Академический Документы
Профессиональный Документы
Культура Документы
1
La optimización o programación matemática es un instrumento fundamental en
la economía. Es empleada para modelizar la asignación de recursos escasos entre fines
alternativos, y resolver problemas de distribución económica desarrollados en la teoría
del consumidor, teoría de la producción, economía del bienestar, equilibrio general,
etc.
Más en detalle:
Nótese que en esta fórmula, la suma de los coeficientes (1-t) y t es 1, por lo tanto el
punto así definido no depende del origen del sistema de coordenadas.
En el caso de una frontera diferenciable (sin puntos angulosos) se pueden considerar
sus tangentes, y resulta bastante intuitivo que los convexos se caracterizan por hallarse
enteramento del mismo lado de cada tangente; es decir que las tangentes nunca
atraviesan C. Esta propiedad sigue cierta en presencia de puntos angulosos, como en el
caso de los polígonos.
Se establece la equivalencia de estas dos caracterizaciones considerando que una
tangente (en A por ejemplo) es la posición límite de las cuerdas [AA'] con A'
2
acercándose indefinidamente de A, en el borde de C. El segmento [AA´] está en C
mientras que el esto de la recta (AA') está fuera (por el absurdo: si se encuentra un
punto B de C en la recta (AA´), fuera de [AA'], entonces el segmento [AB], exterior a C,
contradice su convexidad).
En cualquier aplicación de programación lineal, puede ser que todas las actividades
sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una
correspondería en forma individual a las alternativas específicas dentro de esta
categoría general.
3
bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad j
Dado un modelo lineal determinado, podemos definir otro modelo lineal que
nos permitirá obtener propiedades interesantes del primero y que será su dual. La
solución del modelo dual permite obtener interesantes resultados, relativos al análisis
de sensibilidad de los términos independientes.
Más concretamente, para los rangos de valores de los términos independientes para
los que se mantiene la base óptima (que podemos conocer mediante el análisis de
sensibilidad), la solución del dual nos permite conocer el precio sombra de la
restricción, que será la variación de la función objetivo por unidad incrementada del
término independiente de la restricción.
4
Primal Dual
A· x ≥ b A’· u ≤ c
xj ≥ 0 ui ≥ 0
Si se trata de obtener el dual del dual, se obtendrá el primal: se trata de una
correspondencia biunívoca.
Una vez que hemos estandarizado nuestro modelo, puede ocurrir que
necesitemos aplicar el método Simplex o el método de las Dos Fases. Véase en la figura
como debemos actuar para llegar a la solución de nuestro problema.
5
6
I.6.- ANÁLISIS DE SENSIBILIDAD.
Este análisis consiste en determinar que tan sensible es la respuesta óptima del
Método Simplex, al cambio de algunos datos como las ganancias o costos unitarios
(coeficientes de la función objetivo) o la disponibilidad de los recursos (términos
independientes de las restricciones).
Establecer un intervalo de números reales en el cual el dato que se analiza puede estar
contenido, de tal manera que la solución sigue siendo óptima siempre que el dato
pertenezca a dicho intervalo.
Los análisis más importantes son;
El modelo del transporte tiene que ver con la determinación de un plan de costo
mínimo para transportar una mercancía desde varias fuentes (por ejemplo fabricas), a
varios destinos por ejemplo, almacenes o bodegas. El modelo puede extenderse de
manera directa para abarcar situaciones prácticas de las áreas del control de
inventario, programación de empleo y asignación de personal entre otros.
7
Definición y aplicación del modelo de transporte.
Como solo hay una mercancía, un destino puede recibir su demanda de una o más
fuentes. El objetivo del modelo es el de determinar la cantidad que se enviará de cada
fuente a cada destino, tal que se minimice el costo del transporte total.
La suposición básica del modelo es que el costo del transporte en una ruta es
directamente proporcional al número de unidades transportadas. La definición de
unidad de transporte varia dependiendo de la mercancía que se transporte.
Cuando hay que llevar acabo varias actividades, maneras alternativas de ejecutarlas e
instalaciones y recursos limitados para desempeñar cada una de ellas del modo más
efectivo, habrá un problema de asignación de esos recursos escasos. El problema
consiste en combinar las actividades y los recursos en forma optima de modo que la
eficiencia general se aumente al máximo, o sea que se aumenten las utilidades y que se
disminuyan los costos.
8
Al igual que el método de transporte el método de asignación es computacionalmente
más eficiente que el método simplex para una clase especial de problemas. El método
de asignación también conocido como la Técnica de flood o el método Húngaro de
asignación. Hay básicamente tres pasos en este método
Determine la tabla de costo de oportunidad:
Reste el elemento del costo más bajo en cada columna de la tabla de costo
dada, de todo los elementos en esa columna.
Seleccione el número más pequeño en la tabla no cubierto, por una línea recta
y reste este número de todos los números no cubiertos por una línea recta.
Añada este mismo número a los números que están en la intersección de dos
líneas cualesquiera. Regrese al paso 2.
9
proyecto arquitectónico) o como un proceso, en el caso de una dramatización. En cada
caso puede incluir algún control de calidad.
_ Fase de presentación. Los estudiantes presentan sus resultados al curso, a un público
general o un jurado, para que así todos (presentadores y público) aprendan de todo lo
acontecido en la aplicación del modelo. Es importante que se conversen los puntos de
vista comunes y superiores.
_ Fase de evaluación “formativa”. Las reflexiones sistemáticas sobre los productos o las
soluciones encontradas y la exposición del trabajo o tarea se comparten con los demás
en un proceso de intercambio de las experiencias vividas. Estos resultados se comparan
con los criterios acordados previamente para generar una crítica formativa.
Finalmente, se proponen posibles mejorías y comentan las perspectivas futuras
abiertas por el trabajo realizado.
10
El coste de procesamiento de consultas es más difícil de especificar. Muchos modelos
de asignación de archivos se dividen en dos componentes: el coste de procesar las
lecturas y el coste de procesar las actualizaciones. Nosotros escogeremos un enfoque
diferente para el problema de asignación en las bases de datos y lo especificaremos a
partir del coste de procesamiento (CP) y el coste de transmisión (CT). El coste de
procesamiento de una consulta (CPQ) para una aplicación qi es:
La especificación detallada de cada uno de estos factores depende del algoritmo que se
emplee para desarrollar estas tareas. Sin embargo, se especificará CA detalladamente:
11
El factor de coste del esfuerzo de integridad puede especificarse como el componente
de procesamiento, excepto que la unidad de coste de procesamiento local,
probablemente, cambiaría para reflejar el coste real del esfuerzo de integridad.
La función del coste de transmisión puede formularse sobre las líneas de la función del
coste de acceso. Sin embargo, los gastos de la transmisión de datos para
actualizaciones y para lecturas no es el mismo. En las consultas de actualización, es
necesario informar a todos los sitios donde existen réplicas, mientras que en las
consultas de lectura, es suficiente con acceder al sitio que alberga las copias. En suma,
al final de una petición de actualización, no existe una transmisión de datos al sitio
origen de ésta, sino un mensaje de confirmación, mientras que en las consultas de
lectura, los datos a transmitir al origen son significativos.
12
Preferiblemente, la medida de coste en la función objetiva debería especificarse en
términos de tiempo, para hacer la especificación del tiempo de ejecución
relativamente sencilla.
Las variables son números reales mayores o iguales a cero. . En caso que se
requiera que el valor resultante de las variables sea un número entero, el
procedimiento de resolución se denomina Programación entera.
13
II.2.- MÉTODOS DE PLANOS DE CORTE.
14
Estos algoritmos obtienen la solución en base a enumerar, implícita o
explícitamente, todas las soluciones posibles y escogiendo la mejor de todas ellas.
En problemas complejos, un ordenador no sería capaz de enumerar todas las posibles
soluciones.
Aplican un conjunto de reglas para evitar enumerar soluciones infactibles o peores que
la mejor solución factible que se haya localizado hasta el momento.
La familia de algoritmos enumerativos más importante es la de los algoritmos de
Branch and Bound (BB).
Prácticamente todos los códigos comerciales de PE están basados en un algoritmo del
tipo BB.
Tienen su origen en Land y Doig (1960).
Esta metodología se ha sofisticado posteriormente pero, la idea básica es muy sencilla.
Los algoritmos enumerativos obtienen la solución del problema a base de enumerar,
implícita o explícitamente, todas las soluciones posibles y escogiendo la mejor de todas
ellas.
La forma mas inmediata de resolver problemas de PE consistiría en calcular todas las
posibles soluciones y buscar la mejor entre ellas (enumeración explicita). Este método
tiene graves inconvenientes. Por ejemplo, en el caso de la programación entera binaria,
el número de posibles soluciones es 2 elevado al número de variables enteras. En la
figura 9.2 se representa la combinatoria de un problema con cuatro variables 0-1.
Encima y debajo de cada nodo, se presentan los subíndices d cuatro variables que
toman valores “1” y “0”, respectivamente. Como puede apreciarse, el árbol tiene 2 4
=16 nodos.
Los métodos de enumeración implícita aplican un conjunto de reglas para evitar
enumerar soluciones in factibles o peores que la mejor solución factible que se haya
localizado hasta el momento.
Otro algoritmo enumerativo importante es el algoritmo aditivo. Es debido
originalmente a Egon Balas (1965). Se llama aditivo porque todas las operaciones
matemáticas que se realizan consisten en sumar o restar.
El procedimiento consiste en generar una secuencia de soluciones parciales añadiendo
en cada iteración una variable y considerando las soluciones complementarias (resto
de soluciones posibles). De esta forma, podemos por enumeración implícita, eliminar
conjuntos de soluciones sin necesidad de evaluarlos exhaustivamente.
La selección de la variable añadida se hace en función de reducir al máximo la
infactibilidad en la solución actual y eliminar la redundancia.
15
II.4.- MÉTODOS DE RAMIFICACIÓN Y ACOTACIÓN.
16
II.6.I.- GENERALIZACIÓN DE UNA FUNCIÓN CONVEXA.
La convexidad es central para la transición del análisis clásico a varias ramas del
análisis moderno: desde el análisis lineal al análisis no-lineal, desde la suavidad a la no-
suavidad, desde el estudio de las funciones al estudio de las multifunciones. Además el
análisis convexo es un poderoso y elegante lenguaje que unifica la teoría de la
optimización.
17