Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DESARROLLO DE MODELOS
El problema
Los recursos son escasos Los sistemas son cada vez ms complejos
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)
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)
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
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
Hay que recoger informacin relevante (los datos pueden ser un grave problema) Es la etapa fundamental para que las decisiones sean tiles
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
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
Aditividad
El coste y las restricciones son la suma directa de las variables
Divisibilidad
Las variables pueden dividirse en cualquier tipo de fraccin
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
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
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
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
a x
j !1
eb
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
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
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
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
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
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
Min s.a.
c x
(i, j)A ij
ij ij
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
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
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
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
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