Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Desarrollo Modelos
Desarrollo Modelos
DESARROLLO DE MODELOS
El problema
• Determinísticos • Probabilísticos
– Programación – Programación
matemática estocástica
• Programación lineal – Gestión de inventarios
• Programación entera
– Fenómenos de espera
• Programación dinámica
(colas)
• Programación no lineal
• Programación multiobjetivo
– Teoría de juegos
– Modelos de transporte – Simulación
– Modelos de redes
Resolución
• Determinar los valores de las variables de
decisión de modo que la solución sea óptima (o
satisfactoria) sujeta a las restricciones
• Puede haber distintos algoritmos y formas de
aplicarlos
Verificación y validación
• Eliminación de errores
• Comprobación de que el modelo se adapta a la
realidad
Interpretación y análisis
• Robustez de la solución óptima obtenida:
Análisis de sensibilidad
• Detección de soluciones cuasi-óptimas
atractivas
Implantación
• Sistema de ayuda y mantenimiento
• Documentación
• Formación de usuarios
Ejemplo nº1
En una fábrica de cerveza se producen dos tipos: rubia y
negra. Su precio de venta es de 50 ptas/l y 30 ptas/l,
respectivamente. Sus necesidades de mano de obra son de
3 y 5 empleados, y de 5.000 y 2.000 ptas de materias primas
por cada 1000 l.
La empresa dispone semanalmente de 15 empleados y
10.000 ptas para materias primas, y desea maximizar su
beneficio. ¿Cuántos litros debe producir?
Formulación
s .a.
3x1 5 x2 15
5.000 x1 2.000 x2 10.000
x1 , x2 0
El modelo de P.L.
Opt z c1 x1 c2 x2 cn xn
s .a .
a11 x1 a12 x2 a1n xn b1
a m1 x1 a m 2 x2 a mn xn bm
x1 , x2 , , xn 0
El modelo de P.L.
z: función objetivo
CT (c1,...,cn): vector de coeficientes de la f.o.
XT (x1,...,xn): vector de variables de decisión
A (...,aij,...): matriz de coeficientes técnicos
b (b1,...,bm): vector de demandas
Matricialmente,
Opt CTX
s.a. Forma canónica
AX b
x0
Propiedades del modelo lineal
• Proporcionalidad
– La contribución al coste y a las restricciones es
directamente proporcional al valor de cada variable
• Aditividad
– El coste y las restricciones son la suma directa de
las variables
• Divisibilidad
– Las variables pueden dividirse en cualquier tipo de
fracción
Modelos de prog. entera
• El modelo matemático es el modelo de P.L.,
pero con algunas variables enteras
– Programación entera mixta (MIP)
• x R +, y Z +
– Programación entera pura (IP)
• x Z+
– Programación binaria ó 0-1 (0-1 MIP, 0-1 IP, BIP)
• x {0,1}: variables de asignación, lógicas
• Son problemas más complicados de resolver
que los de P.L.
• El primer algoritmo de resolución se planteó en
el año 1958 (Gomory)
Problemas típicos
• Problema del transporte
• Problema de flujo con coste mínimo en red
• Problema de asignación
• Problema de la mochila (knapsack)
• Problema del emparejamiento (matching)
• Problema del recubrimiento (set-covering)
• Problema del empaquetado (set-packing)
• Problema de partición (set-partitioning)
• Problema del coste fijo (fixed-charge)
• Problema del viajante (TSP)
• Problema de rutas óptimas
Problema del transporte
Minimizar el coste total de transporte entre los centros de
origen y los de destino, satisfaciendo la demanda, y sin
superar la oferta
m n
Min c x
i 1 j 1
ij ij
xij: unidades a enviar de origen i a destino j
cij: coste unitario de transporte de i a j
s .a.
m ai: unidades de oferta en el punto origen i
x
i 1
ij b j , j 1..n bj: unidades de demanda en el punto destino j
xij 0, xij Z
Flujo con coste mínimo en red
Embarcar los recursos disponibles a través de la red
para satisfacer la demanda a coste mínimo
m n
Min
i 1 j 1
cij xij xij: unidades enviadas de i a j (flujo)
cij: coste unitario de transporte de i a j
s .a.
bi:recursos disponibles en un nodo i
m m
x x
j 1
ij
k 1
ki bi , j 1..m oferta: bi>0
demanda: bi<0
xij 0, xij Z transbordo: bi=0
n
n objetos
Max
j 1
cjxj
aj: espacio que ocupa el objeto j
s .a . cj: valor del objeto j
n
a x
j 1
j j b b: volumen de la mochila
x
k 1
ki x
j i 1
ij 1, i 1..2n i<j
xij 0,1
Problema de recubrimiento
Minimizar el coste de las actividades que en su conjunto
cubren todas las características al menos una vez
n
Min c j x j m características
j1 n actividades
s.a.
n
xj=1 si la actividad j se realiza
a x
j1
ij j 1, i 1..m
cj: coste unitario de la actividad j
A: matriz de incidencia
Problema de empaquetado
Maximizar el beneficio total de forma que hay que elegir
conjuntos completos de actividades, y que no se realice
una actividad dos veces
n
Min c j x j m actividades
j1 n conjuntos de actividades
s.a.
n
xj=1 si se elige el subconjunto j
a x
j1
ij j 1, i 1..m
cj: beneficio por realizar el conjunto j
A: matriz de incidencia
Problema de partición
Si en el problema de recubrimiento o en el de
empaquetado las desigualdades se cambian por
igualdades
n
Min c j x j m actividades
j1 n conjuntos de actividades
s.a.
n
xj=1 si se elige el subconjunto j
a x
j1
ij j 1, i 1..m
cj: beneficio por realizar el conjunto j
A: matriz de incidencia
Problema del coste fijo
Decidir la cantidad de cada producto de modo que se
minimicen los costes de producción y se satisfaga la
demanda
n m
Min c j x j f k yk xij: unidades del producto j
j1 k 1
cj: coste unitario de producción de j
s.a.
n yk=1 si se usa la instalación k
x ij bj fk: coste de arranque de la instalación k
j1 akj=1 si el producto j usa la instalación k
n
a
j1
kj x j M k yk , k 1..m bj: demanda del producto j
M: número lo suficientemente grande
xij 0, yk 0,1
Problema del viajante
Encontrar un circuito que visite exactamente una vez
cada ciudad empezando en la primera y que tenga
longitud mínima
Min c ij xij
xij=1 si de i va directamente a j
(i, j) A cij: distancia entre i y j
s.a .
A: conjunto de arcos
x
i/(i, j) A
ij 1 ,j V V: conjunto de nodos
x ij 1,U V / 2 U V 2
x ij 1,i V ( i , j ) A / iU , jV U
j/(i, j) A
xij 0 ,1
x ij
( i , j ) A / iU , jU
U 1,U V / 2 U V 2
n
Min c x
k 1 (i, j) A
ij ijk
s.a .
n
x
i/(i, j) A k 1
ijk 1,j V
x
j/(i, j) A k 1
ijk 1,i V
x
(i, j) A
ijk 1
x
i/(i, j) A
ijk x
r/(j,r) A
jrk 1 ,j V ,k
xijk 0,1
n n m
Problema de rutas
m n
Min c x c x
i 0 j 0
ij
k 1
ijk
k 1
k
j 1
ojk Minimizar el coste total,
s .a . visitando todos los clientes
n m
x
i 0 k 1
ijk 1, j 1..n
N: clientes
n n M: vehículos
x x ijk jik 0 ,j ,k
i 0 i 0 xijk=1 si el vehículo k visita j después de i
n n
q x
i 1
i
j 0
ijk Qk ,k cij: coste unitario de transporte de i a j
dij: distancia de i a j
n n n n tij: tiempo de i a j
t
i 0 j 0
ij xijk s x
i 1
i
j 0
ijk d 0k r0k ,k
n qi: demanda
x
j 1
ojk 1, k 1..m si: tiempo de descarga
i: prioridad
m
Restricciones condicionales
f ( x) 0 g ( x) 0 equiv. a f ( x) 0 ó g ( x) 0
Decisiones contingentes
xy yx