PROGRAMACIÓN MATEMÁTICA v1.1
|
|
- Susana Pinto Campos
- hace 8 años
- Vistas:
Transcripción
1 PROGRAMACIÓN MATEMÁTICA v Asignatura: Optimización y Simulación Profesor: Ángel Felipe Ortega Alumno:: Alfonso de la Fuente Ruiz Fecha Junio de 2009 Fecha: MIM-UCM Página 1
2 INTRODUCCIÓN El alumno ha recibido una serie de prácticas de optimización y simulación para realizar con Fortran-NAG, MPL y/o SAS, con un máximo de 3 puntos y conforme a los siguientes criterios: MIM-UCM Página 2
3 PRÁCTICAS A continuación se incluye copia de los enunciados de las prácticas asignadas al alumno. Se incluyen resultados, desarrollo matemático y código fuente, a continuación de cada práctica resuelta. Cuando una práctica se ha resuelto por varios métodos, se incluyen unos a continuación de otros. Debido a causa de fuerza mayor, el alumno ha realizado las prácticas en una versión educacional doméstica de SAS ante la imposibilidad de utilizar el de las aulas de la facultad dispuesto a tal fin y efecto. La versión utilizada fue SAS 9.1. La versión de MPLWin empleada fue la recibida durante el curso NOTAS DE LA VERSIÓN: La presente versión corresponde a la 1.1, que viene a corregir los dos errores señalados en la entrega de la primera versión: - Matriz de distancias en la práctica 5 (caminos mínimos) - Transcripción de las fórmulas a código SAS en la práctica 13 (tienda de campaña) Adicionalmente, se completaron las prácticas 9 (cortes de materiales) y 11 (seguridad de una tabla). MIM-UCM Página 3
4 MIM-UCM Página 4
5 CÓDIGO SAS: TITLE 'Asignación lineal'; DATA DATOS; INPUT D1 D2 D3 D4 D5 D6 D7 D8 D9 D10; DATALINES; ; PROC ASSIGN DATA=DATOS OUT=SALIDA; COST D1 D2 D3 D4 D5 D6 D7 D8 D9 D10; RUN; PROC PRINT DATA=SALIDA; SUM _FCOST_; RUN; MIM-UCM Página 5
6 RESULTADOS: Asignación lineal Obs D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 _ASSIGN FCOST_ D D D D D D D D D D MIM-UCM Página 6
7 MIM-UCM Página 7
8 CÓDIGO MPL: TITLE "NTRANS"; INDEX I=1..9; J=1..13; DATA A[I]=( ); B[J]=( ); C[I,J]=(( ), ( ), ( ), ( ), ( ), ( ), ( ), ( ), ( )); DECISION VARIABLES X[I,J]; MIN Z=SUM(I,J:C[I,J]*X[I,J]); SUBJECT TO LECONSTR[I]:SUM(J:X[I,J])<=A[I]; EQCONSTR[J]:SUM(I:X[I,J])=B[J]; END MIM-UCM Página 8
9 RESULTADOS: MPL Modeling System - Copyright (c) , Maximal Software, Inc MODEL STATISTICS Problem name: NTRANS Filename: NTRANS.mpl Date: June 3, 2009 Time: 19:29 Parsing time: 0.03 sec Solver: FortMP (mps) Objective value: Iterations: 0 Solution time: 1.52 sec Constraints: 22 Variables: 117 Nonzeros: 234 Density: 9 % SOLUTION RESULT Optimal solution found MIN Z = MIM-UCM Página 9
10 DECISION VARIABLES VARIABLE X[I,J] : I J Activity Reduced Cost MIM-UCM Página 10
11 MIM-UCM Página 11
12 MIM-UCM Página 12
13 MIM-UCM Página 13
14 CONSTRAINTS CONSTRAINT LECONSTR[I] : I Slack Shadow Price CONSTRAINT EQCONSTR[J] : J Slack Shadow Price END MIM-UCM Página 14
15 CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'TRANSPORTER2'; DATA DATOS; INPUT ORIGEN $ OFERTA DESTINO1-DESTINO13; DATALINES; ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ORIGEN_ ; PROC TRANS COST=DATOS OUT=SALIDA; TAILNODE ORIGEN; HEADNODE DESTINO1-DESTINO13; SUPPLY OFERTA; RUN; PROC PRINT DATA=SALIDA; RUN; MIM-UCM Página 15
16 RESULTADOS: TRANSPORTER2 O b s OR IG EN OF ER TA DE ST IN O1 DE ST IN O2 DE ST IN O3 DE ST IN O4 DE ST IN O5 DE ST IN O6 DE ST IN O7 DE ST IN O8 DE ST IN O9 DES TIN O10 DES TIN O11 DES TIN O12 DES TIN O13 _D UA L_ 1 _D EM AN D_ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _ OR IG EN _9 _D UA L_ MIM-UCM Página 16
17 MIM-UCM Página 17
18 CÓDIGO MPL: MAX z = x1 + x2; SUBJECT TO x1 + x2 <= ; x1 + 3 x2 <= 17; x1 + x2 <= ; x1 + x2 >= ; x1>=0; x2>=0; MIM-UCM Página 18
19 RESULTADOS: MPL Modeling System - Copyright (c) , Maximal Software, Inc MODEL STATISTICS Problem name: Problem Filename: NLINEAL.mpl Date: June 3, 2009 Time: 19:06 Parsing time: 0.04 sec Solver: FortMP (mps) Objective value: Iterations: 0 Solution time: 1.83 sec Constraints: 6 Variables: 2 Nonzeros: 10 Density: 83 % SOLUTION RESULT Optimal solution found MAX z = MIM-UCM Página 19
20 DECISION VARIABLES PLAIN VARIABLES Variable Name Activity Reduced Cost x x CONSTRAINTS PLAIN CONSTRAINTS Constraint Name Slack Shadow Price c c c c c c END MIM-UCM Página 20
21 PROBLEMA ENTERO CÓDIGO MPL: INTEGER x1; x2; MAX z = x1 + x2; SUBJECT TO x1 + x2 <= ; x1 + 3 x2 <= 17; x1 + x2 <= ; x1 + x2 >= ; x1>=0; x2>=0; MIM-UCM Página 21
22 RESULTADOS: MPL Modeling System - Copyright (c) , Maximal Software, Inc MODEL STATISTICS Problem name: Problem Filename: NLINEAL2.mpl Date: June 3, 2009 Time: 19:14 Parsing time: 0.03 sec Solver: FortMP (mps) Objective value: Iterations: 0 Integer nodes: 0 Solution time: 1.34 sec Constraints: 6 Variables: 2 Integers: 2 Nonzeros: 10 Density: 83 % SOLUTION RESULT Integer optimal solution found MAX z = DECISION VARIABLES PLAIN VARIABLES Variable Name Activity Reduced Cost x x CONSTRAINTS PLAIN CONSTRAINTS END Constraint Name Slack Shadow Price c c c c c c MIM-UCM Página 22
23 CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'PL cont, ent'; PROC NLP; MAX z; DECVAR x1, x2; BOUNDS x1>=0; BOUNDS x2>=0; LINCON *x1 + x2 <= ; LINCON x1 + 3*x2 <= 17; LINCON *x1 + x2 <= ; LINCON *x1 + x2 >= ; z = *x1 + x2; RUN; MIM-UCM Página 23
24 RESULTADOS: PL cont, ent PROC NLP: Nonlinear Maximization Gradient is computed using analytic formulas. Hessian is computed using analytic formulas. PL cont, ent PROC NLP: Nonlinear Maximization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Restricción de la cota inferior Restricción de la cota superior 1 x x Value of Objective Function = Restricciones lineales : >= * x * x : >= * x * x : >= * x * x : >= * x * x2 PL cont, ent PROC NLP: Nonlinear Maximization Optimización Newton-Raphson Ridge Ajuste a escala sin parámetro Estimadores de parámetro 2 Límites inferiores 2 Límites superiores 0 Restricciones lineales 4 Utilizando hessiano ralo _ Inicio de optimización Restricciones activas 0 Función Objetive Max Abs Gradient Element MIM-UCM Página 24
25 Itera ción Rein icio Llam adas de func ión Restricc iones activas Func ión obje tiva Cambio/de función/o bjetiva Elemento/grad iente/max abs Pic o Rati o entr e el camb io actu al y el pred icho 1 * * Resultados de optimización Iteraciones 2 Invocaciones de función 4 Invocaciones del hessiano 3 Restricciones activas 2 Función Objetive Max Abs Gradient Element 0 Contraer 0 Actual Over Pred Change Todos los parámetros están restringidos activamente. No se puede llevar a cabo la optimización. PL cont, ent PROC NLP: Nonlinear Maximization Resultados de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente 1 x x Value of Objective Function = Linear Constraints Evaluated at Solution = * x * x = * x * x2 3 ACT E-16 = * x * x2 4 ACT -2.22E-16 = * x * x2 MIM-UCM Página 25
26 MIM-UCM Página 26
27 CÓDIGO SAS: TITLE ' Práctica 4: Problema de la mochila (LP)'; Data datos; INFILE 'c:\documsas\lp\mochi.dat'; INPUT _ROW_ $1. _TYPE_ $ _RHS_ x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 x20 x21 x22 x23 x24 x25 x26 x27 x28 x29 x30 x31 x32 x33 x34 x35 x36 x37 x38 x39 x40 x41 x42 x43 x44 x45; PROC LP DATA=datos; RUN; DATOS (mochi.sas): z max p le binary MIM-UCM Página 27
28 RESULTADOS: Práctica 4: Problema de la mochila (LP) The LP Procedure Resumen del problema Objective Function Rhs Variable Type Variable Max z _RHS TYPE_ Problem Density (%) Variables Number Binary 45 Slack 1 Total 46 Constraints Number LE 1 Objective 1 Total 2 Práctica 4: Problema de la mochila (LP) The LP Procedure Resumen de la solución Integer Optimal Solution Objective Value 2267 Phase 1 Iterations 0 Phase 2 Iterations 36 Phase 3 Iterations 0 MIM-UCM Página 28
29 Resumen de la solución Integer Optimal Solution Integer Iterations 0 Integer Solutions 1 Initial Basic Feasible Variables 3 Time Used (seconds) 0 Number of Inversions 4 Epsilon 1E-8 Infinity E308 Maximum Phase 1 Iterations 100 Maximum Phase 2 Iterations 100 Maximum Phase 3 Iterations Maximum Integer Iterations 100 Time Limit (seconds) 120 Práctica 4: Problema de la mochila (LP) The LP Procedure Resumen de la variable Col Nombre de la variable Estado Tipo Precio Actividad Coste reducido 1 x1 BINARY x2 BINARY x3 BINARY x4 BINARY x5 BINARY x6 BINARY x7 BINARY x8 BINARY x9 BINARY x10 BINARY x11 BINARY MIM-UCM Página 29
30 Resumen de la variable Col Nombre de la variable Estado Tipo Precio Actividad Coste reducido 12 x12 BINARY x13 BINARY x14 BINARY x15 BINARY x16 BINARY x17 BINARY x18 BINARY x19 BINARY x20 BINARY x21 BINARY x22 BINARY x23 BINARY x24 BINARY x25 BINARY x26 BINARY x27 BINARY x28 BINARY x29 BINARY x30 BINARY x31 BINARY x32 BINARY x33 BINARY x34 BINARY x35 BINARY x36 BINARY x37 BINARY x38 BINARY x39 BINARY x40 BINARY MIM-UCM Página 30
31 Resumen de la variable Col Nombre de la variable Estado Tipo Precio Actividad Coste reducido 41 x41 BINARY x42 BINARY x43 BINARY x44 BINARY x45 BASIC BINARY p SLACK Práctica 4: Problema de la mochila (LP) The LP Procedure Resumen de restricciones Fila Nombre de la restricción Tipo S/S Col Rhs Actividad Actividad dual 1 z OBJECTVE p LE MIM-UCM Página 31
32 MIM-UCM Página 32
33 CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Práctica 5: Camino minimo (NETFLOW)'; DATA datos0; INPUT inicial $ final $ DATALINES; A B 26 A C 82 A D 63 B A 71 B C 64 B E 23 C D 76 C E 52 C F 81 D C 75 D F 41 D G 68 E B 78 E F 39 E H 15 F D 21 F E 31 F G 12 F H 30 F I 32 G F 51 G I 46 H F 14 H I 43 I G 48 I H 72 ; %MACRO camino(fuente,sumidero); PROC NETFLOW SHORTPATH /* calcula un camino minimo desde el */ SOURCE=&fuente /* vertice fuente indicado en SOURCE */ SINK=&sumidero /* hasta el vertice destino indicado en SINK */ ARCDATA=datos0 /* conjunto de datos de los arcos */ ARCOUT=salida0; /* conjunto solucion sin restricciones */ TAIL inicial; /* variable de extremos iniciales de los arcos */ HEAD final; /* variable de extremos finales de los arcos */ COST longitud; /* variable de longitudes de los arcos */ RUN; PROC PRINT DATA=salida0; SUM _FCOST_; /* longitud del camino mínimo */ %MEND camino; /* la matriz D(i,j) tiene diagonal nula por definición */ /* la matriz P(i,j) tiene como elementos de la diagonal los propios coeficientes que se repiten, ya que el nodo de salida es el mismo que el de llegada. */ %camino(a,b);%camino(a,c);%camino(a,d);%camino(a,e);%camino(a,f);%cami no(a,g);%camino(a,h);%camino(a,i); %camino(b,c);%camino(b,d);%camino(b,e);%camino(b,f);%camino(b,g);%cami no(b,h);%camino(b,i); %camino(c,d);%camino(c,e);%camino(c,f);%camino(c,g);%camino(c,h);%cami no(c,i); %camino(d,e);%camino(d,f);%camino(d,g);%camino(d,h);%camino(d,i); %camino(e,f);%camino(e,g);%camino(e,h);%camino(e,i); %camino(f,g);%camino(f,h);%camino(f,i); %camino(g,h);%camino(g,i); %camino(h,i); %camino(b,a); %camino(c,a);%camino(c,b); %camino(d,a);%camino(d,b);%camino(d,c); %camino(e,a);%camino(e,b);%camino(e,c);%camino(e,d); %camino(f,a);%camino(f,b);%camino(f,c);%camino(f,d);%camino(f,e); %camino(g,a);%camino(g,b);%camino(g,c);%camino(g,d);%camino(g,e);%cami no(g,f); %camino(h,a);%camino(h,b);%camino(h,c);%camino(h,d);%camino(h,e);%cami no(h,f);%camino(h,g); %camino(i,a);%camino(i,b);%camino(i,c);%camino(i,d);%camino(i,e);%cami no(i,f);%camino(i,g);%camino(i,h); RUN; MIM-UCM Página 33
34 RESULTADOS: Nota: Se presentan exclusivamente los resultados solicitados, debido a que la gran cantidad de datos que se generan durante la ejecución dificulta su localización ; Representación tridimensional de la matriz D(i,j) MIM-UCM Página 34
35 MIM-UCM Página 35
36 Nota: Como los problemas de esta práctica son iguales para todos los alumnos y se encuentran varios datos con formato #.d0 no definido, se han inicializado éstos arbitrariamente con los siguientes valores: 1.d0 = 1; 2.d0 = 2; 4.d0 = 4; CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Práctica 6'; PROC NLP TECH=QUANEW OUTDER=2 OUT=DERIV; MIN f; DECVAR x, a, b; BOUNDS 0.1 <= x; BOUNDS x <= 10; BOUNDS a = ; BOUNDS b = ; f= EXP(4*x)*(x*x+1) + EXP(2*x)*(1/(x*x)-a*x-b) - RUN; b*sqrt(2*b)*exp(x)/(a*x) + 1/(x*x) - 2*b/(a*x); proc export DATA=DERIV; outfile='c:/qn.xls' /** ".xls" lets SAS know you want an Excel 5 spreadsheet **/ ***/ replace; /** if file already exists overwrite it RUN; MIM-UCM Página 36
37 RESULTADOS: Práctica 6 PROC NLP: Nonlinear Minimization Gradient is computed using analytic formulas. El punto inicial se ha cambiado para que se ajuste a las restricciones de los límites y líneas. Práctica 6 PROC NLP: Nonlinear Minimization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Restricción de la cota inferior Restricción de la cota superior Restricción de la cota activa 1 x a Equal BC 3 b Equal BC Value of Objective Function = Práctica 6 PROC NLP: Nonlinear Minimization Optimización Dual Quasi-Newton Actualización Dual Broyden - Fletcher - Goldfarb - Shanno (DBFGS) Estimadores de parámetro 3 Límites inferiores 3 Límites superiores 3 Inicio de optimización Restricciones activas 2 Función Objetive Max Abs Gradient Element Itera ción Rein icio Llam adas de func ión Restric ciones activas Funció n objeti va Cambio/de función/o bjetiva Elemento/grad iente/max abs Tam año del pas o Pendi ente de direc ción de búsqu eda MIM-UCM Página 37
38 Itera ción Rein icio Llam adas de func ión Restric ciones activas Funció n objeti va Cambio/de función/o bjetiva Elemento/grad iente/max abs Tam año del pas o Pendi ente de direc ción de búsqu eda E E- 7 Resultados de optimización Iteraciones 5 Invocaciones de función 15 Invocaciones del gradiente 10 Restricciones activas 2 Función Objetive Max Abs Gradient Element Coeficiente angular de la dirección de búsqueda E-6 Se ha cumplido el criterio de convergencia GCONV. Práctica 6 PROC NLP: Nonlinear Minimization Resultados de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Restricción de la cota activa 1 x a Equal BC 3 b Equal BC Value of Objective Function = MIM-UCM Página 38
39 MIM-UCM Página 39
40 CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Práctica 7'; PROC NLP TECH=QUANEW OUTDER=2 OUT=DERIV; MIN fun3var; DECVAR x1, x2, x3; BOUNDS 0 <= x1 <= 5, 0 <= x2 <= 10, 0 <= x3 <= 5; a1 = ; a2 = ; a3 = ; a4 = ; a5 = ; a6 = ; a7 = ; a8 = ; a9 = ; a10 = ; a11 = ; a12 = ; fun3var = x1**4 + (1+x1**2)*EXP(2*x3) + a1*x1**2 + a2*x1 + a3*x2**2 + a4*x2 + a5*x3**2 + a6*x1*x2 + a7*x1*x3 + a8*x2*x3 + (a9*x1 + a10*x2**2 + a11)*exp(x3) + a12*x2*exp(x3/2); RUN; MIM-UCM Página 40
41 RESULTADOS: Práctica 7 PROC NLP: Nonlinear Minimization Gradient is computed using analytic formulas. Práctica 7 PROC NLP: Nonlinear Minimization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Restricción de la cota inferior Restricción de la cota superior 1 x x x Value of Objective Function = Práctica 7 PROC NLP: Nonlinear Minimization Optimización Dual Quasi-Newton Actualización Dual Broyden - Fletcher - Goldfarb - Shanno (DBFGS) Estimadores de parámetro 3 Límites inferiores 3 Límites superiores 3 Inicio de optimización Restricciones activas 0 Función Objetive Max Abs Gradient Element Itera ción Rein icio Llam adas de func ión Restric ciones activas Func ión obje tiva Cambio/de función/o bjetiva Elemento/grad iente/max abs Tam año del pas o Pendi ente de direc ción de búsqu eda MIM-UCM Página 41
42 Itera ción Rein icio Llam adas de func ión Restric ciones activas Func ión obje tiva Cambio/de función/o bjetiva Elemento/grad iente/max abs Tam año del pas o Pendi ente de direc ción de búsqu eda E E- 8 Resultados de optimización Iteraciones 10 Invocaciones de función 24 Invocaciones del gradiente 16 Restricciones activas 0 Función Objetive Max Abs Gradient Element Coeficiente angular de la dirección de búsqueda E-6 Se ha cumplido el criterio de convergencia GCONV. Práctica 7 PROC NLP: Nonlinear Minimization Resultados de optimización MIM-UCM Página 42
43 Parámetros estimados N Parámetro Estimación Función objetivo gradiente 1 x x x Value of Objective Function = MIM-UCM Página 43
44 NO FIGURA MIM-UCM Página 44
45 MIM-UCM Página 45
46 DESARROLLO: ,99 48,02 54,04 36,64 64,22 46, Uso Resma ,99 52, ,98 4, ,02 51, ,04 3, ,04 45, ,64 63, ,28 26, ,22 35, ,57 53, ,14 6, ,01 3, ,56 5, ,59 5, ,68 9, ,66 15, ,63 15, ,21 16,79 MIM-UCM Página 46
47 CÓDIGO MPL: INTEGER X01; X02; X03; X04; X05; X06; X07; X08; X09; X10; X11; X12; X13; X14; X15; X16; X17; MIN Z=52.01*X *X *X *X *X *X *X *X *X *X *X *X *X *X *X *X *X17; SUBJECT TO X01+2*X02+X11+X12+X16 >= 18; X03+2*X04+X11+X13+X15 >= 13; X05+X14 >= 9; X06+2*X07+X14+X15+X16+X17 >= 15; X08 >= 10; X09+2*X10+X12+X13+X17 >= 14; X01>=0; X02>=0; X03>=0; X04>=0; X05>=0; X06>=0; X07>=0; X08>=0; X09>=0; X10>=0; X11>=0; X12>=0; X13>=0; X14>=0; X15>=0; X16>=0; X17>=0; MIM-UCM Página 47
48 RESULTADOS: MPL Modeling System - Copyright (c) , Maximal Software, Inc MODEL STATISTICS Problem name: Problem Filename: CORTES.mpl Date: June 15, 2009 Time: 12:48 Parsing time: 0.07 sec Solver: FortMP (mps) Objective value: Iterations: 0 Integer nodes: 0 Solution time: 2.47 sec Constraints: 23 Variables: 17 Integers: 17 Nonzeros: 41 Density: 10 % SOLUTION RESULT Integer optimal solution found MIN Z = DECISION VARIABLES PLAIN VARIABLES Variable Name Activity Reduced Cost X X X X X X X X X MIM-UCM Página 48
49 X X X X X X X X CONSTRAINTS PLAIN CONSTRAINTS END Constraint Name Slack Shadow Price c c c c c c c c c c c c c c c c c c c c c c c MIM-UCM Página 49
50 NO FIGURA MIM-UCM Página 50
51 MIM-UCM Página 51
52 CÓDIGO MPL: {NOTA: Retirar '!' en una variable cada vez, y repetir todas para MAX} MIN!MAX! xa1;! xa4;! xa5;! xb3;! xb6;! xc2;! xc3;! xc6;! xd4;! xd7;! xd8;! xe3;! xe9;! xf4;! xf5;! xg2;! xg8;! xh2;! xh9;! xi6;! xi9;! xj1;! xj7; SUBJECT TO MIM-UCM Página 52
53 !POSITIVOS: xa1>=0; xa4>=0; xa5>=0; xb3>=0; xb6>=0; xc2>=0; xc3>=0; xc6>=0; xd4>=0; xd7>=0; xd8>=0; xe3>=0; xe9>=0; xf4>=0; xf5>=0; xg2>=0; xg8>=0; xh2>=0; xh9>=0; xi6>=0; xi9>=0; xj1>=0; xj7>=0;!horizontales: xa xa4 + xa = 110; xb xb = 103; 8 + xc2 + xc xc = 112; xd xd7 + xd = 95; xe xe9 + 4 = 95; xf4 + xf = 116; 10 + xg xg = 113; 10 + xh xh9 + 9 = 83; xi xi9 + 3 = 94; xj xj = 96;!ctes: = 116;!total: = 1133;!VERTICALES: xa xj1+10=105; 17+8+xc xg2+xh =131; 17+xb3+xc3+8+xe =103; xa xd4+16+xf =119; xa xf =122; 18+xb6+xc xi6+9+10=104; xd xj7+10=99; xd xg =131; xe xh9+xi9+2+9=106;!ctes: =113; MIM-UCM Página 53
54 { I II III IV V VI VII VIII IX X total A xa xa4 xa B 19 8 xb3 4 8 xb C 8 xc2 xc xc D xd xd7 xd E 8 16 xe xe F xf4 xf G 10 xg xg H 10 xh xh I xi6 4 9 xi J xj xj K total } MIM-UCM Página 54
55 RESULTADOS: Nota: se ejecuta el procedimiento dos veces con cada variable, una para minimizar (rango inferior) y otra para maximizar (rango superior), anotando el resultado de la función objetivo en la casilla correspondiente. MIM-UCM Página 55
56 CÓDIGO SAS: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'PL cont, ent'; data TABLE; format _id_ $6.; input _id_ $ Y1-Y23 _type_ $ _rhs_; datalines; incog min. /* NOTA: Ejecutar con una variable cada vez y repetir para MAX */ /* Y1,Y2,Y3,Y4,Y5,Y6,Y7,Y8,Y9,Y10,Y11,Y12,Y13,Y14,Y15,Y16,Y17,Y18,Y19,Y20,Y21,Y22,Y23; */ /* xa1,xa4,xa5,xb3,xb6,xc2,xc3,xc6,xd4,xd7,xd8,xe3,xe9,xf4,xf5,xg2,xg8,xh2,xh9,xi6,xi9,xj1, xj7; */ /* POSITIVOS */ pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 pos ge 0 /* xa1>=0, xa4>=0, xa5>=0, xb3>=0, xb6>=0, xc2>=0, xc3>=0, xc6>=0, xd4>=0, xd7>=0, xd8>=0, xe3>=0, xe9>=0, xf4>=0, xf5>=0, xg2>=0, xg8>=0, xh2>=0, xh9>=0, xi6>=0, xi9>=0, xj1>=0, xj7>=0; */ /* HORIZONTALES: */ /* Los coeficientes de igualdad salen de restar las constantes al subtotal de FILA */ hor eq 14 hor eq 17 hor eq 16 hor eq 26 hor eq 15 hor eq 28 hor eq 32 hor eq 6 hor eq 24 hor eq 21 /* xa xa4 + xa = 110, xb xb = 103, 8 + xc2 + xc xc = 112, xd xd7 + xd = 95, xe xe9 + 4 = 95, xf4 + xf = 116, 10 + xg xg = 113, 10 + xh xh9 + 9 = 83, xi xi9 + 3 = 94, xj xj = 96, */ /*!ctes: = 116,!total: = 1133; */ /*!VERTICALES: */ /* Los coeficientes de igualdad salen de restar las constantes al subtotal de COLUMNA */ ver eq 10 ver eq 26 ver eq 20 ver eq 24 ver eq 18 MIM-UCM Página 56
57 ver eq 18 ver eq 20 ver eq 35 ver eq 37 /* Y1,Y2,Y3,Y4,Y5,Y6,Y7,Y8,Y9,Y10,Y11,Y12,Y13,Y14,Y15,Y16,Y17,Y18,Y19,Y20,Y21,Y22,Y23; */ /* xa1,xa4,xa5,xb3,xb6,xc2,xc3,xc6,xd4,xd7,xd8,xe3,xe9,xf4,xf5,xg2,xg8,xh2,xh9,xi6,xi9,xj1, xj7; */ /* xa xj1+10=105, 17+8+xc xg2+xh =131, 17+xb3+xc3+8+xe =103, xa xd4+16+xf =119, xa xf =122, 18+xb6+xc xi6+9+10=104, xd xj7+10=99, xd xg =131, xe xh9+xi9+2+9=106; */ /*!ctes: =113 */ ; proc lp; run; /* I II III IV V VI VII VIII IX X total A xa xa4 xa B 19 8 xb3 4 8 xb C 8 xc2 xc xc D xd xd7 xd E 8 16 xe xe F xf4 xf G 10 xg xg H 10 xh xh I xi6 4 9 xi J xj xj K total */ RUN; MIM-UCM Página 57
58 RESULTADOS: Nota: Resultado idéntico al método MPL. Se adjunta como muestra la salida de programa que obtiene el umbral inferior para la primera incógnita. PL cont, ent The LP Procedure Resumen del problema Objective Function Min incog Rhs Variable Type Variable _rhs type_ Problem Density (%) 0.00 Variables Number Non-negative 23 Total 23 Constraints Number Objective 1 Total 1 PL cont, ent The LP Procedure Resumen de la solución Terminated Successfully Objective Value 0 Phase 1 Iterations 0 Phase 2 Iterations 0 MIM-UCM Página 58
59 Resumen de la solución Terminated Successfully Phase 3 Iterations 0 Integer Iterations 0 Integer Solutions 0 Initial Basic Feasible Variables 2 Time Used (seconds) 0 Number of Inversions 2 Epsilon 1E-8 Infinity E308 Maximum Phase 1 Iterations 100 Maximum Phase 2 Iterations 100 Maximum Phase 3 Iterations Maximum Integer Iterations 100 Time Limit (seconds) 120 PL cont, ent The LP Procedure Resumen de la variable Col Nombre de la variable Estado Tipo Precio Actividad Coste reducido 1 Y1 NON-NEG Y2 ALTER NON-NEG Y3 ALTER NON-NEG Y4 ALTER NON-NEG Y5 ALTER NON-NEG Y6 ALTER NON-NEG Y7 ALTER NON-NEG Y8 ALTER NON-NEG Y9 ALTER NON-NEG Y10 ALTER NON-NEG MIM-UCM Página 59
60 Resumen de la variable Col Nombre de la variable Estado Tipo Precio Actividad Coste reducido 11 Y11 ALTER NON-NEG Y12 ALTER NON-NEG Y13 ALTER NON-NEG Y14 ALTER NON-NEG Y15 ALTER NON-NEG Y16 ALTER NON-NEG Y17 ALTER NON-NEG Y18 ALTER NON-NEG Y19 ALTER NON-NEG Y20 ALTER NON-NEG Y21 ALTER NON-NEG Y22 ALTER NON-NEG Y23 ALTER NON-NEG PL cont, ent The LP Procedure Resumen de restricciones Fila Nombre de la restricción Tipo S/S Col Rhs Actividad Actividad dual 1 incog OBJECTVE MIM-UCM Página 60
61 NO FIGURA MIM-UCM Página 61
62 MIM-UCM Página 62
63 DESARROLLO: = +,,? min ; = =4 2 =8 ; = =4 ; = = + ; = = + ; = = + = + + ; =2 2 = ; =4 ; =8 +4 = ; = 3 =4 3 =4 3 ; =2 2 =4 ; = ; MIM-UCM Página 63
64 CÓDIGO: dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Tienda de campaña'; PROC NLP; MIN S; DECVAR X, Y, Z; BOUNDS X>0; BOUNDS Y>0; BOUNDS Z>0; LINCON Y+Z = ; /* = H */ NLINCON V = ; V = (X**2)*Z*4/3 + 4*Y*(X**2); S1=8*X*Y; S2=4*X*SQRT((X**2)+(Z**2)); S = S1+S2; RUN; MIM-UCM Página 64
65 RESULTADOS: Tienda de campaña PROC NLP: Nonlinear Minimization Gradient is computed using analytic formulas. Jacobian of nonlinear constraints is computed using analytic formulas. El punto inicial se ha cambiado para que se ajuste a las restricciones de los límites y líneas. Tienda de campaña PROC NLP: Nonlinear Minimization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Función Lagrange gradiente Restricción de la cota inferior Restricción de la cota superior 1 X Y Z Value of Objective Function = Valor de la función Lagrange = Restricciones lineales 1 0 : ACT == * Y * Z Valores de restricciones no lineales Restricción Valor Residual Multiplicador Lagrange [ 2 ] V Violat. NLEC Tienda de campaña PROC NLP: Nonlinear Minimization Optimización Dual Quasi-Newton Algoritmo VMCWD de Powell (1978, 1982) modificado Actualización Dual Broyden - Fletcher - Goldfarb - Shanno (DBFGS) Actualización de multiplicador Lagrange de Powell(1982) Estimadores de parámetro 3 Límites inferiores 3 Límites superiores 0 MIM-UCM Página 65
66 Restricciones lineales 1 Restricciones no lineales 1 Restricciones de igualdad no lineales 1 Inicio de optimización Función Objetive Uso indebido de la restricción máxima Gradiente máximo de la función Lagrange Iteració n Reinici o Llamada s de función Función objetiv a Violación de restricció n máxima Reducció n de función predicha Tamañ o del paso Elemento gradient e máximo de la función Lagrange 1 ' E E E-6 Resultados de optimización Iteraciones 9 Invocaciones de función 21 Invocaciones del gradiente 12 Restricciones activas 2 Función Objetive Uso indebido de la restricción máxima E-9 Máximo gradiente proyectado E-6 Función Lagrange del valor MIM-UCM Página 66
67 Resultados de optimización Gradiente máximo de la función Lagrange E-6 Coeficiente angular de la dirección de búsqueda E-8 Se ha cumplido el criterio de convergencia FCONV2. Tienda de campaña PROC NLP: Nonlinear Minimization Resultados de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Función Lagrange gradiente 1 X Y Z Value of Objective Function = Valor de la función Lagrange = Linear Constraints Evaluated at Solution 1 ACT 0 = * Y * Z Valores de restricciones no lineales Restricción Valor Residual Multiplicador Lagrange [ 2 ] V E Active NLEC MIM-UCM Página 67
68 CÓDIGO (Nelder-Mead Simplex): dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Tienda de campaña'; PROC NLP TECH=NMSIMP; MIN S; DECVAR X, Y, Z; BOUNDS X>0; BOUNDS Y>0; BOUNDS Z>0; LINCON Y+Z = ; /* = H */ NLINCON V = ; V = (X**2)*Z*4/3 + 4*Y*(X**2); S1=8*X*Y; S2=4*X*SQRT((X**2)+(Z**2)); S = S1+S2; RUN; MIM-UCM Página 68
69 RESULTADOS: Tienda de campaña PROC NLP: Nonlinear Minimization Gradient is computed using finite difference approximations (2). El punto inicial se ha cambiado para que se ajuste a las restricciones de los límites y líneas. Tienda de campaña PROC NLP: Nonlinear Minimization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Restricción de la cota inferior Restricción de la cota superior 1 X Y Z Value of Objective Function = Restricciones lineales 1 0 : ACT == * Y * Z Valores de restricciones no lineales Restricción Valor Residual [ 2 ] V Violat. NLEC Tienda de campaña PROC NLP: Nonlinear Minimization Optimización Nelder-Mead Simplex Algoritmo COBYLA por M.J.D. Powell (1992) Estimadores de parámetro 3 Límites inferiores 3 Límites superiores 0 Restricciones lineales 1 Restricciones no lineales 1 Restricciones de igualdad no lineales 1 MIM-UCM Página 69
70 Inicio de optimización Función Objetive Uso indebido de la restricción máxima Iteración Reinicio Llamadas de función Función objetiva Violación de restricción máxima Función de mérito Cambio de función de mérito Ratio entre el cambio actual y el predicho E E E Resultados de optimización Iteraciones 7 Invocaciones de función 32 Reinicio 0 Función Objetive Uso indebido de la restricción máxima E-9 Función Merit Actual Over Pred Change Se ha cumplido el criterio de convergencia ABSXCONV. Tienda de campaña PROC NLP: Nonlinear Minimization Resultados de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente 1 X Y Z Value of Objective Function = MIM-UCM Página 70
71 Linear Constraints Evaluated at Solution 1 ACT 0 = * Y * Z Valores de restricciones no lineales Restricción Valor Residual [ 2 ] V E-9 Active NLEC MIM-UCM Página 71
72 CÓDIGO (Quasi-Newton dual Broyden, Fletcher, Goldfarb & Shanno): dm 'log; clear; output; clear'; /* limpiar ventanas */ TITLE 'Tienda de campaña'; PROC NLP TECH=QUANEW OUTDER=2 OUT=DERIV; /* Bastaría OUTDER=1 */ MIN S; DECVAR X, Y, Z; BOUNDS X>0; BOUNDS Y>0; BOUNDS Z>0; LINCON Y+Z = ; /* = H */ NLINCON V = ; V = (X**2)*Z*4/3 + 4*Y*(X**2); S1=8*X*Y; S2=4*X*SQRT((X**2)+(Z**2)); S = S1+S2; RUN; PROC EXPORT DATA=DERIV outfile='c:/qn.xls' /** Exportar a Excel **/ replace; /** sobreescribir si existe ***/ RUN; MIM-UCM Página 72
73 RESULTADOS: Tienda de campaña PROC NLP: Nonlinear Minimization Gradient is computed using analytic formulas. Jacobian of nonlinear constraints is computed using analytic formulas. El punto inicial se ha cambiado para que se ajuste a las restricciones de los límites y líneas. Tienda de campaña PROC NLP: Nonlinear Minimization Inicio de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Función Lagrange gradiente Restricción de la cota inferior Restricción de la cota superior 1 X Y Z Value of Objective Function = Valor de la función Lagrange = Restricciones lineales 1 0 : ACT == * Y * Z Valores de restricciones no lineales Restricción Valor Residual Multiplicador Lagrange [ 2 ] V Violat. NLEC Tienda de campaña PROC NLP: Nonlinear Minimization Optimización Dual Quasi-Newton Algoritmo VMCWD de Powell (1978, 1982) modificado Actualización Dual Broyden - Fletcher - Goldfarb - Shanno (DBFGS) Actualización de multiplicador Lagrange de Powell(1982) Estimadores de parámetro 3 Límites inferiores 3 Límites superiores 0 MIM-UCM Página 73
74 Restricciones lineales 1 Restricciones no lineales 1 Restricciones de igualdad no lineales 1 Inicio de optimización Función Objetive Uso indebido de la restricción máxima E-6 Gradiente máximo de la función Lagrange Iteració n Reinici o Llamada s de función Función objetiv a Violación de restricció n máxima Reducció n de función predicha Tamañ o del paso Elemento gradient e máximo de la función Lagrange 1 ' E E E-6 Resultados de optimización Iteraciones 9 Invocaciones de función 22 Invocaciones del gradiente 12 Restricciones activas 2 Función Objetive Uso indebido de la restricción máxima E-9 Máximo gradiente proyectado E-6 Función Lagrange del valor MIM-UCM Página 74
75 Resultados de optimización Gradiente máximo de la función Lagrange E-6 Coeficiente angular de la dirección de búsqueda E-8 Se ha cumplido el criterio de convergencia FCONV2. Tienda de campaña PROC NLP: Nonlinear Minimization Resultados de optimización Parámetros estimados N Parámetro Estimación Función objetivo gradiente Función Lagrange gradiente 1 X Y Z Value of Objective Function = Valor de la función Lagrange = Linear Constraints Evaluated at Solution 1 ACT 0 = * Y * Z Valores de restricciones no lineales Restricción Valor Residual Multiplicador Lagrange [ 2 ] V E Active NLEC DERIVADAS (outfile QN.xls): _OBS TYPE_ S _WRT_ X Z Y V S1 S2 1 15, , , , , , , ANALYTIC 15,71237 X 1, , , , , , ANALYTIC 3, Z 1, , , , , , ANALYTIC 8, Y 1, , , , , ,15107 MIM-UCM Página 75
76 14: OTRAS PRÁCTICAS A) Función de Dixon (1973). Programación No Lineal. 10 variables. Minimización por mínimos cuadrados. CÓDIGO SAS: PROC NLP RANDOM=98765 TECH=LM MAXIT=100 MAXFU=500 ABSXTOL=1e-10; RUN; ARRAY t[11] t1-t11; ARRAY x[10] x1-x10; LSQ t1-t11; /* MIN t1** t11**2 */ DECVAR x1-x10; DO i = 1 TO 9; END; t[i]=x[i]**2-x[i+1]; t[10]=1-x[10]; t[11] = 1-x[1]; MIM-UCM Página 76
Introducción al programa WinQSB
Introducción al programa WinQSB WinQSB es un sistema interactivo de ayuda a la toma de decisiones que contiene herramientas muy útiles para resolver distintos tipos de problemas en el campo de la investigación
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009
Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema
Más detallesWinQSB. Módulo de Transporte y Asignación. Al ejecutar el módulo Network Modeling la ventana de inicio es la siguiente
WinQSB Módulo de Transporte y Asignación Al ejecutar el módulo Network Modeling la ventana de inicio es la siguiente desde la cual, a partir del menú File New Problem puedes introducir un nuevo problema
Más detallesPráctica de informática del programa LINDO
FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES PROGRAMACIÓN MATEMÁTICA Práctica de informática del programa LINDO Curso 2004-05 LINDO 6.1 es un programa de entorno Windows, que sirve para resolver problemas
Más detallesGuía rápida de WinQSB
Guía rápida de WinQSB Puedes descargar la aplicación WinQSB desde nuestra página Web http://www.unizar.es/3w en el enlace Web Docente Herramientas Informáticas... Utilidades Zona de descargas. Para instalar
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica
Más detallesUnidad II: Análisis de Redes
Unidad II: Análisis de Redes 2.1 Conceptos Básicos Un problema de redes es aquel que puede representarse por: LA IMPORTANCIA DE LOS MODELOS DE REDES: Muchos problemas comerciales pueden ser resueltos a
Más detallesProgramación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011
Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P
Más detalles1. Análisis de la situación 3 1.1. Objetivo... 3 1.2. Hipótesis... 3
Índice 1. Análisis de la situación 3 1.1. Objetivo................................ 3 1.2. Hipótesis............................... 3 2. Modelo 3 2.1. Definición de variables........................ 3 2.2.
Más detalles1. Breve resumen de optimización sin restricciones en varias variables.
MATEMÁTICAS EMPRESARIALES G.A.D.E. CURSO 202/203 Práctica 2: Aplicaciones a la Optimización. En esta práctica se introducen las herramientas que nos ofrece el programa Mathematica para optimizar funciones
Más detallesFundamentos de Investigación de Operaciones Asignación y Vendedor Viajero
Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas
Más detallesPRÁCTICA 2: Planificación financiera
Grado en Administración de Empresas Departamento de Estadística Asignatura: Optimización y Simulación para la Empresa Curso: 2011/2012 PRÁCTICA 2: Planificación financiera Para el próximo año, una determinada
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesTipo de máquina Tiempo disponible. (h/maq. Por semana) Fresadora 500 Torno 350 Rectificadora 150
Ejercicios Tema 1. 1.- Utilizar el procedimiento gráfico para resolver los siguientes P.L. a) Max z = 10x 1 + 20x 2 s.a x 1 + 2x 2 15 x 1 + x 2 12 5x 1 + 3x 2 45 x 1,x 2 0 b) Max z = 2x 1 + x 2 s.a. x
Más detallesUnidad 5 Utilización de Excel para la solución de problemas de programación lineal
Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesHoja1!C4. Hoja1!$C$4. Fila
CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como
Más detallesHERRAMIENTAS DE EXCEL PARA EL ANALISIS Y VALORACION DE PROYECTOS DE INVERSION (I)
Revista de Dirección y Administración de Empresas. Número 10, diciembre 2002 págs. 59-76 Enpresen Zuzendaritza eta Administraziorako Aldizkaria. 10. zenbakia, 2002 abendua 59-76 orr. HERRAMIENTAS DE EXCEL
Más detallesHerramienta Solver. Activar Excel Solver
Herramienta Solver Introducción: Solver forma parte de una serie de comandos a veces denominados herramientas de análisis Y si. Con Solver, puede encontrar un valor óptimo (mínimo o máximo) para una fórmula
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detallesDesarrollar un modelo Lingo. Para desarrollar un modelo de optimización en Lingo hay que especificar:
Desarrollar un modelo Lingo Para desarrollar un modelo de optimización en Lingo hay que especificar: Función Objetivo Max(Min) = COST O1 V ARIABLE1 + COST O2 V ARIABLE2; Variables: Los nombres de las variables
Más detallesSe ha añadido una ventana que muestra el aviso jurídico del copyright.
Instrucciones para utilizar el complemento de Excel, CyTools Actualizado el 26 de octubre de 1998 CyTools, complemento de Excel Cytel Software Corporation, 1998. Le rogamos no haga copias no autorizadas
Más detallesANÁLISIS DE SENSIBILIDAD CON EXCEL Y LINDO
ANÁLISIS DE SENSIBILIDAD CON EXCEL Y LINDO Autores: Ángel A. Juan (ajuanp@uoc.edu), Javier Faulín (ffaulin@uoc.edu) ESQUEMA DE CONTENIDOS Cambios en los coeficientes de la función objetivo Cambios en los
Más detallesInstrucciones de EXCEL Solver
Instrucciones de EXCEL Solver Octubre de 2000 2 La opción Solver de EXCEL sirve para resolver problemas de optimización lineal y no lineal; también se pueden indicar restricciones enteras sobre las variables
Más detallesUniversidad del Turabo Centro Universitario de Yabucoa Propuesta de Título V Centro de Desarrollo para el Uso de la Tecnología en la Sala de Clases
Universidad del Turabo Centro Universitario de Yabucoa Propuesta de Título V Centro de Desarrollo para el Uso de la Tecnología en la Sala de Clases HOJA DE CÁLCULO ELECTRÓNICA NIVEL AVANZADO PROF. CARMEN
Más detallesProgramación estructurada (Interfaces Windows y Unix)
Programación estructurada (Interfaces Windows y Unix) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 15-P. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de programación estructurada
Más detallesÉSTE DOCUMENTO SUFRIÓ UN CAMBIO SIGNIFICATIVO
Allende y Manuel Acuña, Edificio Pharmakon, Ramos Arizpe, Coahuila MEXICO, C.P. 25900 Teléfonos y Fax(844) 488-3346, 488-1344, 488-1667 01800-835-4224 calidad@icai.org.mx MANUAL DE PROCEDIMIENTOS DE LA
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma
Más detallesFundamentos de la Programación
Fundamentos de la Programación El Software Las operaciones que debe realizar el hardware son especificadas con una lista de instrucciones, llamadas programas o software. Dos grandes grupos de software
Más detallesADALINE Y PERCEPTRON
Tema 3: Adaline y Perceptron Sistemas Conexionistas 1 ADALINE Y PERCEPTRON 1. Adaline 1.1. Características. 1.. Regla de Aprendizaje (LMS). Regla Delta. 1.3. Aplicaciones. 1.3.1. Clasificación de vectores.
Más detallesOptimización para ingenieros. Introducción
Optimización para ingenieros Introducción 1er semestre de 2013 Optimización para ingenieros Objetivos del curso 2/22 Presentar la estructura para la formulación de problemas de optimización Discutir una
Más detallesMANEJO DEL WINQSB PARA EL CURSO DE TEORIA DE DECISIONES
MANUAL CORTO WINQSB PARA PL El Winqsb es un software informática muy utilizado para construir modelos matemáticos que permita tomar decisiones específicamente en el área de administración y economía entre
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detalles1 Procedimiento General
INTRODUCCION AL ANSYS 9.0 1 Procedimiento General Empezando ANSYS; construyendo el modelo (prepocessing); aplicando carga y obtener resultados (solution); visualizar los resultados (postprocessing) 2 Empezando
Más detallesTema 6: Problemas Especiales de Programación Lineal
Tema 6: Problemas Especiales de Programación Lineal Transporte Asignación Transbordo Tienen una estructura especial que permite modelizar situaciones en las que es necesario: Determinar la manera óptima
Más detallesHoja de cálculo MicroSoft Excel (3 de 3)
Hoja de cálculo MicroSoft Excel (3 de 3) Departament d Informàtica de Sistemes i Computadors Informática aplicada 1 Contenido Operaciones avanzadas Operaciones de impresión Introducción a las bases de
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesFACTORES DE DISTRIBUCION EN EL ANALISIS DE SISTEMAS ELECTRICOS DE POTENCIA.
FACTORES DE DISTRIBUCION EN EL ANALISIS DE SISTEMAS ELECTRICOS DE POTENCIA. Introducción. En el presente trabajo se presentan algunas aplicaciones en el análisis de sistemas eléctricos de potencia como
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detallesINSTITUTO VALLADOLID PREPARATORIA página 9
INSTITUTO VALLADOLID PREPARATORIA página 9 página 10 FACTORIZACIÓN CONCEPTO Para entender el concepto teórico de este tema, es necesario recordar lo que se mencionó en la página referente al nombre que
Más detallesAcción Formativa Word 2010: Ejercicios prácticos para expertos Contenido
Word 2010: Ejercicios prácticos para expertos Se trata de un taller práctico donde se realizarán unos 15 ejercicios aproximadamente de distintos niveles. Cada ejercicio irá acompañado de su correspondiente
Más detallesTabla de contenido. Manual B1 Time Task
Tabla de contenido Introducción... 2 Configuración... 2 Prerrequisitos... 2 Configuración de la tarea... 2 Configurando las horas estándar de trabajo... 3 Datos maestros de empleados... 4 Utilización...
Más detallesCAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES
CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES El objetivo de esta tesina es la introducción de mejoras en la previsión meteorológica a corto plazo. El punto
Más detallescol 1 2 1 5 9 ----------------------------------------------- 3 Type mismatch cadena vacía fila 1 z + i 4 1 fila 2
Nombre y Apellidos: Especialidad y Grupo: FUNDAMENTOS DE INFORMÁTICA 22-enero-2002 CUESTIÓN de Estructuras repetitivas y alternativas (1.5 puntos) 1. Suponiendo que el usuario teclea los datos 1, 2, 3,
Más detallesInstructivo de Microsoft Excel 2003
Instructivo de Microsoft Excel 2003 El presente instructivo corresponde a una guía básica para el manejo del programa y la adquisición de conceptos en relación a este utilitario. Que es Microsoft Excel?
Más detallesPráctica 10. Redes Neuronales
Práctica 10 Redes Neuronales En esta práctica trabajaremos con un sistema de aprendizaje basado en ejemplos que ya hemos visto con anterioridad (k-vecinos) y una implementación de las redes neuronales.
Más detallesHerramientas de análisis numérico para la resolución de problemas de programación lineal
Herramientas de análisis numérico para la resolución de problemas de programación lineal Librería Solver (Frontline Systems) Luis Marín Escalona Julio de 2oo7 Índice Como hacer referencia a la librería
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesINSTRUCTIVO PARA USO DEL SOLVER DE EXCEL
INSTRUCTIVO PARA USO DEL SOLVER DE EXCEL Ing. Mario René Galindo MAI, mgalindo@url.edu.gt RESUMEN La utilización de software computacional para resolver problemas de programación lineal es actualmente
Más detallesFlujo Máximo. Agustín J. González ELO320: Estructura de Datos y Algoritmos 1er. Sem. 2002
Flujo Máximo Agustín J. González ELO320: Estructura de Datos y Algoritmos 1er. Sem. 2002 1 Introducción Así como modelamos los enlaces de una red y sus nodos como un grafo dirigido, podemos interpretar
Más detallesEL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías
EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION M. En C. Eduardo Bustos Farías 1 Minimización El método simplex puede aplicarse a un problema de minimización si se modifican los pasos del algoritmo: 1. Se cambia
Más detallesWinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente:
WinQSB Módulo de Programación Lineal y Entera Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente: Desde la cual, a partir del menú: File New Problem Puedes introducir
Más detallesEXTENSIONES DE LA PROGRAMACIÓN LINEAL
EXTENSIONES DE LA PROGRAMACIÓN LINEAL MODELOS OPTIMIZANTES MUNDO REAL ABSTRACCION OPERACION M MODELOS DE DECISIÓN NO RESTRINGIDOS RESTRINGIDOS MIN 6 / x 1 + 5 x 1 + 7 / x 2 + x 1.x 2 PROGRAMAS MATEMÁTICOS
Más detallesUNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Pauta Solemne 2. Semestre Primavera 2011 Profesores: Paul Bosch, Fernando Paredes, Pablo Rey Tiempo:
Más detallesLa Herramienta Solver de Excel
La Herramienta Solver de Excel Optimización con restricciones. En un problema de optimización con restricciones se buscan los valores de ciertas variables que optimizan una función objetivo, sujetas a
Más detallesMACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004
MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004 EL TIO DE CAMBIO REAL El tipo de cambio nominal expresa el precio de una moneda en términos de otra. or ejemplo, el tipo
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesGAMS (General Algebraic Modeling System)
GAMS (General Algebraic Modeling System) GAMS Creado en 1987. Entorno de desarrollo GAMSIDE Manual de usuario Help-Docs-gams-gamsusersguide.pdf Manuales de optimizadores Help-Docs-solvers Modelo: nombre_fichero.gms
Más detallesIntroducción. Visual Basic para Aplicaciones (VBA) en Excel: aspectos elementales
Introducción Visual Basic para Aplicaciones (VBA) en Excel: aspectos elementales Franco Guidi Polanco Escuela de Ingeniería Industrial Pontificia Universidad Católica de Valparaíso, Chile fguidi@ucv.cl
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesProblema de Programación Lineal
Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,
Más detallesCuadro 3: Ejecución del algoritmo de reemplazo NFU.
Examen de Sistemas Operativos Avanzados Apellidos, nombre DNI: Grado en Ingeniería Informática 2Computadores 2 Ejercicio 1 Cálculos justificativos: 000- Marcos asignados Cuadro 1: Mapa de memoria principal
Más detallesProgramación lineal Optimización de procesos químicos DIQUIMA-ETSII
Programación lineal PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL se formula siguiendo el planteamiento general: Función objetivo Restricciones de igualdad Restricciones de desigualdad Límite variables PROGRAMACIÓN
Más detallesAsignatura: Administración de Bases de Datos. Pedro P. Alarcón Cavero
Ingeniería Técnica en Informática Escuela Universitaria de Informática Universidad Politécnica de Madrid Asignatura: Administración de Bases de Datos Tema 5: Proceso de Transacciones Pedro P. Alarcón Cavero
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesUn programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1
15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesCASO PRÁCTICO DISTRIBUCIÓN DE COSTES
CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que
Más detallesA continuación se describirán cada una de las casillas de esta ventana:
4. PERT - CPM El método de la ruta crítica, CPM, es una herramienta de tipo determinístico para el análisis de redes de proyectos. La opción Nuevo Problema (New Problem) genera una plantilla en el cual
Más detallesManual de Usuario SIGECOF MANUAL DE USUARIO SIGECOF DISTRIBUCIÓN INTERNA DE CUOTA DE COMPROMISO
Manual de Usuario SIGECOF APROBADO POR: JEFA DE LA ONCOP Punto: DGAT-001/2013 De Fecha: 31/01/2013 CONTROL DE REVISIONES Y ACTUALIZACIONES Nº de Versión Fecha de Aprobación y/o Actualización Punto de Cuenta
Más detallesWinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente
WinQSB Módulo de Programación Lineal y Entera Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente desde la cual, a partir del menú File New Problem puedes introducir
Más detallesMANUAL DE USUARIO SECTOR PRIVADO (RESUMEN)
MANUAL USUARIO - SIDREP DESARROLLO DE UN SISTEMA DE DECLARACIÓN Y SEGUIMIENTO DE RESIDUOS PELIGROSOS MANUAL DE USUARIO SECTOR PRIVADO (RESUMEN) PREPARADO PARA COMISIÓN NACIONAL DEL MEDIO AMBIENTE, CONAMA
Más detallesEl Problema del Transporte
ASIGNATURA PROGRAMACIÓN LINEAL El Problema del Transporte Maestro Ing. Julio Rito Vargas Avilés Octubre 2014 1 Problema de Transporte Es un caso especial de problema de programación lineal (PPL), para
Más detallesMINISTERIO DE EDUCACION DIVISON DE PLANIFICACION Y PRESUPUESTO. Nota Técnica METODO DE COHORTES
MINISTERIO DE EDUCACION DIVISON DE PLANIFICACION Y PRESUPUESTO Nota Técnica METODO DE COHORTES Departamento de Estudios y Estadísticas Marzo 2000 Método de cohortes I. Introducción. El propósito de esta
Más detallesInvestigación Operativa 2002 Software Para Programación Lineal LINGO/LINDO
Presentaremos dos tipos de programas para resolver modelos de programación lineal. LINGO Generalidades LINGO: (LINear Generalize Optimizer) es una herramienta simple para formular problemas lineales y
Más detallesCAPÍTULO 4: ALGORITMOS DE APRENDIZAJE
Capítulo 4 Algoritmos de Aprendizaje 26 CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE En este capítulo se proporcionan las descripciones matemáticas de los principales algoritmos de aprendizaje para redes neuronales:
Más detallesProgramación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal
Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó
Más detallesESTRUCTURA DE DATOS: ARREGLOS
ESTRUCTURA DE DATOS: ARREGLOS 1. Introduccion 2. Arreglos - Concepto - Caracteristicas 3. Arreglos Unidimensionales 4. Arreglos Bidimensionales 5. Ventajas del uso de arreglos 6. Ejemplo 1. Introducción
Más detallesCopyright 2011 - bizagi. Gestión de Cambios Documento de Construcción Bizagi Process Modeler
Copyright 2011 - bizagi Gestión de Cambios Bizagi Process Modeler Tabla de Contenido Gestión de Cambios... 4 Descripción... 4 Principales factores en la Construcción del Proceso... 5 Modelo de Datos...
Más detallesEl modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios.
Tema 7 Sistemas de Inventarios 7.1. Modelo EOQ básico El modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios. 7.1.1. Hipótesis del modelo 1. Todos
Más detallesJuegos. Esquema. Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β
Juegos Transparencias IA (F29) M.Marcos, 2002 (Figuras c S.Russell & P.Norvig, 1998) 1 Esquema Introducción: juegos como búsqueda Decisiones perfectas Decisiones imperfectas Poda α β Transparencias IA
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Formulación de Modelos de Programacón Lineal 25 de julio de 2003 La (LP es una herramienta para resolver problemas de optimización
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesMATEMÁTICAS CON LA HOJA DE CÁLCULO
MATEMÁTICAS CON LA HOJA DE CÁLCULO Podemos dar a esta aplicación un uso práctico en el aula de Matemáticas en varios sentidos: Como potente calculadora: sucesiones, límites, tablas estadísticas, parámetros
Más detallesMANUAL DE USUARIO CONTROL LOGÍSTICO DE TIEMPOS
MANUAL DE USUARIO CONTROL LOGÍSTICO DE TIEMPOS Para ingresar al panel de control del Control Logístico de Tiempos, se debe ingresar a la página www.satrack.com e ingresar el usuario suministrado al adquirir
Más detallesINTRODUCCIÓN AL MICROSOFT EXCEL PARA LA CÁTEDRA DE ECOLOGÍA DE COMUNIDADES Y SISTEMAS
INTRODUCCIÓN AL MICROSOFT EXCEL PARA LA CÁTEDRA DE ECOLOGÍA DE COMUNIDADES Y SISTEMAS Nota: Esta Introducción supone conocimientos mínimos de computación y de Microsoft Office por parte del alumno. 1.1-
Más detallesMATERIAL 2 EXCEL 2007
INTRODUCCIÓN A EXCEL 2007 MATERIAL 2 EXCEL 2007 Excel 2007 es una planilla de cálculo, un programa que permite manejar datos de diferente tipo, realizar cálculos, hacer gráficos y tablas; una herramienta
Más detallesPlanilla de cálculo. Módulo II - OpenOffice.org Calc
Planilla de cálculo Módulo II - OpenOffice.org Calc 1 OpenOffice.org Calc Índice de contenidos Introducción Fórmulas Operadores matemáticos Autorrellenar Una función especial: Autosuma Algunas funciones
Más detallesCurso Básico de Computación
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA Curso Básico de Computación DELIA ESQUER MELÉNDEZ desquer@uabc.mx desquer@gmail.com WORD 2007 Introducción Qué es la ofimática? Es un término actual que se escucha
Más detalles1 Las reservas como contrapartida de las operaciones de la Balanza de Pagos antes de la UEM
Dirección General del Servicio de Estudios 30 de septiembre de 2015 Los activos del Banco de España frente al Eurosistema y el tratamiento de los billetes en euros en la Balanza de Pagos y la Posición
Más detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No. 2 Nombre: Programación lineal Objetivo Al finalizar la sesión, el alumno será capaz de identificar los principios fundamentales de la programación lineal. Contextualización
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesSOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA
Tema 2 SOLUCION DE MODELOS EMPRESARIALES POR COMPUTADORA 2.1 SOFTWARE PARA SOLUCION DE MODELOS PL Programas típicos para resolver problemas de Programación Lineal: - QSB - SOLVER - GLP QSB (Quantitative
Más detallesPROGRAMACIÓN LINEAL Teoría General de Programación Lineal y Fase de Formulación y Construcción de Modelos.
PROGRAMACIÓN LINEAL Objetivo: Proponer en forma cuantitativa acciones o decisiones a tomar para optimizar sistemas donde existan recursos escasos y se presenten relaciones lineales, mediante la teoría
Más detallesFigura 1 Abrir nueva hoja de cálculo
1. DISEÑO DE UNA HOJA Para abrir una hoja de cálculo existente en el espacio de trabajo del usuario, debe ir al menú Archivo > Abrir, o bien desde el botón Abrir archivo de la barra de herramientas, o
Más detallesSOLECMEXICO Página 1 DISEÑO DE CIRCUITOS A PARTIR DE EXPRESIONES BOOLEANAS
SOLECMEXICO Página 1 DISEÑO DE CIRCUITOS A PARTIR DE EXPRESIONES BOOLEANAS Si la operación de un circuito se define por medio de una expresión booleana, es posible construir un diagrama de circuito lógico
Más detallesIngeniería de Software Avanzada
Universidad Técnica Federico Santa María Departamento de Informática Ingeniería de Software Avanzada Dr. Marcello Visconti Z. Métricas Clásicas de Software Métricas de tamaño: LOC, tokens, funciones Métricas
Más detalles4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD
4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,
Más detallesResolución de Problemas
Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver
Más detalles