1

INSTITUTO TECNOLGICO DE AGUASCALIENTES

INVESTIGACION DE
OPERACIONES
INVESTIGACION UNIDAD IV
Profesor: Samuel Galindo Carren

Integrantes:
Uriel Martnez Mojica

Aguascalientes, Ags, Enero-Junio 2013
2



INDICE
Pgina
Temas:

4.1 INTRODUCCIN Y CASOS DE APLICACIN 1

4.2 DEFINICIN Y MODELOS DE PROGRAMACIN ENTERA Y BINARIO 2 a 6

4.3 MTODO DE GOMORY.. 7

4.4 MTODO DE BIFURCACIN Y ACOTACIN7 a 11

4.5 USO DE SOFTWARE.. 11

















3


INTRODUCCIN Y CASOS DE APLICACIN

Sus pioneros fueron Wagner (1950) y Manne (1959). Tradicionalmente estos modelos se han
considerado como subclases de la programacin lineal, sin embargo, las variables de decisin
que aparecen en ellos slo toman valores enteros, por lo que realmente deben considerarse
como problemas de programacin entera. El nmero de modelos lineales enteros y sus
mtodos de solucin es en la actualidad bastante extenso, lo que nos ha llevado a hacer una
seleccin considerando aquellos que creemos ms interesantes y que aparecen con mayor
frecuencia en la realidad.
No siempre es admisible que las variables de un PL tomen valores continuos, existen:
Decisiones dicotmicas (si-no)
Decisiones que deben tomarse en unidades discretas
Si se requiere que todas las variables sean enteras, se dice quese habla de Programacin
Lineal Entera Pura; si se necesita que algunas de las variables de decisin sean nmeros
enteros, se tiene un problema de Programacin Lineal Entera Mixta.
En algunas aplicaciones, slo se permite que todas las variables tomen valores de cero o uno,
hablamos en estos casos de Programacin Lineal Entera Binaria (Digital); si se requiere que
solamente algunas de las variables tomen valores de cero o uno, se tiene un problema de
Programacin Lineal Entera Binaria Mixta.



DEFINICIN Y MODELOS DE PROGRAMACIN ENTERA Y BINARIO

Un modelo de programacin entera es un modelo que contiene restricciones y una funcin
objetivo idnticas a las formuladas por planeacin lineal. La nica diferencia es que una o ms
de las variables de decisin tienen que tomar un valor entero en solucin final.
Existen tres tipos de modelos de programacin entera:
* Pura
* Mixta
* Binaria

4

PROGRAMACIN ENTERA PURA

Un modelo entero puro (PLE), es cmo su nombre lo indica, un problema en el que se exige
que todas las variables de decisin tengan valores enteros. Por ejemplo

Min 6x1 + 5x2 + 4x3
s.a. 108x1 + 92x2 + 58x3 >= 576
7x1 + 18x2 + 22x3 >= 83
* X1, x2, x3> =0 y enteros

* Es un modelo entero puro. Sin las restricciones adicionales x1, x2, x3 sean enteros (o sea
las condiciones de integralidad) sera un problema de programacin lineal

Ejemplo:

Corte de madera

Una marquetera debe enmarcar 175 cuadros de 119x96 cm.En el mercado puede comparar
varillas de la moldura indicada con longitud de 300 cm. Cmo deben cortase las varillas para
obtener los marcos requeridos, obteniendo el menor sobrante posible?

Solucin

Modalidades de corte
X1: Nmero de varillas estndar cortadas en la modalidad i (i= 1, 2, 3)
Para 175 marcos se necesitan 350 piezas de cada longitud
Minimizar: 62x1 + 1x2 + 30x3 longitud sobrante
Sujeta a:
2x1 + 1x2 350 piezas de longitud 119
2x2 + 3x3 350 piezas de longitud 90



5

PROGRAMACIN ENTERA MIXTA
Algunas de las variables de decisin tienen valores enteros. Las dems cumplen con la
suposicin de divisibilidad.
Un problema en el que solo se requieren que algunas variables tengan valores enteros
mientras que otras pueden asumir cualquier numero no negativo (es decir, cualquier valor
continuo) se llama programacin lineal entera mixta (PLEM). Por ejemplo, supngase que en
el problema solo x1 y x2 deben ser enteros y x3 no. El problema resultante es:


Ejemplo:
Programacin de la Produccin de un Ensamble
Cierta empresa produce un artculo que se forma con cuatro piezas del componente A y tres
piezas del componente B.
Las piezas se pueden fabricar en cualquiera de las tres mquinas diferentes que posee la
compaa, las cuales transforman las dos materias primas en las piezas que van al ensamble
del producto final.
La tabla siguiente muestrael nmero de gramos de cada materia prima que deben utilizarse en
cada mquina para realizar un ciclo de produccin de las componentes. La misma tabla
muestra el nmero de componentes de cada tipo que se obtienen en cada ciclo de produccin
de cada una de las maquinas, as como el nmero de gramos disponibles de las materias
primas.

Cmo debe programarse la produccin para obtener la mxima cantidad de artculos?

Construccin del modelo
Para un mejor entendimiento elaboremos un diagrama de la situacin


Definicin de variables

Xi = Nmero de tandas de produccin que realiza la mquina i.
Cada tanda de produccin de las mquinas utiliza cierta cantidad de las materias primas y
produce cierta cantidad de los componentes A y B, con los cuales se obtiene el ensamble del
6

producto final.
Como para cada unidad del ensamble se utilizan cuatro unidades del componente A y tres del
componente B, se concluye que el nmero total de ensambles obtenidos ser el resultado de
dividir por cuatro el nmero de componentes tipo A, pero tambin debe ser igual al nmero de
componentes tipo B, dividido por tres.
Necesitamos entonces definir tambin que

XA = nmero de componentes de tipo A obtenidas.
XB = nmero de componentes de tipo B obtenidas.


PROGRAMACIN ENTERA BINARIA
Utiliza variables binarias

En algunos problemas se restringe el valor de las variables a 0 o 1. Son de particular inters
debido a que sepueden usar las variables 01 para representar decisiones dicotmicas (s o
no). Diversos problemas de asignacin, ubicacin de plantas, planes de produccin y
elaboracin de cartera, son de programacin lineal entera 01.
Existen dos mtodos para generar las restricciones especiales que fuercen la solucin ptima
del problema, hacia la solucin ptima entera deseada:

- Mtodo de ramificar y acotar.
- Mtodo de planos de corte.

Desafortunadamente, ninguno de los dos mtodos es efectivo en la solucin de problemas de
programacin lineal entera.






7


MTODO DE GOMORY
(Mtodo de los planos cortantes)
ste mtodo sirve para solucionar problemas de ms de dos (2) variables.
Algoritmo
1.- Encontrar la solucin, empleando el mtodo simplex.
2.- Si la solucin es entera, entonces estamos en el ptimo.
3.- Si no es entera, introducir una restriccin nueva para la variable
No entera, que tenga la mayor parte fraccional (Quebrar empates arbitrariamente) y resolver el
nuevo problema mediante el mtodo dual simplex.
Nueva restriccin a partir de la restriccin actual que tenga la variable cuyo valor en su parte
fraccional sea mayor.
a) Escriba cada constante como la suma de: Un nmero entero de cual quier signo y una
fraccin no negativa, menor que uno (1).
b) Cambiar la ecuacin trasladando los coeficientes enteros al lado derecho



MTODO DE BIFURCACIN Y ACOTACIN
El mtodo de bifurcacin y acotacin (B&B, de Branch and Bound)resuelve un PPLE
resolviendo una secuencia ordenada de PPLs que se obtienen relajando las restricciones de
integralidad y aadiendo restricciones adicionales. El nmero de restricciones adicionales
crece a medida que el mtodo B&B progresa. Estas restricciones permiten separar la regin
factible en subregiones complementarias.
El mtodo B&B establece inicialmente cotas inferior y superior del valor ptimo de la funcin
objetivo. El mecanismo de bifurcacin aumenta progresivamente el valor de la cota inferior y
disminuye tambin progresivamente el valor de la cota superior. La diferencia entre estas
cotas es una medida de la proximidad de la solucin actual a la ptima, si sta existe.
Al minimizar, se obtiene una cota inferior de la solucin ptima relajando las restricciones de
integralidad del PPLE inicial y resolviendo el PPL resultante. Adems, el valor de la funcin
objetivo para cualquier solucin del PPLE original es una cota superior de la solucin ptima.
De manera anloga, al maximizar, la solucin del PPL relajado es una cota superior para el
ptimo y cualquier solucin del PPLE original es una cota inferior de la solucin ptima.
8

A continuacin se enumeran los pasos del algoritmo B&B para un PPLE Mixta:
Paso 1: Iniciacin
1. Se establece una cota superior () y una cota inferior () de la solucin ptima.
2. Se resuelve el PPLE Mixta inicial relajando las restricciones de integralidad.
3. A) Si el problema relajado esinfactible, el original tambin lo es y no hay solucin.
4. B) Si la solucin obtenida satisface las condiciones de integralidad, es ptima.
5. C) En cualquier otro caso, se actualiza el valor de la cota correspondiente con el valor de la
funcin objetivo resultante.
Pas 2: Bifurcacin
1. Empleando la variable xk que ha de ser entera y no lo es, se generan mediante bifurcacin
dos problemas. Si el valor de la variable que ha de ser entera xk es a.b, donde a y b son sus
partes entera y fraccional respectivamente, los problemas fruto de la bifurcacin son los
siguientes.
2. A) El primer problema es el PPLE relajado al que se la aade la restriccin xka
B) El segundo es el PPLE relajado al que se le aade la restriccin xka+1
3. Estos problemas se colocan ordenadamente en una lista de problemas a procesar que son
resueltos secuencialmente o en paralelo. Obsrvese que la tcnica de bifurcacin propuesta
cubre completamente el espacio de soluciones.
Pas 3: Solucin
3.1 Se resuelve el siguiente problema en la lista de problemas a procesar.
Pas 4: Acotacin
4.1 Si la solucin del problema actual satisface las condiciones de integralidad y el valor
ptimo de su funcin objetivo es menor que la cota superior actual, dicha cota se actualiza al
valor ptimo de la funcin objetivo del problema resuelto, y el minimizador actual se almacena
como el mejor candidato a minimizador del problema original. En caso de maximizaciones, la
cota inferior actual se actualiza alvalor ptimo de la funcin objetivo del problema resuelto si
ste es menor que dicha cota inferior.

4.2 Si, por el contrario, la solucin obtenida no satisface las restricciones de integralidad y el
valor de la correspondiente funcin objetivo esta entre las cotas inferior y superior, se actualiza
el valor de la cota inferior al valor de la funcin objetivo del problema resuelto y se procede a
bifurcar de nuevo. En caso de maximizaciones, se actualiza el valor de la cota superior al valor
de la funcin objetivo del problema resuelto y se procede a bifurcar de nuevo.
9

4.3 Los problemas generados en el proceso de bifurcacin se aaden a la lista de problemas
que han de resolverse.
Pas 5: Poda
5.1 Poda por cotas: Tiene lugar si la solucin no satisface las condiciones de integralidad y
adems el valor de la funcin objetivo del problema resuelto es mayor que la cota superior
para minimizaciones o menor que la cota inferior para maximizaciones. En este caso no es
posible obtener soluciones mediante bifurcaciones adicionales de esa rama.
5.2 Poda por infactibilidad: Tiene lugar si el problema es infactible.
5.3 Poda por integralidad: Tiene lugar si la solucin del problema actual cumple las
restricciones de integralidad.

Pas 6: Optimalidad
6.1 Si la lista de problemas a procesar no est vaca, se contina con el paso 3.
6.2 Si la lista de problemas a procesar est vaca, el procedimiento concluye.
6.3 Concluido el problema, si existe un candidato aminimizador, dicho candidato es el
minimizador; en caso contrario, el problema es infactible.
El algoritmo de B&B devuelve la solucin ptima o notifica la infactibilidad bien en el paso 1
en el paso 6. El proceso de bifurcacin concluye por la poda de la rama correspondiente como
consecuencia de una de las tres razones siguientes:
1. La solucin del problema relajado es mayor que la cota superior disponible en el caso de
minimizaciones, o menor que la cota inferior disponible para el caso de maximizaciones.
2. El problema considerado es infactible.
3. La solucin obtenida satisface las condiciones de integralidad.

Como puede verse, los pasos centrales del algoritmo B&B son la bifurcacin, la acotacin y la
poda. La diferencia entre un algoritmo
B&B u otro radica en las diferentes estrategias que pueden llevarse a cabo a la hora de
implementar tales pasos.
Estrategias de bifurcacin y procesamiento
Cualquier variable que deba ser entera pero que no lo sea en la solucin actual, es una
variable candidata para bifurcacin. Cul escoger no es una cuestin trivial, y su respuesta ha
de basarse en la estructura del problema.
Los problemas almacenados para ser procesados pueden tratarse mediante estrategias en
10

profundidad, en anchura o mixtas. La siguiente figura ilustra las dos primeras alternativas.
Normalmente el conocimiento tcnico del problema permite establecer el tipo de estrategia a
utilizar.
Bsqueda en profundidad
Bsqueda en anchura
Unaestrategia de procesado en profundidad origina rpidamente problemas fuertemente
restringidos que producen buenas cotas superiores e inferiores. Da lugar asimismo a
problemas infactibles y por tanto a una deseable eliminacin de ramas.
Por el contrario, una estrategia en anchura permite tratar problemas muy similares, de lo que
pueden desprenderse ventajas computacionales como es la re optimizacin eficiente del
problema relajado actual partiendo de la solucin del anterior.
Estrategias de acotacin
La acotacin es normalmente llevada a cabo mediante la denominada relajacin lineal,
consistente en la obtencin de la cota a partir de la resolucin del PPL obtenido relajando las
restricciones de integralidad del PPLE original.
Sin embargo, existen otras posibles relajaciones del PPLE original, como la relajacin
Lagrangiana en la que todo el conjunto de restricciones (Ax b en notacin matricial) es
eliminado y la funcin objetivo del problema Maximixar z=cTx es reemplazada por
Maximizar zR=cTx (Ax b), donde 0 es un vector fijo.

Si x* es una solucin ptima del problema original z zR, por lo que resolviendo la relajacin
Lagrangiana el valor ptimo de zR proporciona una cota vlida para el problema original.
Escogiendo adecuadamente el valor del vector dicha cota tiende a ser similar a la
proporcionada por la solucin de la relajacin lineal, pero con la ventaja de que sin las
restricciones del problema la resolucin de la relajacin Lagrangiana puedellegar a ser mucho
ms rpida.
En contrapartida, la poda llevada a cabo tras la acotacin mediante la relajacin Lagrangiana
no suele ser tan potente como la llevada a cabo tras la relajacin lineal. En general, dos son
los factores deseables a la hora de escoger una u otra estrategia de acotacin: (a) una rpida
resolucin del problema relajado; y (b) la obtencin de una buena cota. En general, la
relajacin lineal suele ofrecer un buen compromiso entre ambos factores.
Estrategias de poda
Como se ha comentado anteriormente, la poda de la rama correspondiente tiene lugar por una
11

de las tres razones siguientes:
1 1. La solucin del problema relajado es mayor que la cota superior disponible en el caso de
minimizaciones, o menor que la cota inferior disponible para el caso de maximizaciones.
2. El problema considerado es infactible.
3. La solucin obtenida satisface las condiciones de integralidad.
En cuanto al punto 1 puede optarse por convertir el problema a la forma estndar de
maximizacin (tal y como se vio en el Tema 4) y podar siempre que la solucin del problema
relajado sea inferior al ptimo actual.

En cuanto al punto 3, si el problema relajado y el subproblema generado mediante bifurcacin
tan slo difieren en la falta de alguna restriccin, la poda puede simplemente basarse en
comprobar si la solucin ptima de dicha relajacin es una solucin factible para el
subproblema, ya que en este caso dicha solucin tambin ser ptima para este