Beruflich Dokumente
Kultur Dokumente
1
* Pura
* Mixta
* Binaria
* 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
2
Minimizar: 62x1 + 1x2 + 30x3 longitud sobrante
Sujeta a:
2x1 + 1x2 350 piezas de longitud 119
2x2 + 3x3 350 piezas de longitud 90
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.
3
Construccin del modelo
Para un mejor entendimiento elaboremos un diagrama de la situacin
Definicin de variables
4
Desafortunadamente, ninguno de los dos mtodos es efectivo en la solucin de
problemas de programacin lineal entera.
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
5
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.
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.
6
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.
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
7
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 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
8
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 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.
9
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
10