CO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008
|
|
- Juan Francisco Gil Marín
- hace 5 años
- Vistas:
Transcripción
1 Dantzig-Wolfe / Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 06 de febrero de 2008
2 Contenido 1 Dantzig-Wolfe 2
3 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2
4 Ahora la nueva base produce lo siguiente: ( ) ( ) 10 6 p2 B = x 1 1 B = = p 3 ( 1 /2 1/2 ) c B = ( ).
5 Iteración 3 (Fase II): Resolvemos el sistema y T B = c B T, que ahora queda: ( ) 10 6 (y 1, y 2 ) = (22, 18) 1 1 que da como resultado y T = (1, 12). El subproblema tiene las mismas restricciones que los anteriores, pero su costo es: ( c T y T A ) = (1, 3, 1, 1) (1, 1, 1, 1) = (0, 2, 2, 0).
6 Igual que antes lo separamos en dos problemas de dos variables y lo resolvemos grácamente. Nos da como solución óptima: v 3 = (0, 6, 0, 0) que cumple ( c T y T A ) v 3 = = y m +1 lo cual indica que la solución actual es una solución óptima del Problema Maestro
7 Nos da una solución del problema original: 0 x = p 2 v 2 + p 3 v 3 = = con valor óptimo z = 20 (note que este valor se obtiene sustituyendo x en la función objetivo original y también haciendo c T B x B con la última solución básica del Problema Maestro)
8 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2
9 La iteración (1) Dantzig-Wolfe Se supone dada una SBF, ya sea para el Problema Maestro o para la Fase I. Resolver y T B = c T B, donde B es la matriz básica actual y c B es el vector de costos básicos. Resolver el subproblema: max ( c T y T A ) x s.a. A x = b l x u, donde y es el vector y menos la última componente. En el caso de Fase I, c debe ser cero.
10 La iteración (2) Si el subproblema tiene una SBF óptima v con ( c T y T A ) v > y m +1, entonces La columna entrante es: ã = ( A v 1 ) con costo: c T v (Fase I, costo 0)
11 La iteración (3) Dantzig-Wolfe En caso contrario si el subproblema es no acotado se produce una dirección de no acotación w, entonces ( ) A w La columna entrante es: ã = 0 con costo: c T w (Fase I, costo 0)
12 La iteración (4) Dantzig-Wolfe En caso contrario (el subproblema tiene una SBF óptima v con ( c T y T A ) v y m +1), entonces La solución actual del Problema Maestro es óptima De aquí en adelante proceder como en el Simplex Revisado usual.
13 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2
14 Cotas superiores sobre el óptimo Volvemos al subproblema: max ( c T y T A ) x s.a. A x = b l x u (1) y supongamos que tenemos una solución óptima x con valor z. Ahora sea x cualquier solución factible del problema original. Por denición de z y como x es factible para (1) tenemos: ( c T y T A ) x z
15 Cotas superiores sobre el óptimo que podemos escribir c T x z + y T A x = z + y T b que es una cota superior sobre el óptimo del problema original que se puede calcular con los datos obtenidos. Esta cota se puede usar para detener el algoritmo cuando esté sucientemente cercana al valor actual de la función objetivo.
16 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2
17 Cuando el Problema Maestro tiene variables de holgura (caso de desigualdades) hay que calcular sus costos reducidos aparte de los resultados de subproblemas. Se puede aprovechar la última base de un subproblema para iniciar el siguiente. La región factible no cambia. No hay que optimizar completamente el subproblema, basta encontrar una solución (SBF ) que satisfaga la desigualdad apropiada. Otras formas de la descomposición: Múltiples restricciones de convexidad.
18 Contenido 1 Dantzig-Wolfe 2
19 Existe un vector x 0 que cumple Bx = a a T u 0 para todos los u que satisfacen B T u 0.
20 Demostración del [= ] Supongamos que existe un x 0 tal que Bx = a, entonces u T Bx = u T a o, transponiendo, x T B T u = a T u entonces como x 0, si B T u 0, entonces a T u 0. (ojo, ver componente a componente)
21 Demostración... [ =] Suponemos que a T u 0 para todos los u que satisfacen B T u 0, y consideramos el problema lineal max a T u s.a. B T u 0 que claramente tiene una solución óptima de valor cero.
22 Demostración... Por el teorema fundamental de Programación Lineal su dual: min s.a. 0 T x Bx = a x 0 también tiene solución óptima, en particular, es factible, es decir existe un vector x 0 que cumple Bx = a.
23 Contenido 1 Dantzig-Wolfe 2
24 El problema Esta estrategia se aplica a problemas de la forma: max s.a. c T x + f (y) Ax + F (y) b x 0, y S (2) donde A es m n, c y x tienen tamaño n, y tiene tamaño p, f es una función real de y, F tiene tamaño m y sus componentes son funciones reales de y, b tiene tamaño m, y S es un subconjunto compacto arbitrario de R p. Suponemos además que f y F son continuas en S. Este formato incluye Programación Entera.
25 La idea Como (2) es lineal en x, para valores jos de y, es natural intentar resolverlo jando un valor de y, obteniendo un LP, resolverlo, luego un mejor y, etc. Es importante mencionar que no todo y puede servir. Es necesario que el y elegido haga el LP resultante factible. Esto es, y debe vivir en el conjunto: R = {y existe x 0 tal que Ax b F (y), y S} A los vectores y en R los llamaremos factibles.
26 La idea Nos interesa tratar de caracterizar R mejor. Para un y jo, consideremos el sistema lineal Ax + s = b F (y) x 0, s 0 que proviene de añadir holguras s al sistema que dene R.
27 La idea Podemos aplicar el y obtenemos que y es factible si y sólo si y S y (b F (y)) T u 0 para todos los u que satisfacen A T u 0, u 0 o dicho de otra manera: y S y (b F (y)) T u 0 para todos los u que satisfacen A T u 0, u 0
28 La idea Si R es vacío entonces el problema original (2) es no factible. Suponiendo que sea no vacío, reescribimos (2) como { { f (y) + max c T x Ax b F (y), x 0 max y R }} (3)
29 La idea Para y jo, la maximización interna es un programa lineal: max s.a. c T x Ax b F (y) x 0 (Primal) cuyo dual es min s.a. (b F (y)) T u A T u c u 0 (Dual) Si y R, el primal es factible y, en consecuencia, los valores óptimos de estos problemas son los mismos (esto se extiende al caso cuando el dual es no factible, primal no acotado, valiendo + ambos problemas).
30 La idea Substituyendo entonces un problema por otro en (3), obtenemos: { { }} f (y) + min (b F (y)) T u A T u c, u 0 (4) max y R Consideremos ahora la región factible del dual, el poliedro: { } P = u A T u c, u 0 Esta región es independiente de y.
31 La idea Si P es vacío, el primal es no acotado lo mismo que el problema original (2). Si P no es vacío, el mínimo en (4) se obtiene en una de las SBF de P o el valor va a sobre uno de las DBFs de P (que son las mismas de C ). Pero este último caso implicaría que el primal no es factible y no consideramos este caso.
32 La idea sólo necesitamos considerar las SBF de P, llamémoslas v r, r = 1,..., M, y (4) se puede reescribir como: { } max y R f (y) + min 1 r M (b F (y))t v r (5) que se puede escribir como max s.a. z z f (y) + (b F (y)) T v r, r = 1,..., M y R
33 La idea como el cono C = { } u A T u 0, u 0 es poliédrico se puede generar con un número nito de direcciones extremas. De manera que u C tiene una representación: u = N q s w s, con los q s 0. s=1
34 La idea sustituyendo, obtenemos N q s (b F (y)) T w s 0 s=1 que es cierto para todo q s 0, si y sólo si (b F (y)) T w s 0, s = 1,..., N
35 La idea Entonces un vector y S será factible si y sólo si satisface este conjunto nito de restricciones. Entonces podemos reescribir el conjunto R como R = { y (b F (y)) T w s 0, } s = 1,..., N, y S
36 La idea Usando la denición de R queda nalmente: max z s.a. z f (y) + (b F (y)) T v r, r = 1,..., M 0 (b F (y)) T w s, s = 1,..., N y S (6) A la región factible de (6) la llamamos G.
CO5411. Prof. Bernardo Feijoo. 13 de febrero de Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar
Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 13 de febrero de 2008 Contenido 1 Contenido 1 Existe un vector x 0 que cumple Bx = a a T u 0 para todos los u que satisfacen B T
Más detallesDegeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/
CO-3411 (S08 30/03/2008 98 Degeneración y ciclaje En el caso de problemas generales, una solución será degenerada cuando alguna de las variables básicas se encuentra en una de sus cotas (comparar con el
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 detallesmax c T x s.a. Ax b x 0 y un diccionario general para dicho problema a rs x s, c s x s z = d + b r y r min b T y s.a. A T y c y 0
CO-34 (S8) 25/3/28 8 Formalizaremos lo visto en la clase anterior. Considere un problema en forma estándar max s.a. c T x Ax b x un diccionario general para dicho problema x r = b r + a rs x s, s NB z
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 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 detallesLa factorización eta CO-3411 (S08) 09/03/
CO-3411 (S08) 09/03/008 74 La factorización eta Esta factorización es una forma de llevar la matriz A B en cada iteración que evita tener que resolver los sistemas lineales involucrados desde cero, pudiendo
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 detallesDualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización
Contenidos Motivación y Representación de Poliedros IN3701, Optimización 22 de abril de 2009 Contenidos Motivación y Representación de Poliedros Contenidos 1 Motivación 2 y Representación de Poliedros
Más detallesControl 2 IN mayo 2009
Profs: Auxs: Daniel Espinoza Gonzalo Romero Víctor Bucarey Nelson Devia Jocelyn González Daniel Lillo Fernando Solari Control 2 IN3701 28 mayo 2009 Pregunta 1 La empresa de pigmentos LILLO & Co. debe decidir
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 detallesNelson Devia C Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3 Contenidos
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesTema 18. Programación lineal Formulación primal de un programa lineal
Tema 18 Programación lineal 18.1. Formulación primal de un programa lineal Dentro de la programación matemática hablamos de programación lineal (PL) si tanto la función objetivo como las restricciones
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesGuía de Problemas para el Control 2
Guía de Problemas para el Control 2 Geometría Problema 1 Demuestre que la intersección de conjuntos convexos es un conjunto convexo. Utilizando esto demuestre que todo poliedro es un conjunto convexo.
Más detallesAuxiliar 7: Dualidad
IN3701: Modelamiento y Optimización Profs: Richard Weber, Rodrigo Wolf Coordinador: M. Siebert Aux: V. Bucarey, N. Devia, P. Obrecht Auxiliar 7: Dualidad Lunes 5 de Diciembre de 2011 Pregunta 1: Dualidad
Más detallesColección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30
1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria
Más detallesMétodo Simplex en Optimización de Problemas de Producción
Método Simplex en Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile - Fernando Islas - Carlos Testuri Héctor Cancela - Antonio Mauttone Depto. Investigación Operativa. Instituto de Computación.
Más detallesUnidad III Teoría de la Dualidad.
Curso de investigación de operaciones http://www.luciasilva.8k.com/5.5.htm Unidad III Teoría de la Dualidad. III.1 FORMULACIÓN DEL PROBLEMA DUAL La Teoría de la Dualidad es una de las herramientas que
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 detallesRepaso del algoritmo SIMPLEX
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Repaso del algoritmo SIMPLEX Marcel Goic F. 1 1 Esta es una versión bastante
Más detallesAnálisis de sensibilidad 1
Análisis de sensibilidad Planteamiento general Cambios en el vector de recursos 3 Cambios en el vector de costes 4 Cambios en un vector a j no básico 5 Nuevas variables 6 Nuevas restricciones Planteamiento
Más detallesSe desea resolver el problema. P : mín f(x) (5.1)
Capítulo 5 Teoría Lagrangiana 5.1. Condiciones para problemas con restricciones de igualdad. Se desea resolver el problema P : mín f(x) (5.1) s.a : h i (x) = 0 i = 1, 2..., m donde f : IR n IR y h i :
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 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 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 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 detallesPropiedad de Completez (Parte 2) (3) Si A es un subconjunto de un campo ordenado F y u F, se dice que u es un máximo de A si,
Unidad. Números Reales.1 Números Naturales, Enteros, Racionales, Irracionales y Reales Propiedad de Completez (Parte ) Denición 1. (1) Si A es un subconjunto de un campo ordenado F y u F, se dice que es
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 detallesUn sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su solución. Estas son:
Unidad X: Programación lineal (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
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 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 detallesAlgoritmo de Karmarkar
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Algoritmo de Karmarkar Marcel Goic F. 1 1 Esta es una versión bastante preliminar
Más detallesSoluciones básicas factibles y vértices Introducción al método símplex. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Soluciones básicas factibles y vértices Introducción al método símplex Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema PLs en formato estándar Vértices y soluciones
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 detallesDualidad y postoptimización
Dualidad y postoptimización José María Ferrer Caja Universidad Pontificia Comillas Definición A cada problema de optimización lineal le corresponde otro que se denomina problema dual En forma canónica
Más detallesEjercicios - Resolución de problemas lineales. Método Simplex
Ejercicios - Resolución de problemas lineales. Método Simplex Programación Matemática LADE Curso 8/9. Dado el problema lineal máx x x x + x s.a. x + x + x = 4 x + x 4 x justifica que el punto x = ( T es
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detalles3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
CO-5411 S08) 23/02/2008 35 3. Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo
Más detallesmax z = c T x sujeto a Ax b
Tema 4 Análisis de sensibilidad El análisis de sensibilidad se realiza después de obtener la solución óptima de un modelo lineal para deteminar como afectan los cambios en los parámetros del modelo a la
Más detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesControl 2 13 de Mayo 2009
Control 2 13 de Mayo 2009 Profs: Auxs: Guillermo Durán Richard Weber Fernanda Bravo, André Carboni, Rodrigo Wolf Pregunta 1 1. (1.2 Ptos.) Cuáles son los 3 criterios principales que guían el algoritmo
Más detalles1.Restricciones de Desigualdad 2.Procedimiento algebraico
Universidad Nacional de Colombia Sede Medellín 1. Restricciones de Desigualdad Clase # 6 EL MÉTODO M SIMPLEX El método m simplex es un procedimiento algebraico: las soluciones se obtienen al resolver un
Más detallesMÉTODO SIMPLEX REVISADO O FORMA MATRICIAL
MÉTODO SIMPLEX REVISADO O FORMA MATRICIAL Algoritmo del método simplex que mejora la eficiencia de los cálculos, se realizan los mismos pasos del método simplex visto, sólo se diferencia en la manera de
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 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 detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
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 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 detalles3.1. Motivación gráfica del método Simplex
l método Simplex. Algoritmo de las dos fases.. Motivación gráfica del método Simplex l método gráfico de resolución nos garantiza que si la región de soluciones posibles es acotada, como ocurre en los
Más detalles(2.b) PROPIEDADES DE LOS MODELOS LINEALES
(2.b) PROPIEDADES DE LOS MODELOS LINEALES ESTUDIO GRÁFICO DE UN P.P.L. EN R 2. Caracterización de la región factible. Resolución gráfica del problema. Óptimos alternativos. Problemas no factibles y no
Más detallesConjunto Factible. Restricciones en el modelo. Restricciones en el modelo PROGRAMACION LINEAL PARTE 2 MÉTODO GRAFICO ADM- METODO GRAFICO
Gráfica de Restricciones PROGRAMACION LINEAL PARTE MÉTODO GRAFICO En esencia una restricción es una limitación al modelo de programación lineal. Una restricción viene dada por una desigualdad. El gráfico
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 detallesPAUTA C1. ] si z [x, , y] si z ( 2 )] si z [x, x ( x+y. 2 ] si z ( x ( x+y. )] si z [( ( y x+y
MA3701 - Optimización, Primavera 018 Profesores: J. Amaya, V. Acuña PAUTA C1 P1.a) Sea C un subconjunto de IR n. Se dice que es un convexo de punto medio si para cada par x, y C se tiene que 1 x + 1 y
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 detallesCon miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:
Método Simplex. Este método fue creado en el año 1947 por el estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el objetivo de crear un algoritmo capaz de crear soluciones
Más detallesProgramación Lineal III. Análisis Post-Optimal
Programación Lineal III. Análisis Post-Optimal P.M. Mateo y David Lahoz 7 de mayo de 009 En este tema se estudia al análisis post-optimal, qué ocurre en un problema de programación lineal que ya hemos
Más detallesTema 2. Fundamentos Teóricos de la. programación dinámica Teorema de Optimalidad de Mitten
Tema 2 Fundamentos Teóricos de la Programación Dinámica 2.1. Teorema de Optimalidad de Mitten El objetivo básico en la programación dinámica consiste en descomponer un problema de optimización en k variables
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 detallesProgramación Lineal. - Si no: Sea j tal que c
Programación Lineal El objetivo de este documento es hacer una breve introducción a la programación lineal que pueda contribuir al fácil manejo de la aplicación. La programación lineal es un procedimiento
Más detallesmaximización (con restricciones de la forma menor igual que). asociado al modelo primal de minimización y viceversa.
UNIDAD 5 MÉTODO SÍMPLEX maximización (con restricciones de la forma menor igual que). asociado al modelo primal de minimización y viceversa. minimización (con restricciones de la forma mayor que). tenga
Más detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
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 detallesProblemas resueltos C3 IN
Problemas resueltos C3 IN77 28 Profesores: Cristián Cortés, Daniel Espinoza Auxiliares: Gustavo Angulo, Diego Morán y José Mu~noz P Sea S = {s,..., s n } subconjunto de R n y considere y R n \ conv(s).
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 detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 5/6 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 10 El método de las M s como solución de problemas de programación lineal 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Resolver modelos de programación lineal mediante
Más detallesExamen de Investigación Operativa (Plan 96) Febrero de er Parcial
Examen de Investigación Operativa (Plan 96) Febrero de 2010 1 er Parcial Solución del Ejercicio 1. Definimos las variables de decisión ½ 1, si se coloca una cámara en el punto de localización i x i = 0,
Más detallesANÁLISIS DE SENSIBILIDAD.
ANÁLISIS DE SENSIBILIDAD. En la mayoría de las aplicaciones practicas, algunos datos del problema no son conocidos con exactitud y por esto son estimados tan bien como sea posible. Es importante poder
Más detalles5.1. Algoritmo en modelos de maximización
5.1. Algoritmo en modelos de maximización El primer tipo de modelo que vamos a resolver por el método símplex es el que tiene como objetivo maximizar a una función lineal, la cual está sujeta a una serie
Más detalles315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versión Integral /3 29/ UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA (VERSION.2) ASIGNATURA: Investigación de Operaciones I CÓDIGO: 35 MOMENTO: Prueba
Más detallesEl algoritmo del Simplex. Forma tabular
El algoritmo del Simplex. Forma tabular 1 Soluciones básicas factibles Consideremos el siguiente poliedro P = {x R n, tal que Ax = b, x } con A M m n, b R m, m n, x y RangoA = RangoA, b = m. Observación
Más detallesEl problema del agente viajero
CO- (F0) //00 El problema del agente viajero Un vendedor tiene que visitar n + ciudades, cada una exactamente una vez. La distancia entre cada par de ciudades viene dada por d ij (en general d ij d ji
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: FAREM-Carazo Unidad III Metodologías para la Solución
Más detallesConversión a la Forma Estándar
10 de junio de 2014 Introducción Introducción En esta lectura daremos una introducción al método Simplex desarrollado por George Bernard Dantzig (8 de noviembre de 1914 13 de mayo de 2005) en 1947. Este
Más detallesMatemáticas.
euresti@itesm.mx El método gráfico de solución de problemas de programación lineal (PL) sólo aplica a problemas con dos variables de decisión; sin embargo, ilustra adecuadamente los conceptos que nos permitirán
Más detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
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 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 detallesMatemáticas
al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
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 detallesUNIDAD 3 MÉTODO SIMPLEX. Fundamentos del método simplex
UNIDAD 3 MÉTODO SIMPLEX Fundamentos del método simplex Teoría Este método busca la solución, en cada paso, de forma mejorada hasta que no pueda seguir mejorando dicha solución. Al comienzo el vértice principal
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 detallesProgramación Lineal II. Teoría de la dualidad
Programación Lineal II. Teoría de la dualidad P.M. Mateo y David Lahoz 27 de mayo de 2009 Este tema continúa el desarrollo iniciado en el tema 1. En el se define el problema dual asociado a un problema
Más detallesComenzaremos presentando la idea principal del método de Karmarkar, para después describir los detalles de cómputo del algoritmo.
MÉTODO DEL PUNTO INTERIOR DE KARMARKAR Con el método símplex se obtiene una solución óptima siguiendo una ruta de puntos extremos adyacentes, a lo largo de las orillas del espacio de soluciones. Aunque
Más detallesGeometría y Poliedros
IN3701, Optimización 3 de agosto de 2009 Contenidos 1 Definiciones Básicas Definición 2.1 S R n es un poliedro si S = {x R n : Ax b} para algún A R m n, b R m. Definición 2.2 S R n es acotado si existe
Más detallesEJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0
Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada
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 detallesUniversidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker
. En los siguientes problemas de optimización: Universidad del Rosario Economía Matemática - 202-II Taller 8 - Kuhn Tucker a. Dibuje el conjunto K de puntos factibles y las curvas de nivel de la función
Más detallesForma estándar de un PPL con m restricciones y n variables. (b 0)
Forma estándar de un PPL con m restricciones y n variables Maximizar (minimizar) Z = c 1 x 1 + c 2 x 2 +... + c n x n a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 +a 22 x 2 +... + a 2n x n = b 2...
Más detallesTema 2: Optimización lineal. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga
Tema 2: Optimización lineal Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario El modelo de programación lineal Formulación de modelos Método gráfico
Más detallesMLG521. Cristóbal Rojas MLG521
Geometría y Polihedros MLG521 Cristóbal Rojas Deparento de Ciencias de de la Ingeniería Departamento de Ingeniería Matemática Universidad Andrés Bello Co-dictado con Pamela Álvarez MLG521 Ejemplo gráfico
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 detallesSISTEMA DE ECUACIONES LINEALES Y NO LINEALES
TEMA N o SISTEMA DE ECUACIONES LINEALES Y NO LINEALES SISTEMA DE ECUACIONES LINEALES Los metodos de resolucion de sistemas de ecuaciones lineales se dividen en dos grupos: a) MÉTODOS EXACTOS. Son algoritmos
Más detalles-PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo. D-05/2011 (Rec.
Cátedra Nissan -PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo D-05/2011 (Rec. IO-JBV) Departamento de Organización de Empresas Universidad Politécnica
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 detalles7. PROGRAMACION LINEAL
7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas
Más detallesTeórica VIII. Modelos y Optimización I. Curso 2018 Segundo Cuatrimestre
Teórica VIII Nuevamente recordamos que este material es de apoyo a las clases teóricas. Si no asistieron a la clase, les faltarán varias cosas que tienen que ver con el trabajo en clase y con las explicaciones
Más detalles