PROGRAMACION ENTERA La programacin entera es programacin lineal con la restriccin adicional de que los valores de las variables de decisin

sean enteros. Esta se divide en tres rangos: Programacin Entera pura: Donde todas las variables de decisin tienen valores enteros. Programacin Entera Mixta: Donde algunas de las variables de decisin tienen valores enteros. Las dems cumplen con la suposicin de divisibilidad. Programacin Entera Binaria: Donde se utiliza variables binaria

Casos de la Programacin Entera En algunos casos se requiere que 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 esta 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. Aplicaciones La programacin lineal constituye un importante campo de la optimizacin por varias razones, muchos problemas prcticos de la investigacin de operaciones pueden plantearse como problemas de programacin lineal. Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en el desarrollo de las

matemticas lo suficientemente importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las ideas de programacin lineal han inspirado muchos de los conceptos centrales de la teora de optimizacin tales como la dualidad, la descomposicin y la importancia de la convexidad y sus generalizaciones. Del mismo modo, la programacin lineal es muy usada en la microeconoma y la administracin de empresas, ya sea para aumentar al mximo los ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc. Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin de agua.

Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con afluencias caracterizadas por corresponder a una determinada frecuencia.

Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras hidrulicas;

Solucin de problemas de transporte.

Ejemplo ste es un caso curioso, con solo 6 variables (un caso real de problema de transporte puede tener fcilmente ms de 1.000 variables) en el cual se aprecia la utilidad de este procedimiento de clculo.

Existen tres minas de carbn cuya produccin diaria es:

La mina "a" produce 40 toneladas de carbn por da; La mina "b" otras 40 t/da; y, La Mina "c" produce 20 t/da. En la zona hay dos centrales termoelctricas que consumen:

La central "d" consume 40 t/da de carbn; y, La central "e" consume 60 t/da Los costos de mercado, de transporte por tonelada son:

De "a" a "d" = 2 monedas De "a" a "e" = 11 monedas De "b" a "d" = 12 monedas De "b" a "e" = 24 monedas De "c" a "d" = 13 monedas De "c" a "e" = 18 monedas

Si se preguntase a los pobladores de la zona cmo organizar el transporte, tal vez la mayora opinara que debe aprovecharse el precio ofrecido por el transportista que va de "a" a "d", porque es ms conveniente que los otros, debido a que es el de ms bajo precio. En este caso, el costo total del transporte es:

Transporte de 40 t de "a" a "d" = 80 monedas Transporte de 20 t de "c" a "e" = 360 monedas Transporte de 40 t de "b" a "e" = 960 monedas Total 1.400 monedas.

Sin embargo, formulando el problema para ser resuelto por la programacin lineal se tienen las siguientes ecuaciones:

Restricciones de la produccin:

Restricciones del consumo:

La funcin objetivo ser: La solucin de costo mnimo de transporte diario resulta ser:

Xb-d = 40 resultando un costo de 12 x 40 = 480 monedas Xa-e = 40 resultando un costo de 11 x 40 = 440 monedas Xc-e = 20 resultando un costo de 18 x 20 = 360 monedas Total 1.280 monedas. 120 monedas menos que antes.

PROGRAMACION PARAMETRICA El anlisis de sensibilidad requiere el cambio de un parmetro a la vez en el modelo original para examinar su efecto sobre la solucin ptima. Por el contrario, la programacin lineal paramtrica (o programacin paramtrica en forma ms corta) se refiere al estudio sistemtico de los cambios en la solucin ptima cuando cambia el valor de muchos parmetros al mismo tiempo, dentro de un intervalo. ste estudio proporciona una extensin muy til al anlisis de sensibilidad; por ejemplo, se puede verificar el efecto de cambios simultneos en parmetros "correlacionados", causados por factores exgenos tales como el estado de la economa. Sin embargo, una aplicacin ms importante es la investigacin de los trueques entre los valores de los parmetros.

La tcnica algortmica para programacin lineal paramtrica es una extensin natural del anlisis de sensibilidad, por lo que tambin est basada en el mtodo simplex.

Casos En algunos casos, el propsito del estudio es determinar el trueque ms apropiado entre dos factores bsicos como costos y beneficios. la forma usual de hacerlo es expresar uno de estos factores en funcin objetivo (como minimizar el costo total) e incorporar el otro a las restricciones (por ejemplo, beneficio >= nivel mnimo aceptable).

Ejemplo Si los valores de CJ representan la ganancia unitaria de las actividades respectivas, es posible aumentar el valor de alguna CJ a costa de disminuir el de otras mediante un intercambio apropiado de personal y equipo entre las actividades. De manera parecida, si los valores de BI representan las cantidades disponibles de los respectivos recursos, es imposible aumentar alguna BI si se est de acuerdo en disminuir algunas otras.

PROGRAMACION DINAMICA Muchos problemas de programacin matemtica determinan soluciones que repercuten en la formulacin de los problemas a resolver en el prximo periodo o etapa. Una alternativa es construir un nico modelo completo que tenga un gran conjunto de variables indexadas por etapas e internalizar las relaciones entre etapas como una restriccin del problema. Sin embargo esto pude agrandar mucho el tamao del problema. Surge as Programacin Dinmica (PD) como una alternativa de descomposicin en que resolvemos subproblemas ms pequeos y luego los ligamos. As, programacin dinmica consiste en solucionar el presente

suponiendo que en cada etapa futura siempre se tomaran las decisiones correctas. Para que un problema pueda ser resuelto con la tcnica de programacin dinmica, debe cumplir con ciertas caractersticas: Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapas. Cada etapa tiene un nmero de estados asociados a ella. La decisin ptima de cada etapa depende solo del estado actual y no de las decisiones anteriores. La decisin tomada en una etapa determina cual ser el estado de la etapa siguiente. Ejemplo Consideremos el problema de la mochila (Knapsack Problem), el cual consiste encontrar un subconjunto de productos que echar en una mochila de modo de maximizar el beneficio y respetar la capacidad de la mochila.

Modele dicho problema con la tcnica de programacin dinmica, describiendo las etapas del problema, las variables de estado y las ecuaciones recursivas que definen la formulacin. Solucin Decisiones: donde cada viene dado por:

Etapas:

En la etapa i se decide el valor de

Estado de la etapa : Espacio disponible en la mochila. Si esta decidido el valor de dado por el lado derecho de la restriccin de capacidad viene . Como en la etapa no

conocemos el valor (Supondremos que los

vamos a tomar como son enteros).

Con esto, debemos tratar de construir las ecuaciones de recurrencia. Para ello definimos:

Y tambin:

Notamos que en cada etapa tendremos distintos problemas dependiendo del espacio disponible con que lleguemos a la etapa. Estos problemas son muy fciles de resolver pues en cada problema puede haber 2 casos posibles: a) Si la capacidad disponible al llegar a la etapa es menor que el

espacio que ocupa el producto

que estamos decidiendo si echar o no, no y el espacio disponible .

tendremos mas remedio que no echar el producto

para la siguiente etapa ser la misma con la que llegamos a esta etapa

b)

Si la capacidad disponible al llegar a la etapa es mayor que el

espacio que ocupa el producto que estamos decidiendo si echar o no, deberemos comparar las siguientes 2 alternativas: 1. Echar el producto perdiendo capacidad para la prxima etapa. 2. No echar el producto manteniendo la misma capacidad actual para la prxima etapa. Finalmente, la ecuacin de recurrencia viene dada por:

PROGRAMACION GRAFOS REDES En teora de grafos, mucha de la investigacin realizada en sus inicios fue motivada por intentos para probar el teorema de los cuatro colores, el cual fue probado ms de cien aos despus de su inicial descripcin. No obstante, el nacimiento del concepto GRAFOS se puede situar, por el ao 1730, cuando Euler (matemtico) se convirti en el padre de la Teora de Grafos al modelar un famoso problema no resuelto, llamado el "problema de los puentes de Knigsberg". Casos de la Programacin Entera Un ro con dos islas atraviesa la ciudad. Las islas estn unidas, entre si con las orillas, a travs de siete puentes. El problema consista en establecer un recorrido que pasara una y solo una vez por cada uno de los siete puentes, partiendo de cualquier punto y regresando al mismo lugar.

Para probar que no era posible, Euler sustituy cada zona de partida por un punto y cada puente por un arco, creando as un grafo, el primer grafo, diseado para resolver un problema.

Mostrar que el problema no tiene solucin equivale a mostrar que el grafo no puede ser recorrido segn criterios determinados.

Problema genrico: dado un grafo (con mltiples lneas entre pares de puntos) encontrar un camino que recorra el grafo pasando por cada arista exactamente una vez. Solucin: El grafo debe se conexo, y en cada punto deben incidir un nmero par de lneas. Esta condicin es suficiente para definir lo que se llama un ciclo euleriano. A partir de Euler el modelado mediante grafos fue desarrollando esta metodologa hasta convertirse en la actualidad, en una herramienta de trabajo para ciencias tan diferentes como la Fsica, la Qumica, la Sicosociologa, la Economa, la Lingstica, etc. La teora de grafos est ntimamente relacionada con varias ramas de la Matemticas como por ejemplo la Teora de Conjuntos, el Anlisis Numrico, Probabilidad, Topologa, etc. y es la base conceptual en el tratamiento de problemas combinatorios. La eficacia de los grafos se basa en su gran podero de abstraccin y la muy clara representacin de cualquier relacin (de orden, precedencia, etc) lo que facilita enormemente tanto la fase de modelado como de resolucin del problema. Gracias ala Teora de Grafos se han desarrollado una gran variedad de algoritmos y mtodos de resolucin eficaces que nos permiten tomar una mejor decisin. No se debe confundir el grafo con el sistema real al que est asociado. El grafo es una estructura que admitimos adecuada en lo concerniente a las propiedades que nos interesan, donde luego aplicamos las deducciones y reglas matemticas para obtener datos y poder decidir.

Aplicaciones Una aplicacin frecuente de la teora de grafos es la del mtodo de camino hamiltoniano ptimo para decidir el camino a seguir por un cobrador, de tal modo de economizar sus energas, las suelas de sus zapatos y su bolsillo.

Ejemplo El objetivo es hallar un camino que pase por todos las casas una y solo una vez y que nos de el costo menor en distancia. Dicho de otro modo, se deben buscar las permutaciones de las casas de forma tal que la distancia recorrida total sea mnima. Se conoce la distancia entre cada par de casas, segn si las calles son flechadas o no se orientarn o no las conexiones entre pares de casas. Obsrvese que si se hicieran todas las

permutaciones, suponiendo un caso muy reducido de diez casas, se tendran ms de 3 millones de

permutaciones (10!).Si cada casa es representada por un vrtice y cada camino entre par de casas por una arista ponderada por la distancia mnima entre pares de casas, tendremos un grafo completo y simtrico (cuando no hay calles flechadas).El problema se reduce entonces, a obtener un camino hamiltoniano ptimo. Todo algoritmo conocido para encontrar ciclos hamiltonianos requiere al menos un tiempo exponencial de clculo, o factorial en el peor de los casos. Otro ejemplo para el que grafos provee un natural modelo matemtico: Supongamos que el siguiente grafo representa una red de lneas de telfonos (o de comunicaciones). Estamos interesados en la vulnerabilidad respecto a interrupciones accidentales. Problema 1: identificar esas lneas y centros de conexiones que deben permanecer en servicio para evitar la desconexin de la red. No existe ninguna lnea que eliminada desconecte el grafo (red), pero hay un vrtice, el vrtice d, cuya desaparicin (ruptura) desconecta el grafo.

Problema 2: encontrar un conjunto minimal de aristas necesarias para conectar los 6 vrtices. Hay varios conjuntos mnimos posibles. Uno de ellos es el conjunto minimal: {(a, b), (b, c), (c, d), (d, e), (d, f)}. Podemos enunciar el siguiente resultado general: dado un grafo G de n vrtices, el conjunto mnimo de conexin de G (si existe) siempre tiene n1 aristas.

REFERENCIAS BIBLIOGRFICAS

http://www.investigacion-operaciones.com/Curso_inv-Oper_carpeta/Clase17.pdf http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal#Programaci.C3.B3n_e ntera http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal_param%C3%A9trica http://www.andrew.cmu.edu/user/mgoic/files/documents/optimization/pdinamica. pdf http://es.wikipedia.org/wiki/Matem%C3%A1ticas_discretas http://es.scribd.com/doc/2107225/investigacion-operaciones-todo

INTRODUCCION

Los cambios revolucionarios originaron gran aumento en la divisin de trabajo y la separacin de las responsabilidades administrativas en las organizaciones. Sin embargo esta revolucin creo nuevos problemas que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchos de los componentes a convertirse en imperios relativamente autnomos, con sus propias metas y sistemas de valores. Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos, proporcionaron el surgimiento de la Investigacin de Operaciones. La Investigacin de Operaciones aspira determinar la mejor solucin (optima) para un problema de decisin con la restriccin de recursos limitados. En la Investigacin de Operaciones se utilizan distintas herramientas que permiten tomar una decisin a la hora de resolver un problema tal es el caso de las programaciones, las cuales se emplean segn sea la necesidad.

REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN UNIVERSITARIA INSTITUTO UNIVERSITARIO POLITCNICO SANTIAGO MARIO EXTENSIN C.O.L. CABIMAS

PROGRAMACIONES

Autores:Colina Eunices CI: 20.621.688 Marcano Yeraldin CI: 21.043.870 Morles William CI: 20.744.861 Profesor: Jos Len

Cabimas Enero 2012.