Documentos de Académico
Documentos de Profesional
Documentos de Cultura
386 1 Modelos PLE
386 1 Modelos PLE
(SIS-386; IND-226)
Ing. Viktoria Belianskaya
Programación Lineal
Entera (PLE).
Programación Lineal Entera (PLE).
Objetivo: Aprender a Utilizar patrones de construcción de modelos de PLE
con el uso de las variables binarias para formalización de las
condiciones de los problemas específicos; Solucionar problemas de
PLE con el uso de los métodos de ramificación y acotamiento y de
plano cortante y Utilizar el Software específico para solucionar los
problemas de PLE con la Interpretación de la solución obtenida.
Contenido:
Forma del modelo PLE.
Uso de las variables binarias para planteamiento de modelos.
Ejemplos de formalización de diferentes contextos con el uso de las
variables binarias.
Algoritmo de ramificación y acotamiento.
Algoritmo de Plano cortante.
Solución con el Software específico de los problemas PLE.
Modelos PLE
En muchos problemas reales las variables de decisión solo
tienen un sentido si su valor es entero.
No se No se
asigna ½ de puede
persona para vender ½
realizar un de tractor
trabajo producido
No se utiliza ¾ de
un transporte
para transportar
Suposiciones de PL
n
1. Función Objetivo: Z c j ·X j Max( Min)
j 1
2. Restricciones:
n
aij X
j bi , i 1..m + X , X ,..., X
1 2 n enteros
j 1
3. Variables: X 1 , X 2 ,..., X n 0
.
Condiciones
de enteridad
Función Objetivo
Z= X1+X2+X3+X4+X5+X6 → min
minimizar el total de los meseros y ayudantes contratados
“decisiones sí o no” :
1, si la decisión j es sí X j variables binarias
xj
0, si la decisión j es no. o variables 0 - 1
X j 0
Equivalente a: X 1
j
X j entero
Propiedades de los valores binarios:
A*0=0 (A se elimina)
A*1=A (A se revela)
0+1+0+0+1+1+0=3 (contar los unos)
1, si la decisión j es sí
Considerando: xj
0, si la decisión j es no.
l
l
Para contar los 0:
(1 X
j 1
j ) K
Construcción de los modelos de PLE con el
uso de las variables binarias.
Es muy importante al introducir las variables binarias
concretizar la atribución de los valores:
1, si la decisión j es sí
xj
0, si la decisión j es no.
O mas bien
0, si la decisión j es sí
xj
1, si la decisión j es no.
Esto influye a la forma de introducción de las variables
binarias en las expresiones del modelo y facilita la
interpretación de la solución óptima obtenida.
Ejemplo 1
Una compañía está considerando su plan de expansión mediante la
construcción de una nueva fábrica en la Ciudad 1 o en la Ciudad 2, o
tal vez en ambas ciudades. También está pensando en construir, a
lo más, un nuevo almacén pero su localización está restringida a la
ciudad donde se construye la fábrica. Capital total disponible para la
expansión es de $10 mln. Dadas las siguientes estimaciones para
proyectos en cuestión, encontrar la combinación de los mismos que
maximice el valor presente neto total.
Z 9 X 1 5 X 2 6 X 3 4 X 4 max
Restricciones:
1) Capital disponible (no se puede exceder los $10 mln):
6 X 1 3 X 2 5 X 3 2 X 4 10
2) Se construye a lo más un almacén (no más que uno)
0 0
0 1
X2 X4
1 0
1 1
X1 X 3
Formulación final del modelo 1
Z 9 X 1 5 X 2 6 X 3 4 X 3 max
sujeta a :
6 X 1 3 X 2 5 X 3 2 X 4 10
X3 X 4 1
X1 X 3 0
X2 X4 0
Xj binarias j 1..4
Ejemplo 2 (restricciones una u otra)
La división de investigación y desarrollo de una compañía manufacturera ha desarrollado tres
nuevos productos posibles. Sin embargo, para evitar una diversificación excesiva de la línea de
nuevos productos de la compañía, la administración ha impuesto la siguiente restricción :
Requerimiento 1 : de los tres nuevos productos posibles, deben escogerse a lo más dos para
producción.
Se dispone de dos plantas que pueden producir los productos elegidos. Por razones
administrativas, se impone una segunda restricción a este respecto:
Requerimiento 2: sólo una de las dos plantas debe asignarse para la producción de los
nuevos productos.
El costo unitario de producción de cada producto seria esencialmente el mismo en las dos
plantas. Pero por diferencias en las instalaciones de producción , el numero de horas de
producción por unidad de cada producto puede diferir entre ellas. Estos datos se dan en la tabla
junto con el número total de horas de producción disponibles a la semana en cada planta, la
ganancia unitaria para cada producto y las estimaciones del departamento de mercadotecnia
del numero de unidades de cada producto que se pueden vender a la semana si se producen.
El objetivo es elegir los productos , la planta y las tasas de producción de los productos
elegidos de manera que se maximice la ganancia total .
i 1,2
1, si el producto j se elige para la producción
Xj
0,
si el producto j no se elige para la producción
Pj 0; Yi , Xj binarias
Planteamiento del modelo 2:
Restricciones:
1) Solo puede usarse una de las plantas:
3P1 4 P 2 2 P3 30 Se considera
Se desplaza
4 P1 6 P 2 2 P3 40 M
Planteamiento del modelo 2:
Restricciones:
3) Solo pueden elegirse dos de los tres productos:
X1 X 2 X 3 2
4) Si el producto no es elegido , entonces su cantidad debe ser 0
P1 7 X 1 Si X1=0: P1 0
P2 5 X 2 Si X1=1: P1 7
P3 9 X 3
Función objetivo:
Maximizar la ganancia total
x j My j
n
z c j x j k j y j
j 1
Ejemplo 3 (problema de costo fijo)
Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las
máquinas necesarias para la confección deben ser alquiladas a los
siguientes costos:
200$ por semana la máquina de camisas
150$ por semana la máquina de shorts
100$ por semana la máquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes
i 1,3
Xi 0, enteras; Yi binarias
Planteamiento del modelo 3:
Restricciones:
3) Disponibilidad de los recursos:
3 X 1 2 X 2 6 X 3 150 disponibil idad horas hombre
2 X 1 1X 2 3.5 X 3 160 disponibil idad tela
4) Si el producto no es elegido , entonces su cantidad debe ser 0
X 1 MY 1
X 2 MY 2
Si Y1=0: X1 0
X 3 MY 3 Si Y1=1: X1 M
Función objetivo:
Maximizar la ganancia total
Z (16 12) X 1 (14 8) X 2 (18 15) X 3 200Y 1 150Y 2 100Y 3 max
Ganancia – Costos unitarios – Costos fijos
Planteamiento del modelo 3:
Estimación de M:
de las restricciones funcionales se estiman los valores máximos que
pueden obtener las variables
(una variable tendrá mayor valor posible si otras variables tengan valor 0)
X1 X2 X3
3 X 1 2 X 2 6 X 3 150 50 75 25
3 X 1 2 X 2 6 X 3 150
si se produce la prenda i
2 X 1 1X 2 3.5 X 3 160 1,
Yi
X 1 200Y 1 0, si no se produce la
prenda i
X 2 200Y 2 i 1,3
X 3 200Y 3
Y1,Y2,Y3 - binarias
Xi La cantidad de
prenda j para
producir
X1, X2, X3 0,enteras i 1,3
(en unidades)
Ejemplo 4: Violación de la
proporcionalidad
Una corporación está desarrollando sus Número de Ganancia
planes de comercialización para los
nuevos productos del año próximo. comerciales
Esta considerando la compra de un
total de cinco comerciales de Producto
televisión en las redes nacionales para
tres de estos productos , con un
máximo de tres ( y un mínimo de cero)
para cada producto. 1 2 3
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en 0 0 0 0
términos de la ganancia (en millones
de dólares ) de las ventas adicionales 1 1 0 -1
que resultaran de los comerciales. El
objetivo es asignar cinco comerciales
2 3 2 2
a los productos de manera que se
maximice la ganancia total.
3 3 3 4
x
j 1
j 3
Ejemplo 6: Desplazamiento de las
restricciones con el signo ≥
Dorian Auto proyecta fabricar tres tipos de automóviles: compactos,
medianos y grandes. El recurso que requiere cada tipo de automóvil y
las utilidades que genera, se proporcionan en la tabla. Ahora se dispone
de 6000 toneladas de acero y 60000 horas de mano de obra. Para que
la producción de un tipo de automóvil sea factible desde el punto de
vista económico, se tienen que producir por lo menos 1000 automóviles
de ese tipo. Plantee una PE para maximizar las utilidades de Dorian.
Tipo de automóvil
Recurso
Compacto Mediano Grande
Acero(ton/unid) 1.5 3 5
Mano de 30 25 40
obra(horas/unidad)
Utilidades ($/unidad) 2000 3000 4000
Planteamiento modelo 6
Variables:
Xi – cantidad de auto i a producir
(1-com; 2-med; 3-gran)
Xi≥0, enteras
Restricciones:
1.5X1+3X2+5X3≤6000-límite de acero
30X1+25X2+40X3≤60000-límite de mano de obra
Si no se produce el automóvil su Xi = 0
Si se produce automóvil su Xi ≥1000
¿Como formular?
Planteamiento modelo 6
Necesidad de las variables binarias auxiliares :
0, si no se produce el auto i
Yi
1, si se produce el auto i
Si Yi 0, Xi 0
Si Yi 1, Xi 0 y además Xi 1000
Costos de petróleo
400
350
300
250
Costo
200
150
100
50
0
0 500 1000 1500
Serie2 0 125 225 300
Serie3 0 125 250 375
Galones
La función de costos no es lineal en todo rango de cantidad de galones, pero es lineal por
segmentos: no se puede solucionar solo con PL, pero se soluciona con el uso de las
variables binarias.
Modelo 7
Variables :
Xij cantidad de petróleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petróleo 1 para comprar (en galones)
Xij , X 0
Restricciones :
X 11 X 12 X 500, límite de petróleo 1
X 21 X 22 1000, límite de petróleo 2
X 11
0.5, contenido de petr1 en gas 1 por lo menos 50%
X 11 X 21
X 12
0.6, contenido de petr1 en gas 2 por lo menos 60%
X 12 X 22
PE con funciones lineales por segmentos
Utilidades Ingresos Costos
Z 12( X 11 X 21 ) 14( X 12 X 22 ) c( X )
25 X , si 0 X 500
c( X ) 20( X 500) 12500 , si 500 X 1000
15( X 1000) 22500 , si 1000 X 1500
0 500 1000
1500
Z0 Z1 Z2
Z3
Y1 Y2 Y3
Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi
1, si valor de X pertenece al segmento i
Z i 1 ponderación del extremo izquierdo del segmento i
Z i ponderación del extremo derecho del segmento i
Yi binarias; Z i 0; Z i 1
PE con funciones lineales por segmentos
Variables auxiliares :
0, si valor de X no pertenece al segmento i
Yi
1, si valor de X pertenece al segmento i
Z i 1 ponderación del extremo izquierdo del segmento i
Z i ponderación del extremo derecho del segmento i
Yi binarias; Z i 0; Z i 1
Restricciones adicionales :
Y1 Y2 Y3 1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0 Z1 Z 2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 , extremo Z0 pertenece solo al primer segmento se habilita
cuando valor de X pertenece al primer segmento.
Z1 Y1 Y2 , extremo Z1 pertenece a los segmentos 1 y 2
Z 2 Y2 Y3 , extremo Z 2 pertenece a los segmentos 2 y 3
Z3 Y3 , extremo Z3 pertenece solo al segmento 3
Representado X :
X 0Z0 500Z1 1000Z 2 1500Z3
c( X ) c(0) Z0 c(500) Z1 c(1000) Z 2 c(1500) Z3
Modelo final 7
Variables :
Xij cantidad de petróleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petróleo 1 para comprar (en galones)
Restricciones :
0, si valor de X no pertenece al segmento i
Yi X11 X12 X 500, límite de petróleo 1
1, si valor de X pertenece al segmento i
Z i 1 ponderación del extremo izquierdo del segmento i
X 21 X 22 1000, límite de petróleo 2
Z i ponderación del extremo derecho del segmento i 0.5X11 0.5 X 21 0, contenido de petr1 en gas 1 por lo menos 50%
Yi binarias; Z i 0; Z i 1 0.4X12 0.6 X 22 0, contenido de petr1 en gas 2 por lo menos 60%
Xij , X 0 Y1 Y2 Y3 1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0 Z1 Z 2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 0, extremo Z0 pertenece solo al primer segmento
Z1 - Y1 Y2 0, extremo Z1 pertenece a los segmentos 1 y 2
Z2 - Y2 Y3 0, extremo Z 2 pertenece a los segmentos 2 y 3
Z3 Y3 0, extremo Z3 pertenece solo al segmento 3
X 500Z1 1000Z 2 1500Z3 0
Docentes D,G,H,I
La U de A desea formar el comité más pequeño que tenga
representación de cada una de las cinco categorías.
2 5 Día 2 5
3 2 Día 13 7
4 3 Día 8 2