Modelización Avanzada en Logística y Transporte
|
|
- Lorena Fuentes Alvarado
- hace 5 años
- Vistas:
Transcripción
1 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 de Operaciones y Gestión Logística p.1
2 Contenido Programas lineales Programas enteros y mixtos Optimización en grafos y redes Maestría en Control de Operaciones y Gestión Logística p.2
3 Contenido Programas lineales Motivación Definición y propiedades básicas Solución Herramientas de software Programas enteros y mixtos Optimización en grafos y redes Maestría en Control de Operaciones y Gestión Logística p.2
4 Programas lineales Motivación Problema: Industria química produce 3 tipos de detergente: A, B, C Emplea dos ingredientes activos: I1, I2 Datos: composiciones, precios de venta, disp. de ingredientes y volúmenes máximos de producción Det. [1 kg] I1 [kg] I2 [kg] P.V. [USD] Máx [kg] A B C Disp. I1 [kg] I2 [kg] Maestría en Control de Operaciones y Gestión Logística p.3
5 Programas lineales Motivación Problema: Industria química produce 3 tipos de detergente: A, B, C Emplea dos ingredientes activos: I1, I2 Datos: composiciones, precios de venta, disp. de ingredientes y volúmenes máximos de producción Cuál Det. es [1lakg] cantidad I1 [kg] óptima I2 [kg] a producir P.V. [USD] de cada Máx [kg] detergente? A B C Disp. I1 [kg] I2 [kg] Maestría en Control de Operaciones y Gestión Logística p.3
6 Programas lineales Motivación Variables: x A, x B, x C : cantidades a producir Utilidad (a maximizar): 1.5x A + 1.7x B + 1.8x C Disp. ingredientes: I1: 0.3x A + 0.4x B + 0.6x C 300 I2: 0.6x A + 0.5x B + 0.3x C 320 Vol. máximos de producción: x A 300, x B 250, x C 200 No negatividad: x A 0, x B 0, x C 0 Maestría en Control de Operaciones y Gestión Logística p.4
7 Programas lineales Motivación Obtenemos el programa lineal: max1.5x A + 1.7x B + 1.8x C s.r. 0.3x A + 0.4x B + 0.6x C x A + 0.5x B + 0.3x C x A x B x C 200 Maestría en Control de Operaciones y Gestión Logística p.5
8 Programas lineales Motivación Obtenemos el programa lineal: max1.5x A + 1.7x B + 1.8x C Func. objetivo (lineal) s.r. 0.3x A + 0.4x B + 0.6x C x A + 0.5x B + 0.3x C x A x B x C 200 Restricciones lineales Maestría en Control de Operaciones y Gestión Logística p.5
9 Programas lineales Definición: Un programa lineal consiste en maximizar (minimizar) una función lineal sobre un dominio factible dado por ecuaciones y desigualdades lineales. maxc T x s.r. Ax b (Canónica) Con x,c R n, b R m y A R m n maxc T x s.r. Ax = b x 0 (Estándar) Maestría en Control de Operaciones y Gestión Logística p.6
10 Propiedades El conjunto de soluciones factibles define un poliedro Maestría en Control de Operaciones y Gestión Logística p.7
11 Propiedades El conjunto de soluciones factibles define un poliedro Observación: Curvas de nivel de una función lineal hiperplanos Un óptimo del PL se alcanza en un vértice Maestría en Control de Operaciones y Gestión Logística p.7
12 Propiedades Todo programa lineal tiene asociado un programa dual maxc T x s.r. Ax = b x R n, x 0 miny T b s.r. y T A c T y R m (primal) (dual) Si uno de los programas no tiene solución factible, el otro es no acotado Caso contrario, los óptimos coinciden (T. Dualidad) Maestría en Control de Operaciones y Gestión Logística p.8
13 Solución de PLs Algoritmo del simplex Propuesto originalmente por George Dantzig (1940s) Aún el más usado en la actualidad (con modificaciones) Resuelve PLs en la forma estándar Idea: solución básica A = (B,N), B de rango completo x T = (x T B,0), Bx B = b, x B 0 Calcular y R m : y T B = c T B Si y T N c T N x es solución óptima!!! Maestría en Control de Operaciones y Gestión Logística p.9
14 Método del simplex 1. Construir solución básica inicial x B 2. Resolver y T B = c T B (precios duales) 3. Si y T N c T N, FIN (sol. óptima) 4. Elegir j N : y T j A j < c T j (var. entrante) 5. Aumentar x j manteniendo x B = B 1 (b Nx N ) = B 1 (b A j x j ), x B 0 6. Si x j +, FIN (prob. no acotado) 7. Elegir i B : x i = 0 para el menor valor de x j (var. saliente) 8. Actualizar B (pivotaje) 9. Ir a 2 Maestría en Control de Operaciones y Gestión Logística p.10
15 Método del simplex Ejemplo: (Ver demo) max1.5x A + 1.7x B + 1.8x C s.r. 0.3x A + 0.4x B + 0.6x C x A + 0.5x B + 0.3x C x A x B x C 200 Maestría en Control de Operaciones y Gestión Logística p.11
16 Método del simplex Ejemplo: (Ver demo) max1.5x A + 1.7x B + 1.8x C s.r. 0.3x A + 0.4x B + 0.6x C x A + 0.5x B + 0.3x C x A x B x C 200 Sol. óptima: x A = x B = x C = z = Maestría en Control de Operaciones y Gestión Logística p.11
17 Interpretación geométrica Cada solución básica está asociada a un vértice del poliedro. El algoritmo del simplex construye una ruta desde el vértice inicial hasta el vértice óptimo. (Autor: Marc Pfetsch) Maestría en Control de Operaciones y Gestión Logística p.12
18 Otros métodos de solución El algoritmo del simplex ha sido mejorado sustancialmente en las últimas seis décadas max c T x Ax = b Cx d l x u Desarrollo de estructuras de datos Desarrollo de hardware Método del elipsoide (Leonid Khachiyan, 1979) Métodos de punto interior (N. Karmarkar, 1984) Maestría en Control de Operaciones y Gestión Logística p.13
19 Herramientas de software Solvers de LPs CPLEX (ILOG) Xpress-MP (Dash) CLP (COIN-OR) SoPlex (ZIB) GLPK (GNU) LINDO Excel Solver... Lenguajes de modelamiento GAMS AMPL ZIMPL Maestría en Control de Operaciones y Gestión Logística p.14
20 Herramientas de software La mayoría de solvers admiten LP s como archivos de texto interactivamente desde el teclado a través de API s de C/C++... Todos los solvers implementan variantes del método del simplex Algunos solvers usan adicionalmente métodos de punto interior Los lenguajes de modelamiento permiten escribir familias de restricciones de manera abstracta Maestría en Control de Operaciones y Gestión Logística p.15
21 Contenido Programas lineales Programas enteros y mixtos Motivación y definición Propiedades básicas Solución Herramientas de software Optimización en grafos y redes Maestría en Control de Operaciones y Gestión Logística p.16
22 El problema del ADAC pedidos, unidades, contratistas... Maestría en Control de Operaciones y Gestión Logística p.17
23 El problema del ADAC Central de despacho Maestría en Control de Operaciones y Gestión Logística p.17
24 El problema del ADAC Plan de rutas Maestría en Control de Operaciones y Gestión Logística p.17
25 El problema del ADAC Objetivo: Diseñar un algoritmo de optimización para el enrutamiento de las unidades Plan de rutas Maestría en Control de Operaciones y Gestión Logística p.17
26 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. ^u 1 u 2 e 1 e2 ^u 2 e 3 u 1 Maestría en Control de Operaciones y Gestión Logística p.18
27 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. T 1 ^u 1 1 r 1 e 1 0 r 2 u 2 e 2 ^u 2 1 r 3 e 3 1 u 1 u 1 0 u 2 c T1 x T1 Maestría en Control de Operaciones y Gestión Logística p.18
28 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. T 1 T 2 ^u r 1 e r 2 u 2 e 2 ^u r 3 e u 1 u u 2 c T1 c T2 x T1 x T2 Maestría en Control de Operaciones y Gestión Logística p.18
29 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. T 1 T 2 T 3 T 4 ^u r 1 e r 2 u 2 e 2 ^u r 3 e u 1 u u 2 c T1 c T2 c T3 c T4 x T1 x T2 x T3 x T4 Maestría en Control de Operaciones y Gestión Logística p.18
30 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. T 1 T 2 T 3 T 4... T N ^u r 1 e r 2 u 2 e 2 ^u 2 A r 3 e u 1 u u 2 c T c T1 c T2 c T3 c T4... c TN x T x T1 x T2 x T3 x T4... x TN Maestría en Control de Operaciones y Gestión Logística p.18
31 Formulación del modelo Idea: Definir una variable binaria por cada ruta de servicio. u 2 u 1 e 3 ^u 1 Formular un enorme Problema de Particionamiento (IP): ^u 2 e 1 e 2 T 1 T 2 T 3 T 4... T N minc T x r 1 s.t r 2 Ax = 1 A r 3 x {0,1} N u u 2 c T c T1 c T2 c T3 c T4... c TN x T x T1 x T2 x T3 x T4... x TN Maestría en Control de Operaciones y Gestión Logística p.18
32 Programas enteros mixtos Definición: Un programa entero (integer program, IP) es un PL donde las variables deben además cumplir la condición de ser enteras max c T x s.r. Ax = b, x 0, x Z n Un PL donde ciertas variables son enteras y otras son reales se conoce como programa entero mixto (mixed integer program, MIP) Maestría en Control de Operaciones y Gestión Logística p.19
33 Propiedades La región factible de un IP es el conjunto de puntos contenidos en el interior de un poliedro P. Optimizar sobre P equivale a resolver la relajación lineal del IP y proporciona una cota para el óptimo. Maestría en Control de Operaciones y Gestión Logística p.20
34 Propiedades La región factible de un IP es el conjunto de puntos contenidos en el interior de un poliedro P. Optimizar sobre P equivale a resolver la relajación lineal del IP y proporciona una cota para el óptimo. Resolver un IP en general es difícil!!! No existe un algoritmo equivalente al simplex Maestría en Control de Operaciones y Gestión Logística p.20
35 Solución de MIPs Branch-and-Bound Técnica inteligente de enumeración max0.2x x x x4 s.r. 0.5x x x x4 <= x x x x4 <= x x x x4 <= 0.4 xj = {0,1}, j = 1,...,4 Resolviendo la relajación lineal, obtenemos el óptimo: x 1 = x 4 = 0, x 3 = 1, x 2 = 0.5, z = 0.65 Maestría en Control de Operaciones y Gestión Logística p.21
36 Branch-and-Bound (2) Ahora conocemos que el valor del óptimo está acotado por 0.65 ( bound ) Sustituyendo x 2 por 0 o 1, generamos dos problemas nuevos, más pequeños: ( branch ) max0.2x x x4 s.r. 0.5x x x 4 <= x x x 4 <= x x x 4 <= 0.4 x j = {0,1}, j = 1,...,4 max0.2x x x 4 s.r. 0.5x x x 4 <= x x x 4 <= x x x 4 <= 0.2 x j = {0,1}, j = 1,...,4 Maestría en Control de Operaciones y Gestión Logística p.22
37 Branch-and-Bound (3) Continuamos en un árbol de búsqueda Las cotas de los PLs aceleran la búsqueda (tree prunning) Maestría en Control de Operaciones y Gestión Logística p.23
38 Planos cortantes Se usan para mejorar las cotas de los LPs Observación: La condición de integralidad puede sustuirse por (muchísimas) desigualdades lineales Maestría en Control de Operaciones y Gestión Logística p.24
39 Herramientas de software Solvers de MIPs CPLEX (ILOG) Xpress-MP (Dash) CBC (COIN-OR) SCIP (ZIB) GLPK (GNU)... Combinan Branch-and-Bound Cutting planes Branch-and-Cut Heurísticas... Maestría en Control de Operaciones y Gestión Logística p.25
40 Contenido Programas lineales Programas enteros y mixtos Optimización en grafos y redes Motivación Propiedades básicas Problemas clásicos Maestría en Control de Operaciones y Gestión Logística p.26
41 Todo empezó en Königsberg... Kaliningrado (2005) exclave ruso en el mar báltico... Maestría en Control de Operaciones y Gestión Logística p.27
42 Todo empezó en Königsberg... Kaliningrado (2005) exclave ruso en el mar báltico... Königsberg ( 1750)... puerto del antiguo imperio prusiano Maestría en Control de Operaciones y Gestión Logística p.27
43 ...con un problema de puentes El Pregel atraviesa la ciudad formando dos islas Maestría en Control de Operaciones y Gestión Logística p.28
44 ...con un problema de puentes El Pregel atraviesa la ciudad formando dos islas Problema: Cruzar cada uno de los siete puentes exactamente una vez Maestría en Control de Operaciones y Gestión Logística p.28
45 Modelo Maestría en Control de Operaciones y Gestión Logística p.29
46 Modelo Cuatro orillas... Maestría en Control de Operaciones y Gestión Logística p.29
47 Modelo Cuatro orillas unidas por siete puentes... Maestría en Control de Operaciones y Gestión Logística p.29
48 Modelo Cuatro orillas unidas por siete puentes... Idea: Olvidar la ciudad, retener la estructura! Maestría en Control de Operaciones y Gestión Logística p.29
49 Grafos Definición: Un grafo es un par ordenado G = (V,E) donde: V es un conjunto finito E es un multiconjunto de la forma E {{i,j} : i V, j V} Maestría en Control de Operaciones y Gestión Logística p.30
50 Grafos Definición: Un grafo es un par ordenado G = (V,E) donde: V es un conjunto finito E es un multiconjunto de la forma E {{i,j} : i V, j V} Ejemplo: 1 3 V = {1,2,3,4,5} E = {{1,2},{1,3},{2,4}, {3,4},{3,5},{4,5}} Maestría en Control de Operaciones y Gestión Logística p.30
51 Grafos Definición: Un grafo es un par ordenado G = (V,E) donde: V es un conjunto finito E es un multiconjunto de la forma E {{i,j} : i V, j V} Los elementos de V se llaman nodos de G, los elementos de E son las aristas de G. Ejemplo: 1 3 V = {1,2,3,4,5} E = {{1,2},{1,3},{2,4}, {3,4},{3,5},{4,5}} Maestría en Control de Operaciones y Gestión Logística p.30
52 Algunos conceptos básicos una arista e E es incidente a un nodo i V si i e Maestría en Control de Operaciones y Gestión Logística p.31
53 Algunos conceptos básicos una arista e E es incidente a un nodo i V si i e dos nodos i,j V son adyacentes si {i,j} E Maestría en Control de Operaciones y Gestión Logística p.31
54 Algunos conceptos básicos una arista e E es incidente a un nodo i V si i e dos nodos i,j V son adyacentes si {i,j} E el conjunto de nodos adyacentes a un cierto nodo i V es la vecindad de i: N(i) := {j V : ij E} Maestría en Control de Operaciones y Gestión Logística p.31
55 Algunos conceptos básicos una arista e E es incidente a un nodo i V si i e dos nodos i,j V son adyacentes si {i,j} E el conjunto de nodos adyacentes a un cierto nodo i V es la vecindad de i: N(i) := {j V : ij E} el grado de un nodo i es la cardinalidad de su vecindad: d(i) := N(i)... y coincide con el número de aristas incidentes a i Maestría en Control de Operaciones y Gestión Logística p.31
56 Representación computacional Matriz de adyacencia: Dado un grafo G = (V,E), definimos su matriz de adyacencia M(G) M V V por medio de: m ij := { 1, si i y j con nodos adyacentes 0, caso contrario Maestría en Control de Operaciones y Gestión Logística p.32
57 Representación computacional Matriz de adyacencia: Dado un grafo G = (V,E), definimos su matriz de adyacencia M(G) M V V por medio de: m ij := { 1, si i y j con nodos adyacentes 0, caso contrario Ejemplo: M(G) = Maestría en Control de Operaciones y Gestión Logística p.32
58 Representación computacional Matriz de incidencia: Dado un grafo G = (V,E), definimos su matriz de incidencia H(G) M V E por medio de: h ij := { 1, si la arista j es incidente al nodo i 0, caso contrario Maestría en Control de Operaciones y Gestión Logística p.33
59 Representación computacional Matriz de incidencia: Dado un grafo G = (V,E), definimos su matriz de incidencia H(G) M V E por medio de: h ij := { 1, si la arista j es incidente al nodo i 0, caso contrario Ejemplo: H(G) = Maestría en Control de Operaciones y Gestión Logística p.33
60 Representación computacional Listas de adyacencia: Dado un grafo G = (V,E), almacenamos para cada nodo i V una lista con su vecindad. Maestría en Control de Operaciones y Gestión Logística p.34
61 Representación computacional Listas de adyacencia: Dado un grafo G = (V,E), almacenamos para cada nodo i V una lista con su vecindad. Ejemplo: L[1] = 2,3 L[2] = 1,4 L[3] = 1,4,5 L[4] = 2,3,5 L[5] = 3,4 Maestría en Control de Operaciones y Gestión Logística p.34
62 Dos problemas clásicos Problema del circuito euleriano: Dado un grafo G = (V,E), determinar si existe un camino cerrado que visita todas las aristas de G. Maestría en Control de Operaciones y Gestión Logística p.35
63 Dos problemas clásicos Problema del circuito euleriano: Dado un grafo G = (V,E), determinar si existe un camino cerrado que visita todas las aristas de G. Problema del circuito hamiltoniano: Dado un grafo G = (V,E), determinar si existe un camino cerrado que visita todos los nodos de G. Maestría en Control de Operaciones y Gestión Logística p.35
64 Y los puentes? Maestría en Control de Operaciones y Gestión Logística p.36
65 Y los puentes? Teorema: Un grafo admite un circuito euleriano si y sólo si todos sus nodos tienen grado par. Maestría en Control de Operaciones y Gestión Logística p.36
66 Y los puentes? Teorema: En contraste, el problema Un grafo del admite circuitoun hamiltoniano es muy circuito difícil... euleriano si y sólo si todos sus nodos tienen grado par. Maestría en Control de Operaciones y Gestión Logística p.36
67 Matemáticas discretas Problemas: Caminos eulerianos Caminos más cortos Arboles generadores Flujos máximos Programación lineal y entera... Maestría en Control de Operaciones y Gestión Logística p.37
68 Matemáticas discretas Problemas: Caminos eulerianos Caminos más cortos Arboles generadores Flujos máximos Programación lineal y entera... Aplicaciones: Logística Transporte Telecomunicaciones Redes de distribución Secuenciamiento genético... Maestría en Control de Operaciones y Gestión Logística p.37
Algebra Matricial y Teoría de Grafos
Algebra Matricial y Teoría de Grafos Unidad 3: Nociones de teoría de grafos Luis M. Torres Escuela Politécnica del Litoral Quito, Enero 2008 Maestría en Control de Operaciones y Gestión Logística p.1 Contenido
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 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 detallesModelización Avanzada en Logística y Transporte
Modelización Avanzada en Logística y Transporte El problema de enrutamiento vehicular (VRP) Luis M. Torres Escuela Politécnica del Litoral Guayaquil, Diciembre 2010 Maestría en Control de Operaciones y
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 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 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 detallesMejora iterativa. Dr. Eduardo A. RODRÍGUEZ TELLO. 9 de abril de CINVESTAV-Tamaulipas
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 9 de abril de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Mejora iterativa 9 de abril de 2018 1 / 82 1 Mejora iterativa Introducción Programación lineal
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 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 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 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 detallesProgramación lineal entera (PLE)
Programación lineal entera (PLE) Qué es un problema de programación lineal entera?: sujeto a Max c x Ax b x Z + Qué es un problema de programación lineal entera mixta (PLEM)? Algunas variables son continuas
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 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 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 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 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 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 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 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 detallesTécnicas de optimización. Introducción.
Técnicas de optimización. Introducción. Diego A. Patino Pontificia Universidad Javeriana 18 de julio de 2016 1/ 20 Definición Composición Tipos de problemas Ejemplos 2/ 20 Qué es optimización? 3/ 20 Qué
Más detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 Aspectos generales Se considera a George Dantzig el padre de la P. L. Su objetivo es el de asignar recursos escasos a actividades que compiten por ellos.
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 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 detallesContenido. Lenguajes de modelado algebraico Ejemplo Problema de Transporte Modelado con GNU GLPK. 1 Modelado Algebraico Computacional
Contenido 1 Modelado Algebraico Computacional Facultad de Ingeniería. UdelaR Fundamentos de Programación Entera 1/16 Basados en notación algebraica; incorporan conjuntos y relaciones entre estos para modelar
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 detallesTema 1 Introducción. José R. Berrendero. Departamento de Matemáticas Universidad Autónoma de Madrid
Tema 1 Introducción José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Información de contacto José Ramón Berrendero Díaz Correo electrónico: joser.berrendero@uam.es Teléfono:
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 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 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 detallesOptimización bajo Incertidumbre A. Sistema de modelado algebraico - GLPK
Optimización bajo Incertidumbre A. Sistema de modelado algebraico - GLPK Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Facultad
Más detallesProgramación Matemática. Profesor: Juan Pérez Retamales
Programación Matemática Profesor: Juan Pérez Retamales Previamente en ING50 Capítulo 1 1. Sobre la disciplina y su clasificación. Formulaciones clásicas y ejemplos 3. Desde el punto de vista geométrico.
Más detallesTEMA 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 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 detallesFacultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios
Ubicación dentro del Programa Unidad III UNIDAD II: PROGRAMACIÓN LINEAL 1. Característica. Formulación matemática de un problema de programación lineal. Planteo e interpretación de un sistema de inecuaciones.
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 detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 Aspectos generales Se considera a George Dantzig el padre de la P. L. Su objetivo es el de asignar recursos escasos a actividades que compiten por ellos.
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 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 detallesTema 1. Modelos lineales y solución gráfica. 1.1 El modelo lineal
Tema 1 Modelos lineales y solución gráfica La programación lineal es una importante rama de la Investigación Operativa. Esta técnica matemática consiste en una serie de métodos que permiten obtener la
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 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 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 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 detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 El Método Simplex Desarrollado en 1947 por George Dantzig como parte de un proyecto para el Departamento de Defensa Se basa en la propiedad de la solución
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 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 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 detallesTaller de grafs: rutes, mapes i xarxes socials
Taller de grafs: rutes, mapes i xarxes socials Cristina Chiralt y Fernando Hernando Universidad Jaume I e Instituto Universitario de Matemáticas y sus Aplicaciones de Castellón Grado de Matemática Computacional
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 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 detallesTema 2, 3 y 4 GRUPO 82 - INGENIERÍA INFORMÁTICA. Bernardo D Auria. 3 Diciembre Departamento de Estadística. Universidad Carlos III de Madrid
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 82 - INGENIERÍA INFORMÁTICA Diciembre 2008 Ejercicio T2-JN12 Comprueba que el problema lineal min x x 1 + x 2 2x x +
Más detallesMatemáticas Discretas L. Enrique Sucar INAOE. Teoría de Grafos. Problema de los puentes de Königsberg [Euler]
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Grafos Problema de los puentes de Königsberg [Euler] Teoría de Grafos Definición y terminología Tipos de grafos Trayectorias y circuitos Isomorfismo
Más detallesEXTENSIONES DE LA PROGRAMACIÓN LINEAL
EXTENSIONES DE LA PROGRAMACIÓN LINEAL MODELOS OPTIMIZANTES MUNDO REAL ABSTRACCION OPERACION M MODELOS DE DECISIÓN NO RESTRINGIDOS RESTRINGIDOS MIN 6 / x 1 + 5 x 1 + 7 / x 2 + x 1.x 2 PROGRAMAS MATEMÁTICOS
Más detallesAlgoritmo de Fleury. por. Ramón Espinosa Armenta
Algoritmo de Fleury por Ramón Espinosa Armenta El siguiente algoritmo, debido a Fleury (191), permite construir un circuito Euleriano en un multigrafo Euleriano. Algoritmo Fleury (G) Entrada. Un multigrafo
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 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 detallesGrafos Eulerianos y Hamiltonianos. Algoritmos y Estructuras de Datos III
Grafos Eulerianos y Hamiltonianos Algoritmos y Estructuras de Datos III Grafos eulerianos Definiciones: Un circuito C en un grafo (o multigrafo) G es un circuito euleriano si C pasa por todos las aristas
Más detallesLa programación lineal surge como la necesidad de optimizar lo mejor posible,
Programación lineal La programación lineal surge como la necesidad de optimizar lo mejor posible, operaciones principalmente económicas para así maximizar los beneficios obtenidos. Esto se realiza con
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA ESCUELA PROFESIONAL DE INGENIERÍA DE SOFTWARE 1. DATOS GENERALES Nombre
Más detallesTEMA IV TEORÍA DE GRAFOS
TEMA IV TEORÍA DE GRAFOS Poli Abascal Fuentes TEMA IV Teoría de grafos p. 1/? TEMA IV 4. TEORÍA DE GRAFOS 4.1 GRAFOS 4.1.1 Introducción 4.1.2 Definiciones básicas 4.1.3 Caminos y recorridos 4.1.4 Subgrafos,
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 detallesFACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL SÍLABO INVESTIGACIÓN DE OPERACIONES I I. DATOS GENERALES 1.0. Unidad : Investigación de Operaciones I 1.1. Semestre académico
Más detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesAlgebra lineal y conjuntos convexos 1
Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada
Más detallesFACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS SÍLABO INVESTIGACIÓN DE OPERACIONES I. DATOS GENERALES 1.0. Unidad académica : Ingeniería de Minas 1.1. Semestre académico
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 detallesPROGRAMA DE CURSO. Código Nombre MODELAMIENTO Y OPTIMIZACIÓN Nombre en Inglés MODELING AND OPTIMIZATION SCT
PROGRAMA DE CURSO Código Nombre IN 3701 MODELAMIENTO Y OPTIMIZACIÓN Nombre en Inglés MODELING AND OPTIMIZATION Unidades Horas de Horas Docencia Horas de Trabajo SCT Docentes Cátedra Auxiliar Personal 6
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 detallesFormulando con modelos lineales enteros
Universidad de Chile 19 de marzo de 2012 Contenidos 1 Forma de un problema Lineal Entero 2 Modelando con variables binarias 3 Tipos de Problemas Forma General de un MILP Problema de optimización lineal
Más detalles2007 Carmen Moreno Valencia
Tema VIII. Grafos Grafos 1 2007 Carmen Moreno Valencia 1. Grafos, digrafos y multigrafos 2. Grafos eulerianos 3. Matrices de adyacencia e incidencia 4. Exploración de grafos pesados 1. Grafos, digrafos
Más detallesProblemas: formulación, ejemplos, representación de soluciones y estructuras de entorno
Problemas: formulación, ejemplos, representación de soluciones y estructuras de entorno Christopher Expósito Izquierdo, J. Marcos Moreno Vega cexposit@ull,es, jmmoreno@ull.es Departamento de Ingeniería
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 detallesModelos de transporte: Problema del vendedor viajero. M. En C. Eduardo Bustos Farías
Modelos de transporte: Problema del vendedor viajero M. En C. Eduardo Bustos Farías as Variantes al problema de transporte Oferta no igual a la demanda total: Se agrega una columna de holgura en la tabla
Más detallesConfección del fixture de la Liga Argentina de voleibol por medio de programación lineal entera
Confección del fixture de la Liga Argentina de voleibol por medio de programación lineal entera Javier Marenco Departamento de Computación, FCEyN, Universidad de Buenos Aires, Argentina Instituto de Ciencias,
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 detallesFlujos de redes (Network Flows NF)
Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos
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 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 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 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 detallesColoreo de vértices Definiciones: Coloreo de Grafos. Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g).
Coloreo de vértices Definiciones: Coloreo de Grafos Algoritmos y Estructuras de Datos III Un coloreo (válido) de los vértices de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u,
Más detallesConjuntos y funciones convexas
Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +
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 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 detallesAPUNTE DE PROGRAMACION LINEAL ASIGNATURA: MATEMATICA II - U.N.R.N. AÑO: 2010
Pagina APUNTE DE PROGRAMACION LINEAL ASIGNATURA: MATEMATICA II - U.N.R.N. AÑO: 00 Muchos problemas de administración y economía están relacionados con la optimización (maximización o minimización) de una
Más detallesInvestigación de Operaciones I
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones I Ingeniería Industrial INB-9325 4-0-8 2.- UBICACIÓN
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 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 detallesKg P1 Kg P Unidades Vitamina A
Dualidad El concepto de dualidad desempeña importantes papeles dentro de la programación lineal (también en la no lineal), tanto desde un punto de vista teórico como práctico. Todo programa lineal lleva
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 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 detallesAMPL CPLEX para resolver problemas lineales enteros de optimización. Víctor Bucarey López IN3701 Modelamiento y Optimización Otoño 2014
AMPL CPLEX para resolver problemas lineales enteros de optimización Víctor Bucarey López IN3701 Modelamiento y Optimización Otoño 2014 Introducción AMPL is a comprehensive and powerful algebraic modeling
Más detallesMetaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III
Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen
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 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 detalles