ALUMNA: Ana Cecilia Hinojosa lvarez

MATRICULA: 215042
MATERIA: investigacin de operaciones
MAESTRA: Sandra Snchez
FECHA: 26/11/2016
 Tarea 5

Investigacin de operaciones

Descripcin

Contesta lo siguiente:

-Define la programacin entera.

Existen mltiples aplicaciones de modelos de Programacin Entera como apoyo a

la toma de decisiones. Algunas aplicaciones tpicas son problemas de localizacin
de instalaciones, inclusin de costos fijos, problemas de asignacin, problemas de
ruteo vehicular La solucin ptima se componga de valores enteros para algunas
de las variables. La resolucin de este problema se obtiene analizando las
posibles alternativas de valores enteros de esas variables en un entorno alrededor
de la solucin obtenida considerando las variables reales. Muchas veces la
solucin del programa lineal truncado est lejos de ser el ptimo entero, por lo que
se hace necesario usar algn algoritmo para hallar esta solucin de forma exacta.
El ms famoso es el mtodo de 'Ramificar y Acotar' o Branch and Bound por su
nombre en ingls. El mtodo de Ramificar y Acotar parte de la adicin de nuevas
restricciones para cada variable de decisin (acotar) que al ser evaluado
independientemente (ramificar) lleva al ptimo entero.

-Menciona los modelos de programacin entera.

Existen mltiples aplicaciones de modelos de Programacin Entera como apoyo a
la toma de decisiones. Algunas aplicaciones tpicas son problemas de localizacin
de instalaciones, inclusin de costos fijos, problemas de asignacin, problemas de
ruteo vehicular, etc.
Problema Asignacin: Una universidad est programando las clases para el
prximo semestre acadmico y requiere buscar la mejor asignacin posible de
profesores a los distintos cursos que se deben dictar. Considere que existen 5
profesores: A, B, C, D, E y 5 cursos (asignaturas): C1, C2, C3, C4, C5.
Adicionalmente, los profesores han manifestado sus preferencias por dictar los
distintos cursos en una escala de 1 a 10, donde 10 es la mxima puntuacin y 1 la
mnima puntuacin o preferencia. Se asume que cada profesor es apto para dictar
cualquier curso, independiente del puntaje de su preferencia. La siguiente tabla
resume las puntuaciones que asigna cada profesor a cada curso:
Problema Inclusin Costos Fijos: Usted ha sido designado por el gerente de su
empresa para decidir cmo distribuir su trfico telefnico en el prximo mes,
seleccionando entre 3 proveedores posibles y asignando la cantidad de trfico
(minutos) que desee en cada caso, es decir, puede repartir el trfico en 1, 2 o 3
proveedores a su antojo y su decisin slo depender de los costos de cada
alternativa.

-Explica el mtodo de acotar y ramificar.

El mtodo ms conocido y eficaz hasta el momento es el Branch & Bound (acostar

y Ramificacin). Este mtodo resuelve inicialmente el problema sin considerar las
restricciones de nmeros enteros. Luego se selecciona una de las variables que
debe ser entera agregando dos nuevas restricciones: la primera impone una upper
bound (cota superior) a la variable seleccionada restringiendo su valor de a lo ms
la parte entera de su valor actual la segunda impone una lower bound (cota
inferior) a la variable seleccionada restringiendo su valor de al menos la parte
entera de su valor actual ms 1.

Obviamente ninguna de esas restricciones es satisfecha por el problema actual.

Se crean entonces dos nuevos problemas de programacin lineal (llamados
ramas) y se resuelven. Uno agrega la restriccin de la cota superior y el otro
agrega la restriccin de la cota inferior. Se trata de un proceso iterativo el que
contina hasta que se encuentra una solucin entera (si es que la hay).

El algoritmo tiene dos conceptos fundamentales:

1. Si se encuentra una solucin de un subproblema que satisface todas las

restricciones de enteros y ya que esta es una solucin factible del problema
original, el valor de la funcin objetivo es una cota inferior para la solucin
entera ptima.
2. Si se encuentra una solucin a un problema que no satisface una o ms de
las restricciones enteras y ya que agregar restricciones adicionales no
puede mejorar el valor de la funcin objetivo, el valor de esta funcin
objetivo es una cota superior para todos los problemas restantes.

Se usar la siguiente notacin para una rama dada

L: La mejor (ms grande) cota inferior encontrada para el IPL o MILP

Z: El valor de la funcin objetivo del problema que se est considerando (la cota
superior para todos los prximos sub-problemas)
Para comenzar el algoritmo se requiere una cota inferior. Si no hay una solucin
inmediatamente podemos considerar L como menos infinito. El valor inicial de Z es
 el valor de la funcin objetivo del problema relajado (es decir, sin restriccin de
enteros). Luego, si para un sub-problema dado el valor de Z es menor que o igual
que la mejor cota inferior L (o si el subproblema es no-factible), se anula la rama.
El mtodo Branch & Bound est determinado por los siguientes pasos:

1. Resuelva el problema relajado. Si todas las variables tienen valores enteros

esta es la solucin ptima. Si no, asigne menos infinito a L.
2. Seleccione el siguiente subproblema a resolver con el mayor valor de Z.
3. Seleccione la primera variable entera Xj que tiene actualmente un valor no
entero. Cree un nuevo subproblema agregando la restriccin Xj I + 1. Si
esta rama ya ha sido evaluada, cree un nuevo subproblema agregando una
restriccin Xj I.
4. Resuelva el nuevo subproblema.

SI ENTONCES
El problema no es factible Anule la rama
El valor de Z L Anule la rama
Anule la rama

El problema es una solucin y Z > L Cambie el valor de L por Z

Anule las ramas con Z<L

El problema no es solucin y Z>L Este es un nuevo problema

5. Si quedan subproblemas, volver al paso 2. Si no hay subproblemas entonces

la solucin ptima es el valor de L.
6. Los siguientes restricciones: Xj < = Xj* y Xj > = Xj* + 1. Vuelva al paso 1.

-Explica el mtodo de planos cortantes.

Es el conjunto de puntos que constituyen las soluciones enteras factibles del

problema relajado debe ser acotado
Funciona resolviendo un programa lineal no entero, despus comprobando si la
optimizacin encontrada es tambin una solucin entera. Si no es as, es aadida
una nueva restriccin que corta la solucin no entera pero no corta ningn otro
punto de la regin factible. Esto se repite hasta que se encuentra la solucin
entera ptima. Interpretacin geomtrica, una restriccin es equivalente a un
hiperplano, permitiendo solo soluciones en uno de los lados del plano.
-Define el algoritmo aditivo de Balas.

Podramos decir que Si todas las variables fueran no negativas, concluiramos que
la solucin binaria toda cero es ptima. Sin embargo, debido a que algunas de las
variables son no factibles (negativas), necesitamos elevar una o ms variables
binarias al nivel 1 para lograr la factibilidad (o concluimos que el problema no tiene
una solucin factible). La elevacin de una (o de algunas) de las variables binarias
cero al nivel 1 ocurre en el algoritmo aditivo una a la vez. La variable elegida se
llama variable de ramificacin y su seleccin se basa en el empleo de pruebas
especiales.
Las candidatas para la ramificacin son x1, x2 y x3. Sin embargo la elevacin
cualquiera de stas variables al nivel 1 empeorar el valor de z en relacin a la
cota superior actual z=3. Por consiguiente, todas las variables candidato se
excluyen y el nodo 3 se sondea.

Despus, en el nodo restante 4, definido por x5 = x4 = 0 tenemos:

(s1, s2, s3)= (1,-2,-1), z=0

Las variables x5 y x3, se excluyen por medio de la prueba de la cota superior.

(Observe que tambin se puede excluir debido a que no reduce la factibilidad de la
holgura). La variable faltante x2 no puede ser excluida por la cota superior o por la
promesa de factibilidad. Por tanto x2 es la variable de ramificacin.

La figura 9-12 muestra la adicin de los nodos 5 y 6 que emanan el nodo 4. en el

nodo 5 tenemos:

(s1, s2, s3)= (2,-2,5), z=2

Y x1 y x3 como las candidatas a la ramificacin. La variable x1 se excluye por

medio de la prueba de la cota superior y x3 se excluye por medio de las pruebas
tanto de la factibilidad de la holgura como de la cota superior. Esto significa que el
nodo 5 se sondea. El nodo 6 tambin es sondeado debido a que ni x1 ni x3
pueden producir una mejor solucin factible.
Ahora que se han sondeado todos los pendientes en la anterior figura y termina
el algoritmo de R y A la solucin ptima est asociada con el nodo 1, es decir, x5
= 1, z = 3 y todas las dems variables son cero. En trminos de las variables
originales, la solucin es y1= y2=1 y y3= y4= y5= 0 con w=5.

La figura anterior muestra que, mientras ms pequeo es el nmero de

ramificaciones conducentes a un nodo sondeado, ms eficiente es el algoritmo.
Por ejemplo, el nodo 1 se define fijando una ramificacin (x5=1) y su sondeo
implica automticamente de 25-1 = 16 soluciones binarias (todas aquellas que
tienen x5=1). A la inversa, el nodo 3 se define fijando dos variables binarias y su
sondeo implcitamente implica de 25-1=8 soluciones binarias nicamente.

http://html.rincondelvago.com/algoritmo-aditivo-de-balas.html

http://ccu.mx/antologias/administracion/4/Investigacion%20de%20Operaciones.pdf

http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/Exe_nuevo/leccin_
9_mtodo_de_ramificar_y_acotar.html