1. METODO DE LA ALFORJA (MOCHILA O KNAPSACK) ........... 2
1.1. Definicin ........................................................................................... 2 1.2. Formulacin ........................................................................................ 4 1.3. Mtodos de resolucin ........................................................................... 5 1.4. Algoritmos voraces ................................................................................ 6 Algoritmos voraces .................................................................................... 10 2. PROBLEMA DE LA ASIGNACION DE RECURSOS ................. 12 3. METODO HUNGARO .................................................................... 16 4. PROBLEMA DE ASIGNACIN .................................................... 21 5. PROBLEMA DE CARGA DE BULTOS ........................................ 25 6. PROBLEMAS DE RUTA CORTA ................................................. 29
1. METODO DE LA ALFORJA (MOCHILA O KNAPSACK) El problema de la mochila es un problema de programacin entera, estando sta ltima dentro del campo de la programacin matemtica y consiste en escoger un conjunto de artculos para llenar una mochila de modo de que se cumplan ciertas restricciones. 1.1. Definicin Un problema tpico de programacin entera es el que nos ocupa, el problema de la mochila, que responde a la siguiente situacin: imagnese hacer una excursin a la que solo podemos llevar una mochila que, lgicamente, tiene una capacidad limitada. Cada objeto que introducimos ocupa un volumen dentro de la misma y en contrapartida durante el viaje nos proporcionar un beneficio o utilidad (ejemplo: una cantimplora), el problema surge cuando debemos elegir qu objetos seleccionar para llevar en la mochila de forma que nuestro beneficio sea mximo (tengamos todo lo necesario) sin exceder su capacidad. Esta situacin se presenta con cierta frecuencia en los mbitos econmico e industrial, donde la mochila suele representar la restriccin presupuestaria (cantidad mxima de recursos econmicos de los que se dispone) y donde la utilidad de los objetos seleccionados se equipara a un beneficio econmico por adquirir o llevar a cabo ciertas acciones. Veamos a continuacin un ejemplo de la aplicacin del planteamiento de la mochila al mbito econmico. Ejemplo: una empresa que fabrica lapiceros, Escribe Bien S.A. que en el ejercicio econmico que se cierra ha obtenido un excedente de 300.000 (su beneficio neto, una vez descontados los impuestos y retribuidos los fondos propios es de 300.000), esto le hace replantearse una posible inversin productiva (ampliar la capacidad productiva, ampliar la fbrica, contratar ms trabajadores,....) que le permita incrementar su cartera de productos (nmero de productos que tiene en el mercado). El gerente de la empresa, Don L, rene a sus asesores financieros y comerciales para que determinen de forma conjunta qu productos sern los escogidos para la ampliacin de cartera. Los asesores comerciales sugieren los siguientes productos, basndose en estudios de mercado que han realizado para estimar la cifra de negocios que cada nuevo producto generar: - Lpices de colores con un beneficio de 200.000 , esta cuanta es la que relacionamos con la utilidad que mencionbamos en la definicin. - Gomas de borrar con un beneficio de 100.000 - Minas para portaminas con un beneficio de 250.000 - Carboncillos con un beneficio de 150.000 Por su parte, los asesores financieros han estudiado los costes que implica reformar las instalaciones productivas para poder incrementar la cartera de productos, estos costes se podran equiparar al volumen que ocupan los objetos dentro de la mochila, por tanto, la suma de estos costes deber ser menor a la capacidad de la mochila, en este caso, los recursos financieros sobrantes: 300.000. - Coste de las instalaciones para fabricar lpices de colores: 75.000 - Coste de las instalaciones para fabricar gomas de borrar: 150.000 - Coste de las instalaciones para fabricar minas para portaminas: 100.000 - Coste de las instalaciones para fabricar carboncillos: 50.000 Intuitivamente escoger fabricar aquel producto que mayores beneficios le d, si con la inversin en la fabricacin de ese nuevo producto no consume los 300.000 podr plantearse aumentar an ms su cartera y as sucesivamente mientras le resten recursos. 1.2. Formulacin Para facilitar la comprensin del lector, antes de incorporar a este escrito la formulacin del problema, analizaremos las partes de las que se compone la misma. Datos del problema - n: nmero de objetos entre los que se puede elegir. - ci: peso del objeto i - se refiere el objeto -simo que no es ms que una forma de hacer referencia a un objeto cualquiera que pueda ser incluido en la mochila -, es decir, ci representa el coste de escoger un objeto, en tanto en cuanto va a ocupar un espacio de la mochila que dejar fuera otros objetos. - bi: utilidad o beneficio que proporciona cada objeto, de nuevo se hace referencia al objeto i-simo. - P: capacidad de la mochila, equivale al presupuesto mximo del que se dispone. Variables a tener en cuenta Los elementos a introducir en la mochila van a ser nuestras variables objeto de anlisis, cada variable la denotaremos como xi. El rasgo ms importante de nuestras xi es que se tratan de variables dicotmicas o binaria, es decir, slo pueden tomar dos valores, en este caso, escogeremos el valor 1 (si el objeto se incluye en la mochila) 0 (si el objeto se excluye de la mochila) Restricciones La restriccin vendr marcada por la capacidad mxima de la mochila, de tal forma que la suma de todos los objetos multiplicados por el espacio que ocupan en la mochila no podr exceder dicha capacidad mxima. Su formulacin matemtica es la que sigue: Funcin a maximizar Tal y como se expresa en la definicin, el objetivo de este problema es seleccionar aquellos objetos que introducidos en la mochila nos proporcionan una mayor utilidad. En otras palabras, lo que debemos hacer es maximizar la utilidad de nuestra mochila. Si redefinimos el problema introduciendo los elementos que mencionamos en las lneas precedentes llegaremos a la siguiente formulacin: El problema de la mochila consiste en llenar una mochila con n objetos. Cada objeto i tiene un peso determinado ci siempre positivo y una utilidad o valor asociado, tambin positivo, bi. Se ha de considerar adems que la mochila tiene una capacidad limitada P, por tanto, se han de escoger aquellos objetos xi que maximicen la utilidad de quien llena la mochila sin exceder su capacidad. Ahora procederemos a formular el problema de la mochila:
Nota: pueden existir otras restricciones tcnicas que nada tengan que ver con las anteriormente citadas que seran comunes a cualquier problema de Programacin Matemtica. 1.3. Mtodos de resolucin Este problema se ha resuelto tradicionalmente mediante programacin lineal entera. El hecho de que se trate de programacin lineal hace referencia a que la funcin a optimizar y las inecuaciones que constituyen las restricciones han de ser lineales, es decir, han de ser funciones cuyas incgnitas estn elevadas exclusivamente a la unidad. Existe otra forma de resolver este tipo de problema, a travs de los denominados algoritmos voraces. Una aproximacin voraz consiste en que cada elemento a considerar se evala una nica vez, siendo descartado o seleccionado, de tal forma que si es seleccionado forma parte de la solucin, y si es descartado, no forma parte de la solucin ni volver a ser considerado para la misma. Con este mtodo no siempre es posible dar una solucin a un problema. Ejemplo: si continuamos con el ejemplo de Escribe bien S.A. vemos que la solucin intuitiva que aportamos se corresponde con el mtodo de algoritmos voraces comentado en el prrafo anterior. Si quisiramos resolver el problema mediante programacin lineal entera tendramos que plantear el modelo, del mismo modo que hicimos con Costuritas S.L. al comentar cmo se expresa un problema que solucionar por este mtodo. Otro sistema para resolver el problema de la mochila es mediante algoritmos genticos que son mtodos de optimizacin que tratan de hallar (xi,...,xn) tales que sea mximo. 1.4. Algoritmos voraces a) Aplicacin del mtodo: Partimos de la formulacin del problema de la mochila aportada anteriormente: Maximizar [Sumatoria (bi*xi) desde i= 1 hasta n] sujeto a: xi {0,1} con i =1,..., n [Sumatoria (ci*xi) desde i=1 hasta n] < P La utilizacin de un algoritmo voraz consiste en introducir en la mochila segn orden decreciente de utilidad (beneficio) los diversos objetos. En una primera etapa, se adicionarn unidades enteras hasta que, por motivo de capacidad, no sea posible seguir introduciendo enteros y haya que aadir la porcin que quepa del siguiente objeto. b) Concepto de solucin ptima: Teorema: si se ordenan los objetos de forma de decreciente en cuanto a su relacin (utilidad/ponderacin = bi/ci) y se introducen en la mochila enteros en este orden mientras quepan y cuando no quede capacidad para uno entero se aade la porcin que an tenga cabida el resultado al que se llega es una solucin ptima. Planteamiento del problema El Club Baloncesto Unicaja de Mlaga ante la lesin de Daniel Santiago y la escasa aportacin del pvot brasileo Vitor Faverani se plantea reforzar el juego interior para la disputa de los play-offs por el ttulo a partir del 17 de mayo, para ello la secretaria tcnica del equipo ha sondeado el mercado y ha encontrado a 5 jugadores que pueden adaptarse a lo requerido por el entrenador. Para reforzar el equipo el Unicaja dispone de un presupuesto mximo de 50.000 $ / mes. En la siguiente tabla aparece una relacin de los candidatos a ser fichados junto con su aportacin esperada y el sueldo que percibiran. J UGADOR/EQUI PO SUELDO APORTACI N Esteban Batista (Hawks) 50000 $ 15 Jared Reiner (Sioux Falls) 25200 $ 8 Chriss Burgess (Ulsan Phoebus) 36000 $ 15 Marcus Goree (Benetton) 47000 $ 17 K.C. Walekowski (Farho Vigo) 12000 $ 7 Como puede apreciarse, en este caso, estamos aplicando el problema de la mochila a una situacin de ndole econmico. Nuestra intencin es elegir los mejores jugadores aquellos cuya aportacin es mayor, es decir, los que proporcionan una mayor utilidad para el Unicaja optimizando tambin el desembolso que conlleva una nueva contratacin. Sin perder en ningn momento de vista la restriccin de 50.000 $. Formulacin del problema Una vez se ha planteado el problema, el siguiente paso lgico es formularlo en trminos matemticos, recurdese que se est intentando llegar a una solucin cuantitativa concreta y no simplemente intuitiva. Maximizar 15x1 + 8x2 + 15x3 + 17x4 +7x5 sujeto a: 50000x1 + 25200x2 + 36000x3 + 47000x4 + 12000x5 < 50000 x1,x2,x3,x4,x5 {0,1} siendo: x1 Esteban Batista (Hawks) x2 Jared Reiner (Sioux Falls) x3 Chriss Burgess (Ulsan Phoebus) x4 Marcus Goree (Benetton) x5 K.C. Walekowski (Farho Vigo) El conjunto de ecuaciones que aparecen en las lneas precedentes constituyen la formulacin matemtica del problema que estamos tratando de resolver. Para una mejor comprensin del lector, analizaremos lo que representa cada una de ellas. La primera ecuacin: 15x1 + 8x2 + 15x3 + 17x4 +7x5 es la suma de las utilidades que reporta cada jugador, representa, por tanto, la utilidad que percibir Unicaja en funcin de la combinacin de jugadores que elija, puesto que se trata de la utilidad (en este caso, estar medida por el nmero de partidos que el jugador haga ganar o en los que tenga un peso importante) al club de Baloncesto le interesar que sea lo mayor posible. De ah que el objetivo sea maximizar la funcin. Las otras dos inecuaciones representan el conjunto de restricciones del problema, la primera de ella: 50.000x1 + 25.200x2 + 36.000x3 + 47.000x4 + 12.000x5 < 50.000, se corresponde con la expresin [Sumatoria (ci*xi) desde i=1 hasta n] < P, donde, los ci o pesos del objeto i, se corresponden con los salarios de cada jugador y las xi representan a cada jugador, al igual que ocurre en la ecuacin anterior. P es la restriccin presupuestaria del equipo, es decir, son los 50.000 $ mensuales de los que puede disponer para remunerar a sus nuevos jugadores. La ltima inecuacin: x1,x2,x3,x4,x5 {0,1}, trata de indicar que estamos ante un problema dicotmico en el que cada variable puede tomar slo el valor 1 o el valor 0. En este caso, si x toma el valor 1 querr decir que el jugador es contratado y si toma el valor 0, ser seal de que el club prefiere prescindir de l. Solucin del problema planteado El problema de eleccin que afronta el Club Baloncesto Unicaja se puede resolver por distintas vas: - Por el mtodo tradicional: a travs de la maximizacin del problema anteriormente formulado mediante mtodos de programacin lineal entera. - Por algoritmos: existen tipos de algoritmos (genticos, voraces), pero en esta ocasin mostraremos el algoritmo ms intuitivo y sencillo de ver. Este algoritmo es el denominado "voraz". Dejamos a un lado el algoritmo gentico ya que al ser poco intuitivo y tener cierta complejidad (no en su teora, sino en su prctica) podra hacer que el lector tuviera cierta reticencia a continuar con su lectura y comprensin. Mtodo tradicional (Programacin Lineal Entera) Retomemos el problema formulado e reinterpretemos dicha formulacin para comprender mejor cmo vamos a resolver el problema de eleccin de jugadores (vamos a repetir de forma resumida el desarrollo del punto 3.2.) Maximizar 15x1 + 8x2 + 15x3 + 17x4 +7x5 sujeto a: 50000x1 + 25200x2 + 36000x3 + 47000x4 + 12000x5 < 50000 x1,x2,x3,x4,x5 {0,1} Lo que pretendemos es maximizar el valor que los jugadores contratados aportaran al equipo, teniendo en cuenta que hay un presupuesto al que ajustarse (50000 $/mes). No hemos de olvidar que la solucin a este problema habr de darse en nmeros enteros, ya que es imposible contratar una porcin de jugador. Algoritmos voraces El mtodo de algoritmo voraces es muy parecido a aquello que llaman "la cuenta de la vieja". Se trata, simplemente, de elegir la opcin ms lgica de acuerdo con un criterio. Para este ejemplo escogeremos como criterio el ratio "Aportacin/Sueldo". Parece lgico ponderarlo as, ya que tenemos en cuenta ambos factores en la decisin. Cuanto ms alto sea este ratio, preferible ser contratar a este jugador. Reconsideraremos el sueldo, dividindolo por 1000 para hacer el ratio ms operativo, lo que obtendremos ser llamado *Sueldo*. Jugador (Equipo) Sueldo Aportacin Ratio Esteban Batista (Hawks) 50 15 0,3000 Jared Reiner (Sioux Falls) 25,2 8 0,3175 Chriss Burgess (Ulsan Phoebus) 36 15 0,4167 Marcus Goree (Benetton) 47 17 0,3617 K.C. Walekowski (Farho Vigo) 12 7 0,5833 Como hemos dicho, escogeremos aquellos jugadores con mejor ratio hasta agotar el presupuesto. - K.C. Walekowski: ratio =0.58333, sueldo = 12000 $ - Chriss Burgess: ratio =0.41666, sueldo = 36000 $, total acumulado = 48000 $ Como no hay ms jugadores cuyo sueldo pueda entrar en presupuesto, ste es nuestro resultado definitivo por algoritmos voraces. El resultado que nos ofrece el mtodo de algoritmos voraces coincide con el obtenido por el mtodo tradicional. Aqu lgica y matemticas puras coinciden y se refrendan mutuamente, por lo que la directiva del club no deber tener dudas en la contratacin de nuestros dos nuevos fichajes: - K.C. Walekowski - Chriss Burgess
2. PROBLEMA DE LA ASIGNACION DE RECURSOS
Muchas de las situaciones en la vida exigen una de dos respuestas posibles: si o no. As Muchas de las situaciones en la vida exigen una de dos respuestas posibles: si o no. As es que podemos representar stas posibilidades con los valores 0 (no) y 1 (si), y aprovechar las matemticas para que nos den una mano ante decisiones difciles; a esto es lo que solemos llamar -por obvias razones- Programacin Binaria. Una de las muchsimas aplicaciones de la Programacin Binaria, es el problema de la Asignacin. Este mtodo analiza el problema de asignar un cierto nmero de recursos a un determinado nmero de tareas, con base en algn tipo de valoracin para cada recurso. Cada recurso, podr ser asignado a una sola tarea. El PA consiste en asignar recursos a tareas en funcin de un objetivo ligado a la eficiencia del sistema. Un ejemplo tpico es el de asignacin de personas a turnos horarios, o el de asignar personas a mquinas
Se tienen tres personas (recurso) para asignarlos a tres labores diferentes. Cada uno de ellos puede efectuar cualquiera de las tareas existentes, pero con diferente nivel de especialidad. Sus respectivos jefes los han calificado de 1 a 10, para cada tarea en particular. Por supuesto el objetivo es el de asignar a las personas de manera tal que la calificacin en conjunto sea la mxima. Ver tabla de calificaciones abajo. Calificacin de Operario por Tarea Tarea 1 Tarea 2 Tarea 3 Operario 1 8 6 4 Operario 2 9 7 3 Operario 3 6 5 7
Nota: Tambin funciona para minimizar. Por ejemplo, en vez de calificacin podran ser tiempos de manufactura de cualquier tipo de productos, y el objetivo sera el de minimizar el tiempo total de manufactura. X ij = 1 si asignamos el operario i a la tarea j, de lo contrario 0 En ste orden de ideas, nuestro deseo es maximizar la calificacin total al asignar los operarios a las diferentes tareas. Max Z = 8X 11 + 6 X 12 + 4 X 13 + 9X 21 +7 X 22 +3X 33 +6X 31 +5X 32 +7X 33
Sujeto a: 1. Cada operario slo puede tener una tarea asignada X 11 +X 12 +X 13 = 1 (Es decir, slo se puede responder Si una sla vez.) X 21 +X 22 +X 23 = 1 X 31 +X 32 +X 33 = 1 2. Cada tarea puede tener un slo operario asignado (la restriccin anterior no necesariamente garantiza esto) X 11 + X 21 + X 31 = 1 X 12 + X 22 + X 32 = 1 X 13 + X 23 + X 33 = 1 3. La obvia: X ij = 0,1 para toda i y toda j.
Ahora en Excel...
Este puede ser el formato:
Las variables de decisin, estn localizadas en el rango de celdas B4:D6, como ya habamos dicho son binarias, van a tomar el valor de 1 si se asigna ese operario a esa tarea, cero de lo contrario. La calificacin que se logre est en la celda B2, y es el resultado de sumar el producto de dichas variables con su respectiva calificacin en la matriz de abajo. Ya se haba dicho que esto se logra faclmente as: =SUMAPRODUCTO(B4:D6,B9:D11). Como un operario slo se puede asignar a una tarea, colocamos una columna de Suma (E), sta es por ejemplo para la celda E4: =B4+C4+D4. Cuando agreguemos las restricciones, sta columna debe ser igual a uno, pues slo se puede responder que si una vez, ni ms, ni menos. De igual manera agregamos una fila (7), para asegurarnos que a una tarea slo se asigne un operario, por ejemplo la celda B7: =B4+B5+B6 Deber ser igual a 1. Ahora en el cuadro de dilogo de los parmetros de Solver, lo colocamos as:
Luego de hacer click en resolver...
La calificacin mxima lograda es de 22. Y se asign el operario 1 a la tarea 2, el operario 2 a la tarea 1 y el operario 3 a la tarea 3. Fcil, no? Para los programas Lineales enteros es muy importante que Solver, est debidamente configurado para un nmero suficiente de iteraciones, de tiempo, de precisin y de convergencia, para esto ver los detalles de Solver.
3. METODO HUNGARO Se necesita procesar 4 diferentes tareas para lo cual se cuenta con 4 mquinas. Por diferencias tecnolgicas el desperdicio que se produce depende del tipo de tarea y la mquina en la cual se ejecuta, dada la matriz de Desperdicios expresada en pesos definir la asignacin ptima. MAQUINAS TAREAS 1 2 3 4 A 49 86 54 70 B 45 79 66 81 C 46 58 78 88 D 44 38 66 69 Como se trata de Desperdicios, buscaremos MINIMIZARLOS. Checamos que todas las casillas tengan su costo unitario, en este caso se cumple sin ningn problema. Balanceamos la tabla M= renglones = 4 N= columnas= 4 Por lo que M=N, quedando balanceada. MAQUINAS TAREAS 1 2 3 4 A 49 86 54 70 B 45 79 66 81 C 46 58 78 88 D 44 38 66 69 POR RENGLN Elegir el menor valor de rengln y restarlo a los dems. En este caso es son : 49,45,46,38. Restamos ese valor a cada uno de los dems del rengln. MAQUINAS TAREAS
1 2 3 4 A 49-49=0 86-49=37 54-49=5 70-49=21 B
45-45=0 79-45=34 66-45=21 81-45=36 C
46-46=0 58-46=12 78-46=32 88-46=42 D
44-38=6 38-38=0 66-38=28 69-38=31 Formamos la nueva tabla MAQUINAS TAREAS 1 2 3 4 A 0 37 5 21 B 0 34 21 36 C 0 12 32 42 D 6 0 28 31 POR COLUMNA. Elegimos los menores valores de cada columna en este caso son : 0,0,5,21 Restamos esos valores a los dems nmeros de las columnas MAQUINAS TAREAS 1 2 3 4 A 0-0=0 37-0=37 5-5=0 21-21=0 B 0-0=0 34-0=34 21-5=16 36-21=15 C 0-0=0 12-0=12 32-5=27 42-21=21 D 6-0=6 0-0=0 28-5=23 31-21=10 Obtenemos la nueva tabla: MAQUINAS TAREAS 1 2 3 4 A 0 37 0 0 B 0 34 16 15 C 0 12 27 21 D 6 0 23 10 Trazamos las lneas. MAQUINAS TAREAS 1 2 3 4 A 0 37 0 0 B 0 34 16 15 C 0 12 27 21 D 6 0 23 10 Contamos el nmero de lneas y observamos que son 3 lneas y el nmero de la matriz es de 4 por lo que NO ES PTIMO. Buscamos dentro de la tabla el menor valor no tachado en este caso es 12 Lo restamos a todos los dems, respetando los valores de los ya tachados y adicionndolos a los que estn intersectados. MAQUINAS TAREAS 1 2 3 4 A 0+12=12 37 0 0 B 0 34-12=22 16-12=4 15-12=3 C 0 12-12=0 27-12=15 21-12=9 D 6+12=18 0 23 10 Nos queda: MAQUINAS TAREAS 1 2 3 4 A 12 37 0 0 B 0 22 4 3 C 0 0 15 9 D 18 0 23 10 Trazamos las lneas. 3 4 NO ES PTIMO Volvemos a buscar el menor nmero de los no tachados. MAQUINAS TAREAS 1 2 3 4 A 12+3=15 37+3=40 0 0 B 0 22 4-3=1 3-3=0 C 0 0 15-3=12 9-3=6 D 18 0 23-3=20 10-3=7 En este caso es 3 y se lo restamos a los dems no tachados y respetamos a los tachados y se los sumamos a los intersectados. Y volvemos a trazar lneas. MAQUINAS TAREAS 1 2 3 4 A 15 40 0 0 B 0 22 1 0 C 0 0 12 6 D 18 0 20 7 4=4 ES PTIMO Ahora checamos las asignaciones, sean 1 a 1. MAQUINAS TAREAS 1 2 3 4 A 15 40 0 0 B 0 22 1 0 C 0 0 12 6 D 18 0 20 7 0 = se escogen 0= se deshabilitan Se traduce la solucin: Realizar la tarea A en la mquina 3 con un costo de $54 Realizar la tarea B con la mquina 4 con un costo $81. Realizar la tarea C en la mquina 1 con un costo $46. Realizar la tarea D en la mquina 2 con un costo $38. COSTO TOTAL MNIMO= $219
4. PROBLEMA DE ASIGNACIN El Problema de la Asignacin es un problema clsico de la Investigacin de Operaciones y es un caso particular del Problema del Transporte. Este problema se trata de asignar una serie de Recursos a una serie de tareas. Tiene una limitante y es que a cada tarea se le puede asignar slo un recurso, pueden sobrar recursos o podran sobrar tareas pero no se le puede asignar dos recursos a una misma tarea, o tres... por ejemplo si se tienen tres operarios con diferentes tiempos de operacin en cuatro mquinas el modelo nos dira como asignar los tres operarios a tres mquinas (nos sobrara una) de manera que se minimice el tiempo total, pero no nos dira como asignar dos operarios a dos mquinas y el otro operario a las otras dos mquinas. Ejemplos de Asignaciones: Operarios a Tareas, Mquinas a Operarios, Nadadores a Estilos, Novias a das de la semana, etc, etc, etc. El Problema de la Asignacin se basa en una informacin comparativa para tomar la decisin de que asignar a que, por ejemplo una matriz de costos, una matriz de tiempos, de ingresos, etc. Cuando la matriz no est balanceada, es decir, cuando no es cuadrada, cuando sobran filas o columnas, se debe balancear para que tenga solucin mediante la inclusin de filas o columnas ficticias, con valores de cero en dicha matriz. Supongamos el siguiente ejemplo: Existen cuatro operarios que se pueden asignar al trabajo con tres mquinas. Un estudio de tiempos y movimientos ha arrojado los siguientes tiempos por operario para las tres mquinas. Indicar que operario debe trabajar en que mquina y cul de ellos no ser asignado a ninguna. Mquina 1 Mquina 2 Mquina 3 Operario 1 10 7 9 Operario 2 7 5 8 Operario 3 9 8 10 Operario 4 8 9 7 Como la matriz no esta balanceada, es necesario incluir una mquina ficticia: (esto es fundamental para asegurar que haya una respuesta. Si la matriz no est balanceada, el problema no ser factible de resolver) Mquina 1 Mquina 2 Mquina 3 Mquina Ficticia Operario 1 10 7 9 0 Operario 2 7 5 8 0 Operario 3 9 8 10 0 Operario 4 8 9 7 0 Xij = Se debe asignar el operario i a la mquina j? S o no? En matemticas existen dos nmeros cuyas propiedades hacen que puedan representar estas respuestas son el 1 y el 0, debido a que todo nmero multiplicado por 1 da el mismo nmero entonces el 1 se puede reemplazar por la respuesta S y como todo nmero multiplicado por cero da cero entonces se puede reemplazar por la respuesta No. As por ejemplo: 10X11 + 7X12 + 9X13 + 0X14 representa el tiempo sumado que empleara el operario1 en operar las mquinas, pero solo una variable de las tres anteriores puede tomar el valor de S, o sea de 1 las dems tendrn que tomar el valor de 0, y eso es debido a que el operario 1 slo puede ser asignado a una mquina, lo que significara que el tiempo que utilice el operario 1 puede ser ya sea de "10" de "7" o de "9". Con base en esto podemos formular la funcin objetivo: Min Z = 10X11 + 7X12 + 9X13 7X21 + 5X22 + 8X23 9X31 + 8X32 + 10X33 8X41 + 9X42 + 7X43 Restricciones: Como cada operario slo puede estar asignado a una mquina.... X11 + X12 + X13 + X14 = 1 X21 + X22 + X23 + X24 = 1 X31 + X32 + X33 + X34 = 1 X41 + X42 + X43 + X44 = 1 Y como cada mquina solo puede tener un operario asignado... X11 + X21 + X31 + X41 = 1 X12 + X22 + X32 + X42 = 1 X13 + X23 + X33 + X43 = 1 X14 + X24 + X34 + X44 = 1 Xij = 1 o 0 para toda i,j. Al resolver utilizando Software, por ejemplo el Solver del Excel, la respuesta que se obtiene es la siguiente:
Mquina 1 Mquina 2 Mquina 3 Mquina Fic. Operario 1 0 0 0 1 Operario 2 0 1 0 0 Operario 3 1 0 0 0 Operario 4 0 0 1 0 Esto significa que el Operario 1 queda asignado a la Mquina Ficticia (es decir, es el que sobra), el operario 2 se asigna a la mquina 2, el operario 3 se asigna a la mquina 1 y el operario 4 se asigna a la mquina 3.
5. PROBLEMA DE CARGA DE BULTOS El modelo de Carga de bultos aborda el problema de cargar artculos en un barco, contenedores, bolsa, mochila, financieras, etc, en las cuales se utilice la opcin de privilegio entre varias alternativas. Cada artculo produce un nivel de utilidad. El objetivo es cargar el barco con la carga ms valiosos. Observamos tambin que el problema de carga de bultos tambin se conoce como el problema del equipaje de emergencia, en el cual se debe determinar los artculos ms valiosos que se debe llevar a bordo o dentro.
6. PROBLEMAS DE RUTA CORTA
1.- Un Ingeniero Forestal, requiere saber: i)Cul es el costo mnimo, y ii)Cul es la ruta con ese costo mnimo, para ir desde su oficina hasta el lugar donde est la cosecha. En su camino debe pasar por 3 sectores o ciudades antes de llegar a su destino, y lugares posibles en esos sectores o ciudades. Las posibles rutas, y el costo asociado por Kms. de distancia y otros en $, se ven en el siguiente esquema:
Solucin: Para ir de 1 a 13 hay 48 rutas posibles. Una posibilidad para encontrar la solucin es calcular el valor asociado a cada una y ver cul es la que proporciona el menor costo. Y si fuesen miles de rutas?. Por se descarta esa alternativa y se usa el mtodo de la programacin Dinmica, donde se resuelve desde el final hacia el inicio, y hay etapas y estados. Etapas: Son 4. La etapa 1 es decidir ir del estado inicial 1 al estado 2,3,4 o 5 que son los puntos posibles en el sector siguiente. La etapa 2 es decidir ir a 6, 7 u 8. La etapa 3 es decidir ir a 9, 10, 11 o 12. La etapa 4 es decidir a 13. Estado: Lugar donde se encuentra. La etapa 1 tiene 1 estado: el 1. La etapa 2 tiene 4 estados: 2, 3, 4, 5. La etapa 3 tiene 3 estados: 6,7,8. La etapa 4 tiene 4 estados: 9, 10, 11, 12.
Clculos n = 4 S \ X 4 13 F 4 * X 4 * 9 12 12 13 10 16 16 13 11 15 15 13 12 14 14 13
n = 3 S \ X 3 9 10 11 12 F 3 * X 3 * 6 3+12=15 2+16=18 1+15=16 3+14=17 15 9 7 4+12=16 1+16=17 4+15=19 6+14=20 16 9 8 2+12=14 3+16=19 6+15=21 5+14=19 14 9
n=2 S \ X 2 6 7 8 F 2 * X 2 * 2 9+15=24 4+16=20 6+14=20 20 7 - 8 3 5+15=20 7+16=23 4+14=18 18 8 4 9+15=24 10+16=26 8+14=22 22 8 5 9+15=24 10+16=26 11+14=25 24 6
n = 1 S \ X 1 2 3 4 5 F 1 * X 1 * 1 7+20=27 6+18=24 5+22=27 6+24=30 24 3
Respuesta: El ptimo es: 24 La solucin ptima es: X 1 = 3 ; X 2 = 8 ; X 3 = 9 ; X 4 = 13. La ruta ptima es: 1 3 8 9 13
Respuesta al problema planteado: El Ingeniero Forestal tiene un costo mnimo de $24 para ir desde su oficina al lugar de cosecha, y ese mnimo lo puede lograr yendo desde su oficina al lugar 3 luego al lugar 8 luego al lugar 9 y de ah al lugar 13, que es donde est la cosecha. 2.-Un Tcnico Forestal, debe revisar 3 faenas: Poda, Raleo y Cosecha, y dispone de 4 das. Segn la dedicacin en das que le de a cada faena, stas tendrn una probabilidad de fracasar, y con ello fracasar la faena total, por lo que puede ser despedido. Por ello, dicho Tcnico desea minimizar la probabilidad de ser despedido minimizando la probabilidad de que las 3 tareas fracasen al mismo tiempo. +Dedicacin \ Faenas Poda Raleo Cosecha 0 da 0.50 0.60 0.40 1 da 0.42 0.51 0.35 2 das 0.36 0.41 0.21 3 das 0.25 0.36 0.18 Un da no asignado a una faena no tiene valor asociado. A lo ms se puede asignar 3 das a una misma faena.
Solucin: Etapas: Son 3. La etapa 1 es el proceso de asignacin de das a Poda. La etapa 2 es el proceso de asignacin de das a Raleo. La etapa 3 es el proceso de asignacin de das a Cosecha. Estados: Son los das disponibles para ser asignados, y van de 0 a 4, dependiendo de las etapas. La etapa 1 tiene 1 estado factible y es: tener 4 das disponibles para ser asignados. Las variables de decisin son 3: X 1 , X 2 , X 3 y representan: Cuntos das asignar a la faena poda, Cuntos das asignar a la faena de raleo, Cuntos das asignar a la faena de cosecha; respectivamente. La Funcin Objetivo y las restricciones forman en el modelo para este problema y es: P: Min( p(X 1 )*p(X 2 )*p(X 3 ) ) ; s.a: X 1 +X 2 +X 3 s 4 ; X i e0,1,2,3`; i=1,2,3 La probabilidad de ser despedido en este momento es: 0.5*0.6*0.4 =0.12, que es de un 12%, y con los 4 das disponibles desea minimizar esa probabilidad. Los clculos.
n = 1 S\X 1 0 1 2 3 F 1 * X 1 * 4 0.5*0.0861 = 0,04305 0.42*0.1071 = 0,044982 0.36*0.1260 = 0,04536 0.25*0.2040 = 0,051 0.04305 0
Respuesta: ptimo = 0.04305 ( un 4,3% ). La solucin ptima es: X 1 = 0 ; X 2 = 2 ; X 3 = 2 La ruta ptima es: 4 4 2 2
Respuesta al problema planteado: La probabilidad mnima de ser despedido es 0.04305 , es decir de un 4,3%, y la asignacin ptima de das es: 0 das a la Poda, 2 das al Raleo, 2 Das a la Cosecha. 3.- Un aserradero debe enviar 4 o 5 cargamentos a cuatro destinos. La mxima asignacin para cada destino es de cuatro cargamentos. En la tabla siguiente se indica g(x i ) como los ingresos en MM$ obtenidos por cada una de las decisiones posibles. Se desea maximizar el ingreso del aserradero por estos envos. Adems al destino 2 no se puede asignar 4 sino que mximo 3 cargamentos. Al destino 3 ya se ha decidido asignar exactamente 1 cargamento. Un cargamento no asignado no tiene valor asignado.
Solucin: Etapas: son 4 etapas. La etapa 1,2,3,4 es el proceso de decisin de envos de cargamento al destino 1, destino 2, destino 3 y destino 4 respectivamente. Estados: La cantidad de cargamentos disponibles para ser enviados en cada etapa. El modelo en este caso es: (Son 2 problemas en uno). P: Mx ( H g(xi); i=1,2,3,4) s.a: X 1 +X 2 +X 3 +X 4 s 5 ; X i e0,1,2,3,4`; i=1,2,3,4. P: Mx ( H g(xi); i=1,2,3,4) s.a: X 1 +X 2 +X 3 +X 4 s 4 ; X i e0,1,2,3,4`; i=1,2,3,4. Los Clculos.
n = 1 S \ X 1 0 1 2 3 4 F 1 * X 1 * 4 0+21=21 5+14=19 11+11=22 15+4=19 --- 22 2 5 0+27=27 5+21=26 11+17=28 15+11=26 21+4=25 28 2
Respuesta: A) Si enva 4 cargamentos, el ptimo es: MM$ 22, y la solucin ptima es: X 1 = 3 ; X 2 = 0 ; X 3 = 1; X 4 = 0; X 1 = 2 X 2 = 0 X 3 = 1 X 4 = 1 La ruta ptima es: 4 2 2 1 0 11 0 4 7 Es decir: Al destino-1 debe enviar 2 cargamentos, al destino-2 debe enviar 0 cargamento, al destino-3 enviar 1 cargamento, y al destino-4 enviar 1 cargamento. Con esto obtiene el mx que es de MM$22.
B) Si enva 5 cargamentos, el ptimo es: MM$ 28, y la solucin ptima es: X 1 = 2 ; X 2 = 1 ; X 3 = 1; X 4 = 1; X 1 = 2 X 2 =1 X 3 = 1 X 4 = 1 La ruta ptima es: 5 3 2 1 0 11 6 4 7 Es decir: Al destino-1 debe enviar 2 cargamentos, al destino-2 debe enviar 1 cargamento, al destino-3 enviar 1 cargamento, y al destino-4 enviar 1 cargamento. Con esto obtiene el mx que es de MM$22. 4.- Un dueo de tres supermercados tiene 5 cargas de fresas frescas. Su problema es destinar las fresas a cada supermercado, ya que en cada uno las fresas tienen distinto valor. El ingreso en los supermercados, segn la asignacin de cargas se indica a continuacin en MM$. + Cargamentos \ destino Supermercado 1 Supermercado 2 Supermercado 3 0 0 0 0 1 5 6 4 2 9 11 9 3 14 15 13 4 17 19 18 5 21 22 20 El no asignar las cargas de fresas a un supermercado tiene valor asociado de cero pesos al horizonte, porque se perdern. Cul es el mximo ingreso posible, y cul es la asignacin que para ello?. Solucin:
n = 1 S\ X 1 0 1 2 3 4 5 F 1 * X 1 * 5 0+24=24 5+20=25 9+15=24 14+11=25 17+6=23 21+0=21 25 1-3
Respuesta: El mximo ingreso posible es MM$ 25, y se puede alcanzar con la asignacin : X 1 = 1 ; X 2 = 2 ; X 3 = 2 ( Con ingresos: 5+11+9= 25). O bien con la asignacin: X 1 = 3 ; X 2 = 2 ; X 3 = 0 ( Con ingresos: 14+11+0 = 25 ).
5.- Se dispone de 6 brigadas para asignar a tres sectores. El aumento de la productividad en los sectores depende de la asignacin, y es la que se indica en el cuadro siguiente: +Nm.brigadas asign. \ sector Sector-1 Sector-2 Sector-3 0 0 0 0 1 12 14 13 2 25 19 21 3 30 37 32 4 40 49 48 Cuntas brigadas asignar a cada sector para hacer mxima la suma de aumento de la productividad?. Una brigada no asignada no tiene valor asociado en la productividad. Esto equivale a decir que el valor al horizonte de una brigada no asignada es de cero, ya que ese valor no influye sobre el valor de la funcin objetivo.
Solucin: Las etapas: Son tres etapas Los Estados: Son el nmero de brigadas disponibles al inicio de la etapa. Estado inicial: Es uno slo, y es tener 6 brigadas disponibles. Variables de decisin: Son 3, indicadas por: X 1 , X 2 , X 3 y el valor de ellas es un elemento del conjunto: 0,1,2,3, 4 ` El modelo: P: Mx ( E f (X i ); i=1,2,3) s.a: X 1 +X 2 +X 3
s 6 ; X i e0,1,2,3,4`; i=1,2,3.
Los clculos: n = 3 S \ X 3 F 3 * X 3 * 6 48 4 5 48 4 4 48 4 3 32 3 2 21 2 1 13 1 0 0 0
n=1 S \ X 1 4 3 2 1 0 F 1 * X 1 * 6 40+27=67 30+37=67 25+50=75 12+62=74 0+70=70 75 2
Respuesta: Optimo =75; Solucin ptima: X 1 *=2; X 2 *=3; X 3 *=1 Respuesta: La mayor productividad posible es de 75 y se logra asignando 2 brigadas al sector 1, 3 brigadas al sector 2 y 1 brigada al sector 3. Ruta ptima: X 1 = 2 X 2 = 3 X 3 = 1 La ruta ptima es: 6 4 1 0 25 37 13