Академический Документы
Профессиональный Документы
Культура Документы
DESARROLLO DE MODELOS
El problema
Los recursos
son escasos
Historia de la I.O.
Se aplica por primera vez en 1780
Antecedentes:
Matemticas: modelos lineales (Farkas, Minkowski)
(s.XIX)
Estadstica: fenmenos de espera (Erlang, Markov)
(aos 20)
Economa: Quesnay (x.XVIII), Walras (s.XIX), Von
Neumann (aos 20)
Historia de la I.O.
Al terminar la guerra, sigue el desarrollo en la
industria, debido a:
competitividad industrial
progreso terico
RAND (Dantzig)
Princeton (Gomory, Kuhn, Tucker)
Carnegie Institute of Technology (Charnes, Cooper)
Actualidad de la I.O.
Sigue habiendo un gran desarrollo, en muchos
sectores, con grandes avances sobre todo en el
campo de la Inteligencia Artificial
Ms informacin:
Sociedad Espaola de Estadstica e Inv. Op. (SEIO)
www.cica.es/aliens/seio
El mtodo de la I.O.
Definicin del problema
Formulacin del problema y construccin del
modelo
Resolucin
Verificacin, validacin, refinamiento
Interpretacin y anlisis de resultados
Implantacin y uso extensivo
A lo largo de todo el proceso debe haber una interaccin
constante entre el analista y el cliente
El modelado
Es una ciencia
anlisis de relaciones
aplicacin de algoritmos de solucin
Y a la vez un arte
visin de la realidad
estilo, elegancia, simplicidad
uso creativo de las herramientas
experiencia
Tipos de modelos
Determinsticos
Programacin
matemtica
Programacin lineal
Programacin entera
Programacin dinmica
Programacin no lineal
Programacin multiobjetivo
Modelos de transporte
Modelos de redes
Probabilsticos
Programacin
estocstica
Gestin de inventarios
Fenmenos de espera
(colas)
Teora de juegos
Simulacin
Resolucin
Determinar los valores de las variables de
decisin de modo que la solucin sea ptima (o
satisfactoria) sujeta a las restricciones
Puede haber distintos algoritmos y formas de
aplicarlos
Verificacin y validacin
Eliminacin de errores
Comprobacin de que el modelo se adapta a la
realidad
Interpretacin y anlisis
Robustez de la solucin ptima obtenida:
Anlisis de sensibilidad
Deteccin de soluciones cuasi-ptimas
atractivas
Implantacin
Sistema de ayuda y mantenimiento
Documentacin
Formacin de usuarios
Ejemplo n1
En una fbrica de cerveza se producen dos tipos: rubia y
negra. Su precio de venta es de 50 ptas/l y 30 ptas/l,
respectivamente. Sus necesidades de mano de obra son de
3 y 5 empleados, y de 5.000 y 2.000 ptas de materias primas
por cada 1000 l.
La empresa dispone semanalmente de 15 empleados y
10.000 ptas para materias primas, y desea maximizar su
beneficio. Cuntos litros debe producir?
Formulacin
Max z 50.000x1 30.000x2
s .a .
3 x1 5 x 2 15
5.000x1 2.000x2 10.000
x1 , x2 0
El modelo de P.L.
Opt z c1 x1 c2 x2 cn xn
s .a .
a11 x1 a12 x2 a1n xn b1
a m1 x1 a m 2 x2 a mn xn bm
x1 , x2 , , xn 0
El modelo de P.L.
z: funcin objetivo
CT (c1,...,cn): vector de coeficientes de la f.o.
XT (x1,...,xn): vector de variables de decisin
A (...,aij,...): matriz de coeficientes tcnicos
b (b1,...,bm): vector de demandas
Matricialmente,
Opt CTX
s.a.
AX b
x0
Forma cannica
Aditividad
El coste y las restricciones son la suma directa de
las variables
Divisibilidad
Las variables pueden dividirse en cualquier tipo de
fraccin
Problemas tpicos
Min
c x
ij ij
i 1 j 1
s.a.
m
ij
b j , j 1..n
i 1
n
ij
ai ,i 1..m
j 1
xij 0, xij Z
Min
cij xij
i 1 j 1
s .a .
m
x x
ij
j 1
ki
k 1
xij 0 , xij Z
bi , j 1..m
Problema de asignacin
Minimizar el coste total de operacin de modo que:
- cada tarea se asigne a una y slo una mquina
- cada mquina realice una y slo una tarea
m
Min
cij xij
i 1 j 1
s .a .
m
ij
1, j 1..n
i 1
n
x
j 1
ij
1,i 1..m
xij 0 ,1
Problema de la mochila
Escoger un grupo de productos que maximice el valor
total sin exceder el espacio disponible
n
Max
cjxj
j 1
n objetos
aj: espacio que ocupa el objeto j
cj: valor del objeto j
s .a .
n
a x
j
b: volumen de la mochila
j 1
x j 0,1
Problema de emparejamiento
Distribuir un conjunto por parejas de tal forma que el
valor sea mximo. Si hay elementos sin pareja:
emparejamiento imperfecto. Si estn en dos conjuntos,
emparejamiento bipartito.
2n -1 2n
s.a.
i -1
xki
k 1
2n
xij 1, i 1..2n
j i 1
xij 0,1
Problema de recubrimiento
Minimizar el coste de las actividades que en su conjunto
cubren todas las caractersticas al menos una vez
n
Min c j x j
j1
s.a.
n
a
j1
ij
m caractersticas
n actividades
xj=1 si la actividad j se realiza
x j 1, i 1..m
x j 0,1
Problema de empaquetado
Maximizar el beneficio total de forma que hay que elegir
conjuntos completos de actividades, y que no se realice
una actividad dos veces
n
Min c j x j
j1
s.a.
n
a
j1
ij
m actividades
n conjuntos de actividades
xj=1 si se elige el subconjunto j
x j 1, i 1..m
x j 0,1
Problema de particin
Si en el problema de recubrimiento o en el de
empaquetado las desigualdades se cambian por
igualdades
n
Min c j x j
j1
s.a.
n
a
j1
ij
m actividades
n conjuntos de actividades
xj=1 si se elige el subconjunto j
x j 1, i 1..m
x j 0,1
Min c j x j f k yk
j1
k 1
s.a.
n
x
j1
ij
bj
akj x j M k yk , k 1..m
j1
xij 0, yk 0,1
Min
ij xij
(i, j) A
s .a .
ij
1 ,j V
i/(i, j) A
ij
j/(i, j) A
1,i V
xij 0 ,1
xij=1 si de i va directamente a j
cij: distancia entre i y j
A: conjunto de arcos
V: conjunto de nodos
ij 1,U
( i , j ) A / iU , jV U
ij
( i , j ) A / iU , jU
V / 2 U V 2
U 1,U V / 2 U V 2
Min
ij xijk
k 1 (i, j) A
s .a .
n
ijk
1,j V
i/(i, j) A k 1
n
ijk
1,i V
j/(i, j) A k 1
ijk
(i, j) A
i/(i, j) A
ijk
xijk 0 ,1
r/(j,r) A
jrk 1 ,j V ,k
Problema de rutas
n
Min
c x c x
ij
i 0 j 0
ijk
k 1
k 1
ojk
j 1
s .a .
n
1, j 1..n
ijk
i 0 k 1
n
ijk
i 0
n
N: clientes
M: vehculos
x x
jik
0 ,j ,k
i 0
q x
i
i 1
n
ijk
Qk ,k
j 0
ij xijk
i 0 j 0
s x
i
i 1
ijk
d 0k r0k ,k
j 0
ojk
1, k 1..m
j 1
x
iS jS k 1
ijk
S 1,2 S N 2
qi: demanda
si: tiempo de descarga
i: prioridad
Qk: capacidad
rok, dok: perodo tiempo disponible
ck: coste fijo por uso
f ( x) f
g ( x) 0
g ( x) (1 ) g
j 1
N K , 0,1
Restricciones condicionales
f ( x) 0 g ( x ) 0
equiv. a
Decisiones contingentes
xy
yx
f ( x) 0 g ( x ) 0