Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización
|
|
- Mario Ortega Vega
- hace 5 años
- Vistas:
Transcripción
1 Simulación Optimización de Procesos Químicos Titulación: Ingeniería Química. 5º Curso Optimización MILP, MINLP (Mixed Integer (Non) Linear Programming). Octubre de 009.
2 Optimización Discreta Programación Lineal de con variables discretas (MILP) min s. a. Z x 0, Algoritmos = c T Ax + B b x R x + a n, T 0 { 0,} I. Enumeración Ramificación Acotamiento (Land, Doig 960; Danin 965) Idea Básica: Partición sucesiva del espacio entero para eliminar regiones. Se lleva a cabo una búsqueda en árbol, donde cada nodo es un LP. II. Convexificación Planos de corte (Gomor 958; Crowder col, 983; Balas col. 993) Idea Básica: resolver una serie de subproblemas LP añadiendo cada vez desigualdades válidas que corten soluciones previas. Ramificación Acotamiento ampliamente utilizado Integración de los métodos : RAMIFICACIÓN Y CORTE
3 No funciona en MILP Enumeración exhaustiva sólo válida para problemas pequeños 5. Variables binarias 3 combinaciones enteras 0 Variables binarias 04 combinaciones enteras 50 Variables binarias 0 5 combinaciones enteras 00. Variables binarias 0 30 combinaciones enteras 000. Variables binarias combinaciones enteras 0 40 Escala de tiempo (Microsegundos) Microsegundos desde el Big Bang (Unos trece mil setecientos millones de años) Microsegundos en un día 0
4 No funciona en MILP Relajación Redondeo Optimo entero Optimo entero Optimo relajado Optimo relajado Redondeo: no-factible Redondeo: factible NO-FACTIBLE SUB-OPTIMO!
5 No funciona en MILP Reformulación del problema como no lineal: min : Z = + s. a. + { }, 0, Reemplazar { 0,} ( ) ( ) Utilizando el código CONOPT: Punto Inicial: Resultado = 0; = 0 no factible = 0.5; = 0.5 = 0; = ; Z = Sub-óptimo Solución optima: = ; = 0; Z =
6 Ramificación Acotamiento Particionamiento del espacio entero a través de una árbol binario Nodo l = 0 = Nodo raíz (relajación LP) 3 = 0 = 0 = = 0 = Nodo 3 = 0 3 = 0 3 = 0 3 = 3 = 3 = 3 = Nota: 5 nodos para 3 = 8 combinaciones 0- Nodo descendiente del nodo l
7 Ramificación Acotamiento = 0 = Nodo raíz (relajación LP) = 0 = = 0 = 3 = 0 3 = 0 Nodo l 3 = 0 3 = 0 3 = 3 = 3 = 3 = Nodo Sea el nodo un nodo descendiente del nodo l
8 Ramificación Acotamiento Dado que el nodo es descendiente del nodo l.- Si LP l es NO-FACTIBLE entonces LP es NO-FACTIBLE min s. a. Z x 0, = c T Ax + B x R x + a n b, T 0 { 0,}.- Si LP es FACTIBLE entonces Z l Z Incremento monótono de función objetivo Z l : LIMITE INFERIOR 3.- Si LP es una solución ENTERA Z Z * Z : LIMITE SUPERIOR Reglas de eliminación de nodos Nodo no factible Límite inferior supera límite superior
9 Ramificación Acotamiento Para utilizar un algoritmo de R. A. ha dos decisiones que tomar:. Qué variable se selecciona para ramificar en cada nodo. Qué nodo, entre los abiertos, es el siguiente en la enumeración Reglas de ramificación: Selección de variable.- Fijar prioridades en la variables para ramificación.- Seleccionar para ramificar aquella variable, entre las binarias, con un valor más cercano a Coste Penalizado (Driebnec, 966)
10 Ramificación Acotamiento Reglas de ramificación: Selección del nodo a ramificar.- Búsqueda en profundidad: Continuar siempre hacia delante en la rama seleccionada, sólo volver hacia atrás cuando no se pueda continuar. Continuar siempre por la rama abierta más cercana al punto de retorno..- Búsqueda en anchura: Continuar siempre por el nodo de mejor valor de función objetivo. En la práctica, cuando se trabaja con variables binarias, se utiliza dicotomía (siempre e prueba el valor =0 e = de la variable a ramificar) búsqueda en profundidad. Aunque los solvers modernos utilizan estrategias complejas de ramificación.
11 Ejemplo MILP (DFS) z =5.8 [0.,, 0] = =0 z=6.5 3 [, 0.5, 0] z=6 = =0 3 = z=9 9 [,,0] 8 z= [0, 0.75, ] no factible = =0 min z = x + s. a. x 0; x , 8 z=8 7 Óptimo [0,, ] 6 no factible, = 0, [0,, 0.333] 3 =0 4 no factible
12 Ejemplo MILP (BFS) z =5.8 [0.,, 0] = =0 z=6.5 3 [, 0.5, 0] z=6 = =0 3 = z=9 7 [,,0] 7 z= [0, 0.75, ] no factible = =0 min z = x + s. a. x 0; x , 8 z=8 9 Óptimo [0,, ] 8 no factible, = 0, [0,, 0.333] 3 =0 4 no factible
13 Ejemplo ( ) min z = { } s. a i z =.9 [, 0.55, 0,, ] 4 0, i =,,3, 4,5 z =3.5 [, 0, 0.5,, 0] z = [0.64, 0,,, ] z = [0.64, 0,,, ] z = [, 0, 0,, 0] no-factible 6 z = [0,, 0.4,, ] Nodo con valor maor que cota superior. No es necesario continuar por esta rama Cota superior OPTIMO Nodo con valor maor que cota superior. No es necesario continuar por esta rama
14 Ejemplo 3 (DFS) z = [no-factible] z =.35 z = ,, 0,, ] [0,, 0.4,, 0] 5 [no-factible] z = [0,, 0,, 0] Cota superior [, 0.55, 0,, ] z = [, 0, 0.5,, 0] z = [0.64, 0,,, ] Nodo con valor maor que cota superior. No es necesario continuar por esta rama z =3.6 9 [, 0, 0,, ] Cota superior OPTIMO
15 Algunas consideraciones importantes La dificultad para resolver un M ILP está relacionada con:. Tamaño del GAP de relajación. Nº de variables 0-3. Nº de restricciones. Sin embargo esto es específico de cada problema. Un problema con 0 variables binarias podría ser mucho más difícil de resolver que otro con 000. El correcto modelado del problema, es para los MILP de crucial importancia. Algunas mejoras en los algoritmos de Ramificación Acotamiento:. Reducción de coeficiente. Eliminar restricciones redundantes 3. Añadir desigualdades lógicas (aunque estrictamente no sean necesarias) 4. Estrechar los límites de las variables 5. Estrategias de ramificación especiales para algunas restricciones (o variables ej SOS) 6. Etc
16 Reducción de coeficiente Considere la siguiente restricción a b a > 0 { 0,} j j j j j Si a > b reemplazar a por b: b + a j j b a j > 0 j { 0,} j Ejemplo: + () + () 0 () ()
17 Correcto modelado relaciones lógicas Ejemplo: Una restricción habitual Si el conjunto de restricciones lineales no es único Entonces. Cuál es la mejor opción? Si la tarea Yi se lleva a cabo en cualquier período i=..n entonces seleccionar la unidad Z. Intuitivamente se pueden escribir conjuntos de restricciones algebraicas válidas A- B- n i= i n z z i i =,,..., n Una única desigualdad Conjunto de n desigualdades Considerese el caso con i= z z z ( + ) A B
18 Caso A ( + ) z Región factible z Punto no entero Punto no entero
19 Caso B z z Región factible z
20 Conjuntos de ordenación especial SOS Considere la siguiente restricción = En lugar de la regla habitual de ramificación : i I i Se divide I en dos subconjuntos iguales I e I Se ramifica sobre la dicotomía: = 0 = 0 i i I i I i = = = = 0 + = = 0 7 = 0 8 = 0 5 = 0 6 = 0 3 = 0 4 = 0 = 0 = 0
21 MINLP Programación No-Lineal de con variables discretas (MINLP) Algoritmos min : f ( x, s. a. h( x, g( x, ) ) = 0 ) 0 x X R { 0,} p n Ramificación Acotamiento Ravindran Gupta 985; Leffer Fletcher 00 Ramificación corte: Stuubs Mehrota 999 Descomposición de Benders Generalizada Geofrion, 97 Aproximaciones Exteriores Duran Grossmann 986; Yuan col 988; Fletcher Leffer 994 LP/NLP Ramificación Acotamiento Quesada Grossmann 99 Plano de Corte Extendido Westerlund Petersen 995
22 MINLP Ramificación Acotamiento Enumeración en árbol Cada nodo es un NLP- LB min : Z = f ( x, ) s. a g ( x, ) 0 j x X, 0 0 i I i i I i FL FU Ventaja: Formulación sencilla, sólo requiere problemas de tipo NLP- Inconveniente: Potencialmente sería necesario resolver muchos NLPs Convergencia global: sólo necesita que cada NLP- alcance su óptimo global
23 MINLP Los diferentes algoritmos se pueden derivar por la combinación de diferentes subproblemas a) NLP Relajado (relajación de alguna binaria). Límite inferior LB min : Z = f ( x, ) s. a g ( x, ) 0 j x X, 0 0 i I i i I i FL FU (NLP-R) b) NLP Variables binarias fijas. Límite Superior U min : Z = f ( x, ) s. a g ( x, ) 0 j x X (NLP-) c) NLP De Factibilidad para una fija. min : u s. a g ( x, ) u j x X, u R (NLP-F) Minimización de la norma infinito del vector de no-factibilidades
24 MINLP Problema Maestro (Duran Grossmann, 986) M-MILP min : Z L = α T x x s. a. α f ( x, ) + f ( x, ) =... K T x x g j ( x, ) + g j ( x, ) 0 j J Notas: a) El punto (x, ) = K se obtiene normalmente de NLP- b) Las linealizaciones se acumulan en cada iteración c) Produce una secuencia no-decreciente de límites inferiores
25 MINLP Función objetivo convexa Región factible convexa f(x) x x x x x x x Subestimación de la función objetivo Sobreestimación de la región factible
26 MINLP Algoritmo de las aproximaciones exteriores (implementado en GAMS como DICOPT) NLP-R MILP-M Problema relajado. Binarias relajadas a continuas entre 0 Cota Inferior: Valores de para NLP- Función objetivo = Z M Corte Binario NLP- NLP- Factible No NLP-F ( fijas) Cota Superior. Posible Solución. Nueva linealización en x óptima Z* = mejor cota superior Problema de factibilidad Sí No Z M > Z* Sí Fin
27 MINLP Extensión a problemas con restricciones de igualdad: La única modificación necesaria es a nivel del problema MASTER min : Z L = α T x x s. a. α f ( x, ) + f ( x, ) T x x g j ( x, ) + g j ( x, ) 0 j J T x x sign( λi ) hi ( x, ) 0 i I =... K Relajación de la igualdad en desigualdad utilizando el signo del multiplicador de Lagrange
28 Códigos comerciales para MINLP DICOPT++ (GAMS) Viswanathan Grossmann (990) Aproximaciones exteriores AOA (AIMSS) Aproximaciones exteriores MINLP (AMPL) Fletcher Laffer (999) Ramificación acotamiento α-ecp Westerlund Petersson (996) Plano de corte extendido (también bajo GAMS) MINOPT Scheweiger Floudas (998) Descomposición de Benders BARON Sahinidis col (998) Optimización global (también bajo GAMS) SBB (GAMS) Ramificación acotamiento simple.
29 Sistemas de modelado Programación Matemática GAMS (Meeraus col, 997) AMPL (Fourer col, 995) AIMSS (Bisschop col, 000). Sistemas de modelado algebraico: Modelos basados en ecuaciones. Capacidad de indexado. Permite plantear problemas grandes con poco esfuerzo 3. Diferenciación automática. El usuario no tiene que proporcionar información de derivadas. 4. Conexión automática don diferentes códigos (sin cambiar la formulación del modelo) diferentes tipos de modelos (LP, MILP, NLP, MINLP )
TEMA 11: INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA CON VARIABLES DISCRETAS
TEMA 11: INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA CON VARIABLES DISCRETAS 1.- ECUACIONES LINEALES (MILP) 1.1.- Formulación 1.2.- Algoritmos para resolver MILPs 2.- VISIÓN GENERAL DE LOS ALGORITMOS DE
Más detallesProgramación Entera. Nelson Devia C. IN Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulos 10 y 11
Más detallesProgramación entera 1
Programación entera 1 1. El modelo de programación entera. 2. Aplicaciones de la programación entera. 3. Solución gráfica de problemas enteros. 4. El algoritmo de ramificación y acotación. 5. El algoritmo
Más detallesResolución del problema. Problema: Los puntos extremos no tienen por qué ser enteros
Resolución del problema Problema: Los puntos extremos no tienen por qué ser enteros Si fueran enteros no habría problema por qué no obtener la envoltura convexa? demasiado costoso Hay unas formulaciones
Más detallesProgramación Lineal Entera. Programación Entera
Programación Lineal Entera PE Programación Entera Modelo matemático, es el problema de programación lineal Restricción adicional de variables con valores enteros. Programación entera mita Algunas variables
Más detallesProblemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Problemas de programación entera: El método Ramifica y Acota Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema La estrategia Divide y vencerás Árboles de enumeración
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 detallesMétodos de Optimización para la toma de decisiones
Facultad de Ingeniería Departamento de Ciencias de la Ingeniería Magíster en Logística y Gestión de Operaciones Métodos de Optimización para la toma de decisiones MLG-521 Programación Entera 1º Semestre
Más detallesmáx 5x 1 + 7x 2 s.a 2x 1 + x x 1 + 9x 2 41 x 1 0, x 2 0, enteras, z opt z opt 38
Programación Lineal Entera / Investigación Operativa PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 4. Resuelve el siguiente problema de programación entera por el método Branch and Bound: máx 5x + 7x s.a
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA
11 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE ENUMERACIÓN, RAMIFICACIÓN Y ACOTACIÓN Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de
Más detallesTeniendo en cuenta los valores de las variables se tienen 3 tipos de modelos lineales enteros:
Tema 5 Programación entera En este tema introducimos problemas lineales en los que algunas o todas las variables están restringidas a tomar valores enteros. Para resolver este tipo de problemas se han
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesOptimización bajo Incertidumbre. 0. Revisión. Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR
Optimización bajo Incertidumbre 0. Revisión Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Contenido 1 Revisión Probabilidad
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesAlgoritmo de ramificación y acotación
Algoritmo de ramificación y acotación Investigación Operativa Ingeniería Técnica en Informática de Gestión UC3M Curso 08/09 Descripción de los objetivos En esta práctica desarrollaremos el algoritmo de
Más detalles9. Programación lineal entera.
9. rogramación lineal entera. Introducción Método de ramificación y poda rogramación lineal entera Un problema de programación entera es aquel en el que alguna o todas sus variables deben tomar valores
Más detallesAlgoritmos de Planos de Corte
Algoritmos de Planos de Corte Problema: max {cx / x X} con X = {x / Ax b, x Z n + } Proposición: conv (X) es un poliedro que puede entonces escribirse como conv (X) = {x / Ax b, x 0} Lo mismo ocurre para
Más detallesUniversidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 19 de Septiembre de 2007 Soluciones
Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 9 de Septiembre de 7 Soluciones. ( puntos Tu empresa proporciona automóviles a algunos de sus
Más detallesAnálisis Post Optimal y Algoritmo de Ramificación y Acotamiento
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Análisis Post Optimal y Algoritmo de Ramificación y Acotamiento Marcel Goic F.
Más detallesUnidad didáctica 1. Introducción a las funciones de varias variables 9. Objetivos de la Unidad... 11
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a las funciones de varias variables 9 Objetivos de la Unidad... 11 1. Conceptos básicos de topología en R n... 12 1.1.
Más detallesSIMULACIÓN Y OPTIMIZACIÓN DE LOS PROCESOS QUÍMICOS
Ingeniería Química 1-5 CÓDIGO: B052/99/7342 CURSO: 2002-2003 17/96/3061 Carga docente: 6 créditos (3 teóricos + 3 prácticos) Troncal Curso: 5º Primer cuatrimestre Departamento: Ingeniería Química Profesor:
Más detallesContenido. 1 Resolución mediante planos de corte. Resolución mediante planos de corte
Contenido 1 Resolución mediante planos de corte para LP para IP Facultad de Ingeniería. UdelaR Fundamentos de Programación Entera 1/20 para LP para IP Resolución mediante planos de corte La metodología
Más detallesOptimización combinatoria Flujo en redes. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Optimización combinatoria Flujo en redes Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Optimización combinatoria: definición y formulación de PE El problema
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 detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA MÉTODOS DE RESOLUCIÓN Redondeo: DESACONSEJABLE: Por producir malas soluciones Por producir soluciones infactibles Ejemplo PLA Max F(X) = 4x 1 + 3x 2 s.a. 2x 1 + x 2 2 3x 1 +
Más detallesCAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA
CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA Programación Lineal Entera Es una técnica que permite modelar y resolver problemas cuya característica principal es que el conjunto de soluciones factibles es discreto.
Más detallesCAPÍTULO II METODOLOGÍA DE SOLUCIÓN. Este capítulo es de suma importancia ya que en él se explica la metodología de solución
CAPÍTULO II METODOLOGÍA DE SOLUCIÓN Este capítulo es de suma importancia ya que en él se explica la metodología de solución utilizada en este trabajo para resolver de manera exacta el Problema de Localización
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Administración y Dirección de Empresas Plan BOE: BOE número 67 de 19 de marzo de 2014 Asignatura: Módulo: Métodos cuantitativos de la empresa Curso: 2º Créditos ECTS:
Más detallesFundamentos de Programación Entera. A. Revisión. Carlos Testuri Germán Ferrari
Fundamentos de Programación Entera A. Revisión Carlos Testuri Germán Ferrari Departamento de Investigación Operativa Instituto de Computación Facultad de Ingeniería Universidad de la República 2012-2018
Más detallesCasos especiales de la P. L.
Casos especiales de la P. L. Programación Lineal Entera Un modelo de programación lineal que no acepta soluciones fraccionales. En este caso, la formulación es similar a la de un problema general de programación
Más detallesOptimización lineal entera mixta
Optimización lineal entera mita Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es CONTENIDO INTRODUCCIÓN MÉTODOS DE SOLUCIÓN MÉTODO DE RAMIFICACIÓN
Más detalles1. Defina el problema de particionamiento. Escriba un ejemplo de este tipo de problema, junto con su formulación general en AMPL.
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA o. DIPLOMATURA DE ESTADÍSTICA Ampliación de la Investigación Operativa. Curso 00/0 a Prueba de Evaluación Continua. Fecha: 6-6-0. Defina el problema
Más detallesAlgoritmos mas complejos. Algoritmos y Estructuras de Datos II (Programación I) Mgter. Vallejos, Oscar A.
Algoritmos mas complejos Divide y Vencerás Técnica empleada en cosas dispares. También en el diseño de algoritmos. (ordenación: Quicksort; Mergesort). Consiste básicamente en dividir un problema original
Más detallesJuan Bello, Gabriela Casanova,Laura Flores,Elina Pacini,Silvana Santos
1 WINQSB (Sistema de consultas para negocios) 2 3 Módulos de WinQSB MÓDULO 1: Aceptación de análisis de prueba Desarrolla y analiza aceptación de planes de prueba para atributos y características de calidad
Más detallesInvestigación Operativa
Investigación Operativa Unidad temática 3.3: Extensiones de la programación lineal. Programación con objetivos múltiples. Fundamentos y aplicaciones. Variables irrestrictas. Programación por objetivos.
Más detallesFundamentos de Programación Entera. 6. Planos de corte. Carlos Testuri Germán Ferrari
Fundamentos de Programación Entera 6. Planos de corte Carlos Testuri Germán Ferrari Departamento de Investigación Operativa Instituto de Computación Facultad de Ingeniería Universidad de la República 2012-2018
Más detallesMejoras computacionales en descomposición anidada estocástica de Benders. Andrés Ramos Santiago Cerisola
Mejoras computacionales en descomposición anidada estocástica de Benders Andrés Ramos Santiago Cerisola Modelo de coordinación hidrotérmica Determina la producción óptima de los generadores térmicos e
Más detallesCurso: 1º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación: Teórico-Práctica
Ficha Técnica Titulación: Grado en Economía Plan BOE: BOE número 75 de 28 de marzo de 2012 Asignatura: Módulo: Instrumental Curso: 1º Créditos ECTS: 6 Tipo de asignatura: Obligatoria Tipo de formación:
Más detallesProgramación Entera (PE)
Programación Entera (PE) Sorprendentemente, existen una amplia gama de problemas prácticos que pueden modelarse usando variables enteras. Este tipo de modelos suelen llamarse de Programación Discreta.
Más detallesConjuntos test en optimización entera no lineal. J. Gago M. I. Hartillo J. Puerto J.M. Ucha. Priego de Córdoba, de Septiembre 2013
Conjuntos test en optimización entera no lineal J. Gago M. I. Hartillo J. Puerto J.M. Ucha Priego de Córdoba, 27-29 de Septiembre 2013 Método Walk-Back Programación entera con ayuda del álgebra Recordaremos
Más detallesRAMIFICAR-ACOTAR Y PLANOS DE CORTE
RAMIFICAR-ACOTAR Y PLANOS DE CORTE ELISA SCHAEFFER Programa de Posgrado en Ingeniería de Sistemas (PISIS) elisa@yalma.fime.uanl.mx INVESTIGACIÓN DE OPERACIONES EL MÉTODO RAMIFICAR-ACOTAR (RA) (ingl. Branch
Más detallesIntroducción a la Optimización Matemática
Introducción a la Optimización Matemática Modelos de Optimización Tienen como propósito seleccionar la mejor decisión de un número de posibles alternativas, sin tener que enumerar completamente todas ellas.
Más detallesMétodo de árbol de cubos para resolver problemas de optimización discreta en la toma de decisiones. CONTENIDO
Método de árbol de cubos para resolver problemas de optimización discreta en la toma de decisiones. 1 CONTENIDO Introducción Marco teórico Métodos de optimización Método de árbol de cubos Problema de optimización
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 3 Programación Entera
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 3 Programación Entera ORGANIZACIÓN DEL TEMA Sesiones: Introducción y formulación Variables binarias Métodos de solución OPTIMIZACIÓN DE MODELOS DISCRETOS
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 detallesMETODO SIMPLEX. Paso 1 Se convierte el modelo matemático de Programación Lineal (PL) a su forma estándar.
METODO SIMPLEX El algoritmo Simplex comprende los siguientes pasos: Paso 1 Se convierte el modelo matemático de Programación Lineal (PL) a su forma estándar. Al elaborar el modelo matemático que representa
Más detallesEl método Ramifica y acota (Branch and Bound) (V)
El método Ramifica y acota (Branch and Bound) (V) Así pues, la estructura general de esta técnica consiste en: Un criterio para dividir los subconjuntos candidatos a contener la solución óptima encontrados
Más detallesMultiplicadores de Lagrange y dualidad
Multiplicadores de Lagrange y dualidad Problemas con solo restricciones de igualdad Sea x* un mínimo local y regular ( : son linealmente independientes), entonces existen tales que: Interpretación y ejemplos.
Más detallesIntroducción a la programación lineal y entera Una simple presentación
Introducción a la programación lineal y entera Una simple presentación Miguel Mata Pérez miguel.matapr@uanl.edu.mx Versión 0.1, 30 de septiembre de 2014 Resumen: Este trabajo es una presentación de la
Más detallesPROBLEMAS DE OPTIMIZACIÓN
PROBLEMAS DE OPTIMIZACIÓN ELISA SCHAEFFER Programa de Posgrado en Ingeniería de Sistemas (PISIS) elisa@yalma.fime.uanl.mx INVESTIGACIÓN DE OPERACIONES PROBLEMA DE OPTIMIZACIÓN Dada una situación interesante
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 detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesPROGRAMACION ENTERA: METODO DE BIFURCACIÓN Y ACOTAMIENTO
PROGRAMACION ENTERA: METODO DE BIFURCACIÓN Y ACOTAMIENTO La mayor parte de los PE se resuelven en la práctica mediante la técnica de ramificación y acotamiento. En este método se encuentra la solución
Más detallesProgramación Entera TIPOS DE PROBLEMAS DE PROGRAMACIÓN EN ENTEROS. Comparación entre la programación lineal y la de enteros
Comparación entre la programación lineal y la de enteros Programación Entera M. En C. Eduardo Bustos Farías En programación lineal, el algoritmo símplex siempre encuentra el óptimo global debido a que
Más detallesOEC - Optimización Entera y Combinatoria
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa MÁSTER
Más detallesTEST IO-I T1. CONCEPTOS PREVIOS. C1.1. Cualquier conjunto convexo tiene al menos un punto extremo?
TEST IO-I T1. CONCEPTOS PREVIOS C1.1. Cualquier conjunto convexo tiene al menos un punto extremo? a) Puede tener puntos extremos. b) Puede no tener puntos extremos. c) Puede tener vértices. C1.2. Es convexo
Más detalles84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.
Tema 3 Dualidad En el desarrollo de la programación lineal la teoria de la dualidad es importante, tanto desde el punto de vista teórico como desde el punto de vista práctico. Para cada modelo lineal se
Más detallesEjemplo: ubicación de estación de bomberos
15.053 Jueves, 11 de abril Más aplicaciones de la programación entera. Técnicas de plano de corte para obtener mejores cotas. Ejemplo: ubicación de estación de bomberos Considere la ubicación de estaciones
Más detallesBúsqueda Heurística II
Búsqueda Heurística II Pedro Meseguer IIIA-CSIC Bellaterra, Spain pedro@iiia.csic.es Algoritmos Algoritmo: procedimiento computacional que termina si en algún caso no termina, hay que especificarlo Características:
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx El Concepto de Penalización Un método de
Más detallesGESTIÓN ÓPTIMA DE LOS RECURSOS ENERGÉTICOS DISTRIBUIDOS CONSIDERANDO RESTRICCIONES ELÉCTRICAS
GESTIÓN ÓPTIMA DE LOS RECURSOS ENERGÉTICOS DISTRIBUIDOS CONSIDERANDO RESTRICCIONES ELÉCTRICAS Guillem Viñals Canal, CITCEA-UPC Mónica Aragüés Peñalba, CITCEA-UPC Oriol Gomis Bellmunt, CITCEA-UPC oriol.gomis@upc.edu
Más detallesClasificación de Sistemas. Clasificación de Sistemas. Clasificación de Sistemas. Clasificación de Sistemas
Clasificación de Sistemas Clasificación de Sistemas Simples, complicados o complejos Deterministas o probabilistas Centralizados o distribuidos Reactivos o proactivos Rígidos o adaptativos Simples, complicados
Más detallesCO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008
Dantzig-Wolfe / Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 06 de febrero de 2008 Contenido 1 Dantzig-Wolfe 2 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2 Ahora la nueva base produce
Más detallesPlanificación de la expansión de capacidad de un sistema de potencia térmo-eléctrico bajo condiciones de incertidumbre
Planificación de la expansión de capacidad de un sistema de potencia térmo-eléctrico bajo condiciones de incertidumbre Víctor M. Albornoz S. Manuel E. Rojas A. Departamento de Industrias Universidad Técnica
Más detallesModelización Avanzada en Logística y Transporte
Modelización Avanzada en Logística y Transporte Unidad 2: Bases de programación matemática y teoría de grafos Luis M. Torres Escuela Politécnica del Litoral Guayaquil, Octubre 2006 Maestría en Control
Más detallesDualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No. 12 Nombre: Programación integral. Segunda parte. Objetivo Al finalizar el alumno, será capaz de identificar cuatro técnicas de solución dentro de la programación integral
Más detallesModelos de optimización y lenguajes algebraicos de modelado. Andrés Ramos
Modelos de optimización y lenguajes algebraicos de modelado Andrés Ramos Modelo Esquema teórico, generalmente en forma matemática, de un sistema o de una realidad compleja (por ejemplo, la evolución económica
Más detallesDepartamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c
Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal
Más detalles2 Prueba de desarrollo. -Independencia lineal. -Ejemplos de independencia lineal. -Aplicaciones a la Economía.
Asignatura de: ECONOMÍA MATEMÁTICA I CALENDARIZACIÓN DE CONTENIDOS Modalidad Presencial 018 Asignatura: Al finalizar la asignatura, el de analizar el álgebra lineal, cálculo diferencial, integrales múltiples,
Más detallesTema 3 Optimización lineal. Algoritmo del simplex
Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo
Más detallesProgramación lineal entera
Capítulo 2 Programación lineal entera 2.1. Definición En las últimas décadas, el uso de modelos de programación lineal entera mixta para resolver problemas de Optimización Combinatoria se ha incrementado
Más detallesMinimización De Pérdidas En Media Tensión Con Intervención De Generadores Dispersos En El Control ANEXO I: PROGRAMA GAMS
ANEXO I: PROGRAMA GAMS Página 1 de 5 GAMS son las siglas de General Algebraic Modeling System. GAMS es un lenguaje de programación que permite el modelado, análisis y resolución de diversos problemas de
Más detallesPROGRAMA DE CURSO SCT
PROGRAMA DE CURSO Código Nombre MA4702 Programación Lineal Mixta : Teoría y Laboratorio Nombre en Inglés Mixed Integer Programming : Theory and Laboratory SCT Horas Horas de es Horas de Docencia Trabajo
Más detallesProgramación Lineal. Yolanda Hinojosa
Programación Lineal Yolanda Hinojosa Contenido Formulación primal de un programa lineal. Propiedades Algoritmo del simplex Algoritmo dual del simplex Formulación dual de un programa lineal. Propiedades
Más detallesOPTIMIZACIÓN 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 detallesAl considerar varios polígonos regulares inscritos resulta: perímetro del cuadrado < π. perímetro del 96 gono < π
AMPLIACIÓN DE MATEMÁTICAS INTRODUCCIÓN Método Constructivo: Conjunto de instrucciones que permiten calcular la solución de un problema, bien en un número finito de pasos, bien en un proceso de paso al
Más detallesIntroduction to Optimization Ángel Marín. Integer Programming 3: Cutting plane technique.
Introduction to Optimization Ángel Marín Integer Programming 3: Cutting plane technique. 1 Cutting plane Each Plane Cut must verify: a) Delete the previous continuous (LR) optima solution, b) Not eliminate
Más detallesEL PROBLEMA GENERAL DE OPTIMIZACION
EL PROBLEMA GENERAL DE OPTIMIZACION Terminología Tipos de soluciones Resultados teóricos sobre existencia y unicidad de soluciones Método gráfico de resolución Problemas de optimización Este tipo de problemas
Más detallesEl Problema del Vendedor Viajero
IN47B, Ingeniería de Operaciones Contenidos 1 Introducción 2 Resolviendo TSP 3 Programación Entera y el TSP Descripción del Problema Definición: Dado un conjunto finito de ciudades, y costos de viaje entre
Más detallesOptimización de Problemas no lineales.
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Optimización de Problemas no lineales. Marcel Goic F. Esta es una versión bastante
Más detallesComparativa de subrutinas para la resolución de problemas de optimización no lineales enteros mixtos
Facultad de Matemáticas Universidad de Murcia Comparativa de subrutinas para la resolución de problemas de optimización no lineales enteros mixtos Ana Belén Marín Valverde Dirigido por: José Fernández
Más detallesFundamentos de Programación Entera
Fundamentos de Programación Entera Carlos Testuri Germán Ferrari Departamento de Investigación Operativa. Instituto de Computación. Facultad de Ingeniería. Universidad de la República 2012-2016 Facultad
Más detallesProgramación Lineal. María Muñoz Guillermo Matemáticas I U.P.C.T. M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13
Programación Lineal María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13 Qué es la Programación Lineal? Introducción La Programación
Más detallesProgramación lineal: Algoritmo del simplex
Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b
Más detallesMin 2x x 2 2 2x 1 x 2 6x 2 4x 1 s.a. x x 2 2 = 1 x 1, x 2 0
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Ampliación de la Investigación Operativa. Curso 2001/2002 Segundo de la Diplomatura de Estadística Examen de Septiembre. Fecha: 10-9-2002 1. Dado el
Más detallesOptimización. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19
Optimización Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19 Introducción Problema general de optimización (minimización) Dado f : Ω R
Más detallesFiabilidad. Fiabilidad. María Isabel Hartillo Hermoso Granada, 25 de Mayo FQM-5849
Fiabilidad María Isabel Hartillo Hermoso hartillo@us.es Granada, 25 de Mayo FQM-5849 Sistemas Partimos de un sistema en serie: r 1 r 2 r 3 r 4 Sistemas Partimos de un sistema en serie: r 1 r 2 r 3 r 4
Más detallesPREFACIO... xvi. CAPÍTULO 1 Introduction... 1
ÍNDICE PREFACIO... xvi CAPÍTULO 1 Introduction... 1 1.1 Orígenes de la investigación de operaciones... 1 1.2 Naturaleza de la investigación de operaciones... 2 1.3 Efecto de la investigación de operaciones...
Más detallesASIGNATURA APLICACIÓN DE PROGRAMACIÓN MATEMÁTICA PARA EL DISEÑO Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS NOMBRE REDUCIDO DE LA ASIGNATURA
PROGRAMA ANALÍTICO I. DATOS GENERALES DE LA ACTIVIDAD CURRICULAR ASIGNATURA APLICACIÓN DE PROGRAMACIÓN MATEMÁTICA PARA EL DISEÑO Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS NOMBRE REDUCIDO DE LA ASIGNATURA OPTIMIZACIÓN
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesForma estándar de un programa lineal
Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las
Más detallesEscuela de algoritmos de aproximación
Escuela de algoritmos de aproximación Módulo 2: Introducción a los algoritmos de aproximación Francisco Javier Zaragoza Martínez Universidad Autónoma Metropolitana Unidad Azcapotzalco ITAM, 14 de septiembre
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 detallesINTRODUCCIÓN A LA PROGRAMACIÓN ENTERA
INTRODUCCIÓN A LA PROGRAMACIÓN ENTERA Los problemas de programación lineal en que se requiere que algunas o todas las variables tomen valores enteros, son de programación entera. La programación entera
Más detallesProgramación Entera. Investigación Operativa. Universidad. Nacional Facultad. Tecnológica. Regional. Mendoza
Investigación Operativa Universidad Tecnológica Nacional Facultad Regional Mendoza Aplicaciones de programación lineal grandes limitaciones suposición de divisibilidad Exigir valores enteros Problema De
Más detallesJosé Francisco Tudón Maldonado Mario Roberto Urbina Núñez. Funciones de Mérito en Ecuaciones No Lineales. i=1 n. = r i (x) i=1
Funciones de mérito José Francisco Tudón Maldonado Mario Roberto Urbina Núñez 9 de abril de 011 1 Introducción Las funciones de mérito surgen para determinar en un algoritmo que resuelve un problema de
Más detallesExamen de Investigación Operativa 2006/07
Examen de Investigación Operativa 2006/07 ITIG-UC3M, 10 de septiembre de 2007, 10:00-12:00 Nombre, apellidos, grupo y NIA: Problema 1 Problema 2 Problema 3 Problema 4 Total Nota: indica en cada caso el
Más detalles