Optimización en redes sensoras
|
|
- Juan Navarrete de la Fuente
- hace 5 años
- Vistas:
Transcripción
1 Optimización en redes sensoras Conceptos y fundamentos Dra. Elisa Schaeffer FIME/CIIDIT UANL
2 Con qué les quito el tiempo hoy Sensores, nodos y redes Teoría de grafos Modelado matemático Programación lineal Programación entera (mixta) Dualidad Problemas de optimización en redes sensoras
3 Sensores, nodos y redes
4 Sensor = componente detector ambiental (químico) acústico (incl. ultrasonido) sísmico (vibración) infraroja (calor, luz)
5 Nodo sensor = minicomputadora una unidad de procesamiento (CPU) de capacidad muy limitada memoria (normalmente tipo Flash y/o RAM) de capacidad muy limitada una fuente de energía limitada (pila o batería) una unidad de comunicación (radio, Bluetooth, cableado de red)
6 Red sensora = un conjunto de nodos sensores en comunicación típicamente cuenta con una gran cantidad de sensores no todos los nodos son necesariamente iguales la distribución puede ser controlada o al azar la configuración inicial depende del modo de lanzamiento RUTGERS
7 Redes ad hoc ad hoc = para éste propósito una red ad hoc es una red que se autoconfigura entre los nodos presentes típicamente los nodos son móviles, aunque algunos pueden ser estacionarios cuando los nodos son móviles, la comunicación suele ser inalámbrica MANET = mobile ad hoc network
8 Nodos móviles En una red (sensora) inalámbrica de nodos móviles, gran parte de la operación se complica Entre cuáles nodos es posible comunicarse? Cuáles nodos están participando (o sea, vivos)?
9 Usuario final: ruteo una red sensora reporta sus observaciones a un usuario final típicamente solamente una fracción de los nodos pueden comunicarse directamente con el usuario el resto de los nodos tiene que propagar su comunicación a través de la red el proceso de propagación de mensajes se llama ruteo
10 OPERACION BAJO LA PRESENCIA DE FALLAS FUNCIONAL ALARMA ROTO FUNCIONAL ROTO USUARIO USUARIO SIMULACION HECHA EN REPAST TOMA DE DECISION PARA LA PROPAGACION DE ALARMA CON Y SIN CAUSANTE EXTERNO
11 Adaptación cambios de topología por movilidad (auto-organización geográfica) ajuste dinámico del rango de transimisión/recepción límites de reenvio de mensajes; ruteo inteligente (proactivo) suspender operación o hibernar (despliegue pseudoincremental ) ajuste según fallas o los eventos detectados
12 Aplicaciones: vigilancia y control detección de presencia o intrusión conteo, seguimiento, clasificación detección y pronóstico de fallas usos militares y ambientales
13 Teoría de grafos
14 VERTICE Grafo VECINO GRADO = 4 = un conjunto de vértices con un conjunto de aristas ARISTA
15 Tipos de grafos dirigidos reflexivos multigrafos ponderados etiquetados 42.0 A C B hípergrafos
16 Conceptos esenciales grado; distribución de grado densidad; agrupamiento camino, ciclo; conexidad distancia; eficiencia
17 Modelado matemático
18 PARAMETROS MODELO CONFIGURACION FORMALISMO MATEMATICO VARIABLES RESTRICCIONES COTAS
19 Restricción con cota < r i (x 1,..., x n ) = b i. >
20 Función objetivo f(x 1,..., x n )=P R. FUNCIONES LINEALES 1. f(x + y) =f(x)+f(y) (o sea, es aditiva) 2. f(αx) =αf(x) (o sea, es homogenea)
21 Programa lineal (LP) la función objetivo y las restricciones son lineales restricciones adicionales de rango de variables conversión a restricciones de igualdad con variables de holgura y excedente f(x 1,..., x n )=c 1 x c n x n a i,1 x 1 + a i,2 x a i,n x n + s i = b i. x i 0, o sean
22 Forma estándar x =(x 1,x 2,..., x n ) c =(c 1,c 2,..., c n ) A = a 1,1 a 1,2... a 1,n a 2,1 a 2,2... a 2,n.... b = b 1 b 2. a m,1 a m2... a m,n b m máx x R ct x s.a. Ax = b, x 0
23 Complejidad de PL existen algoritmos polinomiales método de elipsoide algoritmo de Karmarkar el de facto industrial es el algoritmo Simplex no se conoce demostración de ser polinomial eficiente en la práctica
24 REGION FACTIBLE RESTRICCIONES LINEALES
25 Programa entero (mixto) en muchos problemas, por lo menos algunas variables son por naturaleza enteras en un programa entero, todas las variables son enteras en un programa entero mixto, algunas son enteras y otras reales
26 { Variable de decisión x 0 x 1 x Z PROGRAMACION ENTERA (MIXTA) CORRESPONDE A UN PROBLEMA NP-DURO
27 Dualidad Cada programa lineal tiene un programa dual Si el problema original es de maximización, el dual es de minimización y viceversa Las variables del programa primal se convierten en restricciones en el dual, y las restricciones del primal serán representados por las variables del dual m Función objetivo del dual: g(y i,..., y m )= b i y i. i=1
28 Transformación a variables Las restricciones de las variables del dual y i dependen del tipo de restricción del primal r i a la cual corresponden, i =1,..., m: n r i : a i,j x j b i y i 0 r i : r i : j=1 n j=1 a i,j x j b i y i 0 n a i,j x j = b i y i no restringida en signo j=1
29 Transformación a restricciones Cada variable x i del primal corresponde a una restricción t i en el dual, i =1,..., n: m x i 0 t i : a j,i y j c i x i 0 t i : x i no restringida en signo t i : j=1 m a j,i y j c i m a j,i y j = c i j=1 j=1
30 Ejemplo PRIMAL DUAL máx (3x 1 x 2 ) mín(5y 1 +3y 2 +6y 3 ) x y s.a. s.a. 2x 1 3x 2 5 { 2y1 + y x 1 + x y 3 3 3y 3x 1 x y 2 y 3 1 x 1,x 2 0 y 1,y 2 0 y 3 0 x = (2,8, 0,2) y = (0,8, 1,4, 0) P =8,2 D =8,2
31 Forma estándar máx x c T x sujeto a Ax b mín y b T y sujeto a A T y c UNA VERSION PUEDE RESULTAR MAS FACIL DE RESOLVER QUE LA OTRA, AUNQUE LA SOLUCION ES LA MISMA
32 Optimización más allá funciones o restricciones no lineales regiones factibles no convexas inexactitud de parámetros estimados estabilidad de la solución (análisis de sensibilidad) múltiples objetivos incertidumbre condiciones dinámicas; optimización iterativa
33 Optimización en redes sensoras
34 Conservación de energía Características deseables de protocolos de ruteo poca pérdida de mensajes en camino llegada rápida de mensajes al destinario final redundacia mínima de comunicación conservación máxima de la energía de los nodos participantes Criterios en conflicto; optimización multicriterio
35 Un modelo muy simple Cada nodo tiene una cantidad fija de energía inicial E Limitaciones de ancho de banda e interferencia ignoradas La topología es un grafo aleatorio geométrico en un cuadro unitario con N nodos Cada nodo puede ajustar su rango de transmisión entre cero y R El rango de recepción es siempre R Cada s segundos los nodos envian un mensaje faro para establecer su vecindario La transmisión de un mensaje consume energía t y la recepción de un mensaje r La operación normal de un nodo consume una cantidad despreciable de energía Objetivos posibles minimizar el uso total de energía maximizar la vida operacional de la red
36 Optimización distribuida No es siempre realista suponer que una entidad externa pueda realizar la optimización de una manera centralizada utilizando información global de la red sensora entera Es más factible suponer que cada nodo busca optimizar localmente su propio comportamiento basado en información sobre su estado y la información que recibe de sus vecinos a través de mensajes periódicos
37 Modelo para PL distribuida La optimización está hecha por agentes independientes El objetivo es llegar al óptimo global utilizando información localmente disponible Los agentes conocen el coeficiente de su variable en la función objetiva Cada agente está a cargo de asignar el valor a una sola variable, conociendo únicamente las restricciones donde la variable tiene coeficiente no cero Dos agentes son vecinos si conocen una o más restricciones en común Cada agente puede comunicarse con sus vecinos inmediatos con mensajes de tamaño fijo CON FRECUENCIA VALE LA PENA PASAR POR EL PROBLEMA DUAL
38 Ruteo a un sólo sumidero Estudiamos el problema de elegir rutas de comunicación de varios nodos fuentes a un nodo sumidero único en una red de nodos con energía limitada El objetivo era maximizar el número de paquetes recibidos por el sumidero Al trasmitir un mensaje, los nodos añaden en el paquete información del estado de su pila Modificamos en protocolo DNS (Dynamic Source Routing) para manejar un conjunto de rutas alternativas de manera no determinista A. Schumacher, H. Haanpää, S.E. Schaeffer y P. Orponen. Load balancing by distributed optimisation in ad hoc networks, en Procedings of the Second International Conference on Mobile Ad-hoc and Sensor Networks, pp , Springer 2006.
39 Operación bajo reemplazos Con mi tesista de licenciatura, Carlos Castillo, estamos estudiando el problema de operar una red sensora de tal manera que los sensores serán reemplazados al morir Queremos minimizar el costo total de los reemplazos Los nodos conocen su ubicación, la ubicación del usuario y su propio costo de reemplazo El ruteo toma en cuenta además la energía restante de los nodos Los costos de reemplazo dependen del terreno en el cual se ubica en nodo (para modelar dificultad de acceso) PROMEP 103,5/07/2523
40 Temas de investigación Diseño del hardware Modelado del comportamiento Arquitectura, topología Procesos de desplegamiento Auto-organización Control de consumo de energía por modos de operación Algoritmos de ruteo Diseño de protocolos de comunicación Sincronización Generación de identidad Estimación de posiciones Recolección de datos Procesamiento de datos Almacenaje de datos Escalabilidad Coordinación de cooperación Computación distribuida Armazones de simulación Diseño de experimentos para comparasión y validación Diseño y construcción de redes a medida para aplicaciones
41 FIME CIIDIT NIVEL 3 NIVEL 2 ELISA.SCHAEFFER@GMAIL.COM INFORMACION DE CONTACTO
Optimización de Redes Sensoras
Un vistazo a los fundamentos de Optimización de Redes Sensoras Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Optimización de Redes Sensoras p. 1 Contenidos Redes sensoras Optimización
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 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 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 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 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 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 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 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 detallesUniversidad Nacional de Ingeniería. UNI RUACS. Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón.
Universidad Nacional de Ingeniería. UNI RUACS Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón. Tema: Teoría de la Dualidad. 28/ Septiembre/2011 Teoría
Más detallesAnálisis de Algoritmos Teoría de grafos
Análisis de Algoritmos Teoría de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Teoría de grafos p. 1 Grafos Un grafo G es un par de conjuntos G = (V,E) Teoría de grafos p. 2
Más detallesSistemas. Coordinación. Tarea Coordinación en Sistemas Multiagentes. Entre personas (cooperación y trabajo en equipo)
Trabajo colaborativo Entre personas (cooperación y trabajo en equipo) Entre máquinas (automatización & control, sistemas inteligentes) Interacción humano-computadora (usabilidad, sistemas inteligentes)
Más detallesAlgoritmos y problemas
Análisis de Algoritmos Algoritmos y problemas Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos y problemas p. 1 Problema = un conjunto (posiblemente infinita) de instancias
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 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 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 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 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 detallesCONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS..
CONTENIDO SEMBLANZA DE LOS AUTORES DE LOS ESCRITORES DE CASOS.. PREFACIO. xix xxi xxiii CAPITULO I Introducción. 1 1.1 Orígenes de la investigación de operaciones. 1 1.2 Naturaleza de la investigación
Más detallesAlgoritmos pseudo-polinomiales
Análisis de Algoritmos Algoritmos pseudo-polinomiales Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos pseudo-polinomiales p. 1 HAMILTON PATH es NP-completo La reducción es
Más detallesImplementación y Evaluación del algoritmo de sincronización RBS para redes inalámbricas de sensores
PROYECTO DE TESIS DE MAESTRÍA EN INGENÍERIA DE TELECOMUNICACIONES Implementación y Evaluación del algoritmo de sincronización RBS para redes inalámbricas de sensores Alumno: Seyed Mohammad Pakdaman Tutor:
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 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. Presentación del Programa de Investigación de Operaciones Estudiantes:
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 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 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 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 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 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 detallesUniversidad Autónoma de Nuevo León
Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Eficiencia de la Búsqueda Local para Instancias Diferentes del Problema de
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 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 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 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 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 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 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 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 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 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 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 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 detallesAlgoritmos de aproximación
Técnicas de diseño de algoritmos Algoritmos de aproximación Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos de aproximación p. 1 Soluciones no-óptimas En situaciones donde
Más detallesMarco Antonio Heredia Velasco
Escuela de Algoritmos de Aproximación Inaproximabilidad Marco Antonio Heredia Velasco Universidad Autónoma Metropolitana Unidad Azcapotzalco Recordemos Categorias de complejidad P = Polinomial NP = No
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 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 detallesSistemas Operativos Distribuidos
Contenidos del Tema Gestión de procesos Modelos de sistema Asignación de procesadores Estrategias dinámicas Estrategias estáticas Ejecución remota de procesos Modelos de sistema Organización de los procesadores
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 detallesEstructuras de datos Listas y árboles
Estructuras de datos Listas y árboles Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Listas y árboles p. 1 Listas Listas son estructuras un poco más avanzadas que puros arreglos, como
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 detallesJesús Getán y Eva Boj. Marzo de 2014
Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj 1 / 18 Jesús Getán y Eva Boj 2 / 18 Un Programa lineal consta de: Función objetivo. Modeliza
Más 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 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 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 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 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 detallesÁrea de aplicaciones... Error! Marcador no definido.
Índice de contenidos ÍNDICE DE CONTENIDOS... ERROR! MARCADOR NO ÍNDICE DE FIGURAS... 4 ÍNDICE DE TABLAS... 6 ÍNDICE DE ECUACIONES... 7 CAPÍTULO 1. INTRODUCCIÓN... ERROR! MARCADOR NO CAPITULO 2. REVISIÓN
Más detallesProblemas NP-completos
Análisis de Algoritmos Problemas NP-completos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Problemas NP-completos p. 1 Problemas NP-completos La clase NP contiene numerosos problemas
Más detallesPara poder elaborar el problema dual a partir del primal, este se debe presentar en su forma canónica de la siguiente forma:
TEORIA DE LA DUALIDAD. Cada problema de programación lineal tiene un segundo problema asociado con él. Uno se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal manera que
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 detallesLo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.
Clase # 8 Hasta el momento sólo se han estudiado problemas en la forma estándar ADAPTACIÓN A OTRAS FORMAS DEL MODELO. Maximizar Z. Restricciones de la forma. Todas las variables no negativas. b i 0 para
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 detallesTecnologías asociadas a sistemas de Enjambres de. Comunicaciones, Navegación y Redes
Tecnologías asociadas a sistemas de Enjambres de µuavs: Comunicaciones, Navegación y Redes Índice Navegación:: Problemática y retos tecnológicos Sensores Navegación en exteriores Navegación en interiores
Más detallesDISEÑO, IMPLEMENTACIÓN Y VALIDACIÓN DE UNA BIBLIOTECA DE ALGORITMOS DE SINCRONIZACIÓN PARA WSN
DISEÑO, IMPLEMENTACIÓN Y VALIDACIÓN DE UNA BIBLIOTECA DE ALGORITMOS DE SINCRONIZACIÓN PARA WSN Tesista : Javier Verde Director : Dr. Ing. Ariel Lutenberg Índice 2 Introducción Teórica Redes Inalámbricas
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 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 detallesMÉTODO SIMPLEX. Introducción
MÉTODO SIMPLEX Introducción El Método Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que secuencialmente a través de iteraciones se va aproximando al óptimo del problema
Más detallesAnálisis de Algoritmos Problemas de grafos
Análisis de Algoritmos Problemas de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Problemas de grafos p. 1 INDEPENDENT SET es NP-completo Necesitamos un gadget : el triángulo.
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 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 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 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 detallesProgramación Lineal. El método simplex
Programación Lineal El método simplex El método simplex es una herramienta algebraica que permite localizar de manera eficiente el óptimo entre los puntos extremos de una solución a un problema de programación
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 detallesDirección de operaciones. SESIÓN # 6: Análisis de Sensibilidad. Primera parte.
Dirección de operaciones SESIÓN # 6: Análisis de Sensibilidad. Primera parte. Contextualización Qué sucede si varía algo en el problema de programación lineal? Ya en este momento tenemos los suficientes
Más detallesx 1, x 2 0 Maximizar 3x 1 + x 2 s.a 2x 1 + x 2 4 2x 1 + 3x 2 4 x 1 + 3x 2 3
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja. Dado el PL: Maximizar x + x x s.a x + x + x x x x x, x, x Calcula la solución del problema aplicando el algoritmo del Simplex. Existe más de una solución óptima?
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 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 detallesDividir-conquistar y podar-buscar
Técnicas de diseño de algoritmos Dividir-conquistar y podar-buscar Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL DC y PB p. 1 Diseño de algoritmos La meta: encontrar una manera eficiente
Más detalles3.1. La Optimización Lineal El Planteamiento
Gerardo Febres Última revisión: 2016.03.23 3.1. La Optimización Lineal 3.1.1.- El Planteamiento Planteemos un problema extremadamente sencillo. Hacer máximas las ganancias obtenidas al vender tornillos.
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 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 detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 8 de Septiembre de 23 25 puntos Dado el problema lineal máx x + x 2 x 3 sa x + x 2 + x 3 2 2x x 2 x 3 2 x, se pide
Más detallesOPTIMIZACION MATEMATICA (4,5 Créditos)
DEPARTAMENTO ECONOMIA FINANCIERA Y CONTABILIDAD I LICENCIATURA EN ADMINISTRACION Y DIRECCION DE EMPRESAS Plan 2000 OPTIMIZACION MATEMATICA (4,5 Créditos) Código 628 Profesora: Eva Mª. del Pozo García Asignatura
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesProgramación Lineal Introducción
Programación Lineal Introducción Curso: Investigación de Operaciones Ing. Javier Villatoro fjvillatoro.wordpress.com Curso: Catedrático: Investigación de Operaciones Ing. Javier Villatoro Comunicación
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 detallesINDICE Parte I. Modelos y Toma de Decisiones 1. Introducción al Análisis Cuantitativo 2. Introducción a la Construcción de Modelos
INDICE Parte I. Modelos y Toma de Decisiones 1 1. Introducción al Análisis Cuantitativo 3 Decisiones empresariales 3 Abstracción y simplificación 4 Construcción de modelos 5 Soluciones 5 Errores 6 Técnicas
Más detallesRetos del cómputo moderno Distribuido, paralelo e integrado
Retos del cómputo moderno de Sistemas de la UANL ía Mecánica y Eléctrica Distribuido, paralelo e integrado Conferencia magistral, el 15 de octubre del 2008 esionales a Congreso nivel maestría Cuarto Internacional
Más detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No. 6 Nombre: Análisis de sensibilidad. Primera parte. Objetivo: Al finalizar la sesión, el alumno será capaz de identificar la relevancia de la programación lineal en
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Investigación de operaciones. Clave: Eje de formación: Básica EFBCII Área de Conocimiento:
Más detallesINTRODUCION. Definiciones generales del Análisis de sensibilidad
INTRODUCION La asignación de probabilidades a los eventos es una tarea difícil que muchos gerentes pueden mostrarse difícil a hacer, por lo menos con cierto grado de exactitud. En algunos casos prefieren
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 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 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 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 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 detallesCasos especiales de la P. L.
Casos especiales de la P. L. Las redes: Las redes están presentes en diferentes lugares en la vida real: redes de transporte, flujo eléctrico y comunicaciones, por ejemplo. Las redes: También son ampliamente
Más detallesSistemas recolectores de energía: teoría y diseño práctico
Sistemas recolectores de energía: teoría y diseño práctico Autores: David A. Urquiza Villalonga DrC. Jorge Torres Gómez Dpto. de Telecomunicaciones y Telemática, CUJAE. Complejo de Investigaciones Tecnológicas
Más detallesUniversidad Autónoma del Estado de México Licenciatura en Matemáticas Programa de Estudios: Programación Lineal
Universidad Autónoma del Estado de México Licenciatura en Matemáticas 2003 Programa de Estudios: Programación Lineal I. Datos de identificación Licenciatura Matemáticas 2003 Unidad de aprendizaje Programación
Más detalles