INVESTIGACIN DE OPERACIONES II

Programacin Lineal Entera

 INVESTIGACIN DE OPERACIONES II

Logro de sesin:

Al finalizar la sesin el estudiante resuelve problemas de programacin

lineal entera, de una manera lgica y coherente, mediante software de
optimizacin.
 DEFINICION
Un modelo de programacin entera es un modelo que contiene
restricciones y una funcin objetivo idnticas a las formuladas
por planeacin lineal. La nica diferencia es que una o mas de
las variables de decisin tienen que tomar un valor entero en la
solucin final.
 DEFINICION
Cunto y que llevar en mi mochila
de viaje?
 Modelos de programacin entera

El modelo matemtico es el modelo de P.L., pero con algunas

variables enteras
Programacin entera mixta (MIP)
x R+, y Z+
Programacin entera pura (IP)
x Z+
Programacin binaria 0-1 (0-1 MIP, 0-1 IP, BIP)
x {0,1}: variables de asignacin, lgicas
Son problemas ms complicados de resolver que los de P.L.
El primer algoritmo de resolucin se plante en el ao 1958
(Gomory)
 MODELOS DE PROGRAMACION ENTERA

Existen tres tipos de modelos de programacin entera:

Pura Binaria
Mixta
 Programacin Entera Pura

Un modelo entero puro (PLE) es, como su nombre lo indica, un

problema en el que se exige que todas las variables de decisin tengan
valores enteros. Por ejemplo
Min 61 + 52 + 43
s.a. 1081 + 922 + 583 >= 576
71 + 182 + 223 >= 83
x1, x2, x3 >= 0 y enteros

Es un modelo entero puro. Sin las restricciones adicionales de que x1,

x2, x3 sean enteros (o sea las condiciones de integralidad) seria un
problema de programacin lineal
 PROGRAMACION ENTERA MIXTA

Algunas de las variables de decisin tienen valores enteros.

Las dems cumplen con la suposicin de divisibilidad.

Un problema en el que solo se requieren que algunas variables tengan

valores enteros mientras que otras pueden asumir cualquier numero no
negativo (es decir, cualquier valor continuo) se llama programacin lineal
entera mixta (PLEM). Por ejemplo, supngase que en el problema solo x1 y
x2 deben ser enteros y x3 no. El problema resultante es:
PROGRAMACION ENTERA BINARIA

Utiliza variables binarias

 Problemas tpicos

Problema del transporte

Problema de flujo con coste mnimo en red
Problema de asignacin
Problema de la mochila (knapsack)
Problema del emparejamiento (matching)
Problema del recubrimiento (set-covering)
Problema del empaquetado (set-packing)
Problema de particin (set-partitioning)
Problema del coste fijo (fixed-charge)
Problema del viajante (TSP)
Problema de rutas ptimas
Problemas tpicos

Problema del transporte

 Problema del transporte

Minimizar el coste total de transporte entre los centros de

origen y los de destino, satisfaciendo la demanda, y sin
superar la oferta
m n
Min c
i 1 j 1
ij xij
xij: unidades a enviar de origen i a destino j
cij: coste unitario de transporte de i a j
s .a .
ai: unidades de oferta en el punto origen i
m

x
bj: unidades de demanda en el punto destino j
ij b j , j 1..n
i 1
n
Se supone oferta total igual a demanda total
x
j 1
ij ai ,i 1..m

xij 0 , xij Z
 Flujo con coste mnimo en red
Embarcar los recursos disponibles a travs de la red
para satisfacer la demanda a coste mnimo

m n
Min
i 1 j 1
cij xij
xij: unidades enviadas de i a j (flujo)
cij: coste unitario de transporte de i a j
s .a . bi:recursos disponibles en un nodo i
m m oferta: bi>0
x x
j 1
ij
k 1
ki bi , j 1..m demanda: bi<0
transbordo: bi=0
xij 0 , xij Z
Se supone oferta total igual a demanda total
Problema de flujo con coste mnimo en red
 Problemas tpicos

Aplicaciones comunes del problema de flujo con coste mnimo

en red
 Problema de asignacin

Minimizar el coste total de operacin de modo que:

- cada tarea se asigne a una y slo una mquina
- cada mquina realice una y slo una tarea

m n
Min
i 1 j 1
cij xij xij: 1 si la tarea i se hace con la mquina j
cij: coste de realizar la tarea i con mquina j
s .a . n tareas
m

x
m mquinas
ij 1, j 1..n
i 1
Si hay ms mquinas que tareas se formula
n

x
con desigualdades, y se resuelve con tareas
ij 1,i 1..m
ficticias
j 1

xij 0 ,1
Problema de asignacin
 Problema de la mochila

Escoger un grupo de productos que maximice el valor

total sin exceder el espacio disponible

n objetos
Max cjxj
j 1
aj: espacio que ocupa el objeto j
s .a . cj: valor del objeto j
n

a x
j 1
j j b b: volumen de la mochila

x j 0,1 xj: 1 si se escoge el objeto j

Problema de la mochila (knapsack)
 Problema de emparejamiento

Distribuir un conjunto por parejas de tal forma que el valor sea mximo. Si hay
elementos sin pareja: emparejamiento imperfecto. Si estn en dos conjuntos,
emparejamiento bipartito.

2n-1 2n
Max cij xij
i 1 j11 xij=1 si los elementos i y j son pareja
s.a. cij: valor de la pareja i-j
i -1 2n

xki
k 1
xij 1, i 1..2n
j i 1
i<j

xij 0,1
Problema del emparejamiento (matching)
 Problema de recubrimiento

Minimizar el coste de las actividades que en su conjunto cubren todas las

caractersticas al menos una vez

n
Min c j x j m caractersticas
j1 n actividades
s.a.
xj=1 si la actividad j se realiza
n

a x
j1
ij j 1, i 1..m
cj: coste unitario de la actividad j

x j 0,1 aij=1 si la caracterstica i est en la actividad j

A: matriz de incidencia
Problema de recubrimiento (set covering)
 Problema de empaquetado

Maximizar el beneficio total de forma que hay que elegir conjuntos completos de
actividades, y que no se realice una actividad dos veces

n
Min c j x j m actividades
j1 n conjuntos de actividades
s.a.
xj=1 si se elige el subconjunto j
n

a x
j1
ij j 1, i 1..m
cj: beneficio por realizar el conjunto j

x j 0,1 aij=1 si el conjunto j incluye la actividad i

A: matriz de incidencia
Problema de empaquetado (set packing)
 Problema de particin (set partitioning)

Si en el problema de recubrimiento o en el de empaquetado las desigualdades se

cambian por igualdades

n
Min c j x j m actividades
j1 n conjuntos de actividades
s.a.
xj=1 si se elige el subconjunto j
n

a x
j1
ij j 1, i 1..m
cj: beneficio por realizar el conjunto j

x j 0,1 aij=1 si el conjunto j incluye la actividad i

A: matriz de incidencia
 Problema del coste fijo

Decidir la cantidad de cada producto de modo que se minimicen los costes de

produccin y se satisfaga la demanda

n m
Min c j x j f k yk xij: unidades del producto j
j1 k 1 cj: coste unitario de produccin de j
s.a.
yk=1 si se usa la instalacin k
n

x
j1
ij bj fk: coste de arranque de la instalacin k
akj=1 si el producto j usa la instalacin k
n

akj x j M k yk , k 1..m
bj: demanda del producto j
M: nmero lo suficientemente grande
j1

xij 0, yk 0,1
Problema del viajante de comercio (Traveling
Salesman Problem TSP)
Encontrar un circuito que visite exactamente una vez cada ciudad empezando
en la primera y que tenga longitud mnima

Min c
(i, j) A
ij xij
xij=1 si de i va directamente a j
cij: distancia entre i y j
s .a .
A: conjunto de arcos

x
i/(i, j) A
ij 1 ,j V
V: conjunto de nodos

x ij 1,U V / 2 U V 2
x ij 1,i V ( i , j )A / iU , jV U
j/(i, j) A

xij 0 ,1
x ij
( i , j )A / iU , jU
U 1,U V / 2 U V 2
 n
Min c
k 1 (i, j) A
ij xijk

s .a .
n

x
i/(i, j) A k 1
ijk 1,j V

x
j/(i, j) A k 1
ijk 1,i V

x
(i, j) A
ijk 1

x
i/(i, j) A
ijk x
r/(j,r) A
jrk 1 ,j V ,k

xijk 0 ,1
 Problema de rutas
n n m m n
Min c x c x
i 0 j 0
ij
k 1
ijk
k 1
k
j 1
ojk Minimizar el coste total, visitando todos los
clientes
s .a .
n m

x
i 0 k 1
ijk 1, j 1..n
N: clientes
n n M: vehculos
x x
i 0
ijk
i 0
jik 0 ,j ,k
xijk=1 si el vehculo k visita j despus de i
n n

q x
cij: coste unitario de transporte de i a j
i ijk Qk ,k
i 1 j 0
dij: distancia de i a j
n n n n tij: tiempo de i a j
t
i 0 j 0
ij xijk s x
i 1
i
j 0
ijk d 0k r0k ,k
qi: demanda
n si: tiempo de descarga
x
j 1
ojk 1, k 1..m
i: prioridad
m
Qk: capacidad
x
iS jS k 1
ijk S 1,2 S N 2 rok, dok: perodo tiempo disponible
ck: coste fijo por uso
Formulacin con variabl binarias
Restricciones disyuntivas

f ( x) 0 f ( x) f

g ( x) 0 g ( x) (1 ) g
K de N alternativas deben darse
f1 ( x) 1 f1
N
f 2 ( x) 2 f 2 j N K , 0,1
j 1
f n ( x) n 2 f n
Restricciones condicionales

f ( x) 0 g ( x) 0 equiv. a f ( x) 0 g ( x) 0

Decisiones contingentes

xy yx
 Ejemplos: escribir modelos de PLE para los siguientes casos:

Problema de asignacin: Tenemos n personas para realizar n

trabajos. Cada persona hace un slo trabajo. Se asigna un costo
cij a la asignacin de la persona i para hacer el trabajo j de
acuerdo a la capacidad de cada uno para realizar cada trabajo. Se
quiere encontrar la asignacin que minimice los costos.

Problema de la mochila (Knapsack problem) Se tiene un

presupuesto de b pesos disponible para invertir en algunos de n
posibles proyectos para el prximo ao. Sea aj la inversin que
requiere el proyecto j y cj el beneficio que produce dicho
proyecto. Se quiere maximizar las ganancias (slo se puede
invertir en el proyecto completo).
Problema de cubrimiento (Set Covering): se quieren cubrir un
cierto nmero de regiones con centros de emergencia (por
ejemplo estaciones de bomberos o de ambulancias) con un
costo mnimo. Se conocen los costos de instalar un centro en
cada regin y que regiones pueden ser servidas desde el mismo.

Problema del viajante de comercio (Traveling Salesman

Problem, TSP): (es el problema ms famoso de Optimizacin
Combinatoria y el ms estudiado.) Un viajante de comercio
quiere visitar n ciudades y volver al lugar de partida en el menor
tiempo posible (o al menor costo).
Los problemas que acabamos de ver son problemas de
optimizacin combinatoria, donde hay que buscar el
subconjunto ptimo entre una familia de subconjuntos. Uno
podra pensar en enumerar todos estos conjuntos y elegir el
mejor (algoritmo de fuerza bruta).

Sirve este procedimiento?.

Por ejemplo en el caso del viajante de comercio, si suponemos

que podemos ir de cualquier ciudad a cualquier otra,
tendramos que revisar (n-1)! recorridos posibles. Por ejemplo
para un problema con n= 101 ciudades hay 9.33 x 10 157
circuitos (recorridos) posibles que habra que revisar.
Otros ejemplos:

Problema de localizacin (UFL):

dadas n posibles ubicaciones para poner depsitos y un
conjunto de m clientes, supongamos que hay un costo
fijo fj de instalar un depsito en el lugar j, y un costo cij
de llevar la mercadera que requiere el cliente i desde
el depsito j Se quiere instalar los depsitos de forma
a minimizar los costos totales.

Este problema se puede modelar como un problema de

programacin entera mixta si consideramos que las
variables que definen que fraccin de la demanda del
cliente i es llevada al depsito j, no necesitan ser
enteras.
Problema de planificacin de la produccin (ULS):
Se quiere hacer un plan de produccin de un slo producto, para
un horizonte de n periodos, con el objetivo de satisfacer la
demanda en cada perodo minimizando costos.
Tenemos los siguientes datos:
ft costo fijo de producir en el perodo t
pt costo por unidad producida en el perodo t
ht costo de almacenamiento por unidad en el periodo t
dt demanda del periodo t.

Este problema se puede modelar como un problema de

programacin entera mixta si consideramos que las variables
que definen cuanto producir no necesitan ser enteras.
Representacin de alternativas o disyunciones:
Se puede modelar esta situacin con variables binarias.
 El secreto de la felicidad no es hacer
siempre lo que se quiere sino querer
siempre lo que se hace.

Leon Tolstoy

37
20/04/2017 Ing Odar Florin Castillo.