Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
I.1. Introducción
Investigación de Operaciones
Antecedentes:
Durante la Segunda Guerra Mundial, el mando británico
consultó a científicos y técnicos sobre distintas cuestiones
Ing. Rodrigo Sempértegui Álvarez
militares:
– Despliegue de radares.
– Dirección de operaciones antisubmarinas, de minas,
bombardeos y traslado de tropas.
3
I. Introducción a la Investigación de Operaciones
operativa)?
Hoy en día: las ciencias de la gestión y la
investigación operativa suponen “el empleo de
Ing. Rodrigo Sempértegui Álvarez
4
I. Introducción a la Investigación de Operaciones
1947
– Proyecto Scoop (Scientific Computation of
Optimum Programs), en el que George Dantzig y
Ing. Rodrigo Sempértegui Álvarez
5
I. Introducción a la Investigación de Operaciones
Década de 1970
Investigación de Operaciones
7
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
Definición
Objetivo
8
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
Naturaleza
9
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
10
I. Introducción a la Investigación de Operaciones
1. Definir el Problema
– Definir el Problema
– Especificación de Objetivos
Observar el Sistema
Ing. Rodrigo Sempértegui Álvarez
2.
– Reunir Datos
– Estimar Valores de Parametros
3. Formular el Modelo Matemático para el Problema
– Representación Idealizada del Problema
4. Verificar el Modelo y usar el Modelo para Predicciones
– Estimar el Grado de Acercamiento del Modelo a la Realidad
5. Seleccionar la Alternativa Adecuada
– Escoger el modelo que mejor se adapta a los objetivos
6. Presentar los Resultados y Conclusiones del Estudio a la
Organización
7. Implantar y Evaluar las Recomendaciones
11
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
Formular el Problema
Observar el Sistema
Ing. Rodrigo Sempértegui Álvarez
Seleccionar la Alternativa
Implantar y Evaluar
Recomendaciones
12
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
13
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
14
I. Introducción a la Investigación de Operaciones
15
I. Introducción a la Investigación de Operaciones
Piezas pequeñas:
Piezas grandes : x + 2y 6
También se impone restricciones de no – negatividad:
x,y 0
¿Qué restricciones limitan las decisiones?
Ej: no exceder presupuesto, no usar más piezas que las disponibles,
etc.… son restricciones
16
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
x,y 0
17
I. Introducción a la Investigación de Operaciones
Investigación de Operaciones
18
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Temario:
Ing. Rodrigo Sempértegui Álvarez
II.1. Introducción
II.2. Definiciones
II.3. Suposiciones de la PL
II.4. Ejemplos de modelamiento.
II.5. Resolución gráfica de problemas.
II.6. Análisis de Sensibilidad.
II.7. El Método Simplex.
II.8. Dualidad en Programación Lineal.
II.9. Análisis de Sensibilidad o Post-Optimal
20
II. Modelos de Programación Matemática
Programación Lineal
II.1 INTRODUCCIÓN
Investigación de Operaciones
Utilización:
Planificación
Gestión de recursos humanos y materiales
Transporte
Planificación financiera
Organización de la producción.
Una extensa gama de problemas que aparecen en las áreas
de tipo industrial, económico, administrativo, militar, etc.
21
II. Modelos de Programación Matemática
Programación Lineal
II.2 DEFINICIONES
Investigación de Operaciones
Función Lineal.- una función f(x1, x2, x3,…. xn) es una función
lineal de x1, x2, x3,…. xn, si y solo si para algún conjunto de
constantes c1, c2, c3,…. cn, existe una función f(x1, x2, x3,….
Ing. Rodrigo Sempértegui Álvarez
22
II. Modelos de Programación Matemática
Programación Lineal
23
II. Modelos de Programación Matemática
Programación Lineal
24
II. Modelos de Programación Matemática
Programación Lineal
• Suposición de Divisibilidad.-
Investigación de Operaciones
• Suposición de Certidumbre.-
25
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
27
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Diagrama:
C.D.1
X11
Ing. Rodrigo Sempértegui Álvarez
Planta 1
X12
X13
X23
C.D.3
Orígenes Destinos
28
II. Modelos de Programación Matemática
Programación Lineal
Variables de decisión:
Investigación de Operaciones
Función Objetivo:
1) No Negatividad: xij 0
2) Demanda:
CD1 : x11 +x21 = 200
CD2 : x12 +x22 = 200
CD3 : x13 + x23 = 250
29
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
3) Oferta :
250
Ing. Rodrigo Sempértegui Álvarez
30
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
nutricionales.
Supongamos que se tiene la siguiente información:
31
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Variables de decisión:
x1 : galones de leche utilizados en la dieta.
x2 : porciones de legumbre utilizadas en la dieta.
Ing. Rodrigo Sempértegui Álvarez
Supuestos adicionales:
1) Existe un inventario inicial de 15 unidades.
2) No se acepta demanda pendiente o faltante (es decir, se debe satisfacer
toda la demanda del periodo). 33
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Variables de decisión:
xt : número de unidades elaboradas en el periodo t.
Ing. Rodrigo Sempértegui Álvarez
34
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
xt 150 t Período
2) Restricciones de no negatividad
xt 0 t Período
3) Restricciones de demanda
x1 + I0 – I1 = 130 Periodo 1 I0=15
x2 + I1 – I2 = 80 Periodo 2
x3 + I2 – I3 = 125 Periodo 3
x4 + I3 – I4 = 195 Periodo 4
35
II. Modelos de Programación Matemática
Programación Lineal
iv) Problema de planificación financiera:
Investigación de Operaciones
Variables de decisión:
Investigación de Operaciones
37
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
38
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
39
II. Modelos de Programación Matemática
Programación Lineal
Variables de decisión:
Investigación de Operaciones
xj : cant. de barriles del gas j que son vendidos sin mezclar, con j =
1, 2, 3, 4.
xA : cant. de barriles de avgas A. xB : cant. de barriles de avgas B.
Ing. Rodrigo Sempértegui Álvarez
xjA: cant. de gas j usado en avgas A. xjB: cantidad de gas j usado en avgas B.
Función objetivo:
Max 24,83 (x1 + x2 + x3 + x4) + 26,45xA + 25,91xB
Restricciones: x1 + x1A + x1B = 3814
x2 + x2A + x2B = 2666
x3 + x3A + x3B = 4016
x4 + x4A + x4B = 1300
x1A + x2A + x3A + x4A = xA
x1B + x2B + x3B + x4B = xB
40
II. Modelos de Programación Matemática
Programación Lineal
NP, avgas A:
Investigación de Operaciones
NP, avgas B:
107x 1B 93x 2B 87x 3B 108x 4B
91
xB
RVP, avgas A:
5 x 1A 8x 2 A 4 x 3 A 21x 4 A
7
xA
RVP, avgas B:
5 x 1B 8 x 2 B 4 x 3 B 21x 4 B
6
xB
41
II. Modelos de Programación Matemática
Programación Lineal
vi) Problema de expansión de la capacidad de un Sistema de
Potencia Eléctrica:
Investigación de Operaciones
Variables de decisión:
Investigación de Operaciones
43
II. Modelos de Programación Matemática
Programación Lineal
pt x t gt yt
T
Investigación de Operaciones
Min
t 1
t
w t yk
Ing. Rodrigo Sempértegui Álvarez
t 15
c t z t w t dt k 1
t
y
t
z t xk t 20 wt
k t 14
k t 15
k 1 wt
0,30 t 1... T
t
ct zt w t
zt x
k t 19
k t 20 x t , yt , z t , w t 0
44
II. Modelos de Programación Matemática
Programación Lineal
vii) Problema de Establecimiento del Horario de Trabajo:
Investigación de Operaciones
45
II. Modelos de Programación Matemática
Programación Lineal
trabajar el día i
Función Objetivo: Min z= x1 + x2 + x3 + x4 + x5 + x6 + x7
≥ 17
Ing. Rodrigo Sempértegui Álvarez
Restricciones: x1 + x4 + x5 + x6 + x7
x1 + x2 + x5 + x6 + x7 ≥ 13
x1 + x2 + x3 + x6 + x7 ≥ 15
x1 + x2 + x3 + x4 + x7 ≥ 19
x1 + x2 + x3 + x4 + x5 ≥ 14
x2 + x3 + x4 + x5 + x6 ≥ 16
x3 + x4 + x5 + x6 + x7 ≥ 11
xi ≥ 0 (i=1,2,3,…7)
46
II. Modelos de Programación Matemática
Programación Lineal
PROBLEMAS PROPUESTOS:
Investigación de Operaciones
47
II. Modelos de Programación Matemática
Programación Lineal
PROBLEMAS PROPUESTOS:
Investigación de Operaciones
48
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
49
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 6 x1
50
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 6 x1
51
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 6
52
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 6
53
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 6
54
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
x*
6
4 6
55
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 * = 2 x2 * = 6
z* = 3 x1* + 5 x2* = 36
56
II. Modelos de Programación Matemática
Programación Lineal
Algunas reflexiones
Investigación de Operaciones
NUEVA DEFINICION
57
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
58
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
59
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
3
2 4 6
60
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
61
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
62
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
63
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
64
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
65
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
66
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
67
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
68
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
69
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Sea z = c1x1+c2x2
Ing. Rodrigo Sempértegui Álvarez
70
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
1
1 10 c1 20
20 2
Para C2:
15 1
1 15 c 2 30
c2 2
71
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
72
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
3
2 4 6 8
73
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
3
2 4 6 8
74
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Primera restricción.
La mayor variación del coeficiente del lado derecho se alcanza en
x=0 y y=4, de donde se obtiene:
Ing. Rodrigo Sempértegui Álvarez
z(0,4) = 15 · 0 + 20 · 4 = 80 y b1* = 0 + 2 · 4 = 8
La menor variación del coeficiente del lado derecho se alcanza en:
x=4 ; y=0, de donde se obtiene:
z(4,0) = 15 · 4 + 20 · 0 = 60 y b1 = 4 + 2 · 0 = 4
De aquí, se calcula el precio sombra P1, que indica la razón o tasa
de cambio de la función objetivo con respecto al cambio en una
unidad del lado derecho:
z(0,4) z(4,0) 80 60
P1 5
b1* b1 84
75
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
76
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
15x 20y
Ing. Rodrigo Sempértegui Álvarez
Max
sa : 2x 2 y 8
x 2y 6
4
x, y 0
4 6
77
II. Modelos de Programación Matemática
Programación Lineal
Segunda restricción.
Investigación de Operaciones
78
II. Modelos de Programación Matemática
Programación Lineal
Ejemplo 2
Investigación de Operaciones
79
II. Modelos de Programación Matemática
Programación Lineal
x número de trenes
Investigación de Operaciones
y número de soldados
max z = 3x + 2y ganancia
Ing. Rodrigo Sempértegui Álvarez
80
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
max z= 3x + 2y
s.a. 2x+y ≤100
Ing. Rodrigo Sempértegui Álvarez
x+y ≤80
x ≤40
x, y ≥ 0
81
II. Modelos de Programación Matemática
Programación Lineal
solución
Investigación de Operaciones
x=20
y=60
Ing. Rodrigo Sempértegui Álvarez
82
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
83
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
Programación Lineal
II. Modelos de Programación Matemática
84
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Sea z = c1x1+c2x2
Ing. Rodrigo Sempértegui Álvarez
85
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
c1
2 1 2 c1 4
2
Para C2:
3 3
2 1 c2 3
c2 2
86
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
87
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
max z= 3x + 2y
s.a. 2x+y ≤100
Ing. Rodrigo Sempértegui Álvarez
x+y ≤80
x ≤40
x, y ≥ 0
88
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Primera restricción.
La mayor variación del coeficiente del lado derecho se alcanza en
x=60 y y =0, de donde se obtiene:
z(60,0) = 3 · 60 + 2 · 0 = 180 y b1* = 2 · 60 + 1 · 0 = 120
Ing. Rodrigo Sempértegui Álvarez
89
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
90
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
91
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
max z= 3x + 2y
s.a. 2x+y ≤100
Ing. Rodrigo Sempértegui Álvarez
x+y ≤80
x ≤40
x, y ≥ 0
92
II. Modelos de Programación Matemática
Programación Lineal
Segunda restricción.
Investigación de Operaciones
93
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
94
II. Modelos de Programación Matemática
Programación Lineal
95
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
96
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
97
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
98
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Si definimos:
El modelo sería:
Max Z= 4X1+3X2
s.a.
X1+ X2 ≤ 40 (Restricción del cuero)
2X1+ X2 ≤ 60 (Restricción de mano de obra)
X1, X2 ≥ 0 (Restricción de no negatividad)
99
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Max Z= 4X1+3X2
Ing. Rodrigo Sempértegui Álvarez
s.a.
X1 + X2 + S1 = 40 (Restricción del cuero)
2X1+ X2 + S2 = 60 (Restricción de mano de obra)
X1, X2, S1 , S2 ≥ 0 (Restricción de no negatividad)
100
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
En la Forma Estadar:
Min Z= 50X1+20X2 +30X3 +80X4
s.a. 400X1+ 200X2 + 150X2 + 500X2 –E1 = 500
3X1 + 2X2 –E2 =6
2X1 + 2X2 + 4X3 + 4X4 –E3 = 10
2X1 + 4X2 + X3 + 5X4 –E4 = 8
X1, X2 , X3 , X4 ,E1 ,E2 ,E3 ,E4 ≥ 0
101
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
En la Forma Estadar:
Max Z= 20X1+15X2
s.a. X1 +S1 = 100
X2 +S2 = 100
50X1 + 35X2 +S3 = 4000
20X1 + 15X2 –E4 = 2000
X1, X2 ,S1 ,S2 ,S3 ,E4 ≥ 0
102
II. Modelos de Programación Matemática
Programación Lineal
II.4. El Método Simplex.
Investigación de Operaciones
xi 0, i = 1, 2, ..., n y mn
Matricialmente escrito como:
Min cTx
s.a. Ax = b
x0
103
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
104
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
105
II. Modelos de Programación Matemática
Programación Lineal
Considérese un sistema Ax = b de m ecuaciones lineales con n
variables (supóngase n≥m)
Investigación de Operaciones
106
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
107
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
108
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
max Z= x1 + 2 x2 + 2 x3
Ing. Rodrigo Sempértegui Álvarez
s.a. 2 x1 + x2 ≤ 8
x3 ≤ 10
x1, x2, x3 ≥ 0
Variables Solución Básica Factible Punto Z
Básicas
x1,x3 x1=4 x3=10 x2=s1=s2=0 D 24
s1,s2 s1=8 s2=10 x1=x2=x3=0 F 0
s1,x3 s1=8 x3=10 x1=x2=s2=0 E 20
x2,x3 x2=8 x3=10 x1=s1=s2=0 C 36
x2,s2 x2=8 s2=10 x1=x3=s2=0 B 16
x1,s2 x1=4 s2=10 x2=x3=s1=0 A 4
109
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
110
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
111
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
m m
x 2 c
B D nm
nm
A=
m xn xD c D
xB :variables básicas.
xD :variables no básicas.
m n-m cB :costos básicos.
B : es llamada una matriz de base cD :costos no básicos.
112
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Max z= 60 x1 + 30 x2 + 20 x3 + 0 s1 + 0 s2 + 0s3
Ing. Rodrigo Sempértegui Álvarez
s.a: 8 x1 + 6 x2 + x3 + s1 =48
4 x1 + 2 x2 + 1.5 x3 + s2 = 20
2 x1 + 1.5 x2 + 0. 5 x3 + s3 = 20
x1, x2, x3, s1, s2, s3≥ 0
113
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
S1 x2
Es decir:
max z= 0 20 60 X3 + 30 0 0 s2
X1 s3
s.a. 1 1 8 S1 6 0 0 x2
0 1.5 4 X3 + 2 1 0 s2
0 0.5 2 X1 1.5 0 1 s3
S1 0 x2 0
X3 ≥ 0 s2 ≥ 0
X1 0 s3 0
114
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
xB + B-1 D xD = B-1 b
Donde:
1 2 -8
B-1= 0 2 -4
0 -0.5 1.5
115
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
s1 1 2 -8 6 0 0 x2 1 2 -8 48
x3 + 0 2 -4 2 1 0 s2 = 0 2 -4 20
Ing. Rodrigo Sempértegui Álvarez
O bien:
s1 -2 2 -8 x2 24
x3 + -2 2 -4 s2 = 8
116
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
CB xB + CB B-1DxD= CBB-1 b
z- CB xB - CD xD =0
117
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Criterio de Optimalidad:
Ing. Rodrigo Sempértegui Álvarez
c T x cBT x B cDT x D
T
B 1 1
c B b B D x B cDT x D
1
cBT B b cDT cDT B D x B x D
1
valor actual vector de costos
de la función reducidos.
obj.
118
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
reducidos es:
rj c j cBT B1A j
119
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
yk 0 yi0
Min / yip 0 xk deja la base
ykp yip
120
II. Modelos de Programación Matemática
Programación Lineal
Ejemplo.
Investigación de Operaciones
x + 3y 90
x,y 0
Se deben agregar 3 variables de holgura ( s1 , s2 , s3 var.básicas), y
llevar a forma estándar (x1 = x y x2 = y).
Min -40x1 – 60x2
sa: 2x1 + x2 + s1 = 70
x 1 + x2 + s2 = 40
x1 + 3x2 + s3 = 90
x1, x2, x3, s1 , s2 , s3 0,
121
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Tabla inicial:
x1 x2 s1 s2 s3
Ing. Rodrigo Sempértegui Álvarez
2 1 1 0 0 70
1 1 0 1 0 40
1 3 0 0 1 90
-40 -60 0 0 0 0
122
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 x2 s1 s2 s3
2 1 1 0 0 70
1 1 0 1 0 40
1 3 0 0 1 90
-40 -60 0 0 0 0
Se calcula Min { 70/1, 40/1, 90/3 } = 30, por lo tanto sale s3.
123
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 x2 s1 s2 s3
5/3 0 1 0 -1/3 40
2/3 0 0 1 -1/3 10
1/3 1 0 0 1/3 30
-20 0 0 0 20 1800
124
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 x2 s1 s2 s3
Ing. Rodrigo Sempértegui Álvarez
0 0 1 -5/2 ½ 15
1 0 0 -1/3 -½ 15
0 1 0 1/3 ½ 25
0 0 0 20 10 2100
Como todos los costos reducidos son mayores o iguales que cero nos
encontramos en la solución óptima.
125
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 15
s2 0
xB x 2 25 xD
Ing. Rodrigo Sempértegui Álvarez
126
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
127
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
-Z X1 X2 S1 S2 ld Variable
Básica
1 5 0 3 0 12 -Z=12
0 1 1 1 0 4 X2=4
0 2 0 1 1 10 S2=10
128
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
-Z X1 X2 S1 S2 ld Variable
Básica
1 -5 0 -3 0 12 Z=-12
0 1 1 1 0 4 X2=4
0 2 0 1 1 10 S2=10
129
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
forma estándar.
Paso 1: Escoger una solución básica factible inicial.
Paso 2: Escoger una variable no - básica con costo reducido
negativo que determina la variable entrante y seguir al paso
tres. Sin embargo, si todos los costos reducidos son mayores
que cero , parar, ya que la actual solución es la óptima.
Paso 3: Calcular el criterio de factibilidad que determina que
variable deja la base. Si todos los cuocientes son negativos:
problema no - acotado, parar.
Paso 4: Actualizar la tabla de modo de despejar el valor de las
nuevas variables básicas, los costos reducidos y el valor de la
función objetivo. Volver al Paso 2.
130
II. Modelos de Programación Matemática
II.Programación Lineal
Modelos de Programación Matemática
Programación Lineal
Investigación de Operaciones
• Método de la M – grande.
• Método Simplex de dos fases.
131
II. Modelos de Programación Matemática
Programación Lineal
INTRODUCCIÓN
Investigación de Operaciones
132
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
133
II. Modelos de Programación Matemática
Programación Lineal
Método de la M grande.
Investigación de Operaciones
estandar
Paso 3: Si la restricción i es una igualdad o un restricción de ≥ añadir
una variable artificial ai
Paso 4: Sea M un número positivo muy grande. Si el PL es de
minimización añadir (para cada variable artificial) Mai a la función
objetivo. Si el PL es de maximización añadir (para cada variable
artificial) -Mai a la función objetivo.
Paso 5: Ya que cada variable artificial estará en la función objetivo
(renglón cero) eliminar todas las variables artificiales de la función
objetivo (renglón cero)
Paso 5: Resolver el problema con el método simplex.
134
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Es equivalente a
a11 X1 + a12 X2 + a13 X3 + ………+ a1n Xn ≤ b1
a11 X1 + a12 X2 + a13 X3 + ………+ a1n Xn ≥ b1
135
II. Modelos de Programación Matemática
Programación Lineal
artificiales
Cambiemos la tercera restricción de desiguladad de
Ing. Rodrigo Sempértegui Álvarez
FORMA ESTANDAR
Maximizar Z= 3X1 + 5X2
Sujeto a: X1 ≤ 4
2X2 ≤ 12
3X1 + 2X2 = 18
X1, X2 ≥ 0
136
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
137
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
138
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
139
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
140
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
141
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
142
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Max z= 3 x1 + 5 x2 Max z= 3 x1 + 5 x2 - M x5
s.a. s.a.
x1 ≤ 4 x1 ≤ 4
2 x2 ≤ 12 2 x2 ≤ 12
3 x1 + 2 x2 = 18 3 x1 + 2 x2 ≤ 18
x1 , x2 ≥ 0 x1 , x2 ≥ 0
Así: 3 x1 + 2 x2 + x5 = 18
143
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
144
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
145
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
146
II. Modelos de Programación Matemática
Programación Lineal
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
147
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
148
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
149
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
150
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
151
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
152
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
153
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
154
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
155
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
156
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
157
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
158
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
159
II. Modelos de Programación Matemática
Programación Lineal
Método Simplex de dos Fases.
Investigación de Operaciones
Fase 1: Min x5
sa: 10x1 + 10x2 +s3 =9
10x1 + 5x2 - e4 + a 5 = 1
x1,x2, x3, x4, x5 0
Quedando la siguiente tabla:
Variables x1 x2 s3 e4 a5 valor
Básicas
w 0 0 0 0 1 0
s3 10 10 1 0 0 9
a5 10 5 0 -1 1 1
161
II. Modelos de Programación Matemática
Programación Lineal
donde:
Investigación de Operaciones
s3 9 x1 0
Ing. Rodrigo Sempértegui Álvarez
xB= = xD= x2 = 0
a5 1 e4 0
162
II. Modelos de Programación Matemática
Programación Lineal
Básicas
w -10 -5 0 1 0 -1
s3 10 10 1 0 0 9
a5 10 5 0 -1 1 1
163
II. Modelos de Programación Matemática
Programación Lineal
Obteniéndose la siguiente tabla final:
Investigación de Operaciones
Variables x1 x2 s3 e4 a5 valor
Básicas
Ing. Rodrigo Sempértegui Álvarez
w 0 0 0 1 0 0
s3 0 5 1 1 -1 8
xB= = xD= e4 = 0
x1 1/10 a5 0
164
II. Modelos de Programación Matemática
Programación Lineal
Fase 2:
Investigación de Operaciones
Variables x1 x2 s3 e4 valor
Básicas
z -2 -1 0 0 0
s3 0 5 1 1 8
Ing. Rodrigo Sempértegui Álvarez
Básicas
z 0 0 0 -1/5 1/5
s3 0 5 1 1 8
165
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Quedando:
Variables x1 x2 s3 e4 valor
Básicas
Ing. Rodrigo Sempértegui Álvarez
z 0 1 1/5 0 9/5
e4 0 5 1 1 8
x1 1 1 1/10 0 9/10
e4 8 x2 0
xB xD
= = = =
x1 9/10 s3 0
166
II. Modelos de Programación Matemática
Programación Lineal
min z= 2 x1 + 3 x2
s.a. 1/2 x1 + 1/4 x2 ≤ 4
1 x1 + 3 x2 ≥ 20
Ing. Rodrigo Sempértegui Álvarez
x1 + x2 = 10
x1 , x2 ≥ 0
min z= 2 x1 + 3 x2
1/2 x1 + 1/4 x2 + s1 = 4
1 x1 + 3 x2 - e2 + a2 = 20
x1 + x2 + a3 = 10
167
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Primera Fase
min w= a2 + a3
1/2 x1 + 1/4 x2 + s1 = 4
Ing. Rodrigo Sempértegui Álvarez
1 x1 + 3 x2 - e2 + a2 = 20
x1 + x2 + a3 = 10
variable w x1 x2 s1 e2 a2 a3 valor
w 1 0 0 0 0 -1 -1 0
s1 1/2 1/4 1 0 0 0 4
a2 1 3 0 -1 1 0 20
a3 1 1 0 0 0 1 10
168
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
VB w x1 x2 s1 e2 a2 a3 valor prueba
w 1 2 4 0 -1 0 0 30
Ing. Rodrigo Sempértegui Álvarez
s1 0 1/2 0 1 0 0 0 4 16
a2 0 1 3 0 -1 1 0 20 7
a3 0 1 1 0 0 0 1 10 10
169
II. Modelos de Programación Matemática
Programación Lineal
Haciendo 1 al pivote
Investigación de Operaciones
VB w x1 x2 s1 e2 a2 a3 valor
w 1 2 4 0 -1 0 0 30
Ing. Rodrigo Sempértegui Álvarez
s1 0 0.5 0 1 0 0 0 4
a2 0 1/3 1 0 -1/3 1/3 0 20/3
a3 0 1 1 0 0 1 10
Realizando operaciones
VB w x1 x2 s1 e2 a2 a3 valor prueba
w 1 2/3 0 0 1/3 -4/3 0 10/3
s1 0 5/12 0 1 1/12 -1/12 0 7/3 28/5
x2 0 1/3 1 0 -1/3 1/3 0 20/3 20
a3 0 2/3 0 0 1/3 -1/3 1 10/3 1/5
170
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
VB w x1 x2 s1 e2 a2 a3 valor
w 1 2/3 0 0 1/3 -4/3 0 10/3
Ing. Rodrigo Sempértegui Álvarez
VB w x1 x2 s1 e2 a2 a3 valor
w 1 0 0 0 0 -1 -1 0
s1 0 0 0 1 -1/8 1/8 -5/8 1/4
x2 0 0 1 0 -1/2 1/2 -1/2 5
x1 0 1 0 0 1/2 -1/2 3/2 5
171
II. Modelos de Programación Matemática
Programación Lineal
Fase 2
Investigación de Operaciones
x2 0 0 1 0 -1/2 5
x1 0 1 0 0 1/2 5
min z= 2 x1 + 3 x2
restricción (a fin de analizar el caso 1)
s.a. 1/2 x1 + 1/4 x2 ≤ 4
1 x1 + 3 x2 ≥ 36
Ing. Rodrigo Sempértegui Álvarez
x1 + x2 = 10
x1 , x2 ≥ 0
173
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Primera Fase
min w= a2 + a3
1/2 x1 + 1/4 x2 + s1 = 4
Ing. Rodrigo Sempértegui Álvarez
1 x1 + 3 x2 - e2 + a2 = 36
x1 + x2 + a3 = 10
variable w x1 x2 s1 e2 a2 a3 valor
w 1 0 0 0 0 -1 -1 0
s1 0 1/2 1/4 1 0 0 0 4
a2 0 1 3 0 -1 1 0 36
a3 0 1 1 0 0 0 1 10
174
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
s1 0 1/2 1/4 1 0 0 0 4 16
a2 0 1 3 0 -1 1 0 36 12
a3 0 1 1 0 0 0 1 10 10
175
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
VB w x1 x2 s1 e2 a2 a3 valor
w 1 -2 0 0 -1 0 -4 6
Ing. Rodrigo Sempértegui Álvarez
a2 0 -2 0 0 -1 1 -3 6
x2 0 1 1 0 0 0 1 10
176
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
restricciones.
P) Max 40x1 + 60x2
sa: 2x1+2x2 70
x1 + x2 40
x1 + 3x2 90
x1 , x2 0
La solución óptima y el valor óptimo del problema P) esta dada por:
x1 * = 5
x2* = 25
z = v(p) = 2100
178
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
2 1 + 2 + 3 40
21 + 2 + 3 3 60
179
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
D) Min 70 1 + 40 2 + 90 3
Ing. Rodrigo Sempértegui Álvarez
sa: 2 1 + 2 + 3 40
21 + 2 + 3 3 60
1, 2, 3 0
Este problema se conoce como el problema “ Dual” D)
asociado al problema “Primal” P).
180
II. Modelos de Programación Matemática
Programación Lineal
Más generalmente, si el problema primal es:
Investigación de Operaciones
P) n
Max c jx j
j1
n
aij x j bi i 1,2,..., n
Ing. Rodrigo Sempértegui Álvarez
sa :
j1
xj 0 j 1,2,..., m
su dual resulta el problema: m
D) Min bi i
i 1
m
sa : aij i c j j 1,2,..., n
i 1
i 0 i 1,2,..., m
181
II. Modelos de Programación Matemática
Programación Lineal
Lo que se puede expresar en forma matricial como:
Investigación de Operaciones
P) Max cTx
sa: Ax b
x0
Ing. Rodrigo Sempértegui Álvarez
D) Min bT
sa: AT c
0
Si el problema primal corresponde a:
P) Max -cTx
sa: Ax b
x0
Su dual resulta ser:
D) Min -bT
sa: AT c
0
Es decir, el dual del dual es el problema primal
182
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
n m
c x c j x j bi i b T
T
j1 i 1
En particular, si ambas soluciones son los óptimos de sus respectivos
problemas, sus valores óptimos cumplen que :
v(P) v(D)
j1 i1
183
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Además:
i)Si P) es no-acotado entonces D) es infactible.
ii)Si D) es no-acotado entonces P) es infactible.
Ing. Rodrigo Sempértegui Álvarez
D) Max 5 1 + 6 2
sa: 1 + 22 3
21 + 22 4
31 + 2 5
1, 2 0
184
II. Modelos de Programación Matemática
Programación Lineal
1 2 3 4 5
3 3
1 2 1 0 0 3
xB 4 4
Ing. Rodrigo Sempértegui Álvarez
2 2 0 1 0 4
5 5
3 1 0 0 1 5
1 0
-5 -6 0 0 0 0 xD
2 0
Luego la variable entrante a la base es 2 (pues r2<0). Y
calculando Min { 3/2, 4/2, 5/1 } = 3/2, se tiene que sale 3
185
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
1 2 3 4 5 2 3 / 2
½ 1 ½ 0 0 3/2 xB 4 1
5 7 / 2
Ing. Rodrigo Sempértegui Álvarez
1 0 -1 1 0 1
5/2 0 -1/2 0 1 7/2 1 0
xD
-2 0 3 0 0 9 3 0
Luego la variable entrante a la base es 1 (pues r2<0). Y
calculando Min { (3/2)/(1/2), 1/1, (7/2)/(5/2)} = 1, se tiene que
sale 4
186
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
1 2 3 4 5 1 1
Ing. Rodrigo Sempértegui Álvarez
x B 2 1
0 1 1 -1/2 0 1
1 0 -1 1 0 1 5 1
0 0 2 -5/2 1 1 3 0
xD
0 0 1 2 0 11 4 0
188
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 x2 x3 x4 x5
-1 -2 -3 1 0 -5
-2 -2 -1 0 1 -6
3 4 5 0 0 0
189
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
190
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
x1 x2 x3 x4 x5
Ing. Rodrigo Sempértegui Álvarez
0 -1 -5/2 1 -1/2 -2
1 1 1/2 0 -1/2 3
0 1 7/2 0 3/2 -9
191
II. Modelos de Programación Matemática
Programación Lineal
0 1 5/2 -1 ½ 2
1 0 -2 1 -1 1
0 0 1 1 1 -11
192
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
y se cumple: xB 0
1
Si calculamos: xB B b
Las mismas variables básicas lo son también de la nueva solución
óptima, calculada con el nuevo b .
Si lo anterior no se cumple, se puede aplicar el Método Simplex
Dual.
2) ¿ Qué ocurre con la actual solución óptima si se agrega una
nueva variable al problema ?
194
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
195
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
196
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Consideremos :
c j c j j
Ing. Rodrigo Sempértegui Álvarez
j rj c j c j rj
197
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
0
c i c i i cB cB i 1 cB iei
0
198
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
rj rj
Max / yij 0 i Min / yij 0
yij yij
199
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ejemplo:
Ing. Rodrigo Sempértegui Álvarez
xB B1b y se cumple xB 0
201
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Ing. Rodrigo Sempértegui Álvarez
4 10 4 / 15 1 / 15
B B 1
1 40 1 / 150 2 / 75
Intervalo recurso 1:
4 / 15 1 / 15 6000 b1
1 / 150 2 / 75 x 4000 0
20000 4 b1 10000 b1
0 0
15 15 150 150
202
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
1000 b1 16000
Intervalo recurso 2:
4 / 15 1/ 15 6000
1/ 150 2 / 75 x 4000 b 0
2
203
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Variable x1:
Ing. Rodrigo Sempértegui Álvarez
0 D1 2 10 C1* 12
Variable x4:
204
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
Variable x2:
Ing. Rodrigo Sempértegui Álvarez
C2* = C2 + 2 C2 = -20
2 - r2 C2* - 20 - ( 20/3)
C2* - 80/3
Variable x3:
C3* = C3 + 3 C3 = -18
3 - r3 C3* - 18 - ( 10/3)
C3* - 64/3
205
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
J.Jarvis and H.Sherali. John Wiley & Sons, Inc., New York,
Second Edition 1990.
2. Introduction to Linear Optimization, D.Bertsekas and
J.Tsitsiklis. Athena Scientific USA, 1997.
3. Linear Programming, V.Chvátal. W.H. Freeman and
Company, New York, 1983.
4. Linear Programming and Extensions, G. Dantzig.
Princeton University Press, New Jersey, tenth printing, 1993.
5. Introducción a la Programación Lineal y No Lineal,
D.Luenberger. Adisson Wesley Iberoamericana, 1989.
6. Linear and Combinatorial Programming, K. Murty. John
Wiley & Sons, Inc., New York, Second Edition 1976.
7. Model Building in Mathematical Programming, H.P.
Williams. John Wiley & Sons, Inc., New York, 4rd Edition 1999.
206
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Lineal
207
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Temario:
Ing. Rodrigo Sempértegui Álvarez
209
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
210
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
R1 x1≤ 0 ó x1≥1000
R2 x2≤ 0 ó x2≥1000
R3 x3≤ 0 ó x3≥1000
R4 1.5 x1 + 3 x2 + 5 x3 ≤ 6000
R4 30 x1 +25 x2 + 40 x3 ≤ 60000
211
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Restricciones “O”
Ing. Rodrigo Sempértegui Álvarez
212
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
R1 x1 ≤ M1 y1
Ing. Rodrigo Sempértegui Álvarez
1000- x1 ≤ M1(1-y1)
R2 x2 ≤ M2 y2
1000- x2 ≤ M2(1-y2)
R3 x3 ≤ M3 y3
1000- x3 ≤ M3(1-y3)
R4 1.5 x1 + 3 x2 + 5 x3 ≤ 6000
R4 30 x1 +25 x2 + 40 x3 ≤ 60000
x1, x2, x3 ≥ 0
y1, y2, y3 = 0 ó 1
213
Ejemplo de Restricciones “SI ENTONCES”
60000 y oriente 40000. STour debe decidir hacia donde deben enviar los
clientes sus pagos, ya que recibe el 20% de interés anual y desea recibir
los pagos lo más pronto posible. STour considera montar las oficinas para
procesar los pagos en cuatro ciudades Puerto Ayora, Guayaquil, Cuenca y
Puyo. El número promedio de días (a partir del envío del pago) hasta la
liquidación de un cheque y hasta que STour pueda depositar el dinero
Ing. Rodrigo Sempértegui Álvarez
Galápagos 2 6 8 8
Costa 6 2 5 5
Sierra 8 5 2 5
Oriente 8 5 5 2
214
II. Modelos de Programación Matemática
Investigación de Operaciones Programación Entera
215
II. Modelos de Programación Matemática
Programación Entera
FUNCION OBJETIVO
Investigación de Operaciones
Intereses perdidos
Desde Galápagos
Ing. Rodrigo Sempértegui Álvarez
X31+X32+X33+X34=1
X41+X42+X43+X44=1
f=X11 g=-X21-X31-X41
Deberá incluirse las dos restricciones:
X11≤M(1-y) X21+X31+X41≤My
220
II. Modelos de Programación Matemática
Programación Entera
Funciones lineales por partes
Investigación de Operaciones
Supongamos que una función lineal por partes tiene los puntos de
ruptura b1,b2,…bn. Para algún k (k=1,2,3…n-1), bk ≤ x≤ bk+1.
Entonces, para algún número zk (0 ≤ zk ≤1) se puede escribir x
Ing. Rodrigo Sempértegui Álvarez
como:
x= zk bk+(1-zk)bk+1
Ya que f(x) es lineal para bk ≤ x≤ bk+1 , podemos escribir como:
f(x)=zk f(bk)+(1-zk) f(bk+1 )
Paso 1: donde se presenta f(x) remplazar por
z1f(b)+z2f(b2)+z3f(b3)…..znf(bn)
Paso 2: añadir las siguientes restricciones:
z1≤y1, z2≤y1+y2 , z3≤y1+y2……. zn-1 ≤yn-2+yn-1, zn ≤1
y1+y2+y3….+yn-1=1
z1+z2+z3….+zn-1=1
X=z1b1+z2b2+z3b3+…….znbn
221
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
222
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
223
II. Modelos de Programación Matemática
Programación Entera
a) Problema de la mochila.
Investigación de Operaciones
224
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Variables de decisión:
1, si se invierte en el proyecto i
xi con i 1,2,3,4
Ing. Rodrigo Sempértegui Álvarez
0, sin o
Función objetivo:
Max 35x1 + 18x2 + 24x3 + 16x4
225
II. Modelos de Programación Matemática
Programación Entera
Restricciones (tres alternativas):
Investigación de Operaciones
226
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
227
II. Modelos de Programación Matemática
Programación Entera
Notar que el conjunto de las soluciones factibles es finito. Esto
Investigación de Operaciones
228
II. Modelos de Programación Matemática
Programación Entera
Tomemos el ejemplo de la mochila dado con anterioridad
Investigación de Operaciones
x1 + x2 + x3 1
- El proyecto 2 no puede ser tomado a menos que el proyecto 3 si
sea tomado: x2 x3
- Se puede tomar el proyecto 3 o 4 pero no ambos: x3 + x 4 1
- No se puede invertir en más de dos proyectos: x1 + x2 + x3 + x4 2
229
II. Modelos de Programación Matemática
Programación Entera
b) Cumplimiento de un subconjunto de las restricciones de un
Investigación de Operaciones
problema.
Consideremos un problema que posee las siguientes restricciones:
12x1 + 24x2 + 18x3 2400
Ing. Rodrigo Sempértegui Álvarez
230
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
231
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
232
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Variables de decisión
Ing. Rodrigo Sempértegui Álvarez
233
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Función objetivo
T
Min st yt pt x t ht It
Ing. Rodrigo Sempértegui Álvarez
t 1
Restricciones
xt + It-1 - It = dt t = 1, 2, ..., T
I0 = inventario inicial
xt Mt yt t = 1, 2, ..., T
Mt = cte. grande
234
II. Modelos de Programación Matemática
Programación Entera
d) Problema de cobertura:
Investigación de Operaciones
235
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Variables de decisión:
1, si se instala el servidor j
xj
0, sin o n
Función objetivo: Min cj xj
j1
xj k 236
j1
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
237
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Variables de decisión:
1, si se abre la planta j
yj
0, sin o
Ing. Rodrigo Sempértegui Álvarez
238
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
Función objetivo:
Min c j y j v j xij
n n m n m
i 1
tij xij
j 1 j 1 j 1 i 1
239
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Restricciones:
1) Demanda cliente i: m
xij di
Ing. Rodrigo Sempértegui Álvarez
i 1
xij M j y j
j1
donde Mj es una constante grande (por ejemplo,
capacidad máxima de producción de la planta j), con xij
0 e yj {0,1}.
240
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Por ejemplo:
PLE) Max cTx
Ing. Rodrigo Sempértegui Álvarez
s.a. Ax=b
x 0, xj entero
El problema PL) corresponde a la relajación continua del
problema PLE), que resulta de eliminar las condiciones de
integralidad de las variables de decisión en PLE).
242
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
243
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
244
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
245
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ejemplo
Ing. Rodrigo Sempértegui Álvarez
PLE) Max x2
s.a. - 2x1 + 2x2 1
2x1 + x2 7
x1 0, x2 0 enteros
246
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
. .
. . .
. . . . x1
3.5
247
II. Modelos de Programación Matemática
Programación Entera
Notar que en el ejemplo la solución óptima puede ser hallada por
Investigación de Operaciones
x2 * = 1 x2* = 1
Esta alternativa de enumeración queda naturalmente restringida a
problemas muy pequeños.
Alternativamente, podemos resolver la relajación continua asociada
al problema PLE). Si la solución óptima de la relajación continua da
una solución entera, esa es la solución óptima no solo del problema
lineal sino que también lo es del problema lineal entero.
En el ejemplo, la solución de la relajación continua es:
x1 = 3/2 x2 = 2
248
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
x2 = 2 x2 = 2
las cuales no son soluciones factibles de PLE), de modo que desde
el punto de vista de una resolución numérica no es suficiente con
resolver la relajación continua.
Todavía podrían resultar soluciones factibles de PLE), pero no
neceasariamente óptimas. Por ejemplo:
PLE) Max f(x1, x2) = x1 + 5x2
s.a. x1 + 10x2 10
x1 1
x1 0, x2 0 enteros
249
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
250
II. Modelos de Programación Matemática
Programación Entera
III.3. Método de Branch and Bound.
Investigación de Operaciones
251
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
3 x2 = 3
3/2
2 x2 = 2
21x1+11x2=39
1 x2 = 1
x1
x1 = 1 x1 = 2
21x1+11x2 7x1+4x2=13 252
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
Paso 0
Ing. Rodrigo Sempértegui Álvarez
x1 = 13/7
P0) Relajación continua
x2 = 0
-< z 39
Ing. Rodrigo Sempértegui Álvarez
P0 z = 39
P1) Max 21x1 + 11x2
x11 x12
x1 = 1 s.a. 7x1 + 4x2 13
x2 = 3/2
P1 P2 x1 1
z = 37.5 x1 0
x22 infactible
x21 x2 0
x1 = 1 x1 = 5/7 P2) Max 21 x1 + 11x2
x2 = 1 P11 P12 x2 = 2 s.a. 7x1 + 4x2 13
z = 32 z = 37 x1 1
x11 x2 1
x1 = 0
x2 = 13/4 x1 0
P121 P122
z = 35.75 x2 0
x24 infactible De donde 32 z 39
x23
x1 = 0
x2 = 3 P1211 P1212 Solución óptima
z = 33 infactible x1* = 0; x2* = 3; z = 33 255
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
256
II. Modelos de Programación Matemática
Programación Entera
Investigación de Operaciones
257
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Temario:
Ing. Rodrigo Sempértegui Álvarez
258
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
259
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
260
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
En este ejemplo:
xi es la cantidad de recursos asignados al producto i, con i = 1,2,3,4.
s.a:
x1 + x2 + x3 + x4 75.000
xi 0; i = 1, 2, 3, 4, 5.
261
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
ym
y2
y1
x1 x2 xm
262
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
i) h (x) = a0 + a1 x
ii) h (x) = a0 + a1 x + a2 x2
iii) h (x) = a0 + a1 x a2
iv) h (x) = a0 e a1x
v) h (x) = a0 + a1 x + a2 ea3x
vi) h (x) = a0 + a1 ln(x)
263
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
m m
Min F(a) = i e(x i , a)2= i i
( y h( x i )) 2
i1 i1
264
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
h(x)= a0 + a1x
ym
y2
y1
x1 x2 xm
265
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
m
yi
Ing. Rodrigo Sempértegui Álvarez
a0
i1 m
m
yi x i
a 1 i1m
2
xi
i 1
266
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
c) Localización de instalaciones.
Una compañía petrolera desea construir una refinería que
recibirá suministros desde tres instalaciones portuarias,
Ing. Rodrigo Sempértegui Álvarez
Puerto B
40
30 Puerto C
Puerto A
30 80
267
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
268
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Puerto B
Puerto C
Refinería
Puerto A
269
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
270
II. Modelos de Programación Matemática
Programación No - lineal
Sea xi el porcentaje de inversión del instrumento i en la cartera, con
Investigación de Operaciones
271
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
272
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
273
II. Modelos de Programación Matemática
Programación No - lineal
IV.2. Propiedades básicas de los problemas de programación
no-lineal.
Investigación de Operaciones
s.a.
Min f(x) = (x - 1) (x - 2) (x - 3) (x - 4) (x - 5)
s.a: 1x5
Ing. Rodrigo Sempértegui Álvarez
x+
275
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
f(x,y) = -4x3 + 3x - 6y
Ing. Rodrigo Sempértegui Álvarez
276
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
f(x,y) = x2 - 4x - 2y
Ing. Rodrigo Sempértegui Álvarez
277
II. Modelos de Programación Matemática
Programación No - lineal
Existen resultados que garantizan la existencia y unicidad de la
Investigación de Operaciones
278
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Lineal a
tramos
f(y)
f(x)
x y
279
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
280
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
y y
x
x
Es convexo No es convexo
281
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
282
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
283
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
284
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
286
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Gráficamente,
también
podemos
Ing. Rodrigo Sempértegui Álvarez
observar la
presencia de
divesos mínimos
locales en un
problema no
lineal.
287
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
288
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
289
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
6x1
f ( x ) 2
2
3 x 3 x 2
6 0
D f (x )
2
0 6 x 2 3
290
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
6 0
D f (x )
2
0 6 x 2 3
sólo es positiva definida en x* = (0,1), de modo que x* es un
mínimo local del problema.
291
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
292
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
unidimensional).
Decimos que un vector d IRn es una dirección de descenso de la
función f en el punto x+ ssi la derivada direccional de f en x+ en la
dirección d, es negativa:
x2
f(x)
d x+
-f(x)
Z=20
Z=10 x1
293
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
294
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
295
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
2
297
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
298
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
299
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
f(xk)
Ing. Rodrigo Sempértegui Álvarez
Iteración k f(xk)
1 (0.00,3.00) 52.00 (-44.00,24.00)
2 (0.67,0.33) 3.13 (-9.39,-0.04)
3 (1.11,0.56) 0.63 (-2.84,-0.04)
4 (1.41,0.70) 0.12 (-0.80,-0.04)
5 (1.61,0.80) 0.02 (-0.22,-0.04)
(-0.07, 0.00)
6 (1.74,0.87) 0.05 (-0.0003,-0.04)
8 (1.83,0.91) 0.0009
300
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
P) Min f(x)
s.a. g1(x) = b1
g2(x) = b2
g m(x) = bn mn
gi(x) = bi i = 1, 2, ..., m
301
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
302
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
303
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Ejemplo:
Min x12 x 22
Ing. Rodrigo Sempértegui Álvarez
sa : x1 x 2 4
x1
x IR 2
2
Buscamos la solución óptima usando las
condiciones de optimalidad:
305
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
h1(x ) x1 x 2 4
Ing. Rodrigo Sempértegui Álvarez
f (x ) x12 x 22 ;m 1
f (x ) (2x1, 2x 2 )T 0 0
h1( x )
0 0
2 0 0 0
D f (x )
2 D h( x )
2
0 0
0 2
306
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
2x1 + λ1 = 0
2x2 + λ1 = 0
x1 + x2 - 4 = 0 ( Factibilidad)
0 2 1 0 0 0 2
es positiva definida.
Notar que en x* se tiene: m
f (x ) *i hi (x * )
*
i1
4 4 T 41 1T
308
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
309
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
gi(x^) = bi ; i = 1, 2, ..., m
Ing. Rodrigo Sempértegui Álvarez
hr(x^) dr ; r = 1, 2, ..., l
con j { r / hr(x^) = dr }
310
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
de Karush-Kuhn-Tucker (KKT)).
Suponga que las funciones f, g1, ..., gm, h1, ..., hl
son continuamente diferenciables. Sea x^ un
punto regular de P) y mínimo local del problema,
entonces existen multiplicadores de lagrange: 1, 2
, ..., m y m1 , m2 , ..., ml 0 :
m l
f (x ) i gi (x ) m r hr (x ) 0
^ ^ ^
i 1 r 1
m r (hr (x ^ ) dr ) 0 ; r 1, 2, ..., l
311
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
313
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
314
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
317
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
318
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
P) Min f(x)
s.a. Ax = b
x0
x0
o equivalentemente, eliminando los
términos constantes, se puede considerar
el problema:
PLk) Min f(xk)x
s.a. Ax = b
x0
320
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
321
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
322
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
323
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
324
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
Ejemplo.
Min x12 – 5x1 + 2x22 – 8x2
Ing. Rodrigo Sempértegui Álvarez
325
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
326
II. Modelos de Programación Matemática
Programación No - lineal
Investigación de Operaciones
327
Investigación de Operaciones III. Programación Dinámica
Contenidos
Ing. Rodrigo Sempértegui Álvarez
328
Investigación de Operaciones III. Programación Dinámica
como no lineales.
La programación dinámica es útil para resolver un problema
donde se deben tomar una serie de decisiones interrelacionadas.
A diferencia de la P.L., la programación dinámica no tiene
formulación matemática estándar. Se trata de un enfoque de tipo
general para la solución de problemas, y las ecuaciones se
derivan de las condiciones individuales de los mismos.
329
Investigación de Operaciones III. Programación Dinámica
El problema de la diligencia
Un cazafortunas desea ir de Missouri a California en una
Ing. Rodrigo Sempértegui Álvarez
330
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
III. Programación Dinámica
331
Investigación de Operaciones III. Programación Dinámica
332
III. Programación Dinámica
Formulación
Sea Xn ( n = 1,2,3,4 ) las variables que representan el destino
inmediato en la etapa n.
A → X1 → X2 → X3 → X4 Donde X4 = J
Sea fn (S, Xn) el costo total de la mejor política global para las etapas
restantes, dado que el agente se encuentra en el estado S, listo para
iniciar la etapa n y se dirige a Xn como destino inmediato.
333
III. Programación Dinámica
334
III. Programación Dinámica
Etapa n=4
Investigación de Operaciones
f5*(J) = 0
Ing. Rodrigo Sempértegui Álvarez
335
III. Programación Dinámica
Etapa n=3
Investigación de Operaciones
336
III. Programación Dinámica
Etapa n=2
Investigación de Operaciones
337
III. Programación Dinámica
Etapa n=1
Investigación de Operaciones
338
III. Programación Dinámica
339
III. Programación Dinámica
Características de la P.D.
Investigación de Operaciones
340
III. Programación Dinámica
Características de la P.D. cont….
Investigación de Operaciones
Donde:
N: Número de etapas
n: etiqueta para la etapa actual (n=1,2,3,…N)
Sn: Estado actual para la etapa n
Xn: Variable de decisión para la etapa n
341
III. Programación Dinámica
Características de la P.D cont….
Investigación de Operaciones
342
Investigación de Operaciones III. Programación Dinámica
343
Investigación de Operaciones
Ing. Rodrigo Sempértegui Álvarez
INTRODUCCIÓN
Investigación de Operaciones
simplex.
| * 1..n
c i
i max ci
i 1.. n
i
con la restricció n
v V
i
i
Knapsack problem-De la
mochila
Investigación de Operaciones
la mochila
xi toma el valor de n0 en caso contrario.
Así: max ci xi
i 1
v x
i 1
i i V
xi 0,1 i 1..n
Investigación de Operaciones
Problema de la mochila
Para el problema de la mochila el número de
Ing. Rodrigo Sempértegui Álvarez
Problemas P
Aquellos para los cuales se conocen algoritmos que
Ing. Rodrigo Sempértegui Álvarez
Problemas NP
Aquellos para los cuales no se conoce un algoritmo
Ing. Rodrigo Sempértegui Álvarez
polinomial de resolución.
No son algorítmicamente resolubles eficientemente.
P es un subconjunto de NP:
P NP
Investigación de Operaciones
Problemas NP-completos
La mayoría de problemas de interés empresarial son
Ing. Rodrigo Sempértegui Álvarez
NP-completos.
HEURÍSTICAS
Del griego heuriskein que significa encontrar.
Ing. Rodrigo Sempértegui Álvarez
HEURÍSTICAS
Definición:
Ing. Rodrigo Sempértegui Álvarez
HEURÍSTICAS
Ventajas:
Ing. Rodrigo Sempértegui Álvarez
HEURÍSTICAS
No es posible conocer la calidad de la solución.
Ing. Rodrigo Sempértegui Álvarez
TIPOS DE HEURÍSTICAS
MÉTODOS CONSTRUCTIVOS
MÉTODOS DE DESCOMPOSICIÓN
Ing. Rodrigo Sempértegui Álvarez
MÉTODOS DE REDUCCIÓN
MÉTODOS
Añaden
CONSTRUCTIVOS
paulatinamente componentes
individuales a la solución, hasta que se obtiene
Ing. Rodrigo Sempértegui Álvarez
APLICACIÓN A UN PROBLEMA DE
PROGRAMACIÓN LINEAL MIXTA.
Investigación de Operaciones
MÉTODOS DE REDUCCIÓN
Identificanalguna característica que
presumiblemente deba poseer la solución
Ing. Rodrigo Sempértegui Álvarez
óptima.
Investigación de Operaciones
entorno.
CRITERIO DE PARADA
DESCENSO
En cada iteración se pasa de una solución actual
a una de su entorno que sea mejor que ella,
Ing. Rodrigo Sempértegui Álvarez
OPTIMOS LOCALES.
EJEMPLO DE FUNCIÓN
Investigación de Operaciones
Solución inicial
Óptimo local
Recocido Simulado
Recocer:
Ing. Rodrigo Sempértegui Álvarez
Recocido Simulado
La evolución de un sólido en el baño térmico puede ser
simulado mediante el algoritmo de la Metrópolis, basado
Ing. Rodrigo Sempértegui Álvarez
Algoritmos genéticos
“Técnicas de búsqueda basadas en la mecánica de la
Ing. Rodrigo Sempértegui Álvarez
Algoritmos genéticos
En los algoritmos biológicos, la información
Ing. Rodrigo Sempértegui Álvarez
Algoritmos genéticos
Los alelos pueden representar valores de las
Ing. Rodrigo Sempértegui Álvarez
Búsqueda Tabú
Los orígenes de la búsqueda tabú se ubican a
fines de los 60s y principios de los 70s.
Ing. Rodrigo Sempértegui Álvarez
GRASP
aparecieron en los últimos años del siglo pasado es
GRASP.
Ing. Rodrigo Sempértegui Álvarez
Enlace Sináptico
Enlace de Activación
Enlace de Transferencia
Redes Neuronales
Investigación de Operaciones