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 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 X2 0 1 0 <----- eliminar con la restriccin X1 X2 1

VARIABLES BINARIAS Y CONTINUAS RANGOS CONDICIONADOS Si una variable contnua puede tomar valor CERO , POSITIVO pero dentro de un intervalo especfico Ejemplo: variable binaria Yj = 1 = 0 variable continua Xj : si se produce artculo j si no el volmen a producir de j xj M yj

Si se produce articulo j y no existe lmite y=0 x=0 0 y =1 x >0

volumen

Si se produce, no ms de U ni menos de L y=0 x=0 0 L y =1 L<x<U U

Lyj xj U yj

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 )

yj = 1 indica que la restriccin j es considerada en el modelo = 0 no se la considera Si se desea que cualquier solucin satisfaga 3 restricciones o ms y1 + y2 + ... + ym 3 Ejemplo: se necesita una solucin que satisfaga por lo menos 4 restricciones del siguiente modelo: Max Z = 3x1 + x2 2x1+ x2 4 3x1+ 4x2 12 7x1+ 7x2 35 x1+ x2 3x1+2x2 x1- 2x2 5x1+4x2 x1, x2 7 6 11 21 0

Modelo modificado: Max Z = 3x1 + x2 2x1+ x2 4 + M (1-y1) 3x1+ 4x2 12+ M (1-y2) 7x1+ 7x2 35+ M (1-y3) x1+ x2 7 + M (1-y4) 3x1+2x2 6 - M (1-y5) x1- 2x2 11- M (1-y6) 5x1+4x2 21- M (1-y7) y1 + y2 + ... + y7 4 x1, x2 0 y1 , y2 , ..., y7 binarias

EJERCICIOS - MODELOS DE PROGRAMACION ENTERA 1. Un fabricante de muebles de oficina, produce dos tipos de escritorios: ejecutivos y secretariales. La compania tiene dos plantas en las que fabrica los escritorios. La planta 1 es una planta antigua que opera con doble turno de 80 horas por semana. La planta 2 es una planta mas nueva y no opera a su capacidad total. Cada turno de la planta 2 trabaja 25 horas por semana y la planta opera 2 turnos. La siguiente tabla muestra el tiempo de produccin (horas/unidad) y los costos estndar ($/unidad) en cada planta. Tambien se muestran los precios de venta de cada escritorio. Debido a que la compaa ha estado experimentando un exceso de costos durante el ultimo periodo presupuestal, los administradores han fijado una restriccin semanal sobre los costos de produccin. El Costo Semifijo por producir en cada planta asciende a $ 600 y $900 para las plantas 1 y 2 respectivamente. Adems en caso de producir algun modelo de escritorio se debe asegurar una produccin mnima de 100 unidades. El presupuesto semanal para la produccin en miles de pesos tambien se muestra en la tabla. Se le pide a usted averiguar cul es el numero ptimo de escritorios de cada tipo, a producirse en cada planta con el objeto de maximizar las ganancias. Tipo Tiempo Produccin Planta 1 Planta 2 Ejecut. 7 6 Secret. 4 5 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 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 Decisin de Producir cada Modelo 100 yE <= X1E + X2E <= M yE 100 yS <= X1S + X2S <= M yS Funcin Objetivo Modificada: Mx Z = (350 - 250) X1E + (275 - 200) X1S +(350 - 260) X2E + (275 - 180) X2s - 600 y1 - 900 y2 Escritorios Ejecutivos Escritorios Secretariales Planta 1 Planta 2 Planta 1 Planta 2

2. A un paciente hospitalizado se le han restringido la cantidad de los dos alimentos que puede consumir. De acuerdo con lo prescrito por el doctor, se deben satisfacer los siguientes requerimientos nutritivos mnimos por da: 1000 unidades de nutriente A, 2000 del nutriente B, y 1500 unidades del nutriente C. Existen dos fuentes alimenticias disponibles F1 y F2. Cada onza de la fuente alimenticia F1 contiene 100 unidades del nutriente A, 400 unidades del nutriente B, y unidades del C. Cada onza de F2 contiene 200 unidades de A, 250 unidades de B, y 200 unidades de C. Las fuentes alimenticias cuestan $6 y $8 por onza. a) Si se considera que los costos de pedidos no son despreciables y ascienden a $5 y $7.5 para las fuentes F1 y F2, cul es la mejor combinacin de fuentes alimenticias? b) Si adems slo es necesario satisfacer dos de los tres requerimientos nutritivos, cul es la mejor combinacin de fuentes alimenticias?

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

a) Costos Semifijos de Pedidos (binaria) Yj = 1 se ordena la compra de alimento j = F1, F2 0 no se ordena la compra F.O. Min Z = 6 x1 + 8 x2 + 5 y1 + 7.5 y2 x1 <= M y1 x2 <= M y2

b) Slo es necesario satisfacer dos de los tres requerimientos nutritivos: (binaria) Wk = 1 restriccin k = 1, 2, 3 se considera en el modelo 0 no se considera 100 x1 + 200 x2 >= 1000 - M (1 - w1 ) 400 x1 + 250 x2 >= 2000 - M (1 - w2 ) 200 x1 + 200 x2 >= 1500 - M (1 - w3 ) w1 + w2 + w3 >= 2

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 Y1 1.000000 Y2 .000000 W1 .000000 W2 1.000000 W3 1.000000 X1 7.500000 X2 .000000 REDUCED COST 5.000000 7.500000 .000000 .000000 2999.970000 .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 0

3. Una compana enfrenta el problema de determinar en qu proyectos invertir durante los prximos 4 anos. La compania dispone de un presupuesto limitado anual para inversiones. Existen 4 proyectos disponibles. A stos se les ha caracterizado por su valor presente estimado y los costos anuales de capital requeridos. Estos se muestran en la siguiente tabla: Requerimientos de Capital Anual (en miles de dlares) Tipo de proyecto: 1 2 3 4 VPN 1 Expansion de planta 30 40 40 30 180 2 Nueva Maquinaria 12 8 0 4 20 3 Nuevos productos 30 20 20 20 72 4 Ampliar del almacn 20 30 40 10 80 Fondos disponibles 65 80 80 50 La compra de nueva maquinaria slo puede realizarse en caso de que la expansin de la planta se lleve a cabo y se deseen invertir en la bsqueda de nuevos productos. Desarrolle un plan de asignacin de capital que muestre las erogaciones necesarias para cada uno de los 4 anos y seleccione que proyectos conviene financiar. Suponga adems que se ha decidido que si se invierte en la Ampliacin del almacn no se podr invertir en Nueva Maquinaria. (binaria) Xj = 1 se invierte en el proyecto j = 1, 2, 3, 4 0 no se invierte Mx Z = 180 x1 + 20 x2 + 72 x3 + 80 x4 Restricciones de Fondos disponibles 30 x1 + 12 x2 40 x1 + 8 x2 40 x1 + 30 x1 + 4 x2 + 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

4. La compana OVM fabrica un producto cuya demanda es estacional y cambia mes con mes. El pronstico de la demanda para los proximos cuatro meses es 1800, 2200, 3400, y 2800 unidades. Debido a la demanda variable, se ha encontrado que en algunos meses existe produccin en exceso lo cual ocasiona grandes costos de almacenaje y mantenimiento. En otros meses la compania no puede cubrir la demanda resultando en perdidas de oportunidades de venta. La capacidad de la planta es de 2400 articulos por mes utilizando turnos normales. De requerirse subcontratos es posible disponer hasta de 800 articulos adicionales. El costos variable de produccion es de $ 400 dolares por unidad, para articulos fabricados. El costo de subcontrato implica pagar un costo unitario de $450. De no venderse un articulo y almacenarse para el proximo mes se incurre en un costo de 15 dolares por mes. De producir unidades en un mes particular es necesario realizar la preparacin de maquinaria, hacer corridas de prueba y echar a andar ciertos equipos especiales, por lo quese incurrira en costos semifijos de $150. De ordenar un artculo al subcontratista se requiere incurrir en un costo semifijo de $50/orden. Se le pide a usted que determine un programa ptimo de adquisicin que minimice los costos de produccin, almacenaje y subcontrato para el perodo de 4 meses. El programa debe satisfacer la demanda pronosticada.

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 Restricciones de Capacidad Xi1 <= 2400 i = 1, 2, 3, 4 Xi2 <= 800 i = 1, 2, 3, 4 Restricciones de No-Negatividad: X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X41 ,X42 >= 0 produccin propia subcontrato = = = = 1800 2200 3400 2800 + + + + I1 I2 I3 I4 mes 1 mes 2 mes 3 mes 4

Nuevas Variables y Restricciones: binaria Yi1 = 1 se produce en mes i = 1,2, 3, 4 0 no se produce binaria Yi2 = 1 se subcontrata en mes i = 1,2, 3, 4 0 no se subcontrata Yi1 Xi1 2400 Yi1 i = 1, 2, 3, 4 produccin propia Yi2 Xi2 800 Yi2 i = 1, 2, 3, 4 subcontrato Funcin Objetivo Modificada: Min Z = 400 (x11 + x21 + x31 + x41 ) + 450 (x12 + x22 + x32 + x42 ) + 15 (I1 + I2 + I3 + I4 ) + + 150 ( y11 + y21 + y31 + y41 ) + 50 (y12 + y22 + y32 + y42 )

5. Una compaia tiene tres localizaciones alternativas para ubicar nuevos almacnes que den servicio a la regin norte del pas. Existen 5 clientes

(C1,C2,C3,C4,C5) importantes es esta regin. Se desea determinar en cules localizaciones se instalarn almacenes como puntos de distribucin para surtir a los clientes.
Costos Unitarios de Transporte a Cliente

Localizacin $ Instalacin 1 $50,000 2 $30,000 3 $40,000 Demanda/Cliente : SOLUCIN

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

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) (almacn 1) (almacn 2) (almacn 3)

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:

X11 ,X12 ,X21 ,X22 , X31 ,X32 ,X13 ,X14, .... , X35 >= 0

6. (Cobertura Total ) El Alcalde del DF est considerando la reubicacin de un nmero de estaciones de polica con el objeto de reforzar el cumplimiento de la ley en colonias de alta criminalidad. Las localidades donde potencialmente puede ubicarse estaciones de policia as como las colonias de la ciudad que pueden ser cubiertas por estas localidades se muestran en la siguiente tabla. Formule un modelo de PE para encontrar el nmero mnimo de estaciones cubriendo todas las colonias peligrosas. LOCALIZACIN A B C D E F G SOLUCION: binaria Yi = 1 si la estacin se ubica en localizacin i = A, B, C, .... G 0 si no se ubica 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

F.O. Min Z = yA + yB + yC + yD + yE + yF + yG Restricciones de Cobertura (de colonias) yA + yB + yC + yG yB + yD + yE yC yD + yE + yF yA + yB + yC + yD + yF + yG yE + yF + yG yB + yG + yA 1 1 1 1 1 1 1 (colonia 1) (colonia 2) (colonia 3) (colonia 4) (colonia 5) (colonia 6) (colonia 7)

7. (Maximizar Cobertura con recursos limitados ) Un banco est planeando abrir 2 sucursales en Monterrey. La direccin ha dividido la ciudad en 7 zonas as como ha estimado el nmero de clientes potenciales en c/u. . Se supone que un local ubicado en una zona podra atender a los clientes de zonas vecinas as como a los de su propia zona. (Vease la tabla siguiente) Zona 1 2 3 4 5 6 7 Clientes potenciales (miles) 50 25 30 50 30 15 20 Zonas vecinas 2,3 1,3,5 1,2,4 3,6 2,6,7 4,5,7 5,6

a) Plantee un modelo de PE para encontrar las zonas dnde ubicar las sucursales con el objeto de maximizar el nmero de clientes potenciales atendidos. binaria binaria Xi = 1 si la sucursal se ubica en zona i = 1, 2, 3... , 7 0 no se ubica Yi = 1 si se atiende la zona i = 1, 2, 3, ....., 7 0 no se la atiende F.O. Mx Z = 50y1 + 25y2 + 30y3 + 50y4 + 30y5 + 15y6 + 20y7 x2 + x2 + x2 + x4 + x5 + x6 + x7 + x1 + x3 x1 + x3 + x5 x1 + x3 + x4 x3 + x6 x2 + x6 + x7 x4 + x5 + x7 x5 + x6 2y1 2y2 2y3 2y4 2y5 2y6 2y7

Restricciones de Cobertura y1 y2 y3 y4 y5 y6 y7

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 = 0.25 (50y1 + 25y2 + 30y3 + 50y4 + 30y5 + 15y6 + 20y7) + 0.25 (50x1 + 25x2 + 30x3 + 50x4 + 30x5 + 15x6 + 20x7)

8. Una compana necesita contratar personal de seguridad. Se estima que los guardias trabajaran turnos de 8 horas y que cada dia se necesitan seis turnos para cubrir las 24 horas. Las siguientes tablas muestran el nmero requerido de personal de seguridad por cada 4 horas del da y los horarios de entrada y salida de cada turno. Se necesita determinar cuntos guardias debern trabajar en cada turno con el objeto de minimizar el nmero de ellos. 12am-4am 4-8am 5 7 8- 12pm 15 TURNO 1 2 3 4 5 6 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) y1 + y6 y1 + y2 y2 + y3 y3 + y4 y4 + y5 y5 + y6 5 7 15 7 12 9 12-4pm 7 4-8pm 12 8-12am 9

HORARIO Medianoche-8am 4am-Medioda 8am-4pm Medioda-8pm 4pm-Medianoche 8pm-4am

Yj 0 y enteras

j=1,2,3,4,5,6

b) Si los guardias reciben un sueldo de $100 por hora y un premio de 10% si laboran entre las 10 pm y 6 am, cmo se modifica el modelo de PE ? F.O. Min Z = 8 x $100 (y1 + y2 + y3 + y4 + y5 + y6 ) + 8 x $10 ( 0.25y5 + 0.75y1 + 0.75 y6 + 0.25 y2 )

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

Cuntas combinaciones posibles hay ? Saliendo de la oficina hay 4 posibles destinos saliendo del primer destino hay 3 posibles destinos saliendo del segundo destino hay 2 posibles destinos saliendo del ltimo cliente slo hay 1 posibles destinos : la oficina En total existen 4! = 24 posibles combinaciones Siempre que haya n! localizaciones Supongamos n = 11 destinos tiempo ? existirn (n-1)! posibles combinaciones

10! = 3628,800 alternativas Cual es la de menor costo o

SOLUCIN Sea Xij = 1 si el vendedor viaja de orgen i a destino j = 0,1,2,3,4 0 si no Min Z = 120 X01 + 65X02 + ... + 60 X43 Se viajara hacia cada cliente/oficina una sola vez: X10 X11 X12 X13 + X20 + X30 + X40 = 1 + X21 + X31 + X41 = 1 + X22 + X32 + X42 = 1 + X23 + X33 + X43 = 1 =1 =1 =1 =1

Se saldra desde el lugar de cada cliente / oficina una sola vez: X01 + X02 + X03 + X04 X11 + X12 + X13 + X14 X21 + X22 + X23 + X24 X31 + X32 + X33 + X34 SOLUCIONES POSIBLES 4 0 1 3 2 X01 = X13 = X32 = X24 = X40 = 1 Tour : secuencia de visitas 3 2 4 0

X01 = X13 = X30 = 1 y X34 = X43 = 1

Subtour : tour en el que se visita una localizacin ms de una vez (o su base ms de veces) Como eliminar subtours (son soluciones infactibles) Agregar las restricciones: EJEMPLO X01 + X13 + X30 2 ? X34 + X43 1

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

MODELOS DE PROGRAMACION ENTERA METODOS DE SOLUCION Se requiere que una solucin factible tenga valores enteros para alguna o todas las variables de decisin. La Regin Factible no es una regin contnua sino que est formada por puntos separados. Un Modelo de PE se llama Relajado si no se toma en cuenta la restriccin de soluciones enteras. El modelo de PE relajado es el modelo de PL Redondear una solucin de PL puede resultar en una solucin lejos de la ptima en una solucin No factible. No existe un procedimiento de analisis de sensibilidad para modelos de PE (tal como en PL) . Tampoco se genera informacin sobre sensibilidad al usar la computadora.

3.3 MODELOS DE PROGRAMACION ENTERA 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)

5. PLANOS DE CORTE (Strong Cutting Planes)

3.2.1 ENUMERACION COMPLETA 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

Existen 24 = 16 alternativas de solucin: X1=0 X2=0 X3=0 X3=1 X3=0 X2=1 X3=1 X3=0 X1=1 X2=0 X2=1 i X3=1 i 0 1

X3=1 X3=0 i

0 x4=1 0 1 2 3 4

0 1 5 6

0 7

1 0 8 i 9

1 10 i

1 0 1

11 12 13 14 15 16 i i i i i

Cada nodo representa un modelo en el que alguna(s) variable(s) tiene su valor especificado Cada nodo terminal representa una solucin entera (factible no) Si en un nodo cualquiera la solucin es infactible los nodos que siguen bajo l, tendran solucin infactible 3.2.1 ENUMERACION COMPLETA

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

Existen 24 = 16 alternativas de solucin: X1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 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 ---------------------

Por tanto la solucin ptima es: X1 = X3 = 1, X2 = X4 = 0, Z = 700 3.2.2 REDONDEO DE LA SOLUCION DE PL EJEMPLO:

Mx s.a.

Z = x1 + 5x2 x1 + 10x2 20 x1 2 Z = 11 Z=7 Z = 10

Solucin modelo relajado (PL): x1 = 2 x2 = 1.8 Solucin con redondeo Solucin ptima de PE : x1 = 2 x2 = 1 : x1 = 0 x2 = 2

La solucin ptima de PE tiene un valor en Z que es 43% superior a la solucin redondeada! Al redondear se debe tener en cuenta la magnitud las variables si la solucin es: Z = 5,207 x1 = 11.6 X2 = 6.8 NO es conveniente redondear ! si en cambio: Z = 5,207 x1 = 3,208.4 X2 = 7,055.3 redondear puede ser aceptable.

Siempre verificar que la solucin redondeada se mantenga factible

3.2.3 RAMIFICACION Y ACOTAMIENTO (Land & Doig, 1960) RAMIFICAR (Un modelo de PL con solucin no entera): Dividir la regin factible en 2 regiones que

- no contengan la solucin del modeloPL relajado - s contengan todas sus soluciones enteras factibles CRITERIO BASICO: Agregar restricciones a un modelo no puede producir un modelo con mejor solucin Z PROCEDIMIENTO DE MAXIMIZACION 1. Resolver Modelo PE relajado (Si solucin es entera es la ptima) 2. Definir Cotas Superior e Inferior Cota Superior (CS) = Modelo relajado Cota Inferior (CI) = Redondeo factible 3. Ramificar 4. Para cada nodo, resolver su modelo relajado y definir su CS y CI Si solucin es entera, o Si solucin es infactible, o Ya no ramificar Si Z CI ms el nodo 5. Si ya no se puede ramificar la solucin ptima es la del nodo con mejor solucin entera 6. Si se puede ramificar, volver al paso 3 - La CI es igual a la mejor solucin entera hasta el momento - La CS en un nodo es igual a Z encontrado - A medida que se ramifica y se desciende del rbol la CS tiende a disminuir

EJEMPLO: considerando X1 y X2 vars. enteras no negativas resuelva Min Z = 4X1 + 5X2 sa. 3X1 + 6X2 18 5X1 + 4X2 20 8X1 + 2X2 16 7X1 + 6X2 42 sol. modelo relajado: X1 = 2.66 X2 = 1.66 X1 = 3 X2 = 2

Z = 19

sol. con redondeo:

Z = 22

X1 = 2.66 X2 = 1.66 Z = 19 X1 2 CS = 22 CI = 20.5 X2 2 X1 = 2 X2 = 2.5 Z = 20.5 X2 3 X1 = 1.6 X2 = 3 Z = 21.4

CS= 22 CI = 19 X1 3 X1 =3 X2 = 1.5 Z = 19.5 CS= 22 CI = 19.5

NO CS = 22 FACTIBLE CI = 21.4

RAMIFICACION Y ACOTAMIENTO CASOS ESPECIALES MODELOS MIXTOS Slo ramificar variables enteras MODELOS BINARIOS Modelo Relajado: Reemplazar X= 0 1 por X1

Ramificar una variable binaria X = 0 (1 rama) X=1 (1 rama) MINIMIZAR Cambiar CS por CI 2. Definir Cotas Superior e Inferior Cota Superior (CS) = Redondeo factible Cota Inferior (CI) = Modelo relajado 4. Para cada nodo, resolver su modelo relajado y definir su CS y CI Si solucin es entera Si solucin es infactible Ya no ramificar ms el nodo Si Z > CS - La CS es igual a la mejor solucin entera hasta el momento - La CI en un nodo es igual a Z encontrado - A medida que se ramifica y se desciende del Arbol la CI tiende a aumentar ANALISIS DE SENSIBILIDAD Costos Reducidos y Precios Sombra Ver pg. 353 Eppen