Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Valor de la
Combinaciones
Soluciones continuas correspondientes función
discretas
objetivo
𝑦1 = 0, 𝑦2 = 0
𝑦1 = 0, 𝑦2 = 1
𝑦1 = 1, 𝑦2 = 0
𝑦1 = 0, 𝑦2 = 1
Enumeración Exhaustiva
Problema entero mixto
Para el ejemplo anterior hay 2 posibles valores para 𝑦1 y 2 valores posibles para 𝑦2
Por lo tanto, hay 4 posibles combinaciones para enumerar.
Valor de la
Combinaciones
Soluciones continuas correspondientes función
discretas
objetivo
𝑦1 = 0, 𝑦2 = 0 𝑥3 = 814.3, 𝑥4 = 114.6, 𝑥5 = 30.0, 𝑥6 = 10.0, 𝑥7 = 1.1, 9914.1
𝑦1 = 0, 𝑦2 = 1 𝑥3 = 637.9, 𝑥4 = 82.0, 𝑥5 = 22.0, 𝑥6 = 7.3, 𝑥7 = 0.9, 9877.3
𝑦1 = 1, 𝑦2 = 0 𝑥3 = 727.6, 𝑥4 = 178.8, 𝑥5 = 16.5, 𝑥6 = 1.0, 𝑥7 = 1.1, 9540.3
𝑦1 = 0, 𝑦2 = 1 𝑥3 = 552.8, 𝑥4 = 112.9, 𝑥5 = 8.5, 𝑥6 = 0.0, 𝑥7 = 0.9, 9591.1
Enumeración Exhaustiva
Problema entero puro
En este caso, debemos enumerar todos los valores posibles para las variables enteras y realizar
todas las combinaciones posibles hasta encontrar aquella que proporcione el valor óptimo de la
función objetivo y que cumpla todas las restricciones.
Enumeración Exhaustiva
Problema entero puro
max 𝑧 = 3𝑥1 + 5𝑥2
Sujeto a
𝑥1 + 𝑥2 ≤ 8
3𝑥1 + 2𝑥2 ≤ 7
𝑥1 , 𝑥2 ≥ 0
𝑥1 , 𝑥2 ∈ Ζ
Enumeremos:
Posibles valores para 𝑥1 , según 𝑥1 + 𝑥2 ≤ 8: 0, 1, 2, 3, 4, 5, 6, 7, 8
Posibles valores para 𝑥1 , según 3𝑥1 + 2𝑥2 ≤ 7: 0, 1, 2
Entonces 𝑥1 = 0, 1, 2
Enumeración Exhaustiva
Problema entero puro
max 𝑧 = 3𝑥1 + 5𝑥2
Sujeto a
𝑥1 + 𝑥2 ≤ 8
3𝑥1 + 2𝑥2 ≤ 7
𝑥1 , 𝑥2 ≥ 0
𝑥1 , 𝑥2 ∈ Ζ
Enumeremos:
Posibles valores para 𝑥2 , según 𝑥1 + 𝑥2 ≤ 8: 0, 1, 2, 3, 4, 5, 6, 7, 8
Posibles valores para 𝑥2 , según 3𝑥1 + 2𝑥2 ≤ 7: 0, 1, 2, 3
Entonces 𝑥2 = 0, 1, 2, 3
Enumeración Exhaustiva
Problema entero puro
max 𝑧 = 3𝑥1 + 5𝑥2 Los valores posibles para las variables de decisión son:
s.a. 𝑥1 = 0, 1, 2
𝑥1 + 𝑥2 ≤ 8 𝑥2 = 0, 1, 2, 3
3𝑥1 + 2𝑥2 ≤ 7
Ahora encontremos todos las combinaciones posibles
𝑥1 , 𝑥2 ≥ 0
aplicando estos valores y comprobemos si se cumplen las
𝑥1 , 𝑥2 ∈ Ζ
restricciones
𝑥1 0 0 0 0 1 1 1 1 2 2 2 2
𝑥2 0 1 2 3 0 1 2 3 0 1 2 3
𝑅1
𝑅2
𝑍
Factible?
Enumeración Exhaustiva
Problema entero puro
max 𝑧 = 3𝑥1 + 5𝑥2 Los valores posibles para las variables de decisión son:
s.a. 𝑥1 = 0, 1, 2
𝑥1 + 𝑥2 ≤ 8 𝑥2 = 0, 1, 2, 3
3𝑥1 + 2𝑥2 ≤ 7
Ahora encontremos todos las combinaciones posibles
𝑥1 , 𝑥2 ≥ 0
aplicando estos valores y comprobemos si se cumplen las
𝑥1 , 𝑥2 ∈ Ζ
restricciones
𝑥1 0 0 0 0 1 1 1 1 2 2 2 2
𝑥2 0 1 2 3 0 1 2 3 0 1 2 3
𝑅1 0 1 2 3 1 2 3 4 2 3 4 5
𝑅2 0 2 4 6 3 5 7 10 6 8 10 12
𝑍 0 5 10 15 3 8 13 - 6 - - -
Factible? si si si si si si si no si no no no
Enumeración Exhaustiva
Problema binario
De igual manera, deseamos probar todas las posibles alternativas para las variables de
decisión.
¿Cómo saber cuántas combinaciones se deben probar?
Existe un criterio que se llama crecimiento exponencial.
Un modelo con k variables binarias de decisión tendrá 𝟐𝒌 casos para enumerar.
Este criterio también prueba que el método de enumeración exhaustiva puede ser poco
práctico en los casos que se tengan un número considerable de variables de decisión.
Enumeración Exhaustiva
Problema binario
max 𝑧 = 7𝑥1 + 4𝑥2 + 19𝑥3
Sujeto a
𝑥1 + 𝑥3 ≤ 1
𝑥2 + 𝑥3 ≤ 1
𝑥1 , 𝑥2 , 𝑥3 = 0 ó 1
* Este enfoque es adecuado en los casos donde los valores de las variables son tan grandes que el redondeo introduce
un error muy pequeño; sin embargo debe aplicarse con cuidado al poner en práctica este procedimiento
Relajación Continua de Modelos Discretos
Veamos un ejemplo…
Ejemplo 1: La solución óptima del
relajamiento de PL no se puede
redondear de ninguna manera
que conserve la factibilidad
¿Podemos redondear 𝑥1 de tal manera
que la solución siga siendo factible?
C 𝑀𝑎𝑥 𝑧 = 𝑥2
s.a.
1
−𝑥1 + 𝑥2 ≤
2
1
𝑥1 + 𝑥2 ≤ 32
𝑥1 ≥ 0
𝑥2 ≥ 0
𝑥1 , 𝑥2 𝑠𝑜𝑛 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
Relajación Continua de Modelos Discretos
Aún cuando podamos redondear con éxito, todavía existe otra
dificultad.
No existe garantía de que esta solución redondeada sea la solución
óptima de programación entera.
Veamos un ejemplo…
¿Podemos redondear 𝑥1 de tal manera
que la solución siga siendo factible?
Ejemplo 2: La solución del
relajamiento de PL redondeada
𝑥1 = 0 está muy lejos de ser óptima para
𝑥2 = 2 el problema PE
𝑧 = 11
𝑥1 = 2
9
𝑥2 =
5 𝑀𝑎𝑥 𝑧 = 𝑥1 + 5𝑥2
𝑧 = 10
s.a.
𝑥1 + 10𝑥2 ≤ 20
𝑥1 ≤ 2
𝑥1 = 2 𝑥1 ≥ 0
𝑥2 = 1 𝑥2 ≥ 0
𝑧=7 𝑥1 , 𝑥2 𝑠𝑜𝑛 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
Relajación Continua de Modelos Discretos
Dado los inconvenientes de relajamiento de PL, se dispone de ciertos algoritmos
para resolver problemas de PE. Como por ejemplo:
1. Ramificación y acotamiento (Branch and bound)
2. Ramificación y corte (Branch and cut)
Conclusiones
¿QUÉ APRENDIMOS HOY?
29
Conclusiones
¿Qué aprendimos hoy?
¿Preguntas?