Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Plem PDF
Plem PDF
Andrés Ramos
Universidad Pontificia Comillas
http://www.iit.comillas.edu/aramos/
Andres.Ramos@comillas.edu
CONTENIDO
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
x variable entera
yi variable binaria (0/1)
N
x = ∑ 2 i yi 0≤ x≤u 2 N ≤ u ≤ 2 N +1
i =0
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
a2 2 2 b2
am m
n bn
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 7
Formulación problema de transporte
m n
min ∑∑ c x
xij i =1 j =1
ij ij
∑x
j =1
ij = ai ∀i = 1,…, m
∑x
i =1
ij = bj ∀j = 1,… , n
m n
Si ∑i =1
ai < ∑ b j
j =1
se añade una fuente universal con coste muy
elevado
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 8
Estructura problema de transporte
x11 x12 ⋯ x1n x21 x22 ⋯ x2n ⋯ xm1 xm 2 ⋯ xmn
1 1 ⋯ 1
m restricciones de oferta 1 1 ⋯ 1
⋱
1 1 ⋯ 1
1 1 ⋯ 1
n restricciones de demanda 1 1 ⋯ 1
⋱ ⋱ ⋯ ⋱
1 1 ⋯ 1
Determinar en una red con n nodos las rutas más baratas para
llevar unidades de un producto desde sus orígenes a sus
destinos pasando por puntos de trasbordo intermedios.
min ∑∑ c x
xij i =1 j =1
ij ij
∑x −∑x
j =1
ij
k =1
ki = bi ∀i = 1,…, n
∑b = 0
i =1
i
n tareas
n personas (máquinas, etc.) para realizarlas
Es un caso particular del problema de transporte.
Minimizar el coste total de realizar las tareas sabiendo que
cada persona realiza 1 tarea y cada tarea es realizada por 1
persona.
cij coste de realizar la tarea i por la persona j
1 si la tarea i es realizada por la persona j
xij
0 en cualquier otro caso
min ∑∑ c x
xij i =1 j =1
ij ij
∑x
j =1
ij = 1 ∀i = 1,…, n
∑x
i =1
ij = 1 ∀j = 1,… , n
xij ≥ 0 ∀i, j
ni , pi ≥ 0 xij ∈ {0,1}
n proyectos
Maximizar el valor total de la elección de un conjunto de
proyectos sin sobrepasar el presupuesto disponible.
cj coste de cada proyecto j
vj valor de cada proyecto j
b presupuesto disponible
1 si se realiza el proyecto j
xj
0 en cualquier otro caso
max ∑ v x
xj j =1
j j
∑c x
j =1
j j ≤b
x j ∈ {0,1} ∀j
m características (vuelos)
n combinación de características (secuencia de vuelos). La
elección de una combinación implica realizar todas las
características de la misma.
Minimizar el coste total de las combinaciones elegidas de
manera que se cubra (posea) cada característica al menos una
vez.
cj coste de elegir la combinación j
matriz de pertenencia aij 1 si la característica i pertenece a la combinación j
0 si no pertenece
1 si se elige la combinación j
xj
0 en cualquier otro caso
min ∑ c x
xj j =1
j j
∑a x
j =1
ij j ≥ 1 i = 1,…, m
x j ∈ {0,1} j = 1,…, n
Una compañía aérea necesita asignar sus tripulaciones para cubrir todos sus
vuelos. En particular, quiere resolver el problema de asignar TRES
tripulaciones con base en San Francisco a los vuelos listados en la primera
columna de la tabla. Las otras columnas muestran las 12 SECUENCIAS
FACTIBLES de vuelos para una tripulación cualesquiera. Los números de
cada columna indican el orden de los vuelos. Se necesita elegir tres
secuencias (una por tripulación) de manera que se cubran todos los vuelos.
Se permite tener más de una tripulación en un vuelo, donde la/s
tripulación/es extra viajan como pasajeros, pero por convenio laboral la
tripulación extra cobra como si estuviera trabajando. El coste de asignación
de una tripulación a cada secuencia de vuelos se da en miles de euros en la
última fila. El objetivo es minimizar el coste total de asignación de las tres
tripulaciones para cubrir todos los vuelos.
Resolver el mismo problema para el caso en que no se permite el vuelo de
una tripulación fuera de servicio en un vuelo.
∑x
j =1
j =3
m proyectos
n paquetes (conjuntos) de proyectos. La elección de un
paquete (conjunto) implica realizar todos los proyectos del
mismo.
Maximizar el beneficio total de manera que ningún proyecto
se realice más de una vez.
cj beneficio de elegir el paquete j
1 si el proyecto i está en el paquete j
aij
0 si no lo está
1 si se elige el paquete j
xj
0 en cualquier otro caso
max ∑ c x
xj j =1
j j
∑a x
j =1
ij j ≤ 1 i = 1,…, m
x j ∈ {0,1} j = 1,…, n
∑a x
j =1
ij j = 1 i = 1,…, m
∑x
i
ij = 1 ∀j
∑x
j
ij = 1 ∀i
∑x
ij∈U
ij ≤ card(U ) − 1 ∀U 2 ≤ card(U ) ≤ n − 2
xij ∈ {0,1}
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 28
Problema del viajante (TSP)
Formulación 2:
1 si se va de la ciudad i a la ciudad j en el tramo k de recorrido
xijk =
0 en otro caso
∑x
j ,k
ijk = 1 ∀i
∑x
i ,k
ijk = 1 ∀j
∑x
i, j
ijk = 1 ∀k
∑x
i
ijk = ∑ x jrk +1 ∀j, k
r
xijk ∈ {0,1}
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
La formulación resultante es
min ∑ f j ( x j ) =∑ ( k j y j + c j x j )
n n
cj
j =1 j =1
kj
xj ≤ M j yj
x j ≥ 0 j = 1,..., n xj
y j ∈ {0,1} j = 1,..., n
La Mj tiene que tener el menor valor posible
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 31
Asignación de grupos térmicos
DATOS
Dh demanda térmica en la hora h [MW]
R coeficiente de reserva rodante con respecto a la demanda [p.u.]
at término lineal del coste de combustible del grupo térmico t [€/MWh]
bt término fijo del coste de combustible del grupo térmico t [€/h]
cat coste de arranque del grupo térmico t [€]
cpt coste de parada del grupo térmico t [€]
Pt potencia máxima del grupo térmico t [MW]
P t potencia mínima del grupo térmico t [MW]
rst rampa de subida del grupo térmico t [MW/h]
rbt rampa de bajada del grupo térmico t [MW/h]
VARIABLES
Pht potencia producida por el grupo térmico t en la hora h [MW]
Aht acoplamiento del grupo térmico t en la hora h {0,1}
ARht arranque del grupo térmico t en la hora h {0,1}
PRht parada del grupo térmico t en la hora h {0,1}
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 33
Asignación de grupos térmicos. Formulación
H T
min ∑∑ ( a P
h =1 t =1
t ht + bt Aht + cat ARht + cpt PRht )
∑P
t =1
ht = Dh H
∑ (P A
t =1
t ht − Pht ) = RDh H
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
∑δ
i =1
i = N −k
δ i ∈ {0,1} i = 1,..., N
Formulación
N
f ( x1 ,…, xn ) = ∑ d iδ i
i =1
N
∑δ
i =1
i =1
δ i ∈ {0,1} i = 1,..., N
δ = 0 ⇒ x ≥ 0
x ≥ mδ
x < 0 ⇒ δ = 1
se modela como ∑j a j x j ≤ b + M (1 − δ )
La implicación ∑a x
j
j j ≤ b →δ =1
que es equivalente a ∑j a j x j ≥ b + ε + (m − ε )δ
siendo m una cota inferior de la restricción para cualquier
valor de cualquier x j
∑ j
ajxj − b ≥ m
La implicación ∑ a j x j ≥ b → δ = 1
j
o bien en δ = 0 → ∑ jajxj ≤ b −ε
que es equivalente a
∑a x
j
j j ≤ b − ε + ( M + ε )δ
es equivalente a
δ = 1 → ∑a j x j ≤ b
j
δ = 1 → ∑a j x j ≥ b
∑a x ≤ b + M (1 − δ )
j
j j
Luego se representa por las ecuaciones j
∑a x
j
j j ≥ b + m(1 − δ )
La implicación ∑ a j x j = b → δ = 1
j
∑a x
j
j j ≥ b → δ ′′ = 1
y además δ ′ = 1 y δ ′′ = 1 → δ = 1
que se modela con las restricciones ∑ a j x j ≥ b + ε + (m − ε )δ ′
j
∑a x
j
j j ≤ b − ε + ( M + ε )δ ′′
j
y lo mismo para los otros tipos de restricciones.
∑a x
j
j j ≤ b →δ =1 ∑a x
j
j j ≥ b + ε + ( m − ε )δ ∑a x
j
j j ≥ b + ε + ( m − ε )δ
δ = 1 → ∑a jx j ≥ b ∑a x ≥ b + m(1 − δ ) δ = 1 ↔ ∑a jx j ≥ b ∑a x j j ≥ b + m(1 − δ )
j j
j j
j j
∑a x j j ≥ b →δ =1 ∑a x j j ≤ b − ε + ( M + ε )δ ∑a x
j
j j ≤ b − ε + ( M + ε )δ
j j
δ = 1 → ∑a jx j = b δ = 1 ↔ ∑a j xj = b ∑a x ≤ b + M (1 − δ )
j
∑a x
j
j j ≤ b + M (1 − δ ) j j
j j
∑a x j j ≥ b + m(1 − δ ) ∑a x
j
j j ≥ b + m(1 − δ )
j
∑a x ∑a x ≥ b + ε + ( m − ε )δ ′
j j = b →δ =1 ∑a x j j ≥ b + ε + ( m − ε )δ ′ j
j j
∑a x
j j
≤ b − ε + ( M + ε )δ ′′
∑ a j x j ≤ b − ε + ( M + ε )δ ′′
j j
j
j
δ ′ + δ ′′ − δ ≤ 1
δ ′ + δ ′′ − δ ≤ 1
P→Q No P o Q
P → (Q y R) (P → Q) y (P → R)
P → (Q o R) (P → Q) o (P → R)
(P y Q) → R (P→ R) o (Q → R)
(P o Q) → R (P→ R) y (Q → R)
no (P o Q) no P y no Q
no (P y Q) no P o no Q
δA + δB ≥ 1 → δ = 1 δ A + δ B − 2δ ≤ 0
δ = 1 → δC + δD + δE ≥ 1 −δ C − δ D − δ E + δ ≤ 0
Formulación
δ A + δ B − 2δ ≤ 0
−δ C − δ D − δ E + δ ≤ 0
( X A o X B ) → ( XC o X D o X E )
equivale a [ X A → ( X C o X D o X E )] y [ X B → ( X C o X D o X E )]
δ A ≥ 1 → δC + δD + δE ≥ 1
δ B ≥ 1 → δC + δD + δE ≥ 1
δ A ≥ 1 → δ = 1 → δC + δD + δE ≥ 1
δ B ≥ 1 → δ = 1 → δC + δD + δE ≥ 1
Formulación:
X i ≤ M δi
δA −δ ≤ 0
δB −δ ≤ 0
−δ C − δ D − δ E + δ ≤ 0
δ i ∈ {0,1} , δ ∈ {0,1}
δ1 δ2 = 0 δ1 = 0 o δ2 = 0 δ1′ + δ 2′ ≥ 1
δ i ∈ {0,1} δ1 + δ1′ = 1
δ 2 + δ 2′ = 1
δ i , δ i′ ∈ {0,1}
δ1 δ2 Reemplazar δ1 δ2 por δ3 δ 3 ≤ δ1
δ i ∈ {0,1} δ3 =1 ↔ δ1 =1 y δ2 =1 δ3 ≤ δ2
δ1 + δ 2 ≤ 1 + δ 3
δ i ∈ {0,1}
xδ Reemplazar xδ por y y≥0
x≥0 δ =0→ y =0 y ≤ Mδ
δ ∈ {0,1} δ =1→ y = x −x + y ≤ 0
x − y + Mδ ≤ M
x≤M
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
min z
min z
⇒ z ≥x
z = max(x , y )
z ≥y
max z
max z
⇒ z ≤x
z = min(x , y )
z ≤y
z≤x ⇒ −x ≤ z ≤ x
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
cs
fs
x
bs-1 bs
Modelados
1. Incremental
2. De selección múltiple
3. De combinación convexa
Las relajaciones LP de las tres formulaciones son
equivalentes
Cualquier solución factible de una relajación corresponde a una
solución factible de las otras con el mismo coste
x = ∑ zs
s
b s −1 y s ≤ z s ≤ b s y s
∑y
s
s
≤1
y s ∈ {0,1}
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 68
Modelado de combinación convexa
g ( x ) = ∑ µ s ( c s b s −1 + f s ) + λ s ( c s b s + f s )
s
x = ∑ ( µ s b s −1 + λ s b s )
s
µs + λ s = ys
∑y
s
s
≤1
µ s , λ s ≥ 0, y s ∈ {0,1}
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
z ≤ b1 + a1 x z ≤ b3 + a3 x
x* x
Formulación LP max z
z ≤ b1 + a1 x
z ≤ b2 + a2 x
z ≤ b3 + a3 x
x, z ≥ 0
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 71
Maximización de una función objetivo. Región no
cóncava (i)
z ≤ b4 + a4 x
z ≤ b1 + a1 x
x* x
Formulación LP
max z
z ≤ b1 + a1 x
z ≤ b2 + a2 x
z
z ≤ b3 + a3 x z ≤ b2 + a2 x
z ≤ b4 + a4 x z ≤ b3 + a3 x
x, z ≥ 0
z ≤ b4 + a4 x
z*
z ≤ b1 + a1 x
x* x
0 en otro caso z
z ≤ b2 + a2 x
z ≤ b3 + a3 x
z ≤ b1 + a1 x z ≤ b4 + a4 x
xs
x s +1 x
b s −1 bs b s +1
ys = 1 ys+1 = 1
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 74
Maximización de una función objetivo. Región no
cóncava (iv)
Región s
max z
z ≤ b1 y s + a1 x s + b3 y s +1 + a3 x s +1
Región s+1
s +1 s +1
z ≤ b2 y + a2 x + b4 y
s s
+ a4 x
x = ∑ xs
s
∑y
s
s
≤1
x, z , x s ≥ 0, y s ∈ {0,1}
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
Hipótesis:
Se supone que el mantenimiento de cada grupo dura un
número entero de periodos.
p −1 p p +1 p+2
∑i
3≤q≤6
qt = i3t + i4t + i5t + i6t ≥ 4 ⇒ i3t = i4t = i5t = i6t = 1
CLASIFICACIÓN DE PROBLEMAS
ALGUNOS PROBLEMAS CARACTERÍSTICOS
PROBLEMA DE COSTE FIJO
PROPOSICIONES LÓGICAS
MÍNIMO, MÁXIMO, VALOR ABSOLUTO
PIECEWISE LINEAR (master)
CONVEX AND NONCONVEX REGION (master)
SPECIAL ORDERED SETS (master)
REFORMULATION (master)
∑x ij = 1 ∀i
j
Número de restricciones: I+IJ
xij ≤ y j ∀ij
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA y j ∈ {0,1} , xij ∈ [ 0,1]
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 85
Problema de localización de una instalación
(sin límites) (ii)
∑ j j ∑ ij ij
Formulación II min c y + h x
j ij
∑x ij = 1 ∀i
j Número de restricciones: I+J
∑x
i
ij ≤ My j ∀j
Datos
t periodo de tiempo
ct coste fijo de producción, pt coste variable de producción, ht coste de inventario
d t demanda
Variables
1 producir
yt =
0 no producir
xt cantidad producida
st inventario al final del periodo
Formulación I
min ∑ ( ct yt + pt xt + ht st )
t
st −1 + xt = d t + st ∀t
Número de restricciones: 2T
xt ≤ Myt ∀t
Número de variables: 3T
s0 = sT = 0
xt , st ≥ 0, yt ∈ {0,1}
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA
DEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Modelado en optimización lineal entera mixta - 87
Problema de producción con coste fijo e inventario (ii)
Variables
1 producir
yt =
0 no producir
qit cantidad producida en periodo i para satisfacer la demanda en periodo t ≥ i
Formulación II
T t T
min ∑∑ ( pi + hi + hi +1 + ⋯ + ht −1 ) qit + ∑ ct yt
t =1 i =1 t =1
t
∑q
i =1
it = dt ∀t Número de restricciones: T+IT
Número de variables: T+T2/2
qit ≤ d t yi ∀it
qit ≥ 0, yt ∈ {0,1}