Programación Lineal Entera. Programación Entera

Documentos relacionados
RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA

PLE: Ramificación y Acotamiento

Resumen de técnicas para resolver problemas de programación entera Martes, 9 de abril. Enumeración. Un árbol de enumeración

Tema 6: Programación entera: Bifurcación y planos de corte.

PROGRAMACIÓN LINEAL ENTERA

Programación Lineal Entera

Tema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos

Con miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero

PROBLEMA 1. Considere el siguiente problema de programación lineal:

Universidad Autónoma de Sinaloa

Un programa entero de dos variables Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1

CAPITULO 1: PERSPECTIVE GENERAL DE LA

Programación Lineal. El método simplex

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 2 Programación Lineal

Universidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual

Programación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9

RESOLUCIÓN INTERACTIVA DEL SIMPLEX

Problema de Programación Lineal

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Programación Entera. P.E pura: Todas las variables de decisión tienen valores enteros.

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

7 Código: MAT 2 Duración del Ciclo en Semanas: 2 Duración /Hora Clase: 50 Académico:

El método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.

Jesús Getán y Eva Boj. Marzo de 2014

Unidad 5 Utilización de Excel para la solución de problemas de programación lineal

Resolución de Problemas

Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones

NOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA: DEPARTAMENTO: ADMINISTRACIÓN

DECISIONES GERENCIALES II Bibliografía Básica

Tema 3. El metodo del Simplex.

Contenido Objetivos Ceros de Polinomios. Ceros de Polinomios. Carlos A. Rivera-Morales. Precálculo 2

Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c

Introducción a la programación lineal y entera Una simple presentación

PROGRAMACION ENTERA. M. en C. Héctor Martínez Rubin Celis 1

Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut

INDICE 1. Introducción a los Modelos y a la Ciencia de la Administración 2. Introducción a los Modelos de Programación Lineal

3. Estudia si la solución ( 1, 1, 1) es factible y, si lo es, si es interior o de frontera.

Problemas de Programación Lineal: Método Simplex

INTRODUCCIÓN A LA MODELACIÓN MATEMÁTICA Y OPTIMIZACIÓN

Introducción a la Programación Lineal

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMA DE CIENCIAS BASICAS

Programación Lineal Continua

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN

FACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA PROGRAMACIÓN LINEAL SÍLABO

UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL.

Investigación de Operaciones 1

PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX

CAPÍTULO 4. EL MÉTODO DEL SIMPLEX Introducción a los problemas de P.L Caracterización de los problemas de P.L...2

El Problema del Transporte

1. RESOLVER el siguiente problema de programación lineal. max z =15x x 2 suj.a : 2x 1 + x x 1 + x x 1 500

Matemáticas

SÍLABO DE INVESTIGACION DE OPERACIONES II

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

MODELADO, OPTIMIZACIÓN Y PLANIFICACIÓN DE UNA RED DE DISTRIBUCIÓN DE GAS NATURAL.

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

Unidad II: Análisis de Redes

INDICE Parte I Inducción a la programación lineal Capitulo 1 Origen y definición de la programación lineal Capitulo 2 Modelación y formulación

Optimización y la Programación Lineal: Una Introducción

1. Hallar el número de operaciones en la evaluación de un polinomio p n (x) = a 0 + a 1 x + + a n x n por el método estándar y el de Horner.

BREVE MANUAL DE SOLVER

Distancia entre vértices en multigrafos de isogenias de curvas elípticas

UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO SUBPROGRAMA DE DISEÑO ACADÉMICO AREA: INGENIERÍA / CARRERA: INGENIERÍA DE SISTEMAS PLAN DE CURSO

PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.

PROBLEMAS TEÓRICO-PRÁCTICOS EJERCICIOS PARA ORDENADOR

Lo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.

OPTIMIZACIÓN CON SOLVER

UNIDAD 4 Programación Lineal

Tema 3: Método del Simplex Revisado.

ALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.

UNIDAD 6. Programación no lineal

PROGRAMACIÓN LINEAL INGENIERÍA DE SISTEMAS FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja

3. Métodos clásicos de optimización lineal

TEMA 3: CINÉTICA HOMOGÉNEA. REACCIONES SIMPLES CQA-3/1

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX

BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD CIENCIAS DE LA COMPUTACION

Aula Virtual Análisis de Circuitos D.C. Facultad Tecnológica Universidad Distrital Francisco José de Caldas.

Optimización de Procesos. Vicente Rico Ramírez Departamento de Ingeniería Química Instituto Tecnológico de Celaya

Ejercicios de Programación Lineal

Valuación de opciones financieras mediante la teoría de la dualidad de la programación lineal

PROGRAMACIÓN LINEAL Introducción Inecuaciones lineales con 2 variables

ALGEBRA I, ALGEBRA Y TRIGONOMETRIA , Segundo Semestre CAPITULO 6: POLINOMIOS.

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.

C a l ses P P y y NP C a l se P C a l se N P N P [No N n o -De D te t rmin i i n s i ti t c i Polynomial-tim i e]

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009

Pasos en el Método Simplex

Transcripción:

Programación Lineal Entera PE Programación Entera Modelo matemático, es el problema de programación lineal Restricción adicional de variables con valores enteros. Programación entera mita Algunas variables con valores enteros Programación entera binaria Solo variables binarias

Método de Ramificación y Acotamiento Un problema acotado de PEB, tiene un número finito de soluciones. Necesario eaminar sólo una fracción de las soluciones factibles. Divide y vencerás. Acotamiento de la solución y eliminación (sondeo) de los subconuntos de problema cuya cota no sea meor que la cota original. Eemplo: Ramificación y Acotamiento Modelo de programación entera binaria Maimizar Z = 9 es entero, para =,,,.

Eemplo: Ramificación y Acotamiento Se relaa el problema original como un problema de PL. Se obtiene la cota inicial. 9 Z Maimizar = Se aplica SIMPLEX y se obtiene la solución óptima: (,,, ) = (/,,, ) con Z = ½. Para el problema original de PEB Z ½. Como los coeficientes de la función obetivo son enteros Z debe de dar un valor entero. Cota inicial es: Z. Eemplo: Ramificación y Acotamiento Primera iteración del algoritmo. PEB. Se fia el valor de una variables =, para un subconunto =, para el otro subconunto Se obtiene las cotas para los sub-problemas generados relaando estos como PL. Z Maimizar = 9 Z Maimizar = Sub-problema : ( = ). Sub-problema : ( = ). Se aplica SIMPLEX y se obtiene la solución óptima de cada sub-problema. Sub: (,,, ) = (,,, ) con Z = 9. Sub: (,,, ) = (, /,, /) con Z = /.

Eemplo: Ramificación y Acotamiento Primera iteración del algoritmo Las cotas obtenidas para cada sub-problema son: Sub: Z 9 Sub: Z 9 (,,,) (/,,,) (,/,,/) Eemplo: Ramificación y Acotamiento Pasos para cada iteración: Ramificación: Entre los sub-problemas restantes (no sondeados), se elige el de creación más reciente. (Los empates se rompen con el que tenga la meor cota) Se ramifica el nodo en ese sub-problema, fiando la siguiente variable. Acotamiento: Cada sub-problema se relaa a PL y acota con simple redondeando hacia abao el valor de Z. Sondeo: En cada nuevo sub-problema, se aplican las tres pruebas de sondeo y se descarta el que cumpla cualquier prueba de sondeo.

Eemplo: Ramificación y Acotamiento Pruebas de sondeo (eliminación) de un subproblema: Prueba : cota Z* (solución de apoyo actual) Prueba : El sub-problema relaado como PL no tiene soluciones factibles. Prueba : La solución óptima del sub-problema relaado como PL es entera. Si es meor que Z* se convierte en la nueva Z* y se aplica de nuevo la prueba, a todos los sub-problemas no sondeados con la nueva z*. Eemplo: Ramificación y Acotamiento Primera iteración del algoritmo Al aplicar las tres pruebas de sondeo a los dos subproblemas y. El Sub se sondeo por la prueba, S(): S() Z* = 9 (,,,) (/,,,) (,/,,/)

Eemplo: Ramificación y Acotamiento Segunda iteración del algoritmo con =. PEB. Se fia el valor de otra variables =, para un subconunto =, para el otro subconunto Se obtiene las cotas para los sub-problemas generados del sub, relaando estos como PL. Sub-problema : ( =, = ). Sub-problema : ( =, = ). Maimizar Z = 9 Maimizar Z = Se aplica SIMPLEX y se obtiene la solución óptima de cada sub-problema. Sub: (,,, ) = (,, /, ) con Z =, /. Sub: (,,, ) = (,,, /) con Z = /. Eemplo: Ramificación y Acotamiento Segunda iteración del algoritmo Las cotas obtenidas para cada sub-problema son: Sub: Z Sub: Z Ambos problemas quedan sin sondear. El sub tiene una cota más grande que el sub S() (/,,,) Z*= 9 (,,,) (,/,,/) (,,/,) (,,,/)

Eemplo: Ramificación y Acotamiento Tercera iteración del algoritmo con =, =. PEB. Se fia el valor de otra variables =, para un subconunto =, para el otro subconunto Se obtiene las cotas para los sub-problemas generados del sub, relaando estos como PL. Sub-problema : ( =, =, = ). Sub-problema : ( =, =, = ). Maimizar Z = Maimizar Z = Se aplica SIMPLEX y se obtiene la solución óptima de cada sub-problema. Sub: (,,, ) = (,,, /) con Z =. Sub: No hay solución factible. Eemplo: Ramificación y Acotamiento Tercera iteración del algoritmo Las cotas obtenidas para cada sub-problema son: Sub: Z Sub: No hay solución factible Los sub-problemas de los nodos (,) y (,,) permanecen bao consideración, pero el último es de creación más reciente, por lo que se selecciona para ramificar. Z*= 9 S() (,,,) (/,,,) (,/,,/) (,,/,) (,,,/) S() (,,,/) 7

Eemplo: Ramificación y Acotamiento Cuarta iteración del algoritmo con =, =, =. PEB. Se fia el valor de otra variables =, para un subconunto =, para el otro subconunto Se obtiene las cotas para los sub-problemas generados del sub, relaando estos como PL. Sub-problema 7: ( =, =, =, =). Sub-problema 8: ( =, =, =, =). Se aplica SIMPLEX y se obtiene la solución óptima de cada sub-problema. Sub7: (,,, ) = (,,, ) con Z =. Sub8: No hay solución factible. Eemplo: Ramificación y Acotamiento Cuarta iteración del algoritmo Las cotas obtenidas para cada sub-problema son: Sub7: Z Sub8: No hay solución factible Aplicando las pruebas de sondeo, la Sub7 pasa la prueba y la sub8 pasa la prueba. La solución factible en sub7 es meor que la de apoyo Z* = 9, por lo que la nueva Z* =. Se aplica la prueba de sondeo con Z* a los sub-problemas sin sondear. Sub cota = Z* =, este sub queda sondeado por la prueba. (/,,,) S() S() Z*= 9 S() (,,,) Z* = (,,,) S() (,,/,) (,,,/) (,/,,/) S() (,,,/) 8