Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A $ 3000 $ 5 2100
B 2000 4 1800
C 1000 7 3000
Restricciones:
Demanda en el periodo 1: xa1 +xb1+xc1 >= 2900
Demanda en el periodo 2: xa2+xb2+xc2>= 3900
Capacidad de generador A:
xa1 <= 2100y1 (enlace variable entera con variable binaria)
xa2<=2100y1 (enlace variable entera con variable binaria)
Capacidad de generador B:
xb1<=1800y2 (enlace variable entera con variable binaria)
xb2<=1800y2 (enlace variable entera con variable binaria)
Capacidad de generador C:
xc1<=3000y3 (enlace variable entera con variable binaria)
xc2<=3000y3 (enlace variable entera con variable binaria)
Función Objetivo:
Minimizar (z)= 5(x11+x12) +4(x21+x22) + 7(x31+x32) +3000(y1)+2000(y2) +
1000(y3)
FORMA ESTANDAR DE UN MODELO DE PROGRAMACION ENTERA
C. Programación Entera Binaria: Es aquella donde se incluyen decisiones de si
o no que están interrelacionadas. En las decisiones de este tipo solo hay 2
posibles respuestas a este tipo de decisiones se les puede representar
mediante variables de decisión restringidas a 2 valores, por ejemplo 0 y 1,
así la j-ésima decisión sí o no se puede representar por Xj, tal que:
Xj 1 si la decisión j es si o 0 si la decisión es no.
A este tipo de problemas de programación entera binaria también se le conoce
como problemas 0-1 de programación entera.
Las programaciones enteras binarias son aquellas donde incluyen decisiones de si
o no que están interrelacionadas. En las decisiones de este tipo solo hay 2
posibles respuestas a este tipo de decisiones se les puede representar mediante
variables de decisión restringidas a 2 valores, por ejemplo 0 y 1, así la j-ésima
decisión sí o no se puede representar por tal que:
Xj =1 si la decisión j es si o 0 si la decisión j es no.
A este tipo de problemas de programación entera binaria también se les conoce
como problemas 0-1 de programación entera.
DESCRIPCIÓN DEL MÉTODO
Lo primero que se debe saber, es que al ser las decisiones de Si o No, todas las
variables de decisión tienen la forma binaria. La representación de lo anterior
queda así:
Cuando al escoger una opción, no se nos permite escoger otra, se dice que
ambas son mutuamente excluyentes, esta restricción se representa como la
sumatoria de ambas ≤ 1, ya que eso indica que entre ambas puede haber solo 1
(solo una de las 2) o 0 (ninguna de ellas).
X1+X2 ≤ 1
En el caso en que una opción solo se pueda escoger habiendo elegido otra con
anterioridad, se dice que son contingentes o condicionales, esta restricción se
representa poniendo que la variable dependiente es ≤ a la variable independiente,
de la siguiente manera:
X1 ≤ X2
D X1 = v d
X2 = v b
Pero para colocar lo anterior como restricción válida para modelación, se debe
igualar a 0.
− X1X2 ≤ 0
Como paso final para modelar se ponen las restricciones ≤ 1 y ≥ 0 para indicar que
solo entre esos valores pueda estar la optimización.
Xj≤ 1
Xj ≥ 0
Donde j es el número de variables de decisión
SI ENTONCES
El problema no es factible Anule la rama
El valor de Z ≤ L
PROCEDIMIENTO
Si Xbi no es entero, entonces se generan a partir de dicho valor dos restricciones
xi≤ [xbi] y xi≥ [xbi]+1 (siendo [xbi] la parte entera por defecto de xbi), que añadidas
cada uno por separado al problema original, da lugar a dos nuevos subproblemas.
Por ejemplo la variable x1 tiene que ser entera, pero en la solución anterior (PLA
u otro), la variable vale: x1 = 6.8. Esta solución no es válida, ya que no
es admisible un valor fraccional, por tanto se introducirán las siguientes
restricciones: x1≤ 6 y x1≥ 7, de forma que se ha eliminado una porción del
conjunto donde no hay soluciones enteras, pero se mantienen las enteras:
Así se prosigue con todas las variables hasta que sean enteras.
Si al proceso de ramificación no se mejora de alguna forma, llegariamos a
analizar TODAS las soluciones enteras (Enumeracion Total). Por eso, se añade la
fase de Acotación, esta tiene que ver con el valor de la función objetivo.
A medida que se va ramificando se obtienen soluciones enteras y otras que no lo
son.
No podemos asegurar que la primera solución entera obtenida sea la solución
óptima, sino que es necesario comprobar si existen otras soluciones enteras o no.
Ejemplo
Ejemplo
Max F(X) = 8X1+ 10X2
s.a. 4x1+ 6x2≤24
8x1+ 3x2≤24
x1≥0,x2≥0, x1,x2∈Z+
Resolviendo en primer lugar el PLA, es decir
Max F(X) = 8x
1
+ 10x
2
s.a. 4x
1
+ 6x
2
≤
24
8x
1
+ 3x
2
≤
24
x
1
≥
0,x
2
≥
0
x
1
= 2, x
2
= 8/3, f(x) = 128/3