Académique Documents
Professionnel Documents
Culture Documents
Investigacin Operacional II
2 semestre 2010
Captulo II:
Problemas en Redes con Cargo Fijo
b1<0
b1>0
Xij , Zij
Cij , Fij
6
4
b1<0
b1>0
6
4
b1<0
Min
( i , j )A
s.a :
Cij X ij +
j / ( i , j ) A
X ij
( i , j ) A
l / ( j ,i ) A
Fij Z ij
X ji = bi
X ij Z ij qij
X ij 0 Z ij {0,1}
( i, j ) A
6
Casos Particulares
n 1
Que pasa si Cij = 0, qij = n-1 y bi =
1
i =1
i 1
n 1
bi =
1
i =1
i 1
( i , j ) A
RL
s.a :
l / ( i , l ) A
ij
X il
ij
( i , j ) A
l / ( l , i ) A
ij
ij
X li = bi
X ij Z ij qij
X ij qij
X ij 0;0 Z ij 1
X ij = Z ij qij
Z ij =
X ij
qij
Reemplazando...
Min
s.a :
Fij
Cij +
qij
( i , j )A
l / ( i ,l ) A
X il
X ij
l / ( l ,i ) A
X li = bi
X ij qij
X ij 0
10
Relajacin Lagrangeana
Pensemos en el problema de diseo de redes
min
f ij xij +
yij
( i , j )A
s.a :
( i , j )A
tij yij
i N
(1)
( i, j ) A
( i, j ) A
( 2)
( 3)
j / ( i , j ) A
j / ( j ,i ) A
y ji = b ( i )
Relajacin Lagrangeana
Qu pasa si eliminamos las restricciones (1)?
Qu pasa si eliminamos las restricciones (2)?
min
fij xij +
yij
( i , j )A
s.a :
( i , j )A
tij yij
i N
(1)
( i, j ) A
( i, j ) A
( 2)
( 3)
j / ( i , j ) A
j / ( j ,i ) A
y ji = b ( i )
13
Relajacin Lagrangeana
La idea fundamental es descomponer el problema de alguna
forma, de modo de simplificar la resolucin.
Comencemos con un problema entero puro:
PE )
z* = min cT x
s.a.
Ax b
Bx d
x 0 entero
Relajacin Lagrangeana
z* = min c x
T
s.a.
Es fcil.....
+ P(Bx > d )
Ax b
x 0 entero
Bx d
Relajacin Lagrangeana
Construyamos el siguiente problema:
z* = min cT x + penalizacion ( x)
s.a.
Ax b
x 0 entero
Donde penalizacion(x) debe cobrar algo por no
satisfacer la restriccin correctamente...
Relajacin Lagrangeana
Consideremos un problema general de optimizacin:
min
s.a.
f ( x)
g i ( x) 0 i = 1,..., m
x K.
17
Relajacin Lagrangeana
Recordemos la funcin Lagrangeana del problema se
define como:
m
L ( x , ) = f ( x ) + i g i ( x ).
i =1
19
20
Relajacin Lagrangeana
La idea es construir un dual de manera inteligente.
Consideremos que K = { x: Ax b }
La funcin lagrangeana es:
L( x, ) = c T x + T ( Bx d )
Definamos el siguiente problema, para 0 fijo:
( ) = min cT x + T ( Bx d )
PR( )
x
s.a.
Ax b
x 0 entero
21
Relajacin Lagrangeana
Cmo es la regin factible de PE) comparada con
la de PR()?
Y qu ocurre con la funcin objetivo?
Se concluye que () z* , para todo 0.
Pensemos en el siguiente problema
PD
w = max ( )
*
Relajacin Lagrangeana
Resolver el dual entrega una COTA inferior al valor ptimo
del problema.
Sin embargo, en general se espera que w* < z* por qu?.
Sea z0 el valor ptimo de la relajacin lineal convencional,
entonces se puede probar que:
z0 w* < z*
Por otra parte, no existe garanta de que se obtenga una
solucin factible, en relacin con las restricciones
relajadas.
De este modo, es usual considerar alguna heurstica simple
para obtener, en cada iteracin del algoritmo, alguna
solucin factible
23
Relajacin Lagrangeana
Funcin
objetivo
z*
w*
iteraciones
24
min
fij xij +
yij
( i , j )A
s.a :
( i , j )A
tij yij
i N
(1)
( i, j ) A
( i, j ) A
( 2)
( 3)
j / ( i , j ) A
j / ( j ,i ) A
y ji = b ( i )
25
( ) = min
s.a :
( i , j )A
f ij xij +
( i , j )A
tij yij +
( i, j ) A
( i, j ) A
Relajando (2)
( ) = min
s.a :
f ij xij +
yij
( i , j )A
j / ( i , j ) A
( i , j )A
j / ( j ,i ) A
tij yij +
y ji = b ( i )
i N
( i, j ) A
26
( ) = min
( )
s.a :
( ) = min
0
s.a :
( i , j )A
f ij xij +
(t
( i , j )A
ij
+ i j ) yij
( i, j ) A
( i, j ) A
(f
( i , j )A
j / ( i , j ) A
ij
ij Capij ) xij +
yij
j / ( j ,i ) A
(t
( i , j )A
y ji = b ( i )
ij
+ ij ) yij
i N
( i, j ) A
27
Optimizacin Dual
Cmo determinamos el valor de ?
La idea es actualizar de algn modo las variables
de penalizacin.
Fijamos algn valor inicial de las penalizaciones
Resolvemos el problema relajado
Observamos si la solucin obtenida respeta o viola la
restriccin relajada:
Si la restriccin est siendo violada...
Si la restriccin est siendo respetada...
Existen mtodos formales para la actualizacin y
optimizacin de las penalizaciones (v. duales)
Revisemos un poco ms en detalle el mtodo...
28
Optimizacin Dual
El problema dual a resolver es
max ( ) = w
0
Y recordemos que
( ) = min c T x + T ( Bx d )
PR ( )
s.a.
Ax b
x 0 entero
29
Optimizacin Dual
El concepto bsico detrs de cualquier mtodo de
optimizacin de ( ) debe considerar lo siguiente:
Si una restriccin esta siendo violada, entonces
la variable dual o penalizacin debe aumentar
(caso minimizacin)
En caso que una restriccin este siendo
respetada (con holgura), entonces la variable
dual o penalizacin debe disminuir (caso
minimizacin)
Los pasos de avance o de actualizacin deben ir
disminuyendo en la medida que se avanza en las
iteraciones...
30
31
( i , j )A
s.a :
Cij X ij +
( i , j )A
Fij Z ij
i N , k = 1,..., K
(1)
( i, j ) A
( 2)
k
Y
ij k Zij qij
( i, j ) A
( 3)
X ij , Yijk 0, Z ij {0,1}
( i, j ) A, k = 1,..., K
l / ( i ,l ) A
Yilk
l / ( l ,i ) A
Ylik = bik
X ij = Yijk k
k =1
k =1
32
( i , j )A
s.a :
Cij X ij +
l / ( i ,l )A
Yilk
( i , j )A
l / ( l ,i ) A
Fij Z ij
Ylik = bik
X ij = Yijk k
i N , k = 1,..., K
( i, j ) A
k =1
Y
k =1
k
ij
k Z ij qij
X ij 0, Z ij {0,1}
( i, j ) A
33
Min
( i , j ) A k =1
s.a :
l / ( i , l ) A
ij
Yilk
Y k +
k
ij
l / ( l , i ) A
( i , j ) A
Ylik = bik
Fij Z ij +
K k
Z
q
ij
ij
k
ij
ij
k =1
( i , j ) A
i N , k = 1,..., K
Yijk 0, Z ij {0,1}
Para valores fijos de las variables de penalizacin el
problema se transforma en...
cmo lo resolvemos?
34