Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OPERACIONES II
Programación Entera
ORGANIZACIÓN DEL TEMA
• Sesiones:
• Introducción y formulación
• Variables binarias
• Métodos de solución
OPTIMIZACIÓN DE MODELOS
DISCRETOS
• Los modelos discretos son una extensión de los modelos lineales, donde
algunas variables toman valores enteros
• Habitualmente estas variables toman los valores 0-1: variables
binarias
• Estas variables se usan para representar condiciones lógicas
• Estos modelos permiten representar mejor situaciones complejas
• Economías de escala
• Discontinuidades en el problema
• Incluso aproximaciones de soluciones globales
OPTIMIZACIÓN DE MODELOS
DISCRETOS
• En cambio, el cálculo de soluciones es mucho más costoso
• Ya no podemos usar las propiedades “suaves” de las
funciones para obtener información útil cerca de la
solución
• Ahora es necesario explorar muchos más candidatos
a óptimo
• Algunos problemas con decenas de variables son casi
imposibles de resolver en un tiempo razonable
MODELOS DISCRETOS:
FORMULACIÓN
• La formulación es similar a la de los modelos lineales:
• El beneficio esperado (en mill de euros) para cada proyecto, y las cantidades
a invertir cada año para ejecutar los proyectos son:
Inversión
Proyecto Año 1 Año 2 Año 3 Beneficio
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
EJEMPLO 1: SELECCIÓN DE
PROYECTOS
• Modelo:
• Variables de decisión
• Función objetivo
• Restricciones
• Variables de decisión
• Función objetivo
• Presupuestos anuales:
25
i = 1,. . . , 5
• Para atender esos casos, cuenta con 4 abogados: Ann, Brian, Casey y Don
• John ha recogido datos sobre la eficiencia de cada abogado y tipo de caso (en una
escala de 1 a 9):
Medida de eficiencia
Abogado Divorcios (1) Fusiones (2) Robos (3) Donaciones (4)
Ann (1) 6 2 8 5
Brian (2) 9 3 5 8
Casey (3) 4 8 3 4
Don (4) 6 7 6 4
• Variables de decisión
• Función objetivo
Beneficio depende
Proyecto 2015/19 2020/24 2025/29 2030/34 2035/39 no con
esperado de
Presupuestos 10 12 14 14 14
EJEMPLO 3: PRESUPUESTO
NASA
• Modelo:
• Variables de decisión
• Función objetivo
• Restricciones:
• Restricciones:
• Incompatibilidades:
• Los proyectos Misión Urano 2042 (4) y Misión Urano 2027 (5) son
incompatibles
• Restricciones:
• Dependencias:
• O alternativamente,
• Para seleccionar el proyecto 11, el proyecto 2 debe haber sido completado previamente
VALORES DISCONTINUOS
• Cuarto caso: valores discontinuos
• Las variables binarias se pueden usar para representar discontinuidades en
funciones o variables
• Costes fijos:
• Cuando ejecutar una determinada tarea conlleva un gasto fijo,
independientemente de su nivel
• Comisiones mínimas al cambiar de moneda (de euros a dólares p.e.), o
al sacar dinero en un cajero del extranjero, o al comprar acciones en
bolsa, etc.
• Variables semicontinuas:
• Si una tarea se lleva a cabo, se debe realizar a un nivel mínimo
• Por ejemplo, una variable vale 0 o bien 20, 21,..., 100
VALORES DISCONTINUOS
• Modelización
• Sea yi una variable binaria asociada, que toma el valor 1 cuando xi es distinta de 0 y el
valor 0 en otro caso
• Función objetivo:
EJEMPLO 4: PROBLEMA DE
PRODUCCIÓN
• Modelo
• Restricciones
• Demanda: