Académique Documents
Professionnel Documents
Culture Documents
on a la IO
Formulaciones de programaci
on lineal
Resoluci
on por ordenador (Excel)
Prof. Jos
e Ni
no Mora
Investigaci
on Operativa, Grado en Estadstica y Empresa, 2011/12
Esquema
Investigaci
on operativa
Formulaciones de programaci
on lineal (PL)
Ejemplos de formulaciones de PL
Resoluci
on mediante hojas de c
alculo (Excel)
Temario y bibliografa b
asica
Temas:
1. Tema 1: Programaci
on lineal
2. Tema 2: Programaci
on entera
3. Tema 3: Flujo en redes y optimizaci
on combinatoria
4. Tema 4: Teora de colas
5. Tema 5: Simulaci
on
Bibliografa b
asica: ver p
ag. web
Transparencias de clase, y apuntes del profesor
H.A. Taha, Investigaci
on de Operaciones
F.S. Hillier & G.J. Lieberman, Introducci
on a la
Investigaci
on de Operaciones
Investigaci
on Operativa (IO)
Es la ciencia e ingeniera de las decisiones: ver
www.scienceofbetter.org
Interdisciplinar: Inform
atica, Matem
aticas, Gesti
on de
Empresas, Ingenieras, Economa, . . .
Origen: Investigaci
on en operaciones militares de las
fuerzas aliadas durante la 2GM; despu
es, extensi
on a la
empresa y al sector p
ublico
Cuantitativa: Basada en modelos matem
aticos, resueltos
por ordenador
Evoluci
on: Ligada a la de los ordenadores
Metodologa IO: sistema real formulaci
on del modelo
an
alisis y algoritmos resoluci
on num
erica por ordenador
interpretaci
on implementaci
on sistema real
El valor a
nadido de la IO
Mejora del rendimiento de sistemas tecnol
ogicos y
empresas
Mejora de la asignaci
on de recursos
Mejora de la planificaci
on: de operaciones, t
actica y
estrat
egica
Aplicaciones reales de la IO
Ver: www.informs.org/Prizes/EdelmanPrizeDetails.html
Asignaci
on din
amica de turnos de trabajo en British
Telecom
Asignaci
on de tripulaciones en Continental Airlines
Planificaci
on de la cadena de suministro en IBM
Mejora del rendimiento de centros de atenci
on telef
onica
(call centers)
Mejora de operaciones de reparto postal en UPS
Programaci
on lineal (PL)
Clase m
as importante de problemas de optimizaci
on
Base para la resoluci
on de otros problemas de optimizaci
on
Uno de los modelos matem
aticos m
as aplicados
Caractersticas:
1. Variables de decisi
on continuas: x = (x1 , . . . , xn ) Rn
2. Objetivo lineal: min
o max c1 x1 + + cn xn
3. Restricciones lineales: para i = 1, . . . , m ,
ai1 x1 + + ain xn = bi
o ai1 x1 + + ain xn bi
o ai1 x1 + + ain xn bi
Ej: planificaci
on de la producci
on
Una empresa fabrica: Producto 1 (Pr1) y Producto 2
(Pr2)
Utiliza materias primas (recursos): M1 y M2
Datos:
Pr1
Pr2
Disponible/da (tons)
M1
24
M2
Beneficio/ton (ke)
M
as restricciones:
Demanda de Pr2: Demanda/da para Pr2: 2 tons.
Diferencia: producci
on Pr2 - producci
on Pr1 1
Ej (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
Producci
on/da de Pr1 y Pr2:
x1 , x2
2. Objetivo:
maximizar beneficio/da:
max 5x1 + 4x2
3. Restricciones:
uso de M1:
6x1 + 4x2 24
uso de M2:
x1 + 2x2
demanda de Pr2:
x2
x2
x2
diferencia: x1 +
no negatividad:
x1 ,
Resoluci
on con ordenador (Excel)
Excel incluye el complemento Solver (activarlo en
Herramientas/Complementos)
El Solver de Excel resuelve problemas de PL
Una de las herramientas m
as difundidas de resoluci
on de
modelos de optimizaci
on: hojas de c
alculo (ej. Excel)
Tambi
en: modelizaci
on con hojas de c
alculo (no
algebraica)
Principios de modelizaci
on con hojas de c
alculo:
Separar los datos del modelo
Seguir un formato bien estructurado y f
acil de entender
Veremos numerosos ejemplos durante el curso
Ej: planificaci
on de la producci
on (general)
Prn
Disponible/da
M1
..
.
a11
..
.
..
.
a1n
..
.
b1
..
.
Mm
am1
amn
bm
c1
cn
Beneficio/unidad (e)
Ej (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
Producci
on/da de Prj :
xj ,
j = 1, . . . , n
2. Objetivo:
maximizar beneficio/da:
max c1 x1 + + cn xn
3. Restricciones:
uso de Mi : ai1 x1 +
no negatividad:
+ain xn bi ,
i = 1, . . . , m
0,
j = 1, . . . , n
xj
Soja
proporci
on requerida
Protenas
0,09
0,60
30 %
Fibra
0,02
0,06
5%
coste (e/kg)
0,30
0,90
Ej: (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
proporci
on de maz ( x1 ) y soja ( x2 ) en la mezcla/kg
2. Objetivo:
minimizar coste/kg:
mn 0,3x1 + 0,9x2
3. Restricciones:
x1 +
x2
protenas: 0,09x1 +
0,6x2
total:
=1
0,3
x1 ,
x2
10
n!
3,6 106
100
9,33 10157
1000
4,02 102567
Explosi
on combinatoria: no es posible evaluar todas las
combinaciones
Ej: Formulaci
on de PL
1. Variables de decisi
on: xij = proporci
on del tiempo de la
persona i asignado a la tarea j
2. Objetivo: mn
n
n
cij xij
i=1 j=1
Restricciones:
A: Cada persona i asignada:
n
xij = 1,
i = 1, . . . , n
j=1
n
xij = 1,
j = 1, . . . , n
i=1
C: No negatividad: xij 0, i, j = 1, . . . , n
# variables: n2 ; # restricciones: 2n
A. Saud Venezuela
requerido/da
Gasolina
0,3
0,4
2000
Fuel de avi
on
0,4
0,2
1500
Lubricantes
0,2
0,3
500
Disponible/da
9000
6000
coste (e/barril)
20
15
C
omo satisfacer los requisitos a coste mnimo?
Ej: (cont.)
Formulaci
on de PL:
1. Variables de decisi
on:
miles de barriles de A. Saud ( x1 ) y de Venezuela ( x2 )
refinados/da
2. Objetivo:
minimizar coste/da:
min 20x1 + 15x2
3. Restricciones:
x1
disponible Venezuela:
no negatividad:
x1 ,
9
x2
x2