UNIVERSIDAD TÉCNICA DEL NORTE

FICA – CISIC
INVESTIGACIÓN OPERATIVA

TEMA: ENSAYO DE PROGRAMACIÓN GENÉTICA APLICADA A

ENTERO MIXTO

NOMBRE: ALEXANDER DÍAZ

NIVEL: 6to CISIC

ENERO, 2019
Un modelo de programación entera mixta (MIP) es un problema de optimización donde
una parte o todas las variables de decisión toman valores restringidos para tomar valores
enteros permitiendo incorporar un moldeamiento matemático algunos aspectos que
quedan fuera del alcance de los modelos de programación lineal.

En los programas de enteros y de enteros mixtos son NP-hard, los solucionadores de IP

comerciales tienen dificultades para abordar formulaciones MIP que representan
ingeniería simple o problemas de optimización de negocios que más de cientos de
variables enteras

Es entonces que el enfoque clásico y más utilizado para resolver problemas MIP es
Programación Lineal basada en Branch and Bound (B & B) Algoritmo de Ramificación
y Acotamiento que emplea LP.

El método de Branch and Bound (o Ramificación y Acotamiento) es un algoritmo

diseñado para la resolución de modelos de Programación Entera. Su operatoria consiste
en linealizar el modelo de Programación Entera, es decir, resolver éste como si fuese un
modelo de Programación Lineal y luego generar cotas en caso que al menos una variable
de decisión (entera) adopte un valor fraccionario.

Aplica relajaciones basadas en problema MIP permiten explorar el espacio de solución,

la implementación de un algoritmo de rama y límite se puede ver como una búsqueda de
árbol, donde el problema en el nodo raíz del árbol es el MIP original; nuevos nodos están
formados por la ramificación en un nodo existente.

Para que Branch and Bound tenga éxito en la resolución de problemas interesantes, debe
"guiar" la búsqueda de manera efectiva: es necesario hacerla correctamente, Se han
propuesto varios métodos para la selección de nodos desde la introducción de B & B para
MIP. La mayoría de ellos ofrecen ganancias considerables en la ejecución como
Linderoth y Savelsbergh demuestran en sus estrategias de estudio para MIP.

Señalan que de los 13 métodos de selección de nodos diferentes, clasificado de primero

a último dependiendo del problema MIP particular resuelto. Lo anterior indicó que la
selección de nodos es un dominio de problemas donde (i) no existen soluciones generales
(ii) una solución aproximada es aceptable (o es la única resultado que es probable que se
obtenga) (iii) pequeñas mejoras en el rendimiento se miden de forma rutinaria y son
altamente valorados y (iv) las interrelaciones de las variables relevantes son poco
comprendidas.

En consecuencia, decidimos abordar el problema de la selección de nodos en el Método

Branch and Bound para MIP aplicándolo a la Programación Genética.
En la proposición hecha por linderoth y Savelsbergh los métodos que se aplican a los
problemas de MIP no hay uno que supere a otros sino que se aplican dependiendo del
problema MIP particular resuelto donde el dominio no tiene un conjunto de soluciones
generales sino aproximadas a la solución, es aquí donde es la ocasión en que se debe usar
la programación genética ya que el método de selección de nodo es una expresión que
puede expresarse en términos de programación genética por lo cual se escogió el método
Branch and Bound para MIP aplicado en programación genética con la intención de
desarrollar métodos de selección de nodos dinámicos en el tiempo de ejecución para
aplicarlos en la búsqueda de B&B

Entre los trabajos relacionados están la aplicación de la optimización de problemas de

combinatoria aplicando algoritmos metaeuristicos, utilizados para encontrar las
soluciones factibles rápidamente alcanzando la optimalizad al igual que Branch and
Bound, Abrham son y Randall utilizan Tabu Search entre otras metaheurísticas para crear
un solucionador de problemas de optimización combinatoria de propósito general,
también se usan para métodos de selección de nodos en evolución.
Entre los antecedentes existe un problema de optimización o programa de entero mixto
(MIP) que es un LP con alguna integridad restricción en una o más variables
También se encuentra el algoritmo de rama limite B&B que se basa en particionar
iterativamente la solución para formar subproblemas del programa original obteniendo
una lista de LPs simplificando los requisitos de las variables, es más un framework que
un algoritmo especifico y al ser un algoritmo exacto dando como resultado soluciones
buenas, aceptables, optimas

Selección de Nodos
El objetivo de un método de selección de nodo es doble: encontrar un buen número entero
factible de soluciones, o para demostrar que no hay una solución mejor que el límite
inferior actual existe.

El método de selección de nodos basado en la estimación intenta estimar el valor de la

mejor solución de enteros factible que se puede obtener de un nodo dado del B & B árbol,
y luego elija el nodo con la estimación más alta (o más baja en caso de minimización),
existen muchas fórmulas para calcular la estimación, y la mayoría de ellas se basan en la
suma de las inhabilitaciones de enteros.

Proyección:
Los métodos de retroceso se basan en la idea de combinar las ventajas de (i) y (ii). Intentan
ir lo más profundo posible o necesario, y luego retroceder usando, por ejemplo, mejor
atado o mejor proyección como método de selección de nodo.
La mayoría de los solucionadores de MIP comerciales utilizan estas estrategias de
retroceso en su B & B implementación para acelerar la búsqueda. Mitchell y Lee y
especialmente Linderoth y Savelsbergh] contienen presentaciones completas y
discusiones sobre el método de selección de nodos.

DATOS BIBLIOGRÁFICOS
Programación Genética Aplicada a Entero Mixto
Programacion
Konstantinos Kostikas y Charalambos Fragakis
Departamento de Matemática Computacional y Programación Computacional.
Escuela de Matemáticas, Física y Ciencias Computacionales.
Facultad de tecnologia
Universidad Aristóteles de Tesalónica
54006 Salónica, Grecia
kostikas,fragakis@gen.auth.gr