace con la mquina j cij: coste de realizar la tarea i con mquina j n tareas m mquinas Si hay ms mquinas que tareas se formula con desigualdades, y se resuelve con tareas ficticias

x
i !1 n

! 1, j ! 1..n ! 1,i ! 1..m

x
j !1

ij

0 xij _ ,1a

Problema de la mochila
Escoger un grupo de productos que maximice el valor total sin exceder el espacio disponible
n

Max s.a.
n

c x
j j !1 j j

n objetos
j

aj: espacio que ocupa el objeto j cj: valor del objeto j

a x
j !1

eb

b: volumen de la mochila xj: 1 si se escoge el objeto j

x j _ 1a 0,

Problema de emparejamiento
Distribuir un conjunto por parejas de tal forma que el valor sea mximo. Si hay elementos sin pareja: emparejamiento imperfecto. Si estn en dos conjuntos, emparejamiento bipartito.
2n -1 2n

Max c ij xij
i !1 j!11

s.a.
i -1 2n ki 

xij=1 si los elementos i y j son pareja cij: valor de la pareja i-j

ij

x
k !1

x
j ! i 1

! 1, i ! 1..2n

i<j

0 xij _ ,1a

Problema de recubrimiento
Minimizar el coste de las actividades que en su conjunto cubren todas las caractersticas al menos una vez
n

Min c j x j
j!1

m caractersticas n actividades xj=1 si la actividad j se realiza

s.a.
n

a x
ij j!1

u 1, i ! 1..m

cj: coste unitario de la actividad j aij=1 si la caracterstica i est en la actividad j A: matriz de incidencia

0 x j _ ,1a

Problema de empaquetado
Maximizar el beneficio total de forma que hay que elegir conjuntos completos de actividades, y que no se realice una actividad dos veces
n

Min c j x j
j!1

m actividades n conjuntos de actividades xj=1 si se elige el subconjunto j

s.a.
n

a x
ij j!1

e 1, i ! 1..m

cj: beneficio por realizar el conjunto j aij=1 si el conjunto j incluye la actividad i A: matriz de incidencia

0 x j _ ,1a

Problema de particin
Si en el problema de recubrimiento o en el de empaquetado las desigualdades se cambian por igualdades
n

Min c j x j
j!1

m actividades n conjuntos de actividades xj=1 si se elige el subconjunto j

s.a.
n

a x
ij j!1

! 1, i ! 1..m

cj: beneficio por realizar el conjunto j aij=1 si el conjunto j incluye la actividad i A: matriz de incidencia

0 x j _ ,1a

Problema del coste fijo

Decidir la cantidad de cada producto de modo que se minimicen los costes de produccin y se satisfaga la demanda
n j!1 m

Min c j x j  f k yk
k !1

xij: unidades del producto j cj: coste unitario de produccin de j yk=1 si se usa la instalacin k fk: coste de arranque de la instalacin k akj=1 si el producto j usa la instalacin k bj: demanda del producto j M: nmero lo suficientemente grande

s.a.
n

x
j!1 n j!1

ij

u bj x j e M k yk , k ! 1..m

kj

0 xij u 0, yk _ ,1a

Problema del viajante

Encontrar un circuito que visite exactamente una vez cada ciudad empezando en la primera y que tenga longitud mnima

Min s.a.

c x
(i, j)A ij

ij ij

xij=1 si de i va directamente a j cij: distancia entre i y j A: conjunto de arcos V: conjunto de nodos

ij u 1,U ( i , j )A / iU , jV U ij e ( i , j )A / iU , jU

x
i/(i, j)A

! 1 ,j V

ij j/(i, j) A

V / 2 e U e V 2

! 1,i V

xij _ ,1a 0

U  1,U V / 2 e U e V  2

Min s.a.

c x
k !1 (i, j)A n ijk

ij ijk

x
i/(i, j)A k !1 n j/(i, j) A k !1

! 1,j V

x x
(i, j)A ijk

ijk

! 1,i V

!1

x
i/(i, j)A

ijk

x
r/(j,r)A

jrk  1 ,j V ,k

0 xijk _ ,1a

Problema de rutas
n n ij m ijk m k n ojk

Min s .a .
n

c x  c x
i !0 j !0 k !1 k !1 j !1 m ijk

Minimizar el coste total, visitando todos los clientes

N: clientes M: vehculos xijk=1 si el vehculo k visita j despus de i cij: coste unitario de transporte de i a j dij: distancia de i a j tij: tiempo de i a j

x
i ! 0 k !1 n ijk i !0 n i

! 1, j ! 1..n
n jik

x x
i !0 n ijk

! 0,j ,k

q x
i !1 n n j !0

e Qk ,k
n n

i !0 j !0 n

tij xijk 

si
i !1 j !0

k xijk e d 0  r0k ,k

x
j !1

ojk

e 1, k ! 1..m
m

x
iS jS k !1

ijk

e S  1,2 e S e N  2

qi: demanda si: tiempo de descarga Hi: prioridad Qk: capacidad rok, dok: perodo tiempo disponible ck: coste fijo por uso

Formulacin con var. binarias

Restricciones disyuntivas
f ( x) e 0 g ( x) e 0 f1 ( x) e H 1 f1 f 2 ( x) e H 2 f 2 f n ( x) e H n 2 f n f ( x) e H f g ( x) e (1  H ) g

K de N alternativas deben darse

N

H
j !1

! N  K ,H _ ,1a 0

Restricciones condicionales
f ( x) " 0 g ( x) e 0
equiv. a

f ( x) e 0 g ( x) e 0

Decisiones contingentes
xy yex