Beruflich Dokumente
Kultur Dokumente
INVESTIGACION OPERATIVA I
CONTEXTUALIZACION DE LA ASIGNATURA
• reconocer los diversos campos en los que se aplican técnicas de la investigación operativa
Esta asignatura tiene un carácter mixto teórico-práctico por lo que a los componentes
teóricos se les añaden los de carácter práctico, tanto la resolución de cuestiones numéricas
como la realización de trabajos prácticos de modelado en los que se ejercitarán los
conceptos estudiados.
TEMARIO
3. EL METODO SIMPLEX
3.1. Esquema del método simplex
El método más conocido y habitual para resolver problemas de P.L. es el método
del Simplex debido a Dantzig1. Antes de desarrollar este método es preciso
enunciar dos teoremas que no probaremos, aunque en parte vimos como se
cumplían en algunos análisis gráficos del capítulo anterior.
a. El conjunto de posibles soluciones o conjunto factible de cualquier problema
de P.L. puede representarse mediante un poliedro convexo.
b. Si un P.L. tiene una solución óptima y finita, ésta estará en un vértice del
poliedro convexo que representa al problema de P.L.
3.2. LA FORMA ESTÁNDAR DE UN PROGRAMA LINEAL
Sin pérdida de generalidad, todo programa lineal se puede escribir como:
min cx
s.t Ax = b
x≥0I
Objetivo: minimizar
Todas las desigualdades como ecuaciones
Todas las variables mayores o iguales que cero
3.3. Algebra del método simplex
El método símplex puede comenzar en cualquier solución factible en un vértice
(solución básica factible), de manera que se escoge una que sea conveniente.
Antes de tomar en cuenta las variables de holgura, esta elección es el origen
(con todas las variables originales iguales a cero) o (x1,x2) = (0,0) para el
ejemplo. En consecuencia, después de introducir las variables de holgura, las
variables originales son variables no básicas y las variables de holgura son las
variables básicas de la solución básica factible inicial. Esta elección se muestra
en el siguiente sistema de ecuaciones en el que las variables básicas se
escribieron en negritas:
1) x1 + x3 = 4
2) 2x2 + x4 = 12
3) 3x1 + 2x2 + x5 =18
Como las variables no básicas son iguales acero, el resto de la solución se lee
como si no existieran: entonces, x3 = 4, x4 =12y x5 = 18, de ahí que la solución
básica factible inicial resulta igual a (0,0,4,12,18).
Nótese que la razón por la que esta solución se puede leer de inmediato es por
que cada ecuación tiene sólo una variable básica, que tiene coeficiente +1, y
que esta variable básica no aparece en ninguna otra ecuación. Pronto se verá
que cuando el conjunto de variables básicas cambia, el método símplex utiliza
un procedimiento algebraico (el de eliminación de Gauss) para poner las
ecuaciones en esta forma tan convincente para leer igual todas las soluciones
factibles básicas subsecuentes. Esta forma se llama la forma apropiada de
eliminación gaussiana.
3.4. El método simplex en forma tabular
La forma tabular del método simplex es matemáticamente equivalente a la forma
algebraica, nada más que en lugar de escribir cada conjunto de ecuaciones con
todo detalle, se usa una tabla simplex para registrar sólo la información esencial,
a saber:
a. los coeficientes de las variables
b. las constantes del lado derecho de las ecuaciones
c. las variables básicas que aparecen en cada ecuación.
Esto ahorra la escritura de los símbolos de las variables, pero es más importante en cada
ecuación. Esto ahorra la escritura de los símbolos de las variables, pero es más importante
el hecho de que permite hacer que sobresalgan los números que se usan en los cálculos
aritméticos y registrarlos en forma muy compacta.
4.3. La característica
fundamental
Las variables básicas son estrictamente positivas. Si alguna de las variables de
holgura o exceso es básica entonces la variable dual de dicha restricción es 0
(propiedad de la complementariedad de holguras). Económicamente es
evidente, ya que si hay holgura de un recurso su precio marginal es cero, no se
está dispuesto a pagar por disponer de una unidad más. Hay que tener
precaución con esta interpretación pues todo tiene un límite, es decir, esto será
cierto mientras no cambie el valor de las variables duales, lo que se puede
asegurar mientras la base actual sea óptima (ya que como hemos visto las
variables duales tienen la expresión. De ahí que una interpretación completa de
una solución requiera también el análisis de los límites en que puede darse esta
interpretación. El cálculo de estos límites corresponden a lo que se denomina
análisis de sensibilidad que se presenta en la siguiente sección. Veamos a
continuación un ejemplo muy sencillo de planificación de la operación de
sistemas de energía eléctrica escrito en GAMS. El problema primal es la
minimización de los costes variables de explotación de un sistema para una
hora, denominado problema de despacho económico. El problema dual
corresponde a la maximización de la función de utilidad de consumidores y
generadores.
5. DUALIDAD Y ANALISIS DE SENSIBILIDAD
5.1. Teoría de la dualidad
Teoría de la dualidad. El dualismo es una teoría que surge como consecuencia
de una profundización en el estudio de la Programación lineal. Cada problema
de programación lineal ( Primal ) está estrechamente relacionado con otro
problema simétrico a él, denominado problema dual. El dualismo es una teoría
que surge como consecuencia de una profundización en el estudio de la
programación lineal porque la distribución de los recursos y la formación de los
precios son dos aspectos del mismo problema. Entonces la doble formulación
de la programación lineal no se debe considerar como un simple ejercicio
matemático, sino que una y otra versión del problema vienen a explicar dos
aspectos económicos distintos para una misma situación problémica. Una
propiedad fundamental de la relación entre el primal y el dual es que la solución
optima de cualquiera de estos problemas proporciona la solución óptima para el
otro.
5.2. interpretación económica de la dualidad
El problema primal y dual explican dos aspectos económicos distintos de un
mismo problema. Las variables duales nos vienen a medir el valor de los
recursos imputados a la producción, pero esta valoración tiene unas
características peculiares, esta realizada en términos de costos de
oportunidad. Esto quiere decir que aquellos factores ( o restricciones ) cuyas
existencias no quedan agotadas en el programa óptimo establecido, tienen
un costo nulo desde el anterior punto de vista, pues bajo el prisma exclusivo
del sistema empresarial es un bien libre al estar en exceso.En consecuencia,
la función objetivo, medirá el costo total de los factores imputados a la
producción, valor que ha de igualarse al rendimiento total hallado en la
función económica del primal para que se produzca el equilibrio.
Explicaremos con más detalle la interpretación económica del problema dual.
Para la realización de este análisis vamos a partir del supuesto que se tiene
un problema de programación lineal donde se maximiza el valor de la función
objetivo, por ejemplo la ganancia.
5.3. Relación primal – dual
De lo anteriormente expuesto se puede deducir que existe una estrecha
relación entre el problema primal y dual que puede expresarse en lo
siguiente: El dual tiene la matriz D transpuesta, es decir, si suponemos que
D es de orden sx r, entonces Dt es de orden r x s. Además las variables del
primal y el dual son diferentes, ya que X será un vector de r-componentes
mientras que el vector Y tendrá s-componentes. Los términos independientes
del conjunto de las restricciones del problema primal forman los coeficientes
de la función objetivo del dual. Los coeficientes de la función objetivo del
primal forman los términos independientes de las restricciones del dual. Las
restricciones del dual cambian su sentido al igual que el criterio de
optimización en términos de mínimo o máximo. A cada restricción del
problema primal le corresponde una variable dual y análogamente a cada
restricción del dual le corresponde una variable del primal. Si se halla el dual
del problema dual, obtendremos el problema primal.
7. ANALISIS DE REDES
7.1. Ejemplo de introducción
La teoría de redes y el análisis estructural son poco conocidos en nuestra área,
tanto en el campo teórico, como metodológico. El actual período de revolución
en el análisis de redes que también afecta a la biblioteconomía y documentación
debe cambiar este hecho, ya que su aplicación implica un salto cuantitativo y
cualitativo en la representación y el análisis de la estructura de todo tipo de
dominios científicos, ya sea geográficos, temáticos, institucionales e incluso
individuales.
Este trabajo tiene por objeto la caracterización de los distintos tipos de redes del
mundo real según su tipo y tamaño, estableciendo un primer criterio para la
determinación de redes con posible aplicación en los estudios de
biblioteconomía y documentación. En segundo lugar, un análisis de los diversos
tipos de redes, a través de las teorías que estudian el comportamiento y la
dinámica estructurales, y la influencia de los trabajos de nuestra área para el
establecimiento de la explicación más probable para el crecimiento y la evolución
de las redes reales.
7.2. Terminología de redes
La modelación de redes permite la resolución de múltiples problemas de
programación matemática mediante la implementación de algoritmos especiales
creados para tal fin, conocidos como Algoritmos de optimización de redes.
Dentro de los problemas más comúnmente resueltos mediante la modelación de
redes se encuentran los ya vistos modelos de transporte, transbordo además de
los muy conocidos modelos de determinación de cronograma de actividades
para proyectos como lo son el PERT y el CPM.
7.3. El problema de la ruta mas corta
Este tipo de problemas busca encontrar la ruta más corta entre dos nodos de
una red, en la cual la longitud o arco tiene un costo positivo y así minimizar el
costo total. Este tipo de problemas es fundamental en áreas como investigación
de operaciones, ciencia de la computación e ingeniería. El por qué de su
importancia es:
Aplicaciones prácticas como el envío de algún material entre dos puntos
específicos de forma eficiente, económica o rápida.
Al ser aplicados a una red con características especificas como acíclica y costos
positivos, los resultados que arroja son exactos a un tiempo y costo razonables.
Se puede usar como inicio en un estudio de modelos complejos de redes, que
es cuando no se conoce la estructura de la red.
Se utiliza como subproblemas en la solución de problemas combinatorios y
redes, resultan auxiliares para encontrar una buena solución.
Tiene aplicaciones prácticas como: encontrar la ruta corta y rápida de un punto
a otro, redes eléctricas, telecomunicaciones, transporte, planeación de
inventarios, administración de proyectos,diseño de movimiento en robótica, etc.
Ruta más corta en programación lineal: Se puede plantear como el envío de una
unidad de flujo del nodo origen al nodo destino al mínimo costo. Se pueden
presentar de diferentes formas:
Para que exista solución, debe existir una trayectoria. Además de que no existen
circuitos negativos.
Debe existir rutas del nodo origen a los nodos de la red.
Entre cada par de nodos debe existir al menos una trayectoria.
El algoritmo de la ruta más corta consta de los siguientes elementos:
Nodo origen, comienza de la ruta.
Arco, línea que une los nodos.
Nodo adyacente, nodos conectados por un arco.
Nodo destino, finaliza la ruta.
Etiquetas, estas nos van indicando la longitud de un arco otro y de qué nodo
viene, se representa entre corchetes [distancia del nodo, nodo del que parte]