Clase 02b

25/03/2010
Departamento de Ingeniera Industrial y de Sistemas Pontificia Universidad Catlica de Chile
Optimizacin ICS 1113

Aspectos administrativos Parte I: Motivacin y preliminares
1er semestre
2010
Profesor: Pamela lvarez M.
Informacin del curso

CURSO SIGLA CRDITOS REQUISITOS : : : : OPTIMIZACIN Seccin 04 ICS-1113 10 Clculo II Algebra Lineal HORARIO Y SALA : Clases M-J:1 (A6) Ayudantas L:6 (B16) PROFESOR : Pamela lvarez M. (ppalvare@puc.cl) Martes de 09:50 a 10:20 http://www.ing.puc.cl/20101/ics1113-4
ICS1113. Prof.: Pamela lvarez M. 2
ATENCIN ALUMNOS : PGINA WEB :
25/03/2010
Objetivos
Modelar matemticamente problemas diversos de toma de decisiones. Explicar claramente y con sus propias palabras el funcionamiento del algoritmo Simplex y de otros algoritmos para problemas no lineales. Explicar adecuadamente el algoritmo Branch and Bound (y sus variantes) para problemas con variables discretas. Identificar los paradigmas de flujo en redes y de programacin dinmica como esquemas alternativos de modelamiento de ciertos problemas de toma de decisiones y las ventajas y desventajas de estos paradigmas respecto al enfoque ms estndar de modelamiento. Utilizar software para resolver modelos de optimizacin.
Contenidos
PARTE I: Motivacin y preliminares Qu es la investigacin operativa? Modelos de optimizacin Mximos, mnimos, modelos equivalentes y definiciones bsicas PARTE II: Programacin lineal Formulacin y forma estndar de problemas lineales Geometra de problemas lineales y propiedades de poliedros Mtodo Simplex Anlisis de sensibilidad Teora de dualidad PARTE III: Extensiones de Programacin Lineal Optimizacin de flujo en redes Programacin lineal entera Programacin dinmica PARTE IV: Programacin no lineal Optimizacin con restricciones de igualdad y desigualdad Condiciones necesarias y suficientes para un mnimo local o global Mtodos de bsqueda de soluciones ptimas sin restricciones (Gradiente, ICS1113. Prof.: Pamela lvarez M. 4 Newton) y mtodos con restricciones
25/03/2010
Metodologa
Clases expositivas Lectura de textos gua Guas de ejercicios con problemas Actividades grupales durante la clase Uso de software para resolucin de problemas Trabajos grupales Ayudantas y talleres
ICS1113. Prof.: Pamela lvarez M.
Aspectos Administrativos
Interrogaciones. Examen.
Nota mnima: 3,0
Actividades en clases. Nota Parcial (NP).

3 Interrogaciones: 20%-25%-25% c/u, Examen: 30%.
Nota Trabajo (NT).

NT deber ser mayor o igual a 4,0.
Nota Final (NF).

NP 70% , NT 20% ; Actividades 10%
Calculadoras. Reclamos. tica.

25/03/2010
Fechas importantes
Sbado 17 de abril Sbado 8 de mayo Jueves 27 de mayo Sbado 26 de junio : : : : I1 I2 I3 Examen
Bibliografa
Si bien en el programa impreso el listado es ms extenso, los libros fundamentales son los siguientes: [FM] Ferrer, J.C. y Muoz, J.C. Apuntes de Optimizacin. Marzo 2006. (Estar disponible en la pgina web). [OVV] Ortiz, C.; S. Varas; J. Vera. (2000) Optimizacin y Modelos para la Gestin. Dolmen ediciones. (Disponible en Biblioteca Central).
25/03/2010
Parte I: Motivacin y preliminares

En esta unidad veremos: Qu es Optimizacin e Investigacin de Operaciones? y un poco de historia sobre IO Modelos de Optimizacin Mximos, mnimos, modelos equivalentes y definiciones bsicas
Investigacin de Operaciones (IO)

Optimizacin es parte de la Investigacin de Operaciones. Operations Research / Operational Research (OR). Disciplina que se ocupa de los mtodos cuantitativos en problemas relativos al empleo ptimo (ideal) de los recursos disponibles de las organizaciones para la consecucin eficaz y eficiente de sus propios objetivos. La IO pretende ayudar a tomar decisiones acerca de sistemas complejos.
10
25/03/2010

La Investigacin de Operaciones incluye disciplinas como: Programacin Matemtica (Optimizacin) Programacin Dinmica Modelos Estocsticos Simulacin Entre otras
11

Problemas de diversos tipos y en diversas reas: Logstica Diseo Operacin Planificacin Etc.
Cul es la caracterstica en comn? Tomar una decisin Lograr un objetivo Presencia de restricciones
25/03/2010
Un poco de historia
Un poco de historia La IO nace en Inglaterra durante la Segunda Guerra Mundial, para solucionar algunos problemas militares. Luego de la guerra se comenz a aplicar en otras reas como control de inventarios, asignacin de recursos, listas de espera, etc. En los 50s y 60s se perfeccionan las tcnicas para obtener soluciones, tanto analticas como deductivas, hasta su formalizacin en la actualidad. Actualmente, uso de modelos matemticos para apoyar a tomadores de decisiones en las ms diversas reas.
Enfoque de la IO
Variables relevantes
Sistema Real
Sistema Asumido
Relaciones relevantes
Modelo cuantitativo
Implementacin
Mtodo de solucin
Solucin al sistema del problema real
Decisiones
Juicio y experiencia Interpretacin del tomador de decisiones
Solucin al modelo
14
25/03/2010
Modelacin
Todos los das, todos los individuos se ven enfrentados a problemas. Un problema es la diferencia entro lo que es (situacin actual) y lo que debe ser (objetivo). Si un problema no tiene solucin no es problema, y si la tiene, entonces tampoco lo es. Una solucin son las actividades a desarrollar para ir desde el estado actual al estado deseado.
15
Modelacin
Los problemas por lo general poseen ms de una solucin. Se dice que una solucin es efectiva si permite ir desde el estado actual al estado deseado. Una solucin es eficiente si abate el problema mediante el empleo mnimo de recursos. El proceso de elegir la mejor alternativa de solucin se conoce como Toma de Decisiones.
16
25/03/2010
Modelacin
Existen barreras u obstculos para alcanzar el objetivo de un problema, lo que se denomina restricciones. Si una solucin cumple con las restricciones del problema, se dice que es una solucin factible. Una solucin ptima es la mejor de las soluciones factibles. Es inmejorable. Proceso de Toma de Decisiones
17
Modelacin
Algunos principios bsicos de la modelacin: No se debe elaborar un modelo complicado cuando uno simple es suficiente. La fase deductiva (supuestos) de la modelacin debe realizarse rigurosamente. Los modelos deben validarse antes de su implementacin. Nunca debe pensarse que el modelo es el sistema real. Un modelo nunca debe criticarse por algo para lo que no fue hecho. Un modelo es tan bueno o tan malo como la informacin con la que se trabaja. Los modelos no pueden reemplazar al tomador de decisiones.
18
25/03/2010
Modelacin
Por qu se construyen modelos?: Clarifica las relaciones existentes
Se comprende mejor el sistema.
Permite un anlisis metdico

Para sugerir lneas de accin.
Permite experimentar en l
No siempre es posible en un sistema real (avin, planta manufacturera, economa de un pas, etc.).
Modelos Matemticos
Experimentar con sistemas complejos de gran tamao. Considerar muchas alternativas simultneamente (sin enumerar a priori). Identificar un mejor (ptimo) curso de accin.
Modelacin
Algunos ejemplos de modelos: Modelos de Inventario Modelos de Lnea de Espera Modelos de Reemplazo Modelos de Mantenimiento Modelos de Asignacin de Recursos Modelos de Competencia
20
10
25/03/2010
Modelacin
En general usaremos un Modelo Matemtico de Optimizacin, que tiene la siguiente estructura:
Funcin Objetivo
Modelo de Optimizacin
Min s.a
f ( x) gi ( x ) b x C
i, i = 1,..., m
Sujeto a Variable de decisin Conjunto en Rn
Restricciones
21
Modelacin
Dependiendo del tipo de relaciones, el modelo puede ser: Modelo Lineal Modelo No Lineal Modelo Lineal Entero Modelo Lineal Entero Binario Modelo Lineal Entero Mixto Etc.
Min s.a
f ( x) gi ( x ) b xC i, i = 1,..., m
22
11
25/03/2010
Modelacin
En resumen: Variables de decisin:
Cantidades que se pueden controlar para mejorar el objetivo. Limitaciones en los valores para las variables de decisin. Medida para comparar las alternativas. Se busca maximizar o minimizar este objetivo
Restricciones: Funcin Objetivo:
Es necesario: Definir claramente las variables de decisin Escribir restricciones y funcin objetivo NO HAY UN METODO SISTEMTICO Modelar es ms un arte que una ciencia
Modelacin
En general usaremos un Modelo Matemtico de Optimizacin, que tiene la siguiente estructura:
Funcin Objetivo
Modelo de Optimizacin
Min s.a
f ( x) gi ( x ) b x C
i, i = 1,..., m
Sujeto a Variable de decisin Conjunto en Rn
Restricciones
24
12
25/03/2010
Modelacin
Veamos algunos ejemplos: Se dispone dos tipos de insumos para la elaboracin de dos productos (A y B). Se dispone de 8 insumos tipo P y 6 insumos tipo G. Estos insumos son utilizados para elaborar cada producto: A B :2 Py1G : 2 de cada tipo
El beneficio neto es de U$ 15 por unidad de producto A y U$ 20 por cada producto B. Hay que decidir cunto producto A y B fabricar de modo de obtener la mxima utilidad.
25
Modelacin
Probemos distintos valores:

Producto Final Insumos
A
0 0 0 2 2.5 1
B
0 1 3 2 0 3
P
0 2 6 4+4=8 2*2.5=5 2+6=8
G
0 2 6 2+4=6 2.5 1+6=7
Beneficio 0 20 60 70 37.5 75
De aqu surge el concepto de Solucin Factible

13
25/03/2010
Modelacin
En nuestro ejemplo cules son soluciones factibles?

A
0 0 0 2 2.5 1
B
0 1 3 2 0 3
P
0 1 6 4+4=8 2*2.5=5 2+6=8
G
0 2 6 2+4=6 2.5 1+6=7
Beneficio 0 20 60 70 37.5 75
Hay ms?
Modelacin
Ms soluciones factibles
A
0 0 0 0,5 0,5 0,5 1 1 1 1,5 1,5 1,5 2
B
0,5 1 1,5 0,5 1 1,5 0,5 1 1,5 0,5 1 1,5
P
1 2 3 2 3 4 3 4 5 4 5 6
G
0,5 1 1,5 1,5 2 2,5 2,5 3 3,5 3,5 4 4,5 4,5
Beneficio 10 20 30 17,5 27,5 37,5 25 35 45 32,5 42,5 52,5 40

28
0,5 5 lvarez M. ICS1113. Prof.: Pamela
14
25/03/2010
Modelacin
Cmo construir el modelo matemtico que represente el problema?
Min s.a
f ( x) gi ( x ) b x C i, i = 1,..., m
Veamos cada uno de los componentes del modelo:
Variables de decisin:

Cantidad a fabricar de cada producto. Cmo lo denotamos?

x : cantidad de producto A a fabricar.
y : cantidad de producto B a fabricar.
29
Modelacin
Funcin objetivo:

Maximizar utilidades. Cmo lo denotamos?
Max 15 x + 20 y
Restricciones:

Disponibilidad de recursos. Cmo lo denotamos?
2x + 2 y 8 1x + 2 y 6
30
15
25/03/2010
Modelacin
Min s.a
f ( x) gi ( x ) b x C i, i = 1,..., m
Veamos si est en el formato solicitado:
Max s.a.
15 x + 20 y 2x + 2 y 8 1x + 2 y 6
Qu falta?
Max s.a.
15 x + 20 y 2x + 2 y 8 1x + 2 y 6 x, y 0
Modelacin
Cul es la solucin ptima del problema?
Vemoslo grficamente
15 x + 20 y 2x + 2 y 8 1x + 2 y 6 x, y 0
Max s.a.
(2,2)
32
16
25/03/2010
Modelacin
Podemos usar Excel?
Solver de Excel
Max s.a. 15 x + 20 y 2x + 2 y 8 1x + 2 y 6 x, y 0
33
Modelacin
Cmo podemos modelar el problema si tenemos n productos para fabricar y m recursos?
Este es el problema bsico de Planificacin de la Produccin
Y si adems queremos hacer una planificacin temporal, o bien queremos minimizar costos, o si hay capacidad de almacenar la produccin excedente, o slo podemos fabricar por lotes, o hay costos de set-up muchas alternativas Veremos algunos modelos bsicos para distintos problemas genricos
34
17
25/03/2010
Modelacin

Planificacin de la Produccin Definir la produccin de modo de maximizar el beneficio neto o bien minimizar el costo de produccin. Variables de decisin: cantidad a fabricar del producto j (j=1,, n). Funcin objetivo: Maximizar beneficio neto o minimizar costos. Restricciones:

Disponibilidad de recurso i (i=1,,m). No fabricar cantidades negativas.
35
Modelacin

Planificacin de la Produccin Definamos los siguientes parmetros :
Beneficio neto unitario por unidad de producto j:
bj
Costo unitario de produccin por unidad de producto j:
cj
ri aij
Disponibilidad del recurso i:
Cantidad de recurso i necesario para fabricar una unidad de producto j:
36
18
25/03/2010
Modelacin

Planificacin de la Produccin Definamos la variable de decisin:
xj :
Cantidad a fabricar del producto j (j=1,, n).
37
Modelacin

Planificacin de la Produccin Escribamos el modelo de optimizacin:
Funcin objetivo:
Max
b x
j j =1
Min
c x
j j =1
Restricciones:
a x
ij j =1
ri
i, i = 1,..., m
xj 0
j , j = 1,..., n
Tamao del problema?

19
25/03/2010
Modelacin

Y si lo hacemos ms real? Problema de Planificacin de la Produccin con Inventario La realidad es dinmica, y muchas veces esta planificacin se hace para varios meses seguidos. Supongamos hay una demanda especfica de los clientes a lo largo de los meses la cual debe ser completada exactamente. Supongamos que:

La demanda debe ser entregada en cada periodo. Hay recursos escasos, como en el caso anterior. Hay costos asociados a la produccin de los productos. Se pueden guardar en bodega los productos de un periodo a otro a un cierto costo. La bodega tiene una capacidad finita y cada producto tiene un determinado volumen asociado.
Modelacin
La informacin disponible es la siguiente:

dit : demanda por el producto i en el perodo t. bjt : disponibilidad del recurso j en el perodo t. cit : costo de producir una unidad de i en t. aij : cantidad del recurso j consumido en la produccin de una unidad del producto i. hi : costo que se debe pagar por dejar una unidad del producto i de un mes al siguiente (inventario en bodega). V: Volumen de la bodega. vi : Volumen utilizado por el producto i.
40
20
25/03/2010
Modelacin

Problema de Planificacin de la Produccin con Inventario Variables de decisin:
Cantidad a fabricar de cada producto en cada periodo xit : monto a producir del producto i en periodo t. Con
i (1,.., n ) t (1,.., T )
Cunto almacenar de un periodo al otro Iit : monto a almacenar del producto i del periodo t al t+1. Con i (1,.., n ) t (1,.., . T)
Funcin Objetivo:
Minimizar los costos asociados a la satisfaccin de la demanda de los productos.

Modelacin

Problema de Planificacin de la Produccin con Inventario Restricciones:

Disponibilidad de recursos Satisfaccin de demanda Capacidad de inventario
42
21
25/03/2010
Modelacin
Problema de Planificacin de la Produccin con Inventario
Min s.a.
cit xit + hi Iit

t =1 i =1 t =1 i =1 n
a x
i =1
ij it
b jt
j (1,.., m ) t (1,.., T ) i (1,.., n ) t (1,.., T ) t (1,.., T 1) i (1,.., n ) t (1,.., T ) i (1,.., n ) t (1,.., T 1) i (1, .., n )
I it + dit = I it 1 + xit
v I
i =1
i it
xit 0 I it 0 I iT = 0
43
Modelacin

Problema de Planificacin de la Produccin con Inventario Qu pasa si se pueden dar retrasos?
Por ejemplo si se pudiese asumir un costo unitario por unidad de tiempo fi por cada unidad del producto i entregado atrasado.
Definimos una nueva variable:
yit: Cantidad de productos i atrasados entre el periodo t y el t+1
44
22
25/03/2010
Modelacin

Problema de Planificacin de la Produccin con Inventario Qu cambia con este supuesto?
La restriccin de inventarios cambia:
I it + d it = I it 1 + xit
I it + dit + yit 1 = I it 1 + xit + yit
La funcin objetivo cambia:
c x + h I + f y
it it i it i t =1 i =1 t =1 i =1 t =1 i =1
it
45
Modelacin
Problema de Planificacin de la Produccin con Inventario y con retrasos

n T n T n
Min s.a.
c x + h I + f y
it it i it i t =1 i =1 n t =1 i =1 t =1 i =1
it
a x
i =1
ij it
b jt
j (1,.., m ) t (1,.., T ) i (1,.., n ) t (1,.., T ) t (1,.., T 1) i (1,.., n ) t (1, .., T ) i (1,.., n ) t (1,.., T 1) i (1,.., n )
46
I it + dit + yit 1 = I it 1 + xit + yit
v I
i =1
i it
xit 0 I it 0 I iT = 0, yiT = 0
23
25/03/2010
Modelacin

Problema de Planificacin de la Produccin con Inventario y costo fijo Supuestos:

Consideremos el modelo de Planificacin de la Produccin con Inventario (sin considerar capacidad de inventario) Se tiene la siguiente situacin: se incurre en un costo fijo (set-up o partida) Kjt cuando el producto j se fabrica y no depende del nivel de produccin. Cmo lo modelamos?
47
Modelacin
Problema de Planificacin de la Produccin con Inventario y costos de set-up

T n T n T n
Min s.a.
c
t =1 j =1
jt
x jt + h j I jt + K jt y jt
t =1 j =1 t =1 j =1
a x
ij j =1
jt
bit
i, t ; i = 1,..., m, t = 1,..., T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., n, t = 1,..., T
48
I jt = I jt 1 + x jt d jt x jt My jt x jt 0 I jt 0 y jt {0,1}
24
25/03/2010
Modelacin
Veamos otro problema tipo conocido como el Problema de la Mochila.
Definicin del problema:
Un excursionista slo puede cargar un total de b kilos en su mochila. Debe determinar las cantidades a llevar de n diferentes tarros con alimento. Un tarro del tipo j pesa aj kilos y tiene un valor nutricional de cj unidades. Cuntas unidades de cada tarro debe llevar para maximizar el aporte nutricional y no exceder el peso mximo?
49
Modelacin
Planteemos el Problema de la Mochila.
Variables de decisin:
x j = cantidad de tarros del tipo j
Funcin Objetivo:
Max
c x
j j =1
Restricciones:
a x
j j =1
x j 0, enteros
25
25/03/2010
Modelacin

Problema de la Mochila. Comparemos los siguientes modelos:
Max 3 x1 + 2 x2 + 2 x3 s.a 2,9 x1 + 2,5 x2 + 2, 4 x3 5 x1 , x2 , x3 0, enteros
Max s.a
3x1 + 2 x2 + 2 x3 2,9 x1 + 2, 5 x2 + 2, 4 x3 5 x1 , x2 , x3 0
El Problema de la Mochila es un problema de Programacin Entera.

Requiere explcitamente que se exija que las variables tomen valores enteros. Asumir valores continuos y luego redondear no ayuda a obtener una buena solucin.
51
Modelacin
Veamos algunos problemas genricos ms:
Problema de Transporte:
Planificar el transporte de productos desde m orgenes a n destinos de modo de minimizar los costos de transporte.
Orgenes
.........
i
.........
j
Variables de decisin xij= unidades transportadas desde el origen i (i=1,,m) hasta el destino j (j=1,,n) Funcin objetivo: Minimizar los costos de transporte.
.........
Destinos
.........
n
Min
c x
i =1 j =1
ij ij
52
26
25/03/2010
Modelacin
Problema de Transporte:
Planificar el transporte de productos desde m orgenes a n destinos de modo de minimizar los costos de transporte. Restricciones: Demanda.
Orgenes
.........
i
.........
j
x
i =1
ij
= bj
j = 1,..., n
.........
2 j 1 i 3 n
Destinos
Problema General de Flujo:

Dada una red con n puntos (nodos) ya sean de oferta o demanda, planificar el flujo de modo de satisfacer la demanda a mnimo costo. Variables de decisin: xij= flujo desde el nodo i hasta el nodo j (ij). Funcin objetivo: Minimizar los costos de transporte.
.........
n
Oferta.
x
j =1
ij
= ai
i = 1,..., m
No negatividad.
xij 0 i = 1,..., m; j = 1,..., n

53
Modelacin
Min
c x
i j
ij ij
54
27
25/03/2010
Modelacin
Problema General de Flujo:
Dada una red con n puntos (nodos) ya sean de oferta o demanda, planificar el flujo de modo de satisfacer la demanda a mnimo costo.
j 1 i
Restricciones: Ecuacin de conservacin de flujo.
xij xki = bi
j =1 j i k =1 k i
i = 1,..., n
No negatividad.
xij 0
i, j
55
Modelacin
Problema de Asignacin:
Se tienen dos conjuntos de igual nmero de objetos y se desea determinar pares de objetos tales que un objeto del par pertenezca a un conjunto y el otro objeto al otro conjunto. Variables de decisin: si un objeto i es asignado o no a un objeto j.
.........
i
.........
j
1, si el objeto i es asignado al objeto j xij = 0, si no

Funcin objetivo: Minimizar tiempo (por ejemplo).
.........
n
.........
n
Min
t x
i =1 j =1
ij ij
56
28
25/03/2010
Modelacin
Problema de Asignacin:
Se tienen dos conjuntos de igual nmero de objetos y se desea determinar pares de objetos tales que un objeto del par pertenezca a un conjunto y el otro objeto al otro conjunto.
1 1
Restricciones: Cada objeto i debe ser asignado a un elemento del otro conjunto.
.........
i
.........
j
x
j =1 n
ij
=1
i = 1,..., n
.........
n
Problema del Vendedor Viajero:

Un vendedor debe viajar a n ciudades. El costo de viajar de la ciudad i a la ciudad j es cij. Se debe partir de una ciudad y visitar todas las ciudades restantes una sola vez y retornar al punto de partida, en qu orden debe hacerlo?. Variables de decisin: si el vendedor va de la ciudad i a la ciudad j. Funcin objetivo: Minimizar costo. Restricciones: El vendedor debe entrar una vez a cada ciudad. El vendedor debe salir una vez a cada ciudad. Eliminacin de subcircuitos. Binariedad.
.........
n
A cada objeto j debe asignarse exactamente un objeto del otro conjunto.
x
i =1
ij
=1
j = 1,..., n
Binariedad.
xij {0,1}
i, j
57
Modelacin
29
25/03/2010
Modelacin
Problema del Vendedor Viajero:
Min s.a.
c x
i =1 j =1
ij ij
x
j =1
ij
=1
i = 1,..., n
x
i =1
ij
=1
ij
j = 1,..., n
card (T ) 1 T
x
iT jT
{1,..., n}
xij {0,1}
i, j
59
Modelacin
Modelar con variables enteras Las variables enteras ofrecen la oportunidad de modelar situaciones ms amplias que la programacin lineal Las variables enteras pueden representar: La naturaleza indivisible de un problema Condiciones lgicas No linealidad
60
30
25/03/2010
Modelacin
Ejemplo:
Se debe decidir en qu proyectos invertir de una cartera de alternativas. Se tiene la ganancia (gi) y el capital requerido ci (en millones de dlares) para un listado de proyectos. Se cuenta con 100 millones de dlares. Los proyectos 1 y 2 son mutuamente excluyentes. Los proyectos 3y 4 son mutuamente excluyentes. Para realizar el proyecto 3 se debe realizar uno de los dos primeros proyectos. Lo mismo para el proyecto 4. Qu proyectos realizar de modo de maximizar las ganancias?
61
Modelacin
Ejemplo: Variable de decisin:
1 si se ejecuta el proyecto i xi = 0 si no
Los proyectos 1 y 2 son mutuamente excluyentes Los proyectos 3y 4 son mutuamente excluyentes. Para realizar el proyecto 3 se debe realizar uno de los dos primeros. Lo mismo para el proyecto 4.
62
31
25/03/2010
Modelacin
Modelar con variables binarias a. b. c. d. e. f. Produccin acotada Produccin acotada inferiormente Costo fijo Variables que toman un conjunto de valores Restricciones una o la otra al menos Restricciones si .. entonces
63
Modelacin
Modelar con variables binarias a. Produccin acotada
Variable que indica el nivel de produccin de j
Lj y j x j U j y j
b. Produccin acotada inferiormente
Variable binaria que indica si se fabrica o no el producto j
Lj y j x j M j y j
64
32
25/03/2010
Modelacin
Modelar con variables binarias c. Costo fijo
0 C ( xj ) = f j + vjxj
si si
xj = 0 xj > 0
1 si yj = 0 si
xj > 0 xj = 0
Formulacin no lineal
C ( xj ) = f j yj + vjxj
xj M j yj
C ( xj ) = f j y j + vj xj y j
65
Modelacin
Modelar con variables binarias d. Variables que toman un conjunto de valores: La variable slo puede tomar un valor dentro de un conjunto de valores
1 si yij = 0 si
x j = ai x j ai
j
y
i =1
ij
=1
n
x j = ai yij
i =1
66
33
25/03/2010
Modelacin
Modelar con variables binarias e. Restricciones una o la otra al menos Se tienen 2 posibles restricciones
f ( x) 0 o bien g ( x) 0
Notar que en los modelos de optimizacin se exige que se cumplan todas las restricciones para que el punto sea factible. Esto equivale a condicin lgica y.
1 si la restriccin (1) es la que se cumple y= 0 si la restriccin (2) es la que se cumple
f ( x ) M (1 y ) g ( x ) My
Modelacin
Modelar con variables binarias e. Restricciones una o la otra al menos
Supongamos que se deben cumplir k de un conjunto de m restricciones (k<m).
Siguiendo una lgica anloga, se definen variables auxiliares y para cada restriccin que corresponde a 1 si no se satisface la restriccin i, y 0 si s se satisface. En que M es un nmero suficientemente grande.
68
34
25/03/2010
Modelacin
Modelar con variables binarias e. Restricciones una o la otra al menos Ejemplo:
x1 0 x1 1000
1 si la restriccin (1) es la que se cumple y= 0 si la restriccin (2) es la que se cumple
x1 M (1 y ) 1000 x1 My
Modelacin
Modelar con variables binarias f. Restricciones si .. entonces Si f(x)>0 se satisface entonces g(x)0 se tiene que cumplir.
g ( x ) My f ( x ) M (1 y )
Ejemplo:
1 si el cliente i enva sus pagos a la ciudad j xij = 0 si no x11 > 0 Si x11 = 1 entonces x21 = x31 = x41 = 0
f ( x ) >0
x21 + x31 + x41 0 o x21 x31 x41 0

g ( x )0
x21 + x31 + x41 My

x11 M (1 y )
70
35
25/03/2010
Modelacin
Problema de Localizacin de Instalaciones
Se debe localizar un conjunto de plantas de entre un conjunto de posibles n sitios de modo de servir a m clientes. Existe un costo fi por instalarse en el sitio i. Cada cliente demanda dj. El costo unitario de despachar productos de i a j es cij yi=1 si se instala planta en i, 0 en otro caso xij= cantidad a enviar del sitio i al cliente j
71
Modelacin
Problema de Localizacin de Instalaciones

n m i i ij
min s.a :
k x + c
i =1 i =1 j =1
yij j = 1,..., m i = 1,..., n
y
i =1 m j =1
ij
=1 M xi
ij
xi , yij {0,1} i = 1,..., n, j = 1,..., m
min s.a :
k x + c
i i i =1 i =1 j =1
ij
yij j = 1,..., m
y
i =1
ij
=1
yij xi xi , yij [ 0,1]
i = 1,..., n, j = 1,..., m i = 1,..., n, j = 1,..., m
72
36

Clase 02b

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 02b

Cargado por

Copyright:

Formatos disponibles

25/03/2010

Departamento de Ingeniera Industrial y de Sistemas Pontificia Universidad Catlica de Chile

Optimizacin ICS 1113

Informacin del curso

ATENCIN ALUMNOS : PGINA WEB :

ICS1113. Prof.: Pamela lvarez M.

Actividades en clases. Nota Parcial (NP).

Nota Trabajo (NT).

Nota Final (NF).

Calculadoras. Reclamos. tica.

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

Parte I: Motivacin y preliminares

ICS1113. Prof.: Pamela lvarez M.

Investigacin de Operaciones (IO)

ICS1113. Prof.: Pamela lvarez M.

Investigacin de Operaciones (IO)

ICS1113. Prof.: Pamela lvarez M.

Investigacin de Operaciones (IO)

Solucin al sistema del problema real

Juicio y experiencia Interpretacin del tomador de decisiones

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

Permite un anlisis metdico

ICS1113. Prof.: Pamela lvarez M.

Sujeto a Variable de decisin Conjunto en Rn

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

Restricciones: Funcin Objetivo:

Sujeto a Variable de decisin Conjunto en Rn

ICS1113. Prof.: Pamela lvarez M.

ICS1113. Prof.: Pamela lvarez M.

Probemos distintos valores:

De aqu surge el concepto de Solucin Factible

En nuestro ejemplo cules son soluciones factibles?

Beneficio 10 20 30 17,5 27,5 37,5 25 35 45 32,5 42,5 52,5 40

0,5 5 lvarez M. ICS1113. Prof.: Pamela

Cmo construir el modelo matemtico que represente el problema?

Veamos cada uno de los componentes del modelo:

Cantidad a fabricar de cada producto. Cmo lo denotamos?

ICS1113. Prof.: Pamela lvarez M.

Maximizar utilidades. Cmo lo denotamos?

Disponibilidad de recursos. Cmo lo denotamos?

ICS1113. Prof.: Pamela lvarez M.

Veamos si est en el formato solicitado:

Cul es la solucin ptima del problema?

ICS1113. Prof.: Pamela lvarez M.

Podemos usar Excel?

ICS1113. Prof.: Pamela lvarez M.

Cmo podemos modelar el problema si tenemos n productos para fabricar y m recursos?

Este es el problema bsico de Planificacin de la Produccin

ICS1113. Prof.: Pamela lvarez M.

Disponibilidad de recurso i (i=1,,m). No fabricar cantidades negativas.

ICS1113. Prof.: Pamela lvarez M.

Planificacin de la Produccin Definamos los siguientes parmetros :

Beneficio neto unitario por unidad de producto j:

Costo unitario de produccin por unidad de producto j:

Disponibilidad del recurso i:

Cantidad de recurso i necesario para fabricar una unidad de producto j:

ICS1113. Prof.: Pamela lvarez M.

Planificacin de la Produccin Definamos la variable de decisin: