5.

1 Introduccin y casos de aplicacin La programacin lineal entera se ocupa bsicamente de programas lineales en los que algunas o todas las variables suponen valores enteros o discretos. Se dice que la PLE es mixta o pura si alguna o todas las variables estn restringidas a tomar slo valores enteros. Aunque se han creado varios algoritmos para la programacin entera, ninguno de ellos es totalmente confiable desde el punto de vista del clculo, sobre todo, cuando el nmero de variables enteras se incrementa. La dificultad de clculo con los algoritmos disponibles para la programacin entera ha conducido a los usuarios a buscar otros medios para resolver el problema. Uno de tales medios es resolver el modelo como un problema lineal continuo y luego redondear la solucin ptima a los valores enteros factibles ms cercanos. Sin embargo, en este caso no hay garanta de que la solucin redondeada satisfaga las restricciones. Esto es siempre cierto si la programacin entera original tiene una o ms restricciones de igualdad. Segn la teora de programacin lineal, una solucin redondeada en este caso no puede ser factible, ya que significa que la misma base (con todas las variables bsicas a nivel cero) puede generar dos soluciones distintas. La infactibilidad creada por redondeo puede tolerarse ya que, en general, los parmetros de los problemas no son exactos. Pero existen restricciones de igualdad caractersticas en los problemas enteros donde los parmetros son exactos. La restriccin de eleccin mltiple x1+x2++xn=1 , donde xj=(0,1) para toda j, no es sino un ejemplo. En tales condiciones el redondeo no puede utilizarse y ser esencial contar con un algoritmo exacto. Para destacar adems lo inadecuado del redondeo, observe que aunque las variables enteras comnmente se piensa que representan un nmero discreto de objetos (por ejemplo, mquinas, hombres, barcos), otros tipos representan cuantificaciones de algunos cdigos. Por consiguiente, una decisin para financiar o no un proyecto puede representarse por una variable binaria x=0 si el proyecto se rechaza, x=1 si el proyecto se acepta. En este caso no tiene sentido tratar con valores fraccionarios de x, y el uso del redondeo como una aproximacin lgicamente es inaceptable. 5.2 Definicin y Modelos de Programacin Entera (PE) Un modelo de Programacin Entera (PE) permite abordar aplicaciones donde la solucin tiene sentido si una parte o todas las decisiones toman valores restringidos a nmeros enteros. Por ejemplo, consideremos que tenemos el siguiente problema de programacin lineal: Max cTx s.a. Ax=b x0 Si todas las variables restringen sus valores a nmeros enteros, entonces estamos frente a un modelo de PE pura; por el contrario si al menos algn conjunto de variables no est acotado a adoptar valores o nmero enteros, se trata de un PE mixta.

Parte del problema de la programacin entera radica en la diferencia esencial que existe entre este y la programacin lineal. En la programacin lineal se maximiza o minimiza una funcin sobre una regin de factibilidad convexa, mientras que en la programacin entera se maximiza una funcin sobre una regin de factibilidad que generalmente no es convexa. Por lo tanto, la solucin de problemas enteros, es de muchos rdenes de magnitud ms complicada que la programacin lineal. A continuacin se presentan los tres problemas de estructura entera: 1. Problema entero (PE) Opt Z=cX sujeto a AXb X0, entero 2. Problema entero mixto (PEM) Opt Z=cX+dY sujeto a AX+BYb X0 Y0, entero 3. Problemas entero cero uno (PECU) o problema binario (PB) Opt Z=cX sujeto a AXb X=0 1 Estos tres tipos de problemas requieren de tcnicas especiales de solucin, ya que los mtodos de solucin de los programas lineales (simplex, dual simplex, revisado, etc.), por lo general, no trabajan en estos casos. En efecto, dado el siguiente problema entero: Mx Z= X1+3X2 sujeto a X11.87 22X1+34X2105 X10, X20 X1,X2 enteros Si se resuelve por el mtodo simplex, ignorando las restricciones enteras, se obtiene la solucin X1=1.87, X2=1.87, Z=7.5. Redondeando al entero ms cercano quedara X1=2, X2=2, Z=2. Sin embargo, esta solucin viola las restricciones, porque: X1=21.87

El tratar de redondear al entero inmediato menor o mayor crea el problema combinatorio, de que si hay n variables de decisin, se deben analizar las 2n diferentes posibilidades. As, si hay 100 variables, el nmero de posibilidades a analizar es del orden de 1.2610030. Por lo tanto se requieren tcnicas ms eficientes que el anlisis exhaustivo de todas las alternativas posibles. Se hace notar que si al resolver un PE, por medio de alguna tcnica de programacin lineal, el resultado ptimo del PL (generado por el PE, al ignorar las restricciones de integralidad de las variables del mismo) es entero, entonces, es tambin una solucin ptima del problema entero original PE. A continuacin se ve qu variedad de problemas caen dentro de esta familia de Problemas Enteros: a. Todos los problemas de programacin lineal, donde las actividades, por su estructura deben se no divisibles, son Programas Enteros. Por ejemplo, problemas de produccin de automviles, prendas de vestir, etc. Qu significado tendra la produccin de 577.83 automviles? b. Todos los problemas de transporte, asignacin y redes de optimizacin, son Problemas Enteros. Sin embargo, dada la estructura tan especial de estos problemas, tienen mtodos de solucin propios. c. Problemas de secuenciacin. Este tipo de problemas, aunque son fciles de formular, resultan bastante difciles de resolver. Se supone, por ejemplo, el caso de un taller que puede efectuar un solo tipo de trabajo a la vez (orden i), el que se tiene contratado a entregar en gi das, a partir de una cierta fecha base, y que adems tiene una duracin de trabajo de di(di>0) das y al cual se asocia una multa de pi pesos por da de retraso despus de los gi das estipulados. Se supone que el taller recibe n rdenes diferentes de trabajo en la fecha base. Cul debe ser el orden de secuenciacin de trabajos que minimice el costo penal total? Sin entrar en mucho detalle en la formulacin de este problema, se puede demostrar que el siguiente modelo del tipo cero uno o binario, resuelve este problema de secuenciacin. Sea Yi,t una variable de decisin definida de la siguiente manera: 1, si el trabajo i se completa al finalizar el periodo t, 0, si el trabajo i no se completa al finalizar el periodo t, Yi,t Y sea: T=i=1ndi d. El problema del agente viajero. Este problema concierne a un agente viajero que, saliendo de una determinada ciudad, debe visitar una sola vez n-1 ciudades diferentes, y regresar al

punto de partida. Si el costo de dirigirse a la ciudad j desde la ciudad i es cij (cijcji), se debe determinar la secuencia de visita de ciudades, tal que el costo total asociado sea mnimo. Este problema se present por primera vez en 1960, en un artculo de Miller, Ticker y Zemlin, pero hay una variedad de mtodos que resuelven el problema, dependiendo del tamao de n, el nmero de ciudades. Una formulacin de este problema es la siguiente: Sean: 1, si se visita a la ciudad j despus de visitar la ciudad i 0, si no se visita a la ciudad j despus de visitar la ciudad i. Xij = cij= el costo asociado a la visita de la ciudad j despus de visitar la ciudad i ui= un nmero real arbitrario, Entonces se requiere Mn Z=i=0nj=0ncijXij sujeto a i=0nXij=1, j=0, 1, 2,, n, j=0 nXij=1, i=1, 2, , n. ui-uj+nXijn-1, 1ijn, Xij=0 1 para toda i, j. e. Problema tipo mochila. Este tipo de problemas de optimizacin de carcter entero puede darse en dos versiones. En la primera nos proporciona un cierto espacio con determinado volumen o capacidad, y este debe ser llenado con objetos de valor y volumen o capacidad especificados. El problema consiste en llenar ese espacio con el conjunto de objetos ms valioso, sin exceder los lmites fsicos de dicho espacio. La segunda versin consiste en dividir a un objeto en porciones de diferente valor. El problema consiste en encontrar la divisin de mayor valor. El problema se formula como: Mx Z= i=0nviXi sujeto a i=0nkiXiK Xi0, entero, i=1, 2, , n, Donde: vi: es el valor del objeto i, i =1, 2,, n, ki: es la capacidad o volumen del objeto i, i = 1, 2,, n, K: es la capacidad o volumen del espacio

f. Dicotomas y problemas de aproximacin. Una dicotoma ocurre en un programa matemtico, cuando se tienen condiciones del tipo esta restriccin o la otra restriccin, pero no ambas. Este tipo de condiciones se pueden representar por medio de una estructura entera. Esta situacin puede considerarse como sigue: Sean las m restricciones de la forma: gix1, x2, ,xnbi, i=1, 2, , m Por definicin 0, si la i-sima restriccin es activa 1, si la i-sima restriccin es inactiva yi = Por consiguiente, cualesquiera k de las m restricciones se garantiza que son activas si, para una M suficientemente grande: gix1,x2,,xnbi+Myi, i=1, 2, ,m Y y1+y2++ym=m-k Donde yi=0 1 para toda i. Esto demuestra que para m-k restricciones, su segundo miembro asociado ser de la forma bj+M, lo cual hace la restriccin redundante. Es importante notar que la formulacin anterior elegir el conjunto de restricciones activas que proporcionen el mejor valor de la funcin objetivo. 5.3 Mtodo de Ramificar y Acotar En la PL, el mtodo simplex se basa en aceptar que la solucin ptima ocurre en un punto extremo del espacio de soluciones. Este poderoso resultado reduce la bsqueda dela solucin ptima de un nmero infinito a un nmero finito de soluciones posibles. Por otra parte, la PE comienza con un nmero finito de puntos solucin. Sin embargo, la naturaleza entera hace difcil disear un algoritmo eficaz que localice los puntos enteros factibles del espacio de soluciones. En vista de esta dificultad, los investigadores han creado un espacio de solucin que se basa en el gran xito obtenido al resolver problemas de PL. La estrategia de este procedimiento se puede resumir en tres pasos: 1. Relajar el espacio de soluciones del problema entero, ignorado las restricciones enteras por completo. Este paso convierte el PE en un PL regular. 2. Resolver el modelo de PL relajado e identificar su punto ptimo (continuo). 3. Comenzando con el punto ptimo continuo, agregar restricciones especiales que fuercen iterativamente el punto extremo ptimo del modelo PL resultante, hacia las restricciones enteras deseadas. La razn para comenzar la bsqueda del PE ptimo en el PL ptimo continuo es que existe la

posibilidad de que ambas soluciones resulten cercanas entre s, y que de esta manera aumente la posibilidad de localizar rpidamente la solucin entera. La caracterstica principal del procedimiento propuesto es que resuelve problemas sucesivos de PL, que son ms accesibles desde el punto de vista del clculo que los problemas de PE. Existen dos mtodos para generar las restricciones especiales que fuercen la solucin ptima del problema PL relajado, hacia la solucin entera deseada: * Mtodo de Ramificar y Acotar * Mtodo del Plano de Corte Mtodo de Ramificar y Acotar Considere el siguiente problema de PE: Mx Z=5x1+4x2 Sujeto a x1+x25 10x1+6x245 x1,x20 y entero El procedimiento R y A se basa en tratar slo con el problema de PL. Como la solucin ptima PL (x1=3.75, x2=1.25,z=23.75) no satisface la necesidad de valores enteros, el algoritmo de R y A exige modificar el espacio de soluciones PL en forma tal, que nos permita identificar, finalmente, la solucin ptima de la PE. En ausencia del espacio grfico de soluciones, no tenemos manera de determinar dnde puede encontrarse la solucin ptima, por lo que nuestra nica opcin es investigar ambos problemas. Hacemos esto trabajando con un problema a la vez (PL1 o PL2). Supongamos que escogemos arbitrariamente al PL1. En efecto debemos resolver el siguiente problema: Mx Z=5x1+4x2 Sujeto a x1+x25 10x1+6x245 x1 3 x1,x20 LP0 1 x1=3.75,x2=1.25,z=23.75 2 x1=3,x2=2, z=23 3 LP2 LP1 x14

x13 Cota inferior (ptima)

Como se indic antes, el PL1 es el mismo que el PL0 con la restriccin adicional de acotamiento superior, x13. As, podemos aplicar el algoritmo primal de acotamiento superior para resolver el problema. Esto da la nueva solucin: x1=3,x2=2 y z=23. Como esta solucin satisface el requisito de valor entero, se dice que el PL1 est agotado, vaco, lo que significa que el PL1 no puede producir ninguna solucin mejor del PE y no necesita investigarse ms a fondo. Determinar una solucin factible entera en una etapa temprana de los clculos es crucial para incrementar la eficiencia del algoritmo R y A. Tal solucin fija una cota inferior al valor objetivo ptimo del problema PE, que a su vez, se puede usar para descartar automticamente cualesquiera subproblemas no explorados que no dan una mejor solucin entera. En trminos de nuestro ejemplo, el PL1 produce una cota inferior z = 23. Esto significa que cualquier solucin entera mejorada debe tener un valor de z mayor que 23. Sin embargo, como la solucin de la funcin objetivo son enteros, se infiere que ningn subproblema que proceda del PL0 puede producir un valor de z mejor que 23. En consecuencia, sin ulterior investigacin, podemos descartar al PL2. En este caso se dice que el PL2 est agotado porque no puede dar una mejor solucin entera. Del problema anterior vemos que un subproblema est agotado si satisface una de las siguientes condiciones: 1. El subproblema de una solucin factible entera del problema PLE 2. El subproblema de puede dar una mejor solucin que la mejor cota inferior disponible (valor de z) del problema PE. En nuestro ejemplo, PL1 y PL2 estn agotados por las condiciones 1 y 2, respectivamente. Como no hay ms subproblemas por investigar, el procedimiento termina y la solucin entera ptima del problema PE es la asociada con la cota inferior corriente, esto es, x1=3, x2=2, z=23. Aunque existen muchos mtodos heursticos para aumentar la habilidad del algoritmo R y A de ver adelante y hacer una buena conjetura, respecto a si una rama dada conducir a una solucin mejorada del PE, no existe una teora consistente que produzca resultados concretos uniformes para la solucin del problema general de PE. Resumiremos ahora los pasos del algoritmo R y A. Suponiendo un problema de maximizacin, definimos z como la cota inferior de la solucin entera ptima del problema de PE. Hacemos inicialmente z=- e i = 0.

Paso 1: Agotamiento y ramificacin. Seleccione PLi como el prximo subproblema por investigarse. Resuelva el PLi y trate de agotarlo usando las condiciones apropiadas. a. Si el PLi se declara agotado (solucin inferior, infactible o entera), ponga al da la cota inferior z si se encuentra una mejor solucin del PE; si no es as, seleccione un nuevo subproblema i y repita el paso 1. Si todos los subproblemas se han investigado, detngase; la solucin ptima del PE est asociada con la ltima cota inferior z, en caso de que sta exista. Si no es as, b. si el PLi no est agotado, siga con el paso 2 para efectuar la ramificacin del PLi. Paso 2: Ramificacin. Seleccione una de las variables xj cuyo valor ptimo xj* en la solucin del PLi no satisfaga la restriccin de valor entero. Elimine la regin xj*