Professional Documents
Culture Documents
Inversin
$ 5000
$ 7000
$ 4000
$ 3000
VPN
$ 16000
$ 22000
$ 12000
$ 8000
APLICACIONES TIPICAS
Modelos tipo Mochila:
se busca incluir el mximo nmero de diversos productos
con diferente valor, en un espacio limitado.
Seleccin de Cartera:
seleccionar la mejor combinacin de alternativas para
alcanzar el mximo rendimiento.
Modelos con Costos Semi-Fijos
Modelos con costos variables y costos semi-fijos
(de preparacin o de instalacin.)
Problemas de Cobertura
Determinar el nmero mnimo de localizaciones con el
objeto de proveer cobertura a un grupo de areas
Problemas de Asignacin
Se busca asignar uno-a-uno recursos en forma ptima.
Programacin de Recursos:
asignar optimamente recursos de manera secuencial.
Problema del Agente Viajero (TSP)
Determinar la mejor secuencia de actividades ejecutando
cada actividad una sola vez.
si se escoje la alternativa j
si no
EJERCICIO
Suponga que X1 X2 y X3 son variables binarias cuyo valor 1 indica que se va
a abrir una planta en una lugar determinado y 0 indica lo contrario. Escriba
una restriccin para cada una de las siguientes condiciones:
a. Si se abre la planta 1 entonces la planta 2 no debera abrirse.
b. Si se abre la planta 1 entonces la planta 2 debera abrirse.
c. Al menos una de las tres plantas debera abrirse.
d. No ms de dos de las tres plantas debera abrirse.
e. Si ni la planta 2 y ni la planta 3 se abren, la planta 1 no debera abrirse.
f. Si se abre la planta 1 o la planta 3 no se abre, la planta 2 debe abrirse.
SOLUCIN
a. X1 + X2 = 1
b. las posibilidades son:
X1
0
0
1
1
X2
0
1
0 <----- eliminar con la restriccin X1 X2
1
c. X1 + X2 + X3 1
d. X1 + X2 + X3 2
e. Supongamos: si la planta 2 no se abre, la planta 1 no debe abrirse
X1
X2
0
0
0
1
1
0
<----- eliminar con la restriccin X1 X2
1
1
entonces la condicin es:
X 1 X2 + X 3
f. Si se abre la planta 1, la planta 2 debe abrirse
Si la planta 3 no se abre, la planta 2 debe abrirse.
entonces la condicin es igual a la suma de ambas
X2
X1
X2 + X3 1
2X2 + X3 1 + X1
si se produce artculo j
si no
variable continua Xj :
el volmen a producir de j
xj M yj
y =1
x >0
volumen
Lyj xj U yj
Si se produce, no ms de U ni menos de L
y=0
x=0
0
y =1
L< x< U
L
volumen
MAXIMO # DE RESTRICCIONES
Cuando una solucin factible solo necesita satisfacer un
subconjunto de todas las restricciones del modelo
Ejemplo:
gj ( x1,..., xn )
gj ( x1,..., xn )
bj - M ( 1- yj )
bj + M ( 1- yj )
Modelo modificado:
Max Z = 3x1 + x2
2x1+ x2 4
Max Z = 3x1 + x2
2x1+ x2 4 + M (1-y1)
3x1+ 4x2 12
7x1+ 7x2 35
x1+ x2
3x1+2x2
x1- 2x2
5x1+4x2
x1, x2
7
6
11
21
0
Costo estndar
Precio
Planta 1 Planta 2 Venta
$250
$260
$350
$200
$180
$275
Presupuesto
Semanal
$2,000
$2200
PROBLEMA 1:
Xij : # escritorios de modelo j = E, S a producir por semana en la planta i = 1, 2
F.O.
Mx Z = (350 - 250) X1E + (275 - 200) X1S +(350 - 260) X2E + (275 - 180) X2s
Restricciones de Capacidad:
7X1E + 4X1S <= 80 horas/semana
6X2E + 5X2S <= 50 horas/semana
Planta 1
Planta 2
Restricciones de Presupuesto:
250X1E + 260X2E <= $ 2000 Escritorios Ejecutivos
200X1S + 180X2S <= $ 2200
Escritorios Secretariales
Restricciones de No-Negatividad:
X1E ,X1S ,X2E ,X2S >= 0
Nuevas Variables y Restricciones:
binaria Yi = 1 se produce en la planta i = 1,2
0 no se produce
binaria Yj = 1 se producen escritorios del modelo j = E, S
0 no se producen
Decisin de Produccin en cada Planta
7X1E + 4X1S <= 80 y1
6X2E + 5X2S <= 50 y2
Planta 1
Planta 2
Escritorios Ejecutivos
Escritorios Secretariales
10
11
PROBLEMA 2:
Xj : # onzas de alimento j = F1, F2 a consumir / da
F.O.
Min Z = 6 x1 + 8 x2
Restricciones de Requerimientos Nutritivos
100 x1 + 200 x2 >= 1000 unidades de A
400 x1 + 250 x2 >= 2000 unidades de B
200 x1 + 200 x2 >= 1500 unidades de C
Restricciones de No-Negatividad:
X1 ,X2 >= 0
12
MIN 5 Y1 + 7.5 Y2 + 6 X1 + 8 X2
SUBJECT TO
2) - 99999 W1 + 100 X1 + 200 X2 >= - 98999
3) - 99999 W2 + 400 X1 + 250 X2 >= - 97999
4) - 99999 W3 + 200 X1 + 200 X2 >= - 98499
5) - 99999 Y1 + X1 <= 0
6) - 99999 Y2 + X2 <= 0
7) W1 + W2 + W3 >= 2
END
INT
Y1
INT
Y2
INT
W1
INT
W2
INT
W3
OBJECTIVE FUNCTION VALUE
1) 50.000000
VARIABLE VALUE REDUCED COST
Y1
1.000000
5.000000
Y2
.000000
7.500000
W1
.000000
.000000
W2
1.000000
.000000
W3
1.000000
2999.970000
X1
7.500000
.000000
X2
.000000
2.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 99749.000000
.000000
3)
1000.000000
.000000
4)
.000000
-.030000
5) 99991.500000
.000000
6)
.000000
.000000
7)
.000000
.000000
NO. ITERATIONS=
49
BRANCHES= 5 DETERM.= 1.000E
13
+ 30 x3 + 20 x4 <= 65 Ao 1
+ 20 x3 + 30 x4 <= 80 Ao 2
+ 20 x3 + 40 x4 <= 80 Ao 3
+ 20 x3 + 10 x4 <= 50 Ao 4
Restriccin Adicional
Inversin 2 slo puede realizarse si se invierte en alternativas 1 y 3
2 x2 x1 + x3
14
15
PROBLEMA 4:
Xij : # unidades a producir en el mes i = 1, 2, 3, 4
j = 1 produccin propia , 2 subcontrato
F.O.
Min Z = 400 (x11 + x21 + x31 + x41 ) + 450 (x12 + x22 + x32 + x42 ) + 15 (I1 + I2 + I3 + I4 )
Restricciones de Balance:
x11 + x12
I1 + x21 + x22
I2 + x31 + x32
I3 + x41 + x42
=
=
=
=
1800
2200
3400
2800
+
+
+
+
I1
I2
I3
I4
mes 1
mes 2
mes 3
mes 4
Restricciones de Capacidad
Xi1 <= 2400 i = 1, 2, 3, 4
Xi2 <= 800 i = 1, 2, 3, 4
produccin propia
subcontrato
Restricciones de No-Negatividad:
X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X41 ,X42 >= 0
16
Localizacin $ Instalacin
1
$50,000
2
$30,000
3
$40,000
Demanda/Cliente :
Capacidad
200
150
300
C1
$8
$7
$8
75
C2
$10
$9
$11
50
C3
$12
$11
$10
35
C4
$6
$9
$8
75
C5
$8
$13
$7
35
SOLUCIN
Xij : # unidades a transportar del almacn i = 1, 2, 3 a cliente j = 1, 2, 3, 4, 5
Yi = 1 se instalar el almacn en localizacin i = 1, 2, 3
0 no se instalar
Min Z = 8x11 + 10x12 + 12x13 + ...... + 8x34 + 7x35 +
50000y1 + 30000y2 + 40000y3
Restricciones de Demanda
x11 + x21 + x31
x12 + x22 + x32
x13 + x23 + x33
x14 + x24 + x34
x15 + x25 + x35
>= 75
>= 50
>= 35
>= 75
>= 35
(cliente 1)
(cliente 2)
(cliente 3)
(cliente 4)
(cliente 5)
Restricciones de Capacidad
x11 + x12 + x13 + x14 + x15 <= 200 y1
x21 + x22 + x23 + x24 + x25 <= 150 y2
x31 + x32 + x33 + x34 + x35 <= 300 y3
No negatividad:
(almacn 1)
(almacn 2)
(almacn 3)
X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X13 ,X14, .... , X35 >= 0
17
COLONIAS CUBIERTAS
1,5,7
1,2,5,7
1,3,5
2,4,5
2,4,6
4,5,6
1,5,6,7
1
1
1
1
1
1
1
(colonia 1)
(colonia 2)
(colonia 3)
(colonia 4)
(colonia 5)
(colonia 6)
(colonia 7)
18
x2 + x1 + x3
2y1
y2
x2 + x1 + x3 + x5
2y2
y3
x2 + x1 + x3 + x4
2y3
y4
x4 + x3 + x6
2y4
y5
x5 + x2 + x6 + x7
2y5
y6
x6 + x4 + x5 + x7
2y6
y7
x7 + x5 + x6
2y7
Restriccin de Capacidad
x1 + x2 + x3 + x4 + x5 + x6 + x7 2
b) Suponga que la cobertura del banco no es igual si los clientes potenciales son atendidos
a travs de un local que no est ubicado en la misma zona. La cobertura es del 50% en la
misma zona de la sucursal establecida y 25% si los clientes acuden a sucursales fuera de su
zona. Modifique el modelo para este caso.
F.O.
Mx Z =
19
8- 12pm
15
12-4pm
7
4-8pm8-12am
12
9
TURNO
1
2
3
4
5
6
HORARIO
Medianoche-8am
4am-Medioda
8am-4pm
Medioda-8pm
4pm-Medianoche
8pm-4am
SOLUCION:
Yj : nmero de guardias que trabajan en turno j=1,2,3,4,5,6
F.O. Min Z = y1 + y2 + y3 + y4 + y5 + y6
Restricciones de Cobertura (de turnos)
Yj 0 y enteras
j=1,2,3,4,5,6
y1 + y6
y1 + y2
y2 + y3
y3 + y4
y4 + y5
y5 + y6
5
7
15
7
12
9
20
PROBLEMAS DE PLANEACION
Determinar la mejor secuencia de actividades
Mejor: costo, tiempo o distancia
Actividades: Tareas a efectuarse en varias mquinas, o
secuencia de localizaciones a visitar
TRAVELING SALESMAN PROBLEM (EL AGENTE VIAJERO)
Determinar la ruta ms corta para que saliendo de un punto base se visiten diversas
localizaciones slo una vez y despus se vuelva al punto base
EJEMPLO
Un vendedor trabaja para una compaa localizada a sur de Mxico D.F. Esta semana debe
visitar a cuatro clientes. La siguiente tabla muestra las distancias desde la compaa hasta
cada cliente. El vendedor desea visitar la ruta ms corta considerando que no conviene
visitar a algun cliente ms de una vez.
De \ A
Oficina
Cliente 1
Cliente 2
Cliente 3
Cliente 4
Oficina
M
90
55
80
55
Cliente 1
120
M
50
100
80
Cliente 2
65
45
M
60
60
Cliente 3
75
90
65
M
60
Cliente 4
45
85
40
50
M
Supongamos n = 11 destinos
tiempo ?
21
SOLUCIN
Sea
=1
=1
=1
=1
SOLUCIONES POSIBLES
4
3
2
?
X34 + X43 1
22
Una pequea empresa tiene un contrato para llevar a cabo varios trabajos de preparacin
de pinturas utilizando una mquina de alta velocidad. Cuando la mquina cambia de
trabajo deba limpiarse por completo antes de realizar un trabajo diferente en el que la
combinacin de pinturas y colorantes sea distinta. En la tabla a continuacin se muestran
los tiempos de limpieza en minutos para todas las posibles secuencias de trabajos. El
objetivo es minimizar la suma de todos los tiempos de limpieza eligiendo la mejor
secuencia de trabajos.
Trabajo
Trabajo
A
B
C
D
A
30
15
40
B
25
45
20
C
35
15
30
D
20
50
25
MODELO
Min Z = 30XAB + 15XAC + 40 XAD + 25XBA + 45XBC + 20XBD
+ 35XCA +15XCB + 30XCD + 20XDA + 50XDB + 25XDC
23
24
METODOS DE SOLUCION
1. METODO GRAFICO
Solo 2 variables
2. REDONDEO DE LA SOLUCION DE PL
No se asegura obtener la solucin ptima
En algunos casos se obtiene una solucin muy lejos de
la ptima
3. ENUMERACION COMPLETA
Si hay 2 variables binarias, 4 soluciones posibles
Si hay 50 variables binarias, 2 50 soluciones posibles
4. RAMIFICACION Y ACOTAMIENTO (Branch & Bound)
25
35 x1 + 10 x2 + 25 x3 + 90 x4 <= 120
4 x1 + 2 x2 + 7 x3 + 3 x4 <= 12
x1 +
x2
<= 1
x1 ,x2 ,x3 ,x4 binarias 0 1
X1=1
X2=1
X3=1 X3=0
X2=0
X3=1 X3=0
X2=1
X3=1 X3=0
i
0 x4=1 0 1
2
X3=1
i
0 1
1 0
8
i
10
i
11 12 13 14 15 16
i
i i
i i
1 0 1
0 1
26
EJEMPLO
Mx Z = 300 x1 + 90 x2 + 400 x3 + 150 x4
sujeto a:
35 x1 + 10 x2 + 25 x3 + 90 x4 <= 120
4 x1 + 2 x2 + 7 x3 + 3 x4 <= 12
x1 +
x2
<= 1
x1 ,x2 ,x3 ,x4 binarias 0 1
X2
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
X3
0
0
1
1
0
0
1
1
0
0
1
1
0
0
1
1
X4
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
Factible ?
s
si
s
si
s
s
s
no
s
no
si
no
no
no
no
no
Z
0
150
400
550
90
240
490
----300
----700
---------------------
27
Mx
s.a.
Z = x1 + 5x2
x1 + 10x2 20
x1
2
Z = 11
: x1 = 2 x2 = 1
Z=7
Solucin ptima de PE
: x1 = 0 x2 = 2
Z = 10
Z = 5,207
x1 = 3,208.4
X2 = 7,055.3
28
29
X1 = 2.66
X2 = 1.66
Z = 19
X1 2
CS = 22
CI = 20.5
NO
CS = 22
FACTIBLE CI = 21.4
Z = 19
X1 = 3
X2 = 2
Z = 22
CS= 22
CI = 19
X1 3
X1 = 2
X2 = 2.5
Z = 20.5
X2 2
X1 = 2.66
X2 = 1.66
X1 =3
X2 = 1.5
Z = 19.5
X2 3
X1 = 1.6
X2 = 3
Z = 21.4
CS= 22
CI = 19.5
30
RAMIFICACION Y ACOTAMIENTO
CASOS ESPECIALES
MODELOS MIXTOS
Slo ramificar variables enteras
MODELOS BINARIOS
Modelo Relajado:
Reemplazar X= 0 1
por
X1