El Algoritmo de Radicacin y Acotamiento ( o de branch and bound) comienza con una relajacin del problema (no considerar restricciones

de integralidad) y construye un rbol

con soluciones enteras particionando el conjunto de soluciones factibles de modo de descartar soluciones fraccionarias. Sin embargo, este solo hecho de descomponer nos puede llevar a un problema inmanejable por lo que debemos podar el arbol de manera inteligente.

En este momento ser ms conveniente explicar los fundamentos del algoritmo de ramificar y acotar (R y A), por medio de un ejemplo numrico

Consideremos el siguiente problema de Programacin lineal Entera: Max z = 51 + 42 Sujeto a x1 + x2 <=5 101 + 62 <=45 x1, x2 >= 0 y entero

El procedimiento de Ramificar y Acotar se basa en tratar solo con el problema programacin lineal. Como la solucin ptima (x1 = 3,75, x2 = 1,25 y z = 23,75) pero no satisface la necesidad de valores enteros, el algoritmo de R y A exige modificar el espacio de soluciones lineales de forma tal que nos permita identificar, finalmente, para conseguir la solucin ptima entera

Primero seleccionaremos una de las variables cuyo valor corriente en la solucin ptima no cumple el requisito de valor entero. Seleccionando x1=3,75 arbitrariamente, observamos que la regin ( 3 < x1 < 4 ) del espacio de soluciones lineales, no puede incluir ninguna espacio solucin factible entera. Entonces podemos modificar el espacio de soluciones lineales eliminando esta regin no prometedora, lo que, en realidad, es equivalente a reemplazar el espacio original por dos espacios los PL1 y PL2, definidos de la manera siguiente:

1. Espacio PL1 = espacio PLO + (x1 <= 3) 2 . Espacio PL2 = espacio PLO + (x1 >= 4)

los espacios PL1 y PL2 en forma grafica. Se ve que los dos espacios contienen los mismos puntos enteros factibles del modelo PLE. Esto significa que, desde el punto de vista del problema original de PLE, tratar con PL1 y PL2 es igual que tratar con el original PLO. La diferencia principal es que la seleccin de las nuevas restricciones e acotamiento ( x1 >= 3 y x1 <= 4 ) mejoraran la oportunidad de forzar a los puntos extremos ptimos de PL1 y PL2 hacia la satisfaccin del requisito de valor entero

Adems el hecho que las restricciones de acotamiento estn en la vecindad inmediata del optimo continuo del PLO, incrementara las posibilidades de producir buenas soluciones enteras.

Las nuevas restricciones x1 >= 3 y x1 <= 4 son mutuamente excluyentes, PL1 y PL2 deben tratarse como dos programas lineales separados. Esta dicotoma da lugar al concepto de ramificacin en el algoritmo de R y A. En efecto, ramificar significa subdividir un espacio de soluciones corrientes en subespacios mutuamente excluyentes

Aqu vemos las ramas PL1 y PL2 y x1 llamada variable de ramificacin Sabemos que la solucin ptima entera debe encontrarse en PL1 o PL2. Sin embargo, en ausencia del espacio grafico de soluciones, no tenemos manera de determinar donde puede encontrarse la solucin ptima, por lo que nuestra nica opcin es investigar ambos problemas. Hacemos esto trabajando con un problema a la vez (PL1 o PL2). Supongamos que escogemos a PL1 asociado con x1 <= 3. En efecto, debemos resolver el siguiente problema:

Max z = 51 + 42 Sujeto a x1 + x2 <=5 101 + 62 <=45 x1 <=3 x1, x2 >= 0

Como se indico antes PL1 es el mismo que el PLO con la restriccin adicional de acotamiento superior, x1 <= 3. as podemos aplicar el algoritmo primal de acotamiento superior para resolver el problema.

Esto da la nueva solucin ptima X1 = 3, x2 = 2 y z = 23

Como esta solucin satisface el requisito de valor entero, se dice que el PL1 esta agotado, vaci, lo que significa que el PL1 no puede producir ninguna solucin mejor y no necesita investigarse mas a fondo.

Determinar una solucin factible entera en una etapa temprana de los clculos es crucial para incrementar la eficiencia del algoritmo R y A. Tal solucin fija una cota inferior al valor objetivo optimo, que a su vez se puede usar para descartar automticamente cualquier subproblema no explorado (como el PL2) que no dan mejor solucin entera. En este ejemplo el PL1 produce la cota inferior z = 23. Esto significa que cualquier solucin entera mejorada debe tener el valor de z mayor 23.

Sin embargo, como la solucin ptima del problema PLO tiene z = 23,75 y como todos los coeficientes de la funcin objetivo son enteros, se infiere que ningn subproblema que proceda del PLO puede producir un valor de z mejor que 23. En consecuencia, podemos descartar al PL2 porque no puede dar una mejor solucin entera.

Del anlisis anterior vemos que un subproblema esta agotado si no satisface una de las siguientes condiciones: 1. El subproblema da una solucin factible entera 2. El subproblema no puede dar una mejor solucin que la mejor cota inferior disponible (valor z) del problema (Un caso especial de esta condicin es que el subproblema no tendr ninguna solucin factible en absoluto)

Pero si en nuestro ejemplo decidimos investigar PL2 primero la solucin resultante ser: x1 = 4, x2 = 0,8333, z = 23,3333. Como x2 no es entero el PL2 debe investigarse mas a fondo crendose el PL3 y PL4 y usando las respectivas ramas x2 >=0 y x2 >=1. Esto significa que Espacio PL3 = espacio PLO + (x1 >= 4) + (x2 <=0) Espacio PL4 = espacio PLO + (x1 >= 4) + (x2 >=1)

En este momento para escoger tres subproblemas, el PL1, PL3 y PL4. (Observe nuevamente que estos tres subproblemas incluyen todas las soluciones enteras factibles del problema original PLE.) Si seleccionamos arbitrariamente el PL4, descubrimos que no tiene solucin factible y por ello esta agotado. A continuacin seleccionamos el PL3 para investigarlo. Su solucin la da x1 = 4,5, x2 = 0 y z = 22,5. Como x1 = 4,5 no es entero, creamos dos subproblemas, el PL5 y PL6 del PL4, usando las restricciones x1 <= 4 y x1 >= 5 respectivamente.

Obtenemos entonces: Espacio PL5 = espacio PLO + (x1 >= 4) + (x2 <=0) + (x1 <= 4) Espacio PL6 = espacio PLO + (x1 >= 4) + (x2 <=0) + (x1 >= 5) Escogemos ahora el PL6, para investigarlo. Como el PL6 no tiene solucin factible, esta agotado