Está en la página 1de 73

DepartamentodeIngenieraIndustrialydeSistemas PontificiaUniversidadCatlicadeChile

Optimizacin ICS1113
Aspectosadministrativos ParteI:Motivacinypreliminares
1er semestre2010 Profesor:PamelalvarezM.

Informacindelcurso
CURSO SIGLA CRDITOS REQUISITOS : : : : OPTIMIZACIN Seccin04 ICS1113 10 Cl l II Clculo AlgebraLineal HORARIOYSALA : ClasesMJ:1(A6) AyudantasL:6(B16) PROFESOR : PamelalvarezM.(ppalvare@puc.cl) Martesde09:50a10:20 http://www.ing.puc.cl/20101/ics11134
ICS1113.Prof.:PamelalvarezM. 2

ATENCINALUMNOS : PGINAWEB :

Objetivos
Modelar matemticamente problemas diversos de toma de decisiones. Explicar claramente y con sus propias palabras el del l l l b l funcionamiento f d l 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.
ICS1113.Prof.:PamelalvarezM. 3

Contenidos
PARTEI:Motivacinypreliminares Queslainvestigacinoperativa? Modelosdeoptimizacin Mximos, mnimos, modelos ydefiniciones bsicas d l equivalentes l d f b PARTEII:Programacinlineal Formulacinyformaestndardeproblemaslineales Geometradeproblemaslinealesypropiedadesdepoliedros MtodoSimplex Anlisisdesensibilidad Teoradedualidad PARTEIII:ExtensionesdeProgramacinLineal Optimizacindeflujoenredes Programacin g linealentera Programacindinmica PARTEIV:Programacinnolineal Optimizacinconrestriccionesdeigualdadydesigualdad Condicionesnecesariasysuficientesparaunmnimolocaloglobal Mtodosdebsquedadesolucionesptimassinrestricciones(Gradiente, ICS1113.Prof.:PamelalvarezM. 4 Newton)ymtodosconrestricciones

Metodologa
Clases expositivas Lectura de d textos gua Guas de ejercicios con problemas Actividades grupales durante la clase Uso de software p para resolucin de p problemas Trabajos grupales Ayudantas y talleres

ICS1113.Prof.:PamelalvarezM.

AspectosAdministrativos
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 Reclamos. tica.


ICS1113.Prof.:PamelalvarezM. 6

Fechasimportantes
Sbado 17 de abril Sbado b d 8 de d mayo Jueves 27 de mayo Sbado 26 de junio : : : : I1 I2 I3 Examen

ICS1113.Prof.:PamelalvarezM.

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). web) [OVV] Ortiz, C.; S. Varas; J. Vera. (2000) Optimizacin y Modelos para la Gestin. Dolmen ediciones. (Disponible ( en Biblioteca Central). )

ICS1113.Prof.:PamelalvarezM.

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

ICS1113.Prof.:PamelalvarezM.

InvestigacindeOperaciones(IO)
Optimizacin es parte de la Investigacin de Operaciones. Operations Research h / Operational l Research h (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.

ICS1113.Prof.:PamelalvarezM.

10

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

ICS1113.Prof.:PamelalvarezM.

11

InvestigacindeOperaciones(IO)
Problemas de diversos tipos y en diversas reas: Logstica Diseo Operacin p Planificacin Etc.

Cul es la caracterstica en comn? Tomar una decisin Lograr g un objetivo j Presencia de restricciones
ICS1113.Prof.:PamelalvarezM. 12

Unpocodehistoria
Un poco de historia La IO nace en Inglaterra durante la l d l Segunda d Guerra Mundial, d l 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.
ICS1113.Prof.:PamelalvarezM. 13

EnfoquedelaIO

SistemaReal

Variables relevantes

Sistema Asumido

Relaciones relevantes

Modelo cuantitativo

Implementacin

Mtodode solucin

Solucinalsistema delproblemareal

Decisiones

Juicioyexperiencia Interpretacin deltomador dedecisiones

Solucin almodelo

ICS1113.Prof.:PamelalvarezM.

14

Modelacin
Todos los das, todos los individuos se ven enfrentados a problemas. Un problema es la entro lo bl l diferencia df l que es (situacin actual l) y lo l que debe ser (objetivo). Siunproblemanotienesolucinnoesproblema,ysilatiene,entonces tampocoloes. Una solucin son las actividades a desarrollar para ir desde el estado actual al estado deseado.

ICS1113.Prof.:PamelalvarezM.

15

Modelacin
Los problemas por lo general poseen ms de una solucin. Se dice si permite ir desde d que una solucin l es efectiva f d d el l estado d actual l 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.

ICS1113.Prof.:PamelalvarezM.

16

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

ICS1113.Prof.:PamelalvarezM.

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. g 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. trabaja Los modelos no pueden reemplazar al tomador de decisiones.

ICS1113.Prof.:PamelalvarezM.

18

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). priori) Identificar un mejor (ptimo) curso de accin.
ICS1113.Prof.:PamelalvarezM. 19

Modelacin
Algunos ejemplos de modelos: Modelos de Inventario Modelos de Lnea de Espera Modelos de Reemplazo p Modelos de Mantenimiento Modelos de Asignacin de Recursos M d l de Modelos d Competencia C t i

ICS1113.Prof.:PamelalvarezM.

20

Modelacin
En general usaremos un Modelo Matemtico de Optimizacin, que tiene la siguiente estructura:
Funcin Objetivo

Modelo de Optimizacin

Min f ( x ) s.a gi ( x ) b x C
Sujeto a Variable de decisin

i, i = 1,..., m

Restricciones Conjunto en Rn
21

ICS1113.Prof.:PamelalvarezM.

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

gi ( x ) b x C

f ( x)

i, i = 1,..., m

ICS1113.Prof.:PamelalvarezM.

22

Modelacin
En resumen: Variables de decisin:
Cantidades d d que se pueden d controlar l para mejorar el l objetivo. b 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 Modelaresmsunartequeunaciencia
ICS1113.Prof.:PamelalvarezM. 23

Modelacin
En general usaremos un Modelo Matemtico de Optimizacin, que tiene la siguiente estructura:
Funcin Objetivo

Modelo de Optimizacin

Min f ( x ) s.a gi ( x ) b x C
Sujeto a Variable de decisin

i, i = 1,..., m

Restricciones Conjunto en Rn
24

ICS1113.Prof.:PamelalvarezM.

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 p producto B. Hay que decidir cunto producto A y B fabricar de modo de obtener la mxima utilidad.

ICS1113.Prof.:PamelalvarezM.

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


ICS1113.Prof.:PamelalvarezM. 26

Modelacin

En nuestro ejemplo cules son soluciones factibles?


Producto Final Insumos

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?

ICS1113.Prof.:PamelalvarezM.

27

Modelacin

Ms soluciones factibles
Producto Final Insumos

A
0 0 0 0,5 0,5 0,5 1 1 1 1,5 1,5 ,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 ,5 52,5 40


28

0,5 5 lvarezM. ICS1113.Prof.:Pamela

Modelacin

Cmo construir el modelo matemtico que represente el problema?

Min s.a

gi ( x ) b x C

f ( x)

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.

ICS1113.Prof.:PamelalvarezM.

29

Modelacin

Funcin objetivo:

Maximizar utilidades. Cmo lo denotamos?

Max ax 15 5 x + 20 0y

Restricciones:

Disponibilidad de recursos. recursos Cmo lo denotamos?

2x + 2 y 8 1x + 2 y 6

ICS1113.Prof.:PamelalvarezM.

30

Modelacin
Min s.a

gi ( x ) b x C

f ( x)

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
ICS1113.Prof.:PamelalvarezM. 31

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)

ICS1113.Prof.:PamelalvarezM.

32

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

ICS1113.Prof.:PamelalvarezM.

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, costos o si hay capacidad de almacenar la produccin excedente, o slo podemos fabricar por lotes, o hay costos de setup muchas alternativas Veremos algunos modelos bsicos para distintos problemas genricos

ICS1113.Prof.:PamelalvarezM.

34

Modelacin

Planificacin de la Produccin Definir la p 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.

ICS1113.Prof.:PamelalvarezM.

35

Modelacin

Planificacin de la Produccin Definamos los siguientes parmetros :

Beneficio neto unitario por unidad de producto j:

bj
cj
ri
aij

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.:PamelalvarezM.

36

Modelacin

Planificacin de la Produccin Definamos la variable de decisin:

xj :

Cantidad a fabricar del producto j (j=1,, n).

ICS1113.Prof.:PamelalvarezM.

37

Modelacin

Planificacin de la Produccin Escribamos el modelo de optimizacin:

Funcin objetivo:

Max

b x
j =1 j

Min

c x
j =1 j

Restricciones:

a x
j =1 ij

ri

i, i = 1,..., m

xj 0

j , j = 1,..., n

Tamao del problema?


ICS1113.Prof.:PamelalvarezM. 38

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.
ICS1113.Prof.:PamelalvarezM. 39

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 p 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 l de la l bodega. b vi : Volumen utilizado por el producto i.

ICS1113.Prof.:PamelalvarezM.

40

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. productos


ICS1113.Prof.:PamelalvarezM. 41

Modelacin

Problema de Planificacin de la Produccin con Inventario Restricciones:


Disponibilidad de recursos Satisfaccin de demanda Capacidad de inventario

ICS1113.Prof.:PamelalvarezM.

42

Modelacin

Problema de Planificacin de la Produccin con Inventario

Min s.a.

c x + h I
t =1 i =1 it it t =1 i =1

i it

a x
i =1

ij it

b jt

j (1,.., 1 m ) t (1,.., 1 T) i (1,.., n ) t (1,.., T ) t (1,.., T 1) i (1,.., 1 n ) t (1 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

ICS1113.Prof.:PamelalvarezM.

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 p productos i atrasados entre el p periodo t y el t+1

ICS1113.Prof.:PamelalvarezM.

44

Modelacin

Problema de Planificacin de la Produccin con Inventario Qu cambia con este supuesto?

La restriccin de inventarios cambia:

I it + dit = I it 1 + xit I it + dit + yit 1 = I it 1 + xit + yit

La funcin objetivo cambia:

c x + h I + f y
t =1 i =1 it it t =1 i =1 i it t =1 i =1 i

it

ICS1113.Prof.:PamelalvarezM.

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
t =1 i =1 it it t =1 i =1 i it t =1 i =1 i

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

ICS1113.Prof.:PamelalvarezM.

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 (setup o partida) Kjt cuando el producto j se fabrica y no depende del nivel de produccin. Cmo lo modelamos?

ICS1113.Prof.:PamelalvarezM.

47

Modelacin

Problema de Planificacin de la Produccin con Inventario y costos de setup

Min s.a.

c
t =1 j =1 n

jt

x jt + h j I jt + K jt y jt
t =1 j =1 t =1 j =1

a x
j =1 ij

jt

bit

i, t ; i = 1,..., m, t = 1,..., T j , t ; j = 1,..., 1 n, t = 1 1,..., T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., 1 n, t = 1,..., 1 T j , t ; j = 1,..., n, t = 1,..., T j , t ; j = 1,..., 1 n, t = 1,..., 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 0 1}

ICS1113.Prof.:PamelalvarezM.

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. U tarro Un a o de del tipo po j pesa aj kilos os y tiene e eu un valor a o nutricional u c o a de cj unidades. Cuntas unidades de cada tarro debe llevar para maximizar el p nutricional y no exceder el p peso mximo? aporte

ICS1113.Prof.:PamelalvarezM.

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 =1 j

Restricciones:

a x
j =1 j

x j 0, enteros
ICS1113.Prof.:PamelalvarezM. 50

Modelacin

Problema de la Mochila. Comparemos los siguientes modelos:

Max 3 x1 + 2 x2 + 2 x3 2,9 s.a , x1 + 2,5 , x2 + 2, , 4 x3 5 x1 , x2 , x3 0, enteros

Max s.a

3 x1 + 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.

ICS1113.Prof.:PamelalvarezM.

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)

.........
m

Destinos

.........
n

Funcin objetivo: Minimizar los costos de transporte. transporte

Min

c x
i =1 j =1

ij ij

ICS1113.Prof.:PamelalvarezM.

52

Modelacin

Problema de Transporte:

Planificar el transporte de productos desde m orgenes a n destinos de modo de minimizar los costos de transporte. Restricciones:

Orgenes

.........
i

.........
j

Demanda.

x
i =1

ij

= bj

j = 1,..., n

.........
m

Destinos

.........
n

Oferta Oferta.

x
j =1

ij

= ai

i = 1,..., m

No negatividad.

xij 0 i = 1,..., m; j = 1,..., n


53

ICS1113.Prof.:PamelalvarezM.

Modelacin

Problema General de Flujo:

2 j 1 i

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 j desde el nodo i hasta el nodo j (ij).

Funcin objetivo: Minimizar los costos de transporte.

Min

c x
i j

ij ij

ICS1113.Prof.:PamelalvarezM.

54

Modelacin

Problema General de Flujo:

2 j 1 i

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. Restricciones:

Ecuacin de conservacin de flujo.

x x
j =1 j i ij k =1 k i

ki

= bi

i = 1,..., n

No negatividad.

xij 0

i, j
55

ICS1113.Prof.:PamelalvarezM.

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. 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

.........
n

.........
n

Funcin objetivo: Minimizar tiempo (por ejemplo).

Mi Min

t x
i =1 j =1

ij ij
56

ICS1113.Prof.:PamelalvarezM.

Modelacin

Problema de Asignacin:

Se tienen dos conjuntos de igual nmero de objetos y pares de objetos j tales q que un se desea determinar p objeto del par pertenezca a un conjunto y el otro objeto al otro conjunto. Restricciones: Cada objeto i debe ser asignado a un elemento del otro conjunto.

.........
i

.........
j

x
j =1

ij

=1

i = 1,..., n

.........
n

.........
n

A cada objeto j j debe asignarse g exactamente un objeto j del otro conjunto.

x
i =1

ij

=1

j = 1,..., n

Binariedad.

xij {0,1}

i, j
57

ICS1113.Prof.:PamelalvarezM.

Modelacin

Problema del Vendedor Viajero:

Un vendedor debe viajar a n ciudades. El costo de j de la ciudad i a la ciudad j es cij. Se debe p partir viajar 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. Bi i d d Binariedad.
ICS1113.Prof.:PamelalvarezM. 58

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,..., 1 n

x
iT jT

card (T ) 1

{1,..., n}

xij {0,1}

i, j

ICS1113.Prof.:PamelalvarezM.

59

Modelacin

ProblemadeLocalizacindeInstalaciones
n m i i i =1 j =1 ij

min s.a :

k x + c
i =1 m

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
SOLVER

k x + c
i =1 m i i i =1 j =1

ij

yij j = 1,..., m

s.a :

y
i =1

ij

=1

yij xi xi , yij [ 0,1]

i = 1,..., n, j = 1,..., m i = 1,..., n, j = 1,..., m

ICS1113.Prof.:PamelalvarezM.

60

Modelacin
ProblemadeLocalizacindeInstalaciones
Se debe localizar un conjunto de plantas de entre un conjunto de posibles m sitios de modo de servir a n 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=1siseinstalaplantaeni,0enotrocaso xij=cantidadaenviardelsitio ialcliente j

ICS1113.Prof.:PamelalvarezM.

61

Modelacin
Modelarconvariablesenteras Lasvariables l laoportunidad i bl enterasofrecen f id dde d modelar d l situaciones i i msampliasquelaprogramacinlineal L variables Las i bl enteraspueden d representar: Lanaturalezaindivisibledeunproblema Condicioneslgicas Nolinealidad

ICS1113.Prof.:PamelalvarezM.

62

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 ill d dlares. de dl Los proyectos 1 y 2 son mutuamente excluyentes. Los proyectos 3 y 4 son mutuamente excluyentes. excluyentes Para realizar el proyecto 3 se debe realizar al menos uno de los dos primeros p oyectos. proyectos. Lo mismo para el proyecto 4. Qu proyectos realizar de modo de maximizar las ganancias?

ICS1113.Prof.:PamelalvarezM.

63

Modelacin
Ejemplo: Variable i bl de d decisin: d i i

1 si se ejecuta el proyecto i xi = 0 si no

Losproyectos1y2sonmutuamenteexcluyentes Losproyectos3y4sonmutuamenteexcluyentes. Pararealizarelproyecto3sedeberealizarunodelosdosprimeros. Lomismoparaelproyecto4 4.


ICS1113.Prof.:PamelalvarezM. 64

Modelacin
Modelarconvariablesbinarias a. b. c. d. e. f. Produccin d i acotada d Produccinacotadainferiormente Costofijo Variablesquetomanunconjuntodevalores Restriccionesunaolaotraalmenos Restriccionessi..entonces

ICS1113.Prof.:PamelalvarezM.

65

Modelacin
Modelarconvariablesbinarias a. Produccin d i acotada d
Variablequeindica el lnivel i lde d produccindej

Lj y j x j U j y j
Variablebinariaque indicasisefabricao noelproductoj

b.

Produccinacotadainferiormente

Lj y j x j M j y j

ICS1113.Prof.:PamelalvarezM.

66

Modelacin
Modelarconvariablesbinarias c. Costofijo fij

0 C ( xj ) = f j + vjxj

si si

xj = 0 xj > 0

1 si yj = 0 si

xj > 0 xj = 0

C ( xj ) = f j yj + vjxj
xj M j yj
ICS1113.Prof.:PamelalvarezM. 67

Modelacin
Modelarconvariablesbinarias d. d Variables de i bl quetomanunconjunto j d valores: l Lavariableslopuedetomarunvalordentrodeunconjuntode valores l

1 si yijj = 0 si

x j = ai x j ai

y
i =1

ij

=1
n

x j = ai yij
i =1

ICS1113.Prof.:PamelalvarezM.

68

Modelacin
Modelarconvariablesbinarias d. d Variables de i bl quetomanunconjunto j d valores: l Ejemplo:

a1 = 10; ; a2 = 20; a3 = 30

1 si yij = 0 si

x j = ai x j ai j

y
i =1

ij

=1
n

y1 A + y2 A + y3 A = 1 y1B + y2 B + y3 B = 1
x A = 10 y1 A + 20 y2 A + 30 y3 A xB = 10 y1B + 20 y2 B + 30 y3 B
ICS1113.Prof.:PamelalvarezM. 69

x j = ai yij
i =1

Modelacin
Modelarconvariablesbinarias e. Restricciones unaol laotraal i i lmenos Setienen2posiblesrestricciones

f ( x) 0 o bien g ( x) 0

Notarqueenlosmodelosdeoptimizacinseexigeque secumplantodaslasrestriccionesparaqueelpuntosea factible.Estoequivaleacondicinlgicay.

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
ICS1113.Prof.:PamelalvarezM. 70

Modelacin
Modelarconvariablesbinarias e. Restricciones unaol laotraal i i lmenos Ejemplo:

x1 0
x1 1000

f ( x) 0 o bien g ( x) 0

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

x1 M (1 y ) 1000 x1 My
ICS1113.Prof.:PamelalvarezM. 71

Modelacin
Modelarconvariablesbinarias e. Restriccionesunaolaotraalmenos
Supongamosquesedebencumplirk deunconjuntodem restricciones (k<m).

Siguiendounalgicaanloga,sedefinenvariablesauxiliaresyparacada restriccinquecorrespondea1sinosesatisfacelarestriccini,y0sisse satisface. EnqueMesunnmerosuficientementegrande.

ICS1113.Prof.:PamelalvarezM.

72

Modelacin
Modelarconvariablesbinarias f. Restriccionessi..entonces Sif(x)>0sesatisfaceentoncesg(x)0 setienequecumplir.

g ( x ) My y f ( x ) M (1 y )
Ejemplo: j p

1 si el cliente i enva sus pagos a la ciudad j xij = 0 si no x >0

Si x11 = 1 entonces x21 = x31 = x41 = 0 x21 + x31 + x41 My


x11 M (1 y )
ICS1113.Prof.:PamelalvarezM.

11 
f ( x )>0

x21 + x31 + x41 0 o x21 x31 x41 0 

g ( x ) 0

73