OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 3 Programación Entera
|
|
- Elvira Martín Rubio
- hace 6 años
- Vistas:
Transcripción
1 OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 3 Programación Entera
2 ORGANIZACIÓN DEL TEMA Sesiones: Introducción y formulación Variables binarias Métodos de solución
3 OPTIMIZACIÓN DE MODELOS DISCRETOS Los modelos discretos son una extensión de los modelos lineales, donde algunas variables toman valores enteros Habitualmente estas variables toman los valores 0-1: variables binarias Estas variables se usan para representar condiciones lógicas Estos modelos permiten representar mejor situaciones complejas Economías de escala Discontinuidades en el problema Incluso aproximaciones de soluciones globales
4 OPTIMIZACIÓN DE MODELOS DISCRETOS En cambio, el cálculo de soluciones es mucho más costoso Ya no podemos usar las propiedades suaves de las funciones para obtener información útil cerca de la solución Ahora es necesario explorar muchos más candidatos a óptimo Algunos problemas con decenas de variables son casi imposibles de resolver en un tiempo razonable
5 MODELOS DISCRETOS: FORMULACIÓN La formulación es similar a la de los modelos lineales: Si I={1,, n}, el problema es lineal entero puro Si I {1,, n}, el problema es lineal entero mixto Si x i {0,1} i I, el problema es binario o 0-1
6 MODELOS DISCRETOS: FORMULACIÓN En general, un modelo discreto se usa por distintas razones: Directas: las variables de interés deben tomar valores enteros Codificación: las variables enteras (usualmente 0-1) se usan para representar el cumplimiento (o no) de algunas condiciones Transformación: las variables enteras son útiles para representar ciertas condiciones (implicaciones, condiciones lógicas, etc.)
7 SELECCIÓN DE ALTERNATIVAS Primer caso: selección entre alternativas Usaremos variables binarias y i para escoger subconjuntos entre una serie de alternativas Si las variables y i toman el valor1, la alternativa se escoge, en caso contrario no se escoge (o no se realiza) Estas variables se multiplican por sus correspondientes costes, uso de recursos, etc. Si la variable toman el valor 1, asumimos el correspondiente coste Si toma el valor 0, no incurrimos en el coste Las variables se pueden usar para contar el número de proyectos seleccionados, etc. Sumando los valores de y i
8 EJEMPLO 1: SELECCIÓN DE PROYECTOS Descripción: Una compañía quiere evaluar 5 proyectos a ejecutar en próximos 3 años Estos proyectos requieren de inversiones durante los próximos 3 años Si se ejecuta un proyecto, se deben realizar todas las inversiones anuales asociadas al mismo Hay un presupuesto total, que no se debe exceder Qué proyectos seleccionar para aumentar lo más posible los beneficios?
9 Datos: EJEMPLO 1: SELECCIÓN DE PROYECTOS Cada año, se dispone de 25 millones de euros para realizar inversiones El beneficio esperado (en mill de euros) para cada proyecto, y las cantidades a invertir cada año para ejecutar los proyectos son: Inversión Proyecto Año 1 Año 2 Año 3 Beneficio
10 EJEMPLO 1: SELECCIÓN DE PROYECTOS Modelo: Variables de decisión Dónde invertir el presupuesto Función objetivo Maximizar el beneficio total Restricciones No exceder el presupuesto anual
11 EJEMPLO 1: SELECCIÓN DE Modelo: PROYECTOS Variables de decisión Una variable binaria x i asociada a cada proyecto x i = 1 si se selecciona el proyecto i, 0 si no se lleva a cabo el proyecto i. i =1,...,5 Función objetivo Maximizar el beneficio esperado max x 20x x x x x 5
12 EJEMPLO 1: SELECCIÓN DE Restricciones: PROYECTOS Presupuestos anuales: 5x 1 +4x 2 +3x 3 +7x 4 +8x 5 apple 25 (presupuesto año 1) 1x 1 +7x 2 +9x 3 +4x 4 +6x 5 apple 25 (presupuesto año 2) 8x x 2 +2x 3 +1x x 5 apple 25 (presupuesto año 3) Definición de variables binarias: x i 2 {0, 1}, i =1,...,5 Cálculo de solución en Excel
13 PROBLEMAS DE ASIGNACIÓN Segundo caso: problemas de asignación Se trata de encontrar asignaciones eficientes de algunos recursos a un conjunto de tareas Ejemplos: Planificación de horarios, de tareas a máquinas, rotas de trenes o aviones, asignación de comerciales a regiones, etc. Problema binario 0-1 El objetivo es generalmente minimizar costes, tiempo de viaje, o maximizar eficiencia Aparece como submodelo de modelos más complejos Las variables binarias y ij toman valor 1 si recurso i se asigna a tarea j El número de tareas o recursos a asignar se controla sumando y ij
14 EJEMPLO 2: PROBLEMA DE ASIGNACIÓN Descripción: John es el director un bufete de abogados y está interesado en asignar de la forma más eficiente posible sus abogados a los casos (clientes) en este momento Actualmente, el bufete tiene 4 casos (clientes) distintos Para atender esos casos, cuenta con 4 abogados: Ann, Brian, Casey y Don Cada uno de ellos puede ser asignado a un único caso Un único abogado debe llevar cada caso La asignación se realizará en función de alguna medida de eficiencia
15 EJEMPLO 2: PROBLEMA DE ASIGNACIÓN Datos: John ha recogido datos sobre la eficiencia de cada abogado y tipo de caso (en una escala de 1 a 9): Medida de eficiencia Abogado Divorcios (1) Fusiones (2) Robos (3) Donaciones (4) Ann (1) Brian (2) Casey (3) Don (4) Estos datos son estimaciones basadas en el éxito en casos pasados Y tienen en cuenta la especialización/experiencia de cada abogado
16 EJEMPLO 2: PROBLEMA DE ASIGNACIÓN Modelo: Variables de decisión Una variable binaria x ij para cada posible asignación x ij = 1 si se asigna al abogado i el caso j, 0 si no se asigna. Función objetivo Maximizar la calidad de la asignación maximize 6x 11 +2x 12 +8x 13 +5x 14 +9x 21 +3x 22 +5x 33 +8x 44 +4x 31 +8x 32 +3x 33 +4x 34 +6x 41 +7x 42 +6x 43 +4x 44
17 EJEMPLO 2: PROBLEMA DE ASIGNACIÓN Restricciones Cada caso debe tener un (único) abogado asignado: 4X x ij =1, j =1,...,4 i=1 Cada abogado debe estar asignado a un (único) caso: 4X x ij =1, i =1,...,4 j=1 Condición de variables binarias: x ij 2 {0, 1}, i =1,...,4, j=1,...,4
18 CONDICIONES LÓGICAS Tercer caso: condiciones lógicas Variables binarias que se pueden usar para forzar asociaciones entre variables Si una actividad se lleva a cabo, otras tareas se deben llevar a cabo (o no) Una compañía debe decidir qué proyectos abordar en próximos años: Algunos proyectos requieren de la ejecución de otros previamente Algunos proyectos pueden no ser compatibles Algunos proyectos no pueden empezarse hasta que no pase un tiempo tras la finalización de otros
19 CONDICIONES LÓGICAS Aparecen cuando el valor de una variable binaria impone condiciones sobre otras La condición y = 0 x = 0 es equivalente a x y Si el proyecto y no se lleva a cabo, el proyecto x tampoco La condición y = 0 x = 1 es equivalente a x 1 - y Si el proyecto y no se lleva a cabo, el proyecto x se debe llevar a cabo La condición y = 1 x = 0 es equivalente a x 1 - y Si el proyecto y se lleva a cabo, el proyecto x no se puede llevar a cabo La condición y = 1 x = 1 es equivalente a x y Si el proyecto y se lleva a cabo, el proyecto x también
20 EJEMPLO 3: PRESUPUESTO NASA Descripción: La NASA debe decidir qué proyectos espaciales ejecutar en próximos años Periodo Cada proyecto tiene un beneficio o interés científico determinado Cada proyecto requiere de una inversión durante periodos específicos Los proyectos presentan dependencias complejas entre sí Algunos no se pueden llevar a cabo hasta que otros se hayan ejecutado Algunos proyectos son incompatibles entre sí: solo uno se puede llevar a cabo
21 Datos: EJEMPLO 3: PRESUPUESTO NASA Inversión Proyecto 2015/ / / / /39 Beneficio esperado no con depende de 1 Satélite de comunicaciones Enlace microondas orbital Aterrizaje en Io Misión Urano Misión Urano Aterrizaje en Mercurio Misión a Saturno Imágenes infrarrojas AR SETI desde la Tierra Grandes estructuras orbitales Imágenes en color AR Tecnología médica espacial Plataforma en órbita polar SETI satélites geosíncronos Presupuestos
22 Modelo: EJEMPLO 3: PRESUPUESTO Variables de decisión NASA Una variable binaria x i para cada proyecto Función objetivo Maximizar el beneficio (científico) esperado de los proyectos seleccionados max x x i = ( 1 si la misión i se aprueba, 0 si se rechaza. 200x 1 +3x x x x x 6 +5x x x x x 11 +8x x x 14
23 EJEMPLO 3: PRESUPUESTO NASA Modelo: Restricciones: Límites presupuestarios en cada periodo de 5 años 6x 1 +2x 2 +3x 3 +1x 7 +4x 9 +5x 12 apple 10 3x 2 +5x 3 +5x 5 +7x 8 +5x 9 +8x 10 +7x 12 + x 13 +4x 14 apple 12 8x 5 + x 6 +4x 10 +2x 11 +4x 13 +5x 14 apple 14 8x 6 +5x 8 +7x 11 +1x 13 +3x 14 apple 14 10x 4 +4x 6 +1x 13 +3x 14 apple 14 Condición de variables binarias x i 2 {0, 1}, i =1,...,14
24 Modelo: EJEMPLO 3: PRESUPUESTO Restricciones: Incompatibilidades: NASA Los proyectos Misión Urano 2042 (4) y Misión Urano 2027 (5) son incompatibles x 4 + x 5 apple 1 Los proyectos 8 y 11, o 9 y 14, también son incompatibles x 8 + x 11 apple 1 x 9 + x 14 apple 1
25 EJEMPLO 3: PRESUPUESTO NASA Modelo: Restricciones: Dependencias: Si el proyecto Aterrizaje en Io (3) no se lleva a cabo, los proyectos 4, 5, 6 y 7 tampoco pueden realizarse: O alternativamente, x 4 apple x 3, x 5 apple x 3, x 6 apple x 3, x 7 apple x 3 x 4 + x 5 + x 6 + x 7 apple 4x 3 Para seleccionar el proyecto 11, el proyecto 2 debe haber sido completado previamente x 11 apple x 2
26 VALORES DISCONTINUOS Cuarto caso: valores discontinuos Las variables binarias se pueden usar para representar discontinuidades en funciones o variables Costes fijos: Cuando ejecutar una determinada tarea conlleva un gasto fijo, independientemente de su nivel Comisiones mínimas al cambiar de moneda (de euros a dólares p.e.), o al sacar dinero en un cajero del extranjero, o al comprar acciones en bolsa, etc. Variables semicontinuas: Si una tarea se lleva a cabo, se debe realizar a un nivel mínimo Por ejemplo, una variable vale 0 o bien 20, 21,..., 100
27 VALORES DISCONTINUOS Modelización En estos casos definimos tanto variables continuas como discretas Sea x i una variable continua con coste fijo, o semicontinua Sea y i una variable binaria asociada, que toma el valor 1 cuando x i es distinta de 0 y el valor 0 en otro caso Una función con coste fijo K y coste variable d se representará como Una variable semicontinua x i {0,[a,b]} se representará como
28 VALORES DISCONTINUOS Representación de discontinuidades con variables binarias Necesitamos asegurar que las variables x i e y i estén relacionadas Si x i es 0, y i debe ser 0, y si x i es positivo entonces y i debe valer 1 En el caso de variables semicontinuas esto es automático Para costes fijos, necesitamos restricciones adicionales Las constantes C y c se deben escoger como cotas inferiores y superiores para x i
29 EJEMPLO 4: PROBLEMA DE PRODUCCIÓN Descripción: La compañía X produce ketchup en 5 plantas Estas plantas tienen distintos costes Costes de operación fijos y variables Y capacidades de producción El producto se transporta a 4 grandes centros de distribución Con contratos que definen las cantidades anuales a proporcionar Con diferentes costes de producción y de distribución El objetivo es determinar la producción óptima y el plan de distribución Minimizando el coste total
30 EJEMPLO 4: PROBLEMA DE PRODUCCIÓN Datos: Capacidades de plantas y costes fijos: Planta P1 P2 P3 P4 P5 Capacidad Coste fijo Costes de producción y transporte/demandas: Costes A: C1 C2 C3 C4 P P De: P C1 C2 C3 C4 Demanda P P
31 EJEMPLO 4: PROBLEMA DE Modelo: PRODUCCIÓN Variables: x ij = toneladas de ketchup producidas en la planta j y entregadas al cliente i ( 1 si la planta j está produciendo y j = i =1,...,4, j =1,...,5 0 si no lo está Función objetivo:
32 EJEMPLO 4: PROBLEMA DE PRODUCCIÓN Modelo Restricciones Demanda: Capacidad de las plantas y relaciones entre x e y : No negatividad y definición de variables binarias:
33 MODELOS DISCRETOS: SOLUCIÓN Herramienta básica: Resolver problemas relajados (ignorando condición de variables enteras): PLs Estrategias naif: Redondeo Redondear los valores que han de ser enteros en la solución Muchas alternativas de redondeo (cantidad exponencial) No hay garantías de optimalidad Peor aún: no hay garantías de factibilidad
34 MODELOS DISCRETOS: SOLUCIÓN Algoritmos eficientes: Cutting planes (Planos de corte) No se redondea directamente el vértice solución del PL relajado Se introducen restricciones que fuerzan a la solución entera a ser un vértice del problema modificado En el proceso se eliminan puntos que no pueden ser soluciones Existen técnicas sofisticadas basadas en las propiedades de la solución Gomory cuts O en propiedades de las restricciones del problema Las aproximaciones convexas contienen las soluciones enteras
35 MODELOS DISCRETOS: SOLUCIÓN Algoritmos eficientes: Branch and bound Dividir el problema introduciendo condiciones simples sobre los valores de las variables Esto fuerza a las soluciones de las distintas partes a ser enteras Aparte, esto permite enumerar implícitamente todas las posibles soluciones enteras Para ganar eficiencia, se calculan cotas sobre la función objetivo para eliminar subproblemas donde no puede estar la solución Branch and cut Dividir el problema en subproblemas más pequeños: branching o ramificar Descartar muchos de ellos: bounding o acotar Una combinación eficiente de ambos métodos (branch and bound and cutting planes)
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesProgramación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Programación entera: Ejemplos, resolución gráfica, relajaciones lineales Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Programación entera: definición, motivación,
Más detallesPLE: Ramificación y Acotamiento
PLE: Ramificación y Acotamiento CCIR / Depto Matemáticas TC3001 CCIR / Depto Matemáticas PLE: Ramificación y Acotamiento TC3001 1 / 45 La compañía TELFA fabrica mesa y sillas. Una mesa requiere 1 hora
Más detallesIntroducción a la programación lineal
Introducción a la programación lineal La programación lineal se aplica a modelos de optimización en los que las funciones objetivo y restricción son estrictamente lineales. La técnica se aplica en una
Más detallesPROGRAMACION CUADRATICA
PROGRAMACION CUADRATICA Programación convexa La programación convexa abarca una amplia clase de problemas, entre ellos como casos especiales, están todos los tipos anteriores cuando /(x) es cóncava. Las
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesTEMA 2: PROGRAMACIÓN LINEAL.
TEMA : PROGRAMACIÓN LINEAL.. 1. INTRODUCCIÓN. La Programación Lineal (PL) puede considerarse como uno de los grandes avances científicos habidos durante la primera mitad del siglo XX y sin duda es una
Más detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de programación lineal entera, cuando prescindiendo de las condiciones de integridad,
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesPROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL. La programación lineal es una técnica de modelado (construcción de modelos). La programación lineal (PL) es una técnica matemática de optimización, es decir, un método que trata de
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 3 Modelo de programación lineal: conceptos básicos 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Comprender el concepto de modelos de programación lineal. Identificar la
Más detallesPráctica N 6 Modelos de Programación Lineal Entera
Práctica N 6 Modelos de Programación Lineal Entera 6.1 Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las máquinas necesarias para la confección deben ser alquiladas a los siguientes
Más detallesPROGRAMACIÓN DINÁMICA. Idalia Flores
PROGRAMACIÓN DINÁMICA Idalia Flores CONCEPTOS La programación dinámica es una técnica matemática que se utiliza para la solución de problemas matemáticos seleccionados, en los cuales se toma un serie de
Más detallesFormule un modelo de programación lineal binaria que minimice la distancia máxima entre un distrito y su respectiva estación.
Profesores: Daniel Espinosa, Roberto Cominetti. Auxiliares: Victor Bucarey, Pablo Lemus, Paz Obrecht. Coordinador: Matías Siebert. IN3701 - Modelamiento y Optimización Auxiliar 2 22 de Marzo de 2012 P1.
Más detallesJesús Getán y Eva Boj. Marzo de 2014
Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj 1 / 18 Jesús Getán y Eva Boj 2 / 18 Un Programa lineal consta de: Función objetivo. Modeliza
Más detallesDar una introducción sobre la asignatura IO Familiarizar al estudiante con las características y aplicación del modelo de matriz de decisiones
I Unidad: Introducción a al Investigación de Operaciones. Contenidos: 1. Breve reseña histórica de la l. De O. 2. Concepto de la l. De O. 3. Objeto de Estudio de la l. De O. 4. Introducción a la teoría
Más detallesProgramación Lineal Entera
Programación Lineal Entera Los modelos de programación entera son una extensión de los modelos lineales en los que algunas variables toman valores enteros. Con frecuencia las variables enteras sólo toman
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA
RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA SIMPLEX Y LINEAL ENTERA a Resuelve el siguiente problema con variables continuas positivas utilizando el método simple a partir del vértice
Más detallesContenido: Solución algebraica a los problemas de programación lineal con el método simplex.
Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto
Más detallesNOTACIÓN O GRANDE. El análisis de algoritmos estima el consumo de recursos de un algoritmo.
NOTACIÓN O GRANDE El análisis de algoritmos estima el consumo de recursos de un algoritmo. Esto nos permite comparar los costos relativos de dos o más algoritmos para resolver el mismo problema. El análisis
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesMÁSTER UNIVERSITARIO EN INGENIERÍA DE SISTEMAS Y DE CONTROL. Curso 2010/2011. (Código: )
INTRODUCCIÓNA LA PROGRAMACIÓNMATEMÁTICAMATEMÁTICA MÁSTER UNIVERSITARIO EN INGENIERÍA DE SISTEMAS Y DE CONTROL Curso 2010/2011 (Código: 31104021) 1 Conceptos generales sobre optimización matemática La optimización
Más detallesClase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO
Clase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO CONTENIDO 1. Objetivos del curso 2. Programa Resumido 3. Evaluaciones 4. Bibliografía 5. Orígenes de la I. O. 6. Casos
Más detallesTEMA 1 LOS NÚMEROS REALES
TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES.-LA RECTA REAL Los NÚMEROS RACIONALES: Se caracterizan porque pueden expresarse: En forma de fracción, es decir, como cociente b a de dos números enteros:
Más detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
Más detalles(2.a) INTRODUCCIÓN A LA FORMULACIÓN DE MODELOS LINEALES
(2.a) INTRODUCCIÓN A LA FORMULACIÓN DE MODELOS LINEALES PROBLEMAS DE PROGRAMACIÓN LINEAL. Función objetivo y restricciones. HIPÓTESIS DE MODELIZACIÓN. Ejemplos: problema de producción, problema de dietas.
Más detallesÁlgebra Matricial y Optimización Ma130
Álgebra Matricial y Optimización Ma130 Programación Lineal Departamento de Matemáticas ITESM Programación Lineal Ma130 - p. 1/27 ducción En esta lectura daremos una introducción a la modelación de problemas
Más detallesProgramación Lineal Entera
Programación Lineal Entera Los modelos de programación entera son una extensión de los modelos lineales en los que algunas variables toman valores enteros. Con frecuencia las variables enteras sólo toman
Más detallesAntecedentes. Ejemplos de Optimización en Procesos Agrícolas. Planificación v/s Operación. Planificación, Operación y Control en el negocio agrícola
Ejemplos de Optimización en Procesos Agrícolas Pedro Traverso Profesor Asociado Escuela de Administración Pontifica Universidad Católica de Chile Ingeniero Agrónomo PUC MBA, PUC M.Sc. Ingeniería Industrial
Más detallesUNIDAD 6 PROGRAMACIÓN LINEAL ENTERA. de programación lineal entera. lineal entera.
UNIDAD 6 PROGRAMACIÓN LINEAL ENTERA de programación lineal entera. lineal entera. Investigación de operaciones Introducción En la unidad aprendimos a resolver modelos de P. L. por el método símple y el
Más detallesProf. Pérez Rivas Lisbeth Carolina
Ingeniería de Sistemas Investigación de Operaciones Prof. Pérez Rivas Lisbeth Carolina Investigación de Operaciones Es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4
Ing. César Urquizú UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4 Ing. César Urquizú Teoría de la dualidad El desarrollo de esta teoría de la dualidad es debido al interés que existe en la interpretación económica
Más detallesIntroducción a las RdP. Optimización basada en redes de Petri. Redes de Petri. Son objeto de estudio: RdP. Ejemplos:
Seminario sobre toma de decisiones en logística y cadenas de suministro Introducción a las RdP Optimización basada en redes de Petri https://belenus.unirioja.es/~emjimene/optimizacion/transparencias.pdf
Más detallesUNIDAD III. INVESTIGACIÓN DE OPERACIONES
UNIDAD III. INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El alumno resolverá problemas utilizando la programación lineal y de proyectos para sugerir cursos de acción de mejora en las empresas turísticas
Más detallesEjercicios de Programación Entera
Ejercicios de Programación Entera Investigación Operativa Ingeniería Informática, UC3M Curso 08/09. En una ciudad se intenta disminuir la contaminación reduciendo la circulación interurbana. Un primer
Más detallesPráctica 2: Análisis de sensibilidad e Interpretación Gráfica
Práctica 2: Análisis de sensibilidad e Interpretación Gráfica a) Ejercicios Resueltos Modelización y resolución del Ejercicio 5: (Del Conjunto de Problemas 4.5B del libro Investigación de Operaciones,
Más detallesProgramación Lineal (PL)
Programación Lineal (PL) Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la siguiente situación. El objetivo es Optimizar, una función objetivo, lo cual implica
Más detallesClub GeoGebra Iberoamericano. 9 INECUACIONES 2ª Parte
9 INECUACIONES 2ª Parte INECUACIONES INTRODUCCIÓN Los objetivos de esta segunda parte del tema serán la resolución de inecuaciones con GeoGebra y la aplicación que tiene este software para la representación
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesIntegradora 3. Modelos de Programación Lineal
Métodos Cuantitativos para la Toma de Decisiones Integradora 3. Modelos de Programación Lineal Objetivo Al finalizar la actividad integradora, serás capaz de: R l bl d PL di d l ét d Resolver problemas
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesLICENCIATURA ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
LICENCIATURA ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA MODELIZACIÓN Y OPTIMIZACIÓN CURSO 2012-13 ASIGNATURA: CURSO: OPTATIVA 2º - 3º (2º Semestre) 1.- DATOS INICIALES DE IDENTIFICACIÓN
Más detallesIV. EL ESTUDIO TECNICO
IV. EL ESTUDIO TECNICO A. ANÁLISIS DE LOS ASPECTOS TÉCNICOS 1. LA INVERSIÓN, LA TECNOLOGÍA Y EL ALCANCE DEL ESTUDIO TÉCNICO DE INGENIERÍA El objetivo es determinar la función de producción óptima para
Más detallesIntroducción a la Programación Dinámica. El Problema de la Mochila
Tema 1 Introducción a la Programación Dinámica. El Problema de la Mochila La programación dinámica no es un algoritmo. Es más bien un principio general aplicable a diversos problemas de optimización que
Más detallesUNIDAD 6.- PROGRAMACIÓN LINEAL
UNIDAD 6.- PROGRAMACIÓN LINEAL 1. INECUACIONES LINEALES CON DOS INCÓGNITAS Una inecuación de primer grado con dos incógnitas es una inecuación que en forma reducida se puede expresar de la siguiente forma:
Más detallesEjemplo: El problema de la mochila. Algoritmos golosos. Algoritmos y Estructuras de Datos III. Segundo cuatrimestre 2013
Técnicas de diseño de algoritmos Algoritmos y Estructuras de Datos III Segundo cuatrimestre 2013 Técnicas de diseño de algoritmos Algoritmos golosos Backtracking (búsqueda con retroceso) Divide and conquer
Más detallesCAPITULO III. Determinación de Rutas de Entregas
CAPITULO III Determinación de Rutas de Entregas Un importante aspecto en la logística de la cadena de abastecimiento (supply chain), es el movimiento eficiente de sus productos desde un lugar a otro. El
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesComponentes clave. A. Énfasis en los términos riesgo y eficiencia
Componentes clave A. Énfasis en los términos riesgo y eficiencia B. Adaptación hacia un punto de vista más suavizado en términos de diseño y endurecido en cuanto a elementos de enfoque a procesos C. Eliminación
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detallesFORMULARIO DE APLICACIÓN. Identificación de la organización:
FORMULARIO DE APLICACIÓN País: N Proyecto (Será asignado por UICN): Fecha de entrega: Identificación de la organización: Nombre de la organización solicitante: País: Dirección física: Direccion electrónica:
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesPREPARACIÓN Y EVALUACIÓN DE PROYECTOS
PREPARACIÓN Y EVALUACIÓN DE PROYECTOS AUTOR : NASSSIR SAPAG CHAIN REYNALDO SAPAG CHAIN QUINTA EDICION 2008 Msc. Javier Carlos Inchausti Gudiño 2011 Capítulo 15 CRITERIOS DE EVALUACION DE PROYECTOS VALOR
Más detallesII. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
II. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El estudiante, conocerá los fundamentos en que se basan las herramientas de la investigación de operaciones para la toma de decisiones.
Más detalles2.3 Análisis de alternativas e identificación de soluciones
2.3 Análisis de alternativas e identificación de soluciones Análisis de alternativas y solución de proyectos Correspondería, fundamentalmente, a la etapa 2: 2. Identificar y definir la mejor solución para
Más detallesDepartamento de Matemáticas IES Giner de los Ríos
Departamento de Matemáticas IES Giner de los Ríos La programación lineal hace historia: El puente aéreo de Berlín En 1946 comienza el largo período de la guerra fría entre la antigua Unión Soviética (URSS)
Más detallesCEA 112 Fundamentos de Economía Costos de Producción
CEA 112 Fundamentos de Economía Costos de Producción Juan Luis Correa A. Universidad Andrés Bello Semestre I 2014 Contenido 1 Beneficios y Costos Económicos 2 3 4 5 6 Beneficios y Costos Económicos Los
Más detallesTécnicas de modelado. Problemas adicionales
Técnicas de modelado Clase nro. 10 CURSO 2010 Problemas adicionales Los ejemplos discutidos hasta ahora contienen simplificaciones que son difíciles de encontrar en sistemas de cierta complejidad. Vimos
Más detallesFUNCIONES BÁSICAS DE LA GERENCIA DE PROYECTOS
FUNCIONES BÁSICAS DE LA GERENCIA DE PROYECTOS CONTENIDO FUNCIONES BÁSICAS DE LA GERENCIA DE PROYECTOS Integración Alcance Tiempo Costo Calidad Recursos humanos Comunicaciones Manejo de riesgos Procura
Más detallesCONTABILIDAD GERENCIAL
1 Sesión No. 12 Nombre: Decisiones de Inversión a Corto y Largo Plazo Al finalizar esta sesión, el participante será capaz de: Reconocer la importancia de la inversión empresarial tanto a corto como largo
Más detallesAritmética de Enteros
Aritmética de Enteros La aritmética de los computadores difiere de la aritmética usada por nosotros. La diferencia más importante es que los computadores realizan operaciones con números cuya precisión
Más detallesDirección de operaciones. SESIÓN # 2: Programación lineal
Dirección de operaciones SESIÓN # 2: Programación lineal Contextualización Dentro de la sesión anterior conocimos el concepto y alcance de la administración de operaciones, dicho de otro modo el qué, ahora
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesConteste a cuatro de las siguientes cinco cuestiones. Explique el concepto y ponga un ejemplo. Cada una de las cuestiones vale 1 punto.
EJERCICIO A Conteste a cuatro de las siguientes cinco cuestiones. Explique el concepto y ponga un ejemplo. Cada una de las cuestiones vale 1 punto. A.1. Diferencie entre un tipo de cambio fijo y otro flexible.
Más detallesIN34A - Optimización
IN34A - Optimización Modelos de Programación Lineal Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 24 Contenidos Programación Lineal Continua Problema de Transporte Problema de Localización
Más detallesConcepto de Probabilidad
Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier
Más detallesFormulación de un Modelo de Programación Lineal
Formulación de un Modelo de Programación Lineal Para facilitar el planteamiento del modelo matemático general de la PL considere el siguiente problema: La planta HBB fabrica 4 productos que requieren para
Más detallesModelos de Programación Matemática
Modelos de Programación Matemática Las proposiciones matemáticas, en cuanto tienen que ver con la realidad, no son ciertas; y en cuanto que son ciertas, no tienen nada que ver con la realidad A. Einstein
Más detallesPROGRAMACIÓN LINEAL. Para resolver estos problemas la investigación de operaciones los agrupa en dos categorías básicas:
PROGRAMACIÓN LINEAL INTRODUCCIÓN La Investigación de Operaciones o Investigación Operativa, es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística y algoritmos con objeto
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesUNLPam - Fac. Cs. Econ. y Jur.
Bibliografía Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración. Grupo Editorial Iberoamérica. Eppen, Gould, Schmidt, Moore, Weatherford; Investigación de Operaciones
Más detallesSIIGO WINDOWS. Asignación y Administración de las Listas de Precios. Cartilla I
SIIGO WINDOWS Asignación y Administración de las Listas de Precios Cartilla I Tabla de Contenido 1. Presentación 2. Qué es Precio? 3. Que son Listas de Precios? 4. Cuál es la Ruta Para Crear Listas de
Más detallesTablas de dispersión (hash tables)
Tablas de dispersión (hash tables) La dispersión es una técnica empleada para realizar inserciones, eliminaciones y búsquedas en un tiempo promedio constante. La estructura de datos ideal para la tabla
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesDesarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:
Método simplex modificado Los pasos iterativos del método simplex modificado o revisado son exactamente a los que seguimos con la tabla. La principal diferencia esá en que en este método se usa el algebra
Más detallesAnálisis de. Análisis de. Decisiones:
Análisis de : Tablas de Pagos y Árboles de Decisión Fragoso Iñiguez I Marisol Salazar Rosales Leandro Julián Noviembre, 06 Tablas de Pagos Una situación de decisión en condiciones de incertidumbre puede
Más detallesPROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX
Prof.: MSc. Julio Rito Vargas Avilés Planteamiento del problema: PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX Una compañía de manufactura se dedica a la fabricación de tres productos: A,
Más detallesSISTEMAS INFORMÁTICOS PROGRAMACION I - Contenidos Analíticos Ing. Alejandro Guzmán M. TEMA 2. Diseño de Algoritmos
TEMA 2 Diseño de Algoritmos 7 2. DISEÑO DE ALGORITMOS 2.1. Concepto de Algoritmo En matemáticas, ciencias de la computación y disciplinas relacionadas, un algoritmo (del griego y latín, dixit algorithmus
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesTema 1: El modo de pensar en Economía
Tema 1: El modo de pensar en Economía Introducción. 1. El problema económico de la escasez y de elegir. 2. El análisis coste-beneficio. 3. El análisis marginal. 4. El mercado: la demanda y la oferta. Conceptos
Más detallesLAS CIENCIAS DE LA PLANIFICACIÓN
LAS CIENCIAS DE LA PLANIFICACIÓN 1. MODELIZACIÓN CON GRAFOS El objetivo de las ciencias de la planificación es encontrar el mejor método para resolver un problema, y si es posible encontrar la solución
Más detallesPLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO
PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesIntroducción a la unidad 4:
Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4
Más detallesClase 2 Introducción al Modelamiento
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 2 Introducción al Modelamiento ICS 1102 Optimización Profesor : Claudio Seebach Apuntes de
Más detallesTema II: Metodología para la construcción de programas. Profesora: Nelly García Mora
Tema II: Metodología para la construcción de programas Profesora: Nelly García Mora 1. Metodologías de Programación Metodología de programación: es un conjunto o sistema de métodos, principios y reglas,
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
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 detallesMétodos para escribir algoritmos: Diagramas de Flujo y pseudocódigo
TEMA 2: CONCEPTOS BÁSICOS DE ALGORÍTMICA 1. Definición de Algoritmo 1.1. Propiedades de los Algoritmos 2. Qué es un Programa? 2.1. Cómo se construye un Programa 3. Definición y uso de herramientas para
Más detallesProcesos de la Dirección de Proyectos para un proyecto
Procesos de la Dirección de Proyectos para un proyecto Fuentes: Kathy Schwalbe, Information Technology Project Management, Seventh Edition, A Guide to the Project Management Body of Knowledge (PMBOK Guide),
Más detallesTema 3. Electrónica Digital
Tema 3. Electrónica Digital 1.1. Definiciones Electrónica Digital La Electrónica Digital es la parte de la Electrónica que estudia los sistemas en los que en cada parte del circuito sólo puede haber dos
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesTALLER VINCULACIÓN POA - PRESUPUESTO. Coordinadora de Planificación CUNORI-
TALLER VINCULACIÓN POA - PRESUPUESTO Coordinadora de Planificación CUNORI- DEFINICIÓN POA El sistema presupuesto por programas, divide su estructura en funciones, programas, y proyectos, siendo en esta
Más detallesTeoria del consumidor Ma. Monserrat Diaz Lopez 26/10/2011
Teoria del consumidor Ma. Monserrat Diaz Lopez 26/10/2011 Teoría del consumidor 1.- Las preferencias de los consumidores Aquí se describen los patrones de conducta a los que regularmente se adhiere un
Más detallesElectrónica. Tema 6 Circuitos Secuenciales. Tema 1 Fundamentos de semiconductores
Electrónica Tema 6 Circuitos Secuenciales Tema 1 Fundamentos de semiconductores 1 Lógica secuencial Un circuito secuencial es aquel cuyas salidas dependen no sólo de las entradas actuales, sino también
Más detalles