Académique Documents
Professionnel Documents
Culture Documents
Tarea Computacional 1.
Integrantes: Juan Donoso, Aldo Mercandino. Fecha de entrega: lunes 19 de agosto, 2019.
={ }| |
# Conjunto de personas en el equipo.
| |
= # Conjunto de tareas a trabajar.
Con | | ≤ | | ; y | |, | | ≥ 0
ℎ =∑ ∈ ∙ ∀ ∈
Se restringe el problema añadiendo que todas las tareas son asignadas, y que solo hay
una persona por tarea, es decir:
∑ ∈ = 1, ∀ ∈
3. Hay un conjunto ∗ ⊆ de miembros del equipo que son muy listos. Si un miembro
∈ ∗ hace una tarea ∈ , necesita solo /3 horas. Cambie su modelo anterior y
resuelva una instancia aleatoria nueva tal que | ∗ | = 3 para cada instancia creada.
Se harán algunos cambios sobre el modelo creado en la parte 1:
1, .
=
0, .
∀ ∈ . Donde solo hay 3 personas listas. Con lo anterior, las horas que trabajará
cada persona m esta vez serán:
ℎ =∑ ∈ ∙ ) ∙ (1 − ). ∀ ∈ .
∑ ∈ = 1, ∀ ∈
H≥ℎ ∀ ∈
4. Hay un conjunto de trabajos ∗ ⊆ que son muy importantes. Si un miembro del equipo
hace un trabajo así, puede hacer a lo máximo 2 tareas en total. Cambie su modelo de la
parte anterior y resuelva una instancia aleatoria nueva tal que | ∗ | = 5.
Aquí es necesario añadir un parámetro para designar a las tareas importantes, de
manera aleatoria, con solo 5 tareas de esta índole, esto se consigue con el vector
definido como:
1, ∈
=
0, .
Universidad de Chile.
Facultad de Ciencias Físicas y Matemáticas.
Departamento de Ingeniería Industrial.
IN3701: Modelamiento y Optimización.
Primavera 2019
∀ ∈ . Por otro lado, hay que introducir una variable que modele el hecho de si una
persona ∈ hace una tarea importante o no, esto es mediante el vector
siguiente:
1, ∈ ℎ .
=
0, ∈ ℎ .
, ≤ 2 + 100 ∙ (1 − ),∀ ∈
∈
ℎ =∑ ∈ ∙ ) ∙ (1 − ). ∀ ∈ .
H≥ℎ ∀ ∈ , ∈ ℝ ∪ {0}
Y la función objetivo se conserva:
. .= ( )
5. Ahora asumimos que el equipo es dividido en 4 subgrupos tal que hay que asignar
una tarea ∈ a un subgrupo y los miembros de cada subgrupo pueden dividir el
trabajo j en una manera arbitraria entre ellos. Por ejemplo, si una tarea necesita =
4 horas, y el subgrupo tiene 3 miembros, es posible que un miembro trabaje 0.5hrs, un
miembro trabaje 2.5hrs y el tercero una hora en . Si un miembro listo del equipo hace
una fracción de un trabajo , necesita ∙ /3 horas para esto. Cambie su modelo de la
parte 3 y añada los subgrupos a la instancia generada en la parte 4. Tal que cada
subgrupo tenga 5 miembros. Compare el valor de la solución.
En este punto, es necesario reescribir cada modelo por completitud y rigor matemático.
Con la situación planteada, se añade un parámetro de asignación que distribuye a
las personas en los grupos. Es decir, si se parte el conjunto en los conjuntos disjuntos
, donde =∪ , se tiene:
1, ∈
=
0,
∀ ∈ y ∀ ∈ {1,2,3,4}. También se debe asignar las tareas a los grupos, esto se
modela con la matriz de decisión , definida como sigue:
Universidad de Chile.
Facultad de Ciencias Físicas y Matemáticas.
Departamento de Ingeniería Industrial.
IN3701: Modelamiento y Optimización.
Primavera 2019
1, ∈ .
=
0, ∈ .
∀ ∈ y∀ ∈ {1,2,3,4}.
1, ∈ ∈ .
= ∙ =
0, ∈ ∈ .
Esto es así pues solo un valor de la fila m de la matriz = 1. Con esto se completa el
círculo de designación, y además se tiene la fracción de tiempo que trabaja la persona
en cada tarea.
Con todo lo anterior, se pueden modificar los modelos de la parte 3 y 4 reescribiendo las
restricciones, sin pérdida de generalidad:
Para la parte 3, se reemplazan las restricciones por las que siguen, utilizando las
variables y parámetros redefinidas recientemente:
= 1, ∀ ∈
≤ , ∀( , ) ∈ ×
= 1, ∀ ∈
∈
ℎ =∑ ∈ ∙ ) ∙ (1 − ). ∀ ∈ .
H≥ℎ ∀ ∈ , ∈ ℝ ∪ {0}
Y se conserva la definición de la función objetivo:
. .= ( )
Para resolver la modificación de la parte 4 a esta situación, se conservan las
restricciones anteriores y se añaden las siguientes; aunque por supuesto, la definición
de los valores y se conservan:
Universidad de Chile.
Facultad de Ciencias Físicas y Matemáticas.
Departamento de Ingeniería Industrial.
IN3701: Modelamiento y Optimización.
Primavera 2019
≤ , ∙ ,∀ ∈
∈
, ≤ 2 + 100 ∙ (1 − ) ,∀ ∈
∈
Universidad de Chile.
Facultad de Ciencias Físicas y Matemáticas.
Departamento de Ingeniería Industrial.
IN3701: Modelamiento y Optimización.
Primavera 2019
II. Conclusiones.
Si bien no se alcanzó a añadir los resultados, es menester dejar constancia que como herramientas
para análisis ulteriores, se haría necesario tomar valores representativos de cada iteración de los
programas utilizados en cada sección/problema, para luego ser comparados teniendo en cuenta
las condiciones de cada instancia
Estos valores representativos bien pueden ser obtenidos de una cantidad razonable de iteraciones
de cada programa, aprovechando la potencia de la computadora, registrando los índices de
tendencia central en cada iteración, esto es, el rango de horas trabajadas por los miembros del
grupo, el promedio y desviación estándar, como también los promedios globales de cada uno de
ellos. Una tabla tentativa de lo señalado con anterioridad puede ser
N° Iteración ℎ ℎ (ℎ ) . (ℎ )
1
2
3
Promedios
Con estos valores, es posible comparar la conveniencia de distribuir el trabajo como propone cada
sección. Se podría decir, que si el número de iteraciones es comparable en magnitud a la cantidad
de maneras de distribuir las tareas en cada situación, se estaría aplicando el método de
Montecarlo para estudiar la conveniencia de cada situación propuesta.
Las situaciones de cada sección son comparables como sigue:
En la parte 2, se considera a cada estudiante de igual manera.
En las partes 3 y 4, se añade la posibilidad de añadir la variable de tener estudiantes aplicados en
las tareas propuestas, y el factor 1/3 se podría variar en cada estudiante si se quiere tener un
modelo quizás mas adecuado según el historial académico de cada miembro del grupo M, o bien,
utilizar la distribución normal para asignar este factor.
La comparación mas importante esta entre las modificaciones de la parte 5 con su respectiva
sección, 3 o 4. Donde se plantea la posibilidad de que los estudiantes trabajen de manera conjunta
cada tarea y no de manera separada. Se podría argüir que debería ser mejor, sin embargo, como
se planteó anteriormente, lamentablemente esto quedo para análisis ulterior de los resultados.