OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal

Transcripción

1 OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 2 Programación Lineal

2 ORGANIZACIÓN DEL TEMA Sesiones: Introducción, definición y ejemplos Propiedades y procedimientos de solución Interpretación económica

3 ORÍGENES DE LA PL George Dantzig fue el fundador de la Programación Lineal (PL) Desarrolló el método Simplex en 1947 Algoritmo inteligente que busca la solución óptima entre un conjunto muy reducido de alternativas Coincide con el inicio de la informática Durante mucho tiempo constituyó el núcleo de la computación científica

4 ORÍGENES DE LA PL El primer problema de PL que se resolvió fue el problema de la dieta (9 restricciones y 77 variables) Se necesitaron 9 personas trabajando durante 15 días para completar los cálculos del método Simplex La primera implementación en ordenador del Simplex se realizó en 1952 Se pudo resolver un problema de PL de 48 restricciones y 71 variables en 18 horas Actualmente se pueden resolver PLs de millones de variables y restricciones en horas o incluso minutos

5 MODELOS LINEALES: PROPIEDADES En un modelo lineal, tanto la función objetivo como las restricciones son funciones lineales de las variables x, a + b T x El modelo básico de PL es: donde c es un vector de n componentes, x es el vector de variables de decisión, A es una matriz m x n y b es un vector de m componentes Un vector x que satisface las restricciones se conoce como una solución factible (aunque quizás no sea la solución) o un punto factible El conjunto de todas las soluciones factibles es la región factible

6 MODELOS LINEALES: PROPIEDADES Los PLs se pueden analizar algebraicamente o geométricamente Ambos enfoques son equivalentes Enfoque algebraico: escribir la representación matemática del PL, por ejemplo, Analizar las propiedades matriciales de sus componentes, en nuestro caso

7 MODELOS LINEALES: PROPIEDADES Enfoque geométrico: Analizar la geometría de la región factible x 1 +2x x x x x 1 +5x 2 =360 3x 1 +5x 2 = x 1

8 EJEMPLO 1: DIETA NUTRICIONAL Problema clásico Descripción: Preparar una dieta diaria para un grupo de personas asegurando una ingesta mínima de varios componentes nutricionales (vitaminas, proteínas, calcio, grasas, carbohidratos, etc.) Se dispone de n alimentos básicos (huevos, leche, pan, pollo) de donde se obtienen los nutrientes Objetivo: Diseñar una dieta que garantice una alimentación saludable (mínimo de nutrientes) Con coste mínimo

9 EJEMPLO 1: DIETA NUTRICIONAL Datos del problema: Alimentos básicos: Con costes unitarios c 1,, c n Componentes nutricionales: Se necesitan al menos b 1,, b m unidades de cada nutriente Relación entre alimentos y nutrientes: Cada unidad de alimento j contiene a ij unidades del nutriente i

10 EJEMPLO 1: DIETA NUTRICIONAL Modelo: Variables: encontrar un vector dieta x = (x 1,, x n ) que especifique las cantidades de cada alimento a comprar cada día Función objetivo: minimizar el coste de la compra de alimentos Restricciones: satisfacer requerimientos nutricionales

11 EJEMPLO 1: DIETA NUTRICIONAL Datos: Alimento Carne Patatas Req. diarios Hidratos de c Proteínas Grasas Coste por ración 5 2 Solución: x 1 = , x 2 = , coste = Multiplicadores: (Hidratos de c.), 0 (Proteínas), (Grasas)

12 EJEMPLO 1: DIETA NUTRICIONAL Formulación del problema: Variables: Cantidades de alimentos básicos en la dieta x 1 : carne, x 2 : patatas. Función objetivo: Coste total min 5x 1 +2x 2 Restricciones: Cumplir con los requisitos mínimos de la dieta 5x x 2 50, 20x 1 +5x 2 40, 15x 1 +2x 2 60 Variables no negativas

13 MODELOS LINEALES: PROPIEDADES Problema de dieta: x 1 +2x 2 =50 x x 1 +2x x 1 +2x 2 =40 Región factible 4 3 Función objetivo x 1 +5x x 1 +15x x 1

14 EJEMPLO 2: CAMPAÑA DE MARKETING Descripción: Para vender un nuevo producto, una empresa dispone de euros/semana El producto se puede publicitar en cuatro medios: TV, Periódicos, Radio e Internet Los clientes potenciales captados por cada anuncio y semana, y en cada medio, son: 5000, 8500, 2400 y 2800, respectivamente El coste semanal de un anuncio en cada medio es: 600, 925, 290 y 380, respectivamente Cada medio impone unos límites semanales sobre los anuncios a contratar: 30, 60, 60 y 80, respectivamente Cómo repartir el presupuesto semanal en publicidad para conseguir la mayor audiencia (potenciales clientes)?

15 EJEMPLO 2: CAMPAÑA DE MARKETING Modelo: Variables: Encontrar, para cada medio, el número de anuncios a contratar por semana, x = (x 1, x 2, x 3, x 4 ) Función objetivo: conseguir la máxima audiencia posible Restricciones: Límites presupuestarios Número máximo de anuncios permitido en cada medio No negatividad

16 EJEMPLO 2: CAMPAÑA DE MARKETING Modelo: Solución: Contratar cada semana 30 anuncios en TV, 60 en Periódicos, 60 en Radio, y 24 en Internet

17 MODELOS LINEALES: SOLUCIÓN Posibles soluciones de un PL: Existe una única solución óptima (en un vértice) Existen infinitas soluciones óptimas (en aristas, caras o incluso la región factible completa) La solución óptima es no acotada La región factible es vacía (problema infactible)

18 MODELOS LINEALES: SOLUCIÓN Si un PL es factible y acotado, entonces tiene al menos una solución óptima que estará en un vértice de la región factible Como el número de vértices de la región es finito, basta con buscar la solución en ese reducido número de puntos Esta es la base del algoritmo Simplex: Algoritmo computacional basado en un procedimiento iterativo para calcular una solución de los PLs Desarrollado por G.B. Dantzig en 1947, marca el origen de la optimización moderna

19 MODELOS LINEALES: SOLUCIÓN Cómo funciona el método Simplex? 1. Encontrar una solución inicial factible (vértice) Se puede obtener resolviendo un problema auxiliar más sencillo 2. Comprobar si la solución (vértice) es óptima Analizando el cambio en la función objetivo a lo largo de las aristas que se alejan del vértice 3. Si no es óptima, seleccionar la arista con mayor mejora en la función objetivo 4. Moverse, a lo largo de esa arista, al vértice adyacente 5. Repetir 2-4 hasta encontrar una solución óptima (en un número finito de pasos) Cómo representar estos pasos en términos algebraicos (programables)?

20 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Para obtener información útil extra de la solución del problema, necesitamos obtener no solo los valores de la solución, sino también los valores de parámetros asociados Multiplicadores de Lagrange Nos permiten asignar precios a los recursos y límites de la solución Y además entender por qué un conjunto de valores es óptimo También podemos realizar un análisis de sensitividad: Qué le pasa a la solución si cambiamos algún parámetro (dato) del problema?

21 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Los precios sombra proporcionan información relevante para el análisis económico de la solución de un PL Cada restricción tiene asociado un precio sombra Representa el cambio en la función objetivo debido a un cambio unitario en el lado derecho de la restricción Se puede entender cómo el valor de una unidad adicional de recurso: Si pagamos el precio sombra por esta unidad, nuestro beneficio no cambia El método Simplex calcula los precios sombra a la vez que calcula la solución del PL

22 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Para entender el significado de los precios sombra, consideramos de nuevo el problema de la dieta: Cuya solución óptima es: x 1 = , x 2 = , coste = Con multiplicadores: (Hidratos de c.), 0 (Proteínas), (Grasas)

23 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Imaginemos que necesitamos proporcionar 51 gramos de hidratos de c., en lugar de 50 El problema a resolver es: La nueva solución óptima es: x 1 = , x 2 = , coste = El coste se ha incrementado en euros, el precio sombra asociado con la primera restricción

24 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN También disponemos de los precios sombra correspondientes a los requerimientos de proteínas y grasas: La dieta óptima recomienda gramos de proteínas, más del doble de la cantidad mínima requerida (40) La solución no cambia si incrementamos dicho límite, y su precio sombra es 0 Si el mínimo requerido de grasas se incrementa hasta 61 gramos, el coste sube a euros El incremento del coste es euros (que es su precio sombra)

25 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Para obtener estos valores en Excel, necesitamos llamar a la herramienta Solver Una vez obtenemos la solución, seleccionamos Sensitividad en la ventana de diálogo Obtenemos una nueva hoja con la información que se muestra:

26 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Otros valores relevantes en la solución de un PL son los costes reducidos Un coste reducido se asocia a una variable con valor óptimo 0, o en su cota inferior Representa el cambio en la función objetivo cuando la variable pasa a valer 1 (o una unidad superior que su cota inferior) Interpretación del coste reducido: Coste de empezar una nueva actividad (no llevada a cabo previamente) Si las variables tienen cotas superiores u b, los costes reducidos se asocian a las mismas: Representan el cambio en el objetivo si la variable toma el valor u b + 1, Representan el beneficio asociado a un incremento unitario en esa variable, que ya estaba en su nivel máximo

27 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Para el problema de la campaña de marketing: Maximizar audiencia, elegir número de anuncios en cada medio Informe obtenido a través de la opción Sensitividad :

28 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN De los anteriores valores, se deduce que: El precio sombra asociado al presupuesto es Cada euro adicional de presupuesto incrementaría la audiencia en clientes El número óptimo de anuncios de Internet es 0 < 23,9474 < 80 Su coste reducido es 0 El óptimo de anuncios en TV está en su cota superior (=30) y su coste reducido es Cada anuncio adicional incrementaría la audiencia en clientes El óptimo de anuncios en Periódicos está en su cota superior (=60) y su coste reducido es Cada anuncio adicional incrementaría la audiencia en clientes El óptimo de anuncios en Radio está en su cota superior (=60) y su coste reducido es Cada anuncio adicional incrementaría la audiencia en clientes

29 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Finalmente, también podemos obtener información extra sobre los máximos cambios permitidos en los parámetros que no afectarían a la solución En problema dieta, seleccionamos Sensitividad y obtenemos:

30 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Observemos los valores de las columnas Allowable increase y Allowable decrease Para cambios en los parámetros de la función objetivo se tiene: El valor del coste de la carne podría subir hasta y la solución no cambiaría, sí el coste de la dieta (más cara) Se podría reducir hasta y la solución no cambiaría La solución también se mantendría para precios de patatas en el intervalo [0.67,15]

31 INTERPRETACIÓN ECONÓMICA DE LA SOLUCIÓN Para el lado derecho de las restricciones se tiene: Los límites de grasa se podrían incrementar hasta y disminuir hasta sin afectar la solución Consideremos el caso para el que el límite de grasa se fija en 61. La nueva solución es: En este caso, la solución ha cambiado. Por qué? Qué restricciones están activas en la solución Qué valores valores toman los multiplicadores de Lagrange