EII 450

Investigacin Operacional II
2 semestre 2010
Captulo II:
Problemas en Redes con Cargo Fijo

El Problema del Diseo de Redes

Comenzaremos revisando un problema de redes
ms complejo que el PFMC, pero que lo utiliza
como estructura base.
Por otra parte, nos permitir formular otros
problemas de relevancia en investigacin
operativa.
Adems de decidir cmo enviar carga entre un
conjunto de orgenes (nodos oferta) hacia un
conjunto de destinos (nodos demanda), por medio
de nodos de transferencia...
Se debe decidir qu arcos construir.
Ejemplos...
2

El Problema del Diseo de Redes

Adems de los costos de transporte (unitarios),
Se asume un costo fijo de instalacin de cada arco
(i,j), Fij.
En caso de construir un arco existir una
capacidad qij.
A?
N?

El Problema del Diseo de Redes

b1<0

b1>0

Xij , Zij
Cij , Fij

6
4

b1<0

El Problema del Diseo de Redes

b1<0

b1>0

6
4

b1<0

Cul ser el objetivo (f.o.) de este problema?

Cul de las soluciones expuestas ser la mejor?
Cmo elegir y buscar la mejor solucin?
5

El Problema del Diseo de Redes

Un modelo de optimizacin para este problema es el
siguiente:

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

Que pasa si Fij = 0, qij = n-1 y

El Problema del Diseo de Redes

El modelo anterior es un problema entero mixto
(variables enteras y variables continuas).
Los algoritmos vistos hasta el momento se basan en
uso de Simplex y en las caractersticas de una solucin
bsica en los diferentes casos
Simplex est enfocado en problemas lineales...
Cmo podemos resolver este nuevo problema?
Pensemos en el uso de Branch&Bound o Ramificacin &
Acotamiento.
Este mtodo comienza con la resolucin de la relajacin
lineal (RL) del problema entero original (PE)
Luego, eligiendo una variable cuyo valor es fraccionario,
8
se ramifica en dos subproblemas...

Diseo de Redes y B&B

Qu variables son las que definen las
ramificaciones?
Qu implica resolver cada nodo o sub-problema?
Se comienza resolviendo la relajacin lineal del
problema: Min
C X +
F Z

( 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

El Problema del Diseo de Redes

En este caso, para una solucin se debe cumplir:

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

Como resolver este

sub-problema para
cada nodo del B&B?
qu implica ramificar
una variable?

X ij qij
X ij 0

10

El Problema del Diseo de Redes

Siempre agregaremos restricciones del tipo:
Zij >=1
Zij <=0
En realidad tenemos:
Zij =1
Zij =0

De algn modo, en cada ramificacin

estamos eliminando un arco potencial, o
bien instalando un arco (costo hundido)
11

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)

yij Capij xij

( i, j ) A

yij 0, xij {0,1}

( i, j ) A

( 2)
( 3)

j / ( i , j ) A

j / ( j ,i ) A

y ji = b ( i )

Qu restricciones hacen difcil este problema?

a qu otros problemas se parece?
sabemos resolver estos otros problemas?
12

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)

yij Capij xij

( i, j ) A

yij 0, xij {0,1}

( i, j ) A

( 2)
( 3)

j / ( i , j ) A

j / ( j ,i ) A

y ji = b ( i )

Como son los respectivos valores ptimos, comparados

con el valor ptimo del problema original? y entre s?
cmo son las soluciones de los problemas relajados?

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

Supongamos que si las restricciones Bxd NO existieran,

el problema sera fcil (o ms fcil) de resolver
(cmo es en el ejemplo anterior...?)
14

Relajacin Lagrangeana
z* = min c x
T

s.a.

Es fcil.....

+ P(Bx > d )

Ax b
x 0 entero

Cmo aseguramos el cumplimiento de

Bx d

Podramos penalizar el incumplimiento de la restriccin

Se introduce el concepto de penalizacin
15

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...

La idea es penalizar con informacin DUAL

16

Relajacin Lagrangeana
Consideremos un problema general de optimizacin:

min
s.a.

f ( x)
g i ( x) 0 i = 1,..., m
x K.

Donde f y gi son funciones reales en Rn y K es un

conjunto que especifica eventualmente otras
restricciones (integralidad, capacidad, continuidad de
flujos, etc.).

17

Relajacin Lagrangeana
Recordemos la funcin Lagrangeana del problema se
define como:
m

L ( x , ) = f ( x ) + i g i ( x ).
i =1

Las variables se llaman

MULTIPLICADORES DE LAGRANGE.
El PROBLEMA PRIMAL es:

El PROBLEMA DUAL es:

18

Nociones Generales Dualidad

Es fcil probar que el problema primal es, de hecho,
exactamente el problema original.
Teorema dbil de dualidad: w z
Bajo qu condiciones w* = z*?
Teorema:
Si las funciones son convexas, el conjunto K es
convexo y ambos problemas son factibles, entonces
z = w.

19

Nociones Generales Dualidad

Y si no hay convexidad
puede ocurrir que w < z y aparece lo que se conoce
como un SALTO DE DUALIDAD (Duality Gap).
Qu pasa en programacin entera?
Nuestros problemas no son convexos
Existe este Duality Gap
Utilizaremos una penalizacin lagrangeana,
naturalmente basada en la funcin lagrangeana
asociada a las restricciones relajadas

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 ( )
*

Que podemos concluir?

22

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

Aplicacin a Diseo de Redes

Volvamos al problema de diseo de redes

min

fij xij +

yij

( i , j )A

s.a :

( i , j )A

tij yij
i N

(1)

yij Capij xij

( i, j ) A

yij 0, xij {0,1}

( i, j ) A

( 2)
( 3)

j / ( i , j ) A

j / ( j ,i ) A

y ji = b ( i )

25

Aplicacin a Diseo de Redes

Relajando (1)

( ) = min
s.a :

( i , j )A

f ij xij +

( i , j )A

tij yij +

yij Capij xij

( i, j ) A

yij 0, xij {0,1}

( 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

yij 0, xij {0,1}

tij yij +

y ji = b ( i )

i N
( i, j ) A
26

Aplicacin a Diseo de Redes

Cmo se resuelve cada subproblema?

( ) = min
( )

s.a :

( ) = min
0

s.a :

( i , j )A

f ij xij +

(t

( i , j )A

ij

+ i j ) yij

yij Capij xij

( i, j ) A

yij 0, xij {0,1}

( i, j ) A

(f

( i , j )A

j / ( i , j ) A

ij

ij Capij ) xij +

yij

j / ( j ,i ) A

yij 0, xij {0,1}

(t

( i , j )A

y ji = b ( i )

ij

+ ij ) yij

i N
( i, j ) A

Qu relajacin es mejor? qu significa mejor?

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

El problema del Diseo de Redes

Caso Multi-Commodity
Ahora existen diferentes productos (K en total) a
ser transportados sobre la red, considerando arcos
comunes.
En cada nodo puede existir una oferta (demanda)
para cada producto k.
cul es la condicin de borde de este problema?
Existe una capacidad comn para cada arco en
volumen (m3), en caso de ser instalado.
En caso de ser construido, un arco permitir
transportar flujo de cualquier producto k.
Ofertas y demandas en unidades (pallets)
Costos de transporte por unidad de peso (ton)

31

El problema del Diseo de Redes

Caso Multi-Commodity
Formulacin Matemtica
Min

( 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

El problema del Diseo de Redes

Caso Multi-commodity
Resolucin mediante relajacin lagrangeana
qu restriccin es la que ms molesta?
qu pasa si la eliminamos?
Min

( 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

El problema del Diseo de Redes

Caso Multi-commodity
Un enfoque es incorporar de manera penalizada la
restriccin relajada, en la F.O. del problema
K

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