Académique Documents
Professionnel Documents
Culture Documents
E. A. DE INGENIERÍA QUÍMICA
INVESTIGACIÓN OPERATIVA
DOCENTE : ING. SANCHEZ GUZMAN
CICLO: V
HUACHO – PERÚ 2018
DEDICATORIA
Capítulo I
INTRODUCCIÓN
5
Programación Entera Lineal
Un modelo de programación entera es un modelo que contiene restricciones y una función objetivo
idénticas a las formuladas por planeación lineal. La única diferencia es que una o más de las variables
de decisión tienen que tomar un valor entero en la solución final. Un modelo de programación entera
está definido en esta forma:
Los modelos de programación entera son una extensión de los modelos lineales en
los que algunas variables toman valores enteros. Con frecuencia las variables enteras
solo toman valores en 0-1, ya que este tipo de variables permiten representar
condiciones lógicas.
2. Objetivo General
El objetivo de PLE es saber cómo aplicar los tipos de variables que podrán tenerse,
y métodos que podrían aplicarse para resolver los problemas matemáticos, tanto como
herramientas computacionales para la Gestión de Operaciones.
3. Características
3.1. Atendiendo al tipo de variables:
Enteros puros: son aquellos en que todas las variables únicamente pueden
tomar valores enteros. También se distinguen dentro de estos los problemas
totalmente enteros como aquellos en que tanto las variables como todos los
coeficientes que intervienen en el problema han de ser enteros.
Mixtos: son aquellos en los que hay al mismo tiempo variables continuas y
variables que sólo pueden tomar valores enteros.
Binarios: las variables sólo pueden tomar los valores cero o uno.
3.2. Atendiendo al criterio del tipo de problema:
Directo: Si el problema de decisión involucra variables enteras.
Codificado: Cuando se trata de un problema que contiene además de
aspectos cuantitativos, alguna consideración de tipo cualitativos, y por ello
para tratar este tipo de aspectos se requiere el uso de variable entera o
binaria.
Transformado: Cuando el problema no incluye variables enteras, pero para
ser tratado analíticamente requiere el uso de variable enteras “artificiales”.
7
CAPÍTULO II
4. Tipos
8
4.1. Programación Entera Mixta
Esto suele ser el caso de las compañías de luz, agua, gas, teléfono, entre
otras, donde el sólo hecho de tener una red operativa genera costos para la empresa
los cuales son traspasados en parte o en su totalidad a los usuarios en un cargo fijo o
de mantención más un cargo variable por consumo.
Ejemplo:
Variables de decisión
Función Objetivo
Donde Fi representa el costo fijo mensual asociado a la compañía i y v i el
costo variable por minuto de larga distancia nacional correspondiente a la
compañía i. Para mayor claridad se ha marcado con color amarillo y verde los
elementos de costos fijos y variables (respectivamente) en la función objetivo.
Restricciones
(1) garantiza que se satisfaga el consumo mensual de llamadas.
(2) representa las llamadas que se realizan sólo a través de la(s)
compañía(s) donde se
asume el cargo fijo
mensual.
Ejemplo:
Una ciudad tiene 10 zonas o áreas urbanas cada una de los cuales genera una
determinada cantidad de basura (en toneladas) durante el periodo de
planificación según se describe a continuación:
Variables de Decisión.
Sea i=1,…,10 las Zonas y j=1,…,5 los Depósitos:
11
Función Objetivo
Con el propósito de trabajar con una notación compacta podemos definir el
siguiente conjunto de parámetros para el modelo de optimización:
Restricciones
Ejemplo:
Variables de Decisión.
Función Objetivo
Restricciones
Capacidad Generadores: 14
La cantidad de MW que aporta cada generador al sistema no puede
superar su capacidad máxima disponible (en caso que se emplee) en
cada uno de los períodos de planificación.
Demanda MW:
No Negatividad 15
La cantidad que aporta cada generador en los 2 tramos horarios de 8
horas debe ser mayor o igual a 0 (MW).
4.2. Programación Entera Pura
4.2.1.2. Características
Debe estar equilibrado, es decir, que las ofertas y las demandas sean
igual a 1. Un elemento importante para el problema de asignación es la
matriz de costos. Si el número de renglones o columnas no son iguales
el problema está desbalanceado y se puede obtener una solución
incorrecta. Para obtener una solución correcta la matriz debe ser
cuadrada.
Ejemplo:
Consideremos una empresa que dispone de 5 ingenieros que deben desarrollar 7
proyectos. La tabla a continuación resume el tiempo que demora cada ingeniero
(en horas) en completar un determinado proyecto. El problema consiste en
determinar una asignación óptima que permita realizar cada uno de los proyectos
con la limitante que por motivos estratégicos cada ingeniero debe desarrollar al
menos un proyecto y en ningún caso hacer más de 2 proyectos. Por supuesto se
busca que el tiempo requerido para realizar los 7 proyectos sea el menor posible.
17
Una alternativa
sería buscar intuitivamente una asignación que cumpla con los requisitos de la
empresa y tenga un bajo tiempo asociado. Sin embargo, este tipo de estrategias
de resolución queda claramente acotada a problemas de tamaño menor y ni
siquiera en ese tipo de situaciones nos asegura la mejor solución posible.
Variables de Decisión.
Utilizamos las siguientes variables de decisión binarias.
Función Objetivo
Restricciones
18
Variables de Decisión.
Xi: Número de Rollos cortados bajo el esquema o patrón de corte i (con i=1,
…,15 que representa las distintas combinaciones posibles). 20
Función Objetivo
Restricciones
Variables de Decisión.
Con i=1,2,3,4,5 que representan a Juan Pérez, Pedro Soto, María González,
Luis Toro y Gloria Pérez, respectivamente.
Función Objetivo
Restricciones
23
Pedro Soto sólo asistirá si María González y Luis Toro asisten:
y En este conjunto de restricciones se entiende que si
María González y Luis Toro asisten, Pedro Soto podría asistir. Si al menos
uno de los 2 falta (María o Luis) entonces Pedro no asiste.
No negatividad : yi >= 0 v 1
24
CAPÍTULO III
25
5. Métodos de Programación Entera Lineal
5.1. Método de Plano de Corte
En esta técnica, se resuelve el problema original relajado en el que se
incluyen restricciones adicionales, denominadas cortes de Gomoroy, que reducen la
región factible sin excluir soluciones que cumplen las condiciones de integralidad.
Ejemplo:
Consideremos el problema (P) y su relajación (PR):
(P) mín c´x (PR) mín c´x
Ax = b Ax = b
x ∈ Z+ x≥0
Un algoritmo de plano cortante genérico es el siguiente:
Resolver la relajación lineal (PR). Sea x∗ la solución óptima.
Si x∗ ∈ Z+ terminar, x∗ es el óptimo de (P).
Si no, agregar una restricción a (PR), tal que sea satisfecha por toda
solución entera de (P), pero no por x∗. Volver al paso 1.
Observación: La forma en que se eligen estas restricciones determina la eficiencia
del algoritmo
Ejemplo:
(P) max z = 3x1 − x2
x1 + x2 ≤ 4
x1 − x2 ≤ 3
x1, x2 ∈ Z+
(PR) max z = 3x1 − x2 (PR1) max z = 3x1 − x2
x1 + x2 ≤ 4 x1 + x2 ≤ 4
x1 − x2 ≤ 3 x1 − x2 ≤ 3
x1, x2 ≥ 0 7x1 − x2 ≤ 21
x1, x2 ≥ 0
26
Plano de Corte
27
Ejemplo:
MAXIMIZAR
� = 𝟑�� + 𝟒��
2�1 + �2 ≤ 6
2�1 + 3�2 ≤ 9
�� ≥ 0; 𝑒𝑛𝑡𝑒𝑟�s
Solución
2�1 + �2 ≤ 6 2�1 + 3�2 ≤ 9
C= (3, 3/2)
Resolver las ecuaciones por eliminación:
(-1) 2�1 + �2 = 6 2�1 − �2 = −6
2�1 + 3�2 = 9 2�1 + 3�2 = 9
2�2 = 3
28
SOLUCIÓN ENTERA Z=12; X1=0 X2=3
Cotas
5.3. Método Grafico
Cada una de las ecuaciones que forman un sistema lineal de dos ecuaciones
con dos incógnitas es la de una función de primer grado, es decir, una recta.
El método gráfico para resolver este tipo de sistemas consiste, por tanto, en
representar en unos ejes cartesianos, o sistema de coordenadas, ambas rectas y
comprobar si se cortan y, si es así, dónde. Esta última afirmación contiene la
filosofía del proceso de discusión de un sistema por el método gráfico.
Hay que tener en cuenta, que, en el plano, dos rectas sólo pueden tener tres
posiciones relativas (entre sí): se cortan en un punto, son paralelas o son
coincidentes (la misma recta). Si las dos rectas se cortan en un punto, las
coordenadas de éste son el par (x, y) que conforman la única solución del 29
sistema, ya que son los únicos valores de ambas incógnitas que satisfacen las dos
ecuaciones del sistema, por lo tanto, el mismo es compatible determinado. Si
las dos rectas son paralelas, no tienen ningún punto en común, por lo que no hay
ningún par de números que representen a un punto que esté en ambas rectas, es
decir, que satisfaga las dos ecuaciones del sistema a la vez, por lo que éste
será incompatible, o sea sin solución.
Por último, si ambas rectas son coincidentes, hay infinitos puntos que
pertenecen a ambas, lo cual nos indica que hay infinitas soluciones del sistema
(todos los puntos de las rectas), luego éste será compatible indeterminado.
Ejemplo:
Una compañía de auditores se especializa en preparar liquidaciones y auditorías
de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo
directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.
MAXIMIZAR Z= 300X1+100X2
SUJETO A:
40X1+8X2<=800
10X1+5X2<=320
X2<=60 Xi>=0
30
La solución óptima siempre se encuentra en uno de los vértices del
conjunto de soluciones factibles. Se analizan estos valores en la función objetivo. El
vértice que representa el mejor valor de la función objetivo será la solución óptima.
6. Conclusiones
La programación entera representa problemas donde las variables de decisión son
enteras, lo cual es un caso muy frecuente. 31
A pesar de tener un número de soluciones finitas, los problemas de
programación entera tienen un grado de dificultad considerable, y muchas
veces no existe solución para estos problemas.
La programación entera binaria es una herramienta muy útil en cuanto al
proceso de toma de decisiones de incluir o no cierto elemento.
Bibliografías
https://prezi.com/c7rue5diy7ea/metodo-de-ramificacion-y-acotamiento/
https://sites.google.com/site/metodosdeprogramacionentera/clasificacion
-de-metodos/metodo-grafico
https://www.gestiondeoperaciones.net/programacion-entera/ejemplo-
del-algoritmo-de-branch-and-bound-ramificacion-y-acotamiento/
https://www.gestiondeoperaciones.net/programacion-entera/que-es-la-
programacion-entera/
file:///C:/Users/User/Downloads/prog-entera-lineal.pdf
http://www.redalyc.org/pdf/849/84923878013.pdf
https://www.gestiondeoperaciones.net/programacion-entera/problema-
de-inclusion-de-costos-fijos-en-programac
https://www.gestiondeoperaciones.net/programacion-
entera/formulacion-de-un-problema-de-localizacion-y-transporte-
programacion-entera-mixta/
https://www.gestiondeoperaciones.net/programacion-entera/problema-
de-generacion-electrica-mediante-programacion-entera-mixta/
https://www.gestiondeoperaciones.net/programacion-entera/problema-
de-asignacion-en-programacion-entera-resuelto-con-solver-de-excel/
https://www.gestiondeoperaciones.net/programacion-
entera/formulacion-del-problema-de-corte-de-rollos-en-programacion-
entera/
https://www.gestiondeoperaciones.net/programacion-entera/como-
elegir-los-invitados-de-una-boda-o-matrimonio-con-un-modelo-de-
programacion-entera/
32