Beruflich Dokumente
Kultur Dokumente
Introduccin
Muchas veces, algunas o todas las variables de decisin deben restringirse a valores enteros. Por ejemplo:
El El El El nmero nmero nmero nmero de de de de aeronaves que se compr este ao. mquinas que necesita para produccin. viajes que ha realizado un vendedor polica que se asign a la vigilancia nocturna.
Dichos problemas se llaman PE (Programacin Entera). La programacin entera ha llegado a ser un rea muy especializada de la ciencia de la administracin. Estos problemas deben ser resueltos mediante algoritmos especialmente diseados para resolver problemas de programacin entera.
Variables enteras son requeridas cuando el modelo represente una nica decisin (no una operacin en proceso). Los modelos de Programacin Lineal Entera (PLE) son mucho ms difciles de resolver que los modelos de Programacin Lineal (PL). Los algoritmos que resuelven los modelos lineales enteros no entregan resultados de anlisis de sensibilidad.
Los modelos de PLE pueden clasificarse como sigue: Solo de enteros, es decir, todas las variables se restringen a enteros. De variables mixtas - algunas variables son enteras, pero no todas. De binarios- todas las variables son 0 1.
Si un modelo de enteros se resuelve como un modelo lineal simple, se puede obtener la solucin ptima no entera. Aproximar a valores enteros puede provocar: Soluciones no-factibles Soluciones factibles pero no ptimas Soluciones ptimas.
El algoritmo mas comn para resolver problemas de PLE es el mtodo de ramificacin y acotamiento
El siguiente ejemplo ilustra algunas de las complicaciones que aparecen cuando se utilizan restricciones enteras sobre las variables de decisin.
INTERPRETACIN GRAFICA
Max Utilidad = $7X1 + $6X2 Sujeto a 2X1 + 3X2 12 6X1 + 5X2 10 X1, X2 0
6X1 + 5X2 30
+ +
+ + + +
2X1 + 3X2 12
X1 0 1 2 3 4
X2 0 0 0 0 0
Utilidad 0 7 14 21 28
INTERPRETACIN GRAFICA
5
0 1 2 3 4 0
0
1 1 1 1 1 2
35
6 13 20 27 34 12
El redondeo puede generar dos problemas: a) La nueva solucin entera puede estar en la regin no factible b) Puede no ser la solucin entera optima
1
2 3 0 1 0
2
2 2 3 3 4
19
26 33 18 25 24
otro ejemplo
Maximizar Sujeto a 18E + 6F (1) (2) (3) (4) (5)
otro ejemplo
Restaurante Boxcar_Burguer
El Boxcar Burger es una nueva cadena de comida rpida El local planifica su expansin en el centro y reas urbanas La gerencia desea determinar cuntos restaurantes abrir en cada rea, maximizando la ganancia semanal neta. Requerimientos y restricciones: No ms de 19 gerentes pueden ser asignados. Por lo menos deben abrirse 2 restaurantes en el centro La inversin total no puede exceder a $2.7 Millones.
Centro 600,000 2,000 12 horas 1
Suburbano Inversin por la ubicacin 200,000 Ganancia diaria 1,200 Horas de operacin 24 horas Nmero de gerentes necesarios 3
Solucin
Variables de Decisin
X1 = Nmero de restaurantes abiertos en lugares urbanos. X2 = Nmero de restaurantes abiertos en el centro .
X2 2
Solucin
Sensibilidad de un PLE
En los problemas de programacin lineal entera no es posible realizar el anlisis de sensibilidad. Cualquier cambios en los coeficientes de la funcin objetivo o en los coeficientes del lado derecho implicar resolver el problema nuevamente.
Incluye algunas variables que estn restringidas a valores enteros. El problema de inversin de Shelly Mednick ilustra esta situacin.
Shelley Mednick ha decidido realizar una inversin. Ella invertir en TCS, una compaa de abastecimiento y comunicaciones y/o MFI, un fondo mutuo. Shelley es una inversionista precavida. Ella tiene lmites sobre el nivel de inversin, y defini una meta para la ganancia anual.
Datos: TCS vende actualmente cada accin a $55. TCS proyecta vender cada accin a $68 dentro de un ao. MFI espera obtener 9% de utilidad anual. Restricciones: La utilidad esperada debe ser de por lo menos $250. La cantidad mxima invertida en TCS no debe sobrepasar un 40% de la inversin total. La cantidad mxima invertida en TCS no debe sobrepasar $750.
Solucin
Variables de decisin X1 = Nmero de acciones a comprar en TCS. X2 = Cantidad de dinero que invertir en MFI. El modelo matemtico:
Minimize 55X1 + X2 ST Utilidad anual esperada 13X1 + 0.09X2 250 No ms de 40% en 33X1 - 0.40X2 0 No ms de $750 TCS. 55X1 750 en TCS. X1, X2 0 X1 integer. Entero
Inversin total=$1682.99
1009.79
12.24
TCS
Solucin
Resumen del Problema Asignar salvavidas para 5 das consecutivos. Minimizar el nmero total de salvavidas. Satisfacer los requerimientos mnimos de salvavidas para cada da (ver el siguiente modelo lineal). Datos: Para cada da, el mnimo de salvavidas requeridos son: Dom. Lun. Mar. Mier. Jue. Vie. Sab. 8 6 5 4 6 7 9
Variables de Decisin: Xi = el nmero de salvavidas que trabajar el da i para i=1, 2, ,7 (i=1 es Domingo) La Funcin Objetivo: Minimizar el nmero total de salvavidas necesarios.
Para asegurar que los salvavidas sean los suficientes por cada da, pregunte que trabajadores estarn de turno. Por ejemplo:
mar. mie. jue. vie. dom. Repita este procedimiento por cada da de la semana, y construya las restricciones del caso.
El modelo matemtico
Minimizar X1 + X2 + X3 + X4 + X5 + X6 + X7 ST X1 + X4 + X5 + X6 + X7 8 X1 + X2 X1 + X2 + X3 X1 + X2 + X3 + X4 X1 + X2 + X3 + X4 + X5 X2 + X3 + X4 + X5 + X6 + X5 + X6 + X7 6 + X6 + X7 5 + X7 4 6 7 (Domingo) (Lunes) (Martes) (Mircoles) (Jueves) (Viernes) (Sbado)
X3 + X4 + X5 + X6 + X7 9
Todas las variables variables son enterosque 0 Todas las enteras mayores no negativos
Las variables binarias 0 y 1 juegan un importante papel en la aplicacin de las PLE. Estas variables hacen posible incorporar decisiones de si o no, bueno o malo llamadas a veces decisiones dicotmicas, el formato de una programacin matemtica. Por ejemplo
1 Si a new health caresalud is adopted If un nuevo plan de plan se adopta X 0 si it isse adopta If no not
1 X 0
Ejemplo
Presupuesto de capital: Una decisin sobre expansin. Muchas firmas toman decisiones sobre inversiones anuales de capital. En forma simple, las decisiones sobre presupuestos del capital es cuestin de escoger entre n alternativas para maximizar el rdito, con sujecin a restricciones sobre el monto del capital invertido a plazos.
Como ejemplo, supngase que la mesa de directores de la Protrac afronta el problema que se resume a continuacin
Valor Actual del Rdito Capital requerido en el Neto ao i para la alternativa j
1 Expansin de la planta en Blgica Expansin de la cap. de maq. pq. en E.U. Establecimiento de una nueva planta en Chile Expansin de la cap. de maq. gr. en E.U. Capital disponible en el ao i 40 70 80 100 bi 10 30 10 20 50 2 5 20 20 10 45 3 20 10 27 40 70 4 10 10 20 20 40 5 0 10 10 20 30
Alternativa (j)
Aproximacin de la PL
Nos acercaremos a este problema resolviendo primero la aproximacin de PL. Resolviendo a travs del programa computacional WinQSB se tiene:
VALOR FUNCIN OBJETIVO = X1 X2 X3 X4 = = = = 0.7222 0.6389 0.2778 1.0417 200
190.0
Con frecuencia las empresas se enfrentan a decisiones que implican un cargo fijo que afectara al costo de las futuras operaciones La construccin de una nueva fabrica o la firma de un contrato de arrendamiento a largo plazo implicara un costo fijo que podra variar segn tamao de la instalacin y la ubicacin. Una vez que se construye la fabrica, los costos de produccin variables sern afectados por el costo de mano de obra
El grupo Gloria, planea construir una nueva planta que deber ubicarse en algunas de las tres ciudades: Ciudad 1, Ciudad 2, Ciudad 3. Una vez que la planta haya sido construida, la empresa Gloria desea tener suficiente capacidad para producir por lo menos 38,000 litros mensuales. Los costos asociados con las posibles ubicaciones son:
Ubicacin Costo Fijo mens ($) Ciudad 1 Ciudad 2 Ciudad 3 340,000 270,000 290,000 Costo Variable unitario (S) 32 33 30 Capacidad mensual 21,000 20,000 19,000
El objetivo es minimizar los costos fijos y variables. Las variables de decisin se definen como: X1 = X2 = X3 = 1 Si la fabrica se construye en ciudad 1 0 de lo contrario 1 Si la fabrica se construye en ciudad 2 0 de lo contrario 1 Si la fabrica se construye en ciudad 3 0 de lo contrario
X4 = cantidad (litros) producida en la ciudad 1 X5 = cantidad (litros) producida en la ciudad 2 X6 = cantidad (litros) producida en la ciudad 3
Min costo = 340,000X1 + 270,000X2 + 290,000X3 + 32X4 + 33X5 + 30X6 Sujeto a X4 + X5 + X6 38,000 X4 21,000X1 X5 20,000X2 X6 19,000X3 X1, X2, X3 = 0 o 1 (Binarios) X4, X5, X6 0 y enteros
Observe que si X1 = 0 (no se construye en la ciudad 1), entonces X4 = 0 (no se produce en la ciudad 1)
Se construirn fabricas en Ciudad 2 y 3. Cada una de estas producirn 19,000 litros mensuales y el costo sera de $1,757,000
Las restricciones debidas a la mano de obra y a la materia prima vienen dadas por la siguiente tabla:
M.G.C Piezas Horas de trabajo Beneficio
100 40 799
Max Z = 799X1+899X2
s.a
100X1+ 120X2 250 40X1+45X2 150
Con SOLVER:
Es un problema de mximo.
Celda objetivo: la casilla rosa. Celdas cambiantes: unidades de lavadoras. Restricciones: las unidades de lavadoras tienen que ser enteras. El consumo menor o igual que la disponibilidad.
Unidades Lavadora modelo gran capacidad 0 2 Piezas Horas Trabajo Consumo 240 90
Con WinQSB:
A continuacin, hacemos click en Solve the problem y resolvemos el problema. La solucin que nos queda es la siguiente:
La solucin es X1= 0 y X2= 2, es decir, para maximizar el beneficio se deben fabricar 2 lavadoras de bajo consumo y ninguna de gran capacidad.
Problemas tpicos
Problema del transporte Minimizar el coste total de transporte entre los centros de origen y los de destino, satisfaciendo la demanda, y sin superar la oferta Embarcar los recursos disponibles a travs de la red para satisfacer la demanda a coste mnimo
Minimizar el costo total de operacin de modo que: - cada tarea se asigne a una y slo una mquina - cada mquina realice una y slo una tarea
Escoger un grupo de productos que maximice el valor total sin exceder el espacio disponible
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.
Problemas tpicos
Problema del recubrimiento (set-covering) Problema del empaquetado (set-packing) Problema de particin (setpartitioning) Problema del coste fijo (fixed-charge) Minimizar el coste de las actividades que en su conjunto cubren todas las caractersticas al menos una vez Maximizar el beneficio total de forma que hay que elegir conjuntos completos de actividades, y que no se realice una actividad dos veces Si en el problema de recubrimiento o en el de empaquetado las desigualdades se cambian por igualdades Decidir la cantidad de cada producto de modo que se minimicen los costes de produccin y se satisfaga la demanda
Encontrar un circuito que visite exactamente una vez cada ciudad empezando en la primera y que tenga longitud mnima
Minimizar el coste total, visitando todos los clientes
Evaluacin
1.
2.
Evaluacin
3.
Un modelo que contiene una funcin objetivo y restricciones lineales pero que requiere que una o mas de las variables de decisin tomen un valor entero en la solucin final es :
a) b) c) d) Programacin Lineal Entera Programacin por metas Programacin no lineal PL de objetivos mltiples
4.
Una solucin que se obtiene con PLE nunca puede producir una utilidad mas grande que la solucin que se logra con PL del mismo problema
a) b) Verdadero Falso
Evaluacin
5.
6.
Ejercicios
1. Cristina Alban es propietaria de un negocio de Wedding Planner (Planificadora de Bodas). Utiliza publicidad radial para promover su negocio. Dos tipos de anuncio estn disponibles: los que se difunden durante las horas de mayor audiencia y los que se trasmiten a otras horas. Cada anuncio durante el tiempo de audiencia mxima cuesta S/ 390 y llega a 8200 personas, mientras que los anuncios en horas no pico cuestan S/.240 cada uno y llega a 5100 personas. Cristina a presupuestado S/.1800 semanales para publicidad. Basada en comentarios de sus clientes desea tener por lo menos dos anuncios en horas pico y no mas de 6 en horas no pico.
a) b) Formule el problema y resulvalo usando PL Encuentre la solucin optima con PLE
Ejercicios
2. Un grupo de estudiantes universitarios planea un viaje de campamento en vacaciones. El grupo debe camina varios kilmetros para llegar al lugar indicado adems, todo lo que se requiere en este viaje debe ser empacado en una mochila y transportado al sitio. El profesor ha identificado 8 artculos que le gustara llevar en el viaje, pero el peso combinado es demasiado grande para llevarlos todos. Decidi valorar la utilidad de cada articulo en una escala del 1 a 100 como el mas til. Los pesos de los artculos en kilos y sus valores de utilidad se dan a continuacin. Articulo
Peso Utilidad
1
8 80
2
1 20
3
7 50
4
6 55
5
3 50
6
12 75
7
5 30
8
14 70
Sabiendo que la caminata es larga, se ha establecido un peso mximo de 35 kilos por mochila. Ordene estos datos como un problema binario para maximizar la utilidad total de los artculos y resuelva el problema
La empresa riojana BOYARDO S.A., quiere construir varias bodegas que se utilizarn para abastecer a 10 clientes, cuyas demandas mensuales son: 30, 50, 45, 49, 40, 55, 46, 53, 54 y 32. Se pueden construir en 3 posibles ubicaciones, siendo conocidos los costes unitarios de transporte entre estos lugares y los clientes. Los costes fijos mensuales son: 100,150 y 150. La capacidad del almacn es de 300 unidades. Cuntos almacenes hay que abrir? En donde?
En esta segunda tabla aparecen el nmero de unidades que abastece el almacn i al cliente j. Para hallar el nmero de unidades hemos utilizado la herramienta solver.
Tenemos que decidir si se abre el almacn o no se abre. Yk indica si se abre el almacn o no, tomando el valor uno si se abre y cero si no lo hace.
xij
A1 A2 A3 Dem
C1 C2 C3 C4 C5 C6 C7 C8 C9
30 0 0 30 0 50 0 50 45 0 0 45 0 49 0 49 0 40 0 40 55 0 0 55 46 0 0 46 0 53 0 53 54 0 0 54
C10
0 32 0 32
Envios
231 225 0
Con SOLVER:
Es un problema de mnimo.
La fbrica de lmparas Aparicio, est planificando la produccin para los prximos 3 meses. Las demandas mensuales durante este perodo sern 350, 280 y 490 unidades. La demanda de cada mes puede satisfacerse la produccin de ese mes, debido al suministro que se realiza al final del mismo. Se ha estimado que los precios de venta durante cada mes sern 40, 44 y 56 u.m respectivamente. El coste de produccin de cada unidad de producto es 16 u.m. para el primer mes y 22 u.m. para los dos restantes. El exceso de produccin puede almacenarse con un costo, de 5 u.m. por mes. La compaa puede producir un mximo de 400 unidades cada mes. Adems, durante el primer mes podr contratar horas extraordinarias, lo que har que pueda incrementar su produccin mensual en 100 unidades, con un incremento en los costos de produccin de 6 u.m., por unidad de producto.
En estas tablas aparecen representados los costes de almacenamiento, de retraso y de produccin, los beneficios de almacenar una unidad en su mes correspondiente y las unidades que se producen cada mes:
4 2
PVP 40
1
44
2
56
3
Costes Prod.
1 16
Beneficio
S1
A1
24
A2
24
A3
32
Ficticias Oferta
0 400
2
2 3
21
22 22
S1 Extras
S2 S3 Demanda
17
16 14 350
23
22 20 280
31
30 34 490
0
0 0 180
100
400 400
En la siguiente tabla encontramos la solucin del problema resuelto mediante la herramienta solver.
En las celdas azules est representado el stock de cada almacn en cada uno de los meses. En la celda roja mediante la funcin de sumaproducto obtenemos los ingresos de satisfacer las demandas.
A1
S1 S1 Extras S2 S3 350 0 0 0 350
A2
50 100 130 0 280
A3
0 0 90 400 490
Fict.
0 0 180 0 180 400 100 400 400 31060
Celda objetivo: la casilla roja (mximo ingreso que obtiene la empresa). Celdas cambiantes: Cantidad de stock que pueden guardar los almacn cada mes) Restricciones: la fila verde debe ser igual a las demandas y la columna verde deber ser igual a las ofertas.
Transporte: Mildrei
La empresa pastelera Mildrei posee 2 naves situadas en Huesca y Calatayud que disponen de 700 y 900 unidades de pasteles respectivamente. Las pasteleras a las que enva los pasteles se encuentran situadas en la calle Albareda y la calle Alfonso, demandan 650 y 860 unidades respectivamente. Hay rutas directas desde Huesca hasta la calle Albareda y desde Calatayud hasta Calle Alfonso, pero las entregas de Huesca a calle Alfonso y de Calatayud a la calle Albareda deben hacerse va Zuera y luego a Utebo.
De Huesca a calle Albareda: 50 u.m. De Huesca a Zuera : 30 u.m. De Calatayud a Calle Alfonso : 63 u.m. De Zuera a Utebo : 15 u.m. De Calatayud a Zuera: 27 u.m. De Utebo a Calle Albareda: 18 u.m. De Utebo a Calle Alfonso: 12 u.m.
Vas de transporte:
50
HU
30 18
AL
15
ZUERA UTEBO
27
12
63
CA
AX
Zuera Utebo Calle Albareda Calle Alfonso Ficticias Ofertas Huesca Calatayud 30 27 10000 10000 50 10000 10000 63 0 0 700 900
Zuera
Utebo Demanda
0
10000 1600
15
0 1600
10000
18 650
10000
12 860
0
0 90
1600
1600
Los valores de 10000 que aparecen en la tabla se deben a que no hay rutas entre ese origen y ese destino. Son positivos porque el problema es de mnimo.
Zuera Utebo Calle Albareda Calle Alfonso Ficticias Ofertas Huesca 0 0 650 0 50 700
Calatayud
Zuera Utebo Demandas
860
740 0 1600
0
860 740 1600
0
0 0 650
0
0 860 860
40
0 0 90
900
1600 1600 78940
Por tanto, la ruta ms econmica es la de Huesca Calle Albareda, cuyo coste es 50 u.m
Celda objetivo: la casilla roja (mnimo coste en el que se incurre). Celdas cambiantes: demandas cliente j al almacn i. (celdas azules) Restricciones: tanto las demandas como las ofertas esperadas tienen que ser iguales a las demandas y ofertas reales.