Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTENIDO
INTRODUCCIN OPTIMIZACIN SOLUTION METHODS (master)
Tareas:
recoger y analizar datos desarrollar y probar modelos matemticos proponer soluciones o recomendaciones interpretar la informacin ayudar a implantar acciones de mejora
Resultados: aplicaciones informticas, sistemas, servicios o productos. Investigacin operativa. Optimizacin y modelado
En resumen
La ciencia para mejorar (the science of better) Modelos de apoyo a la toma de decisiones Mtodos analticos avanzados
Convirtete en un profesional mejor, superior y diferente. Javier Snchez lvarez. Ed. Debolsillo
Quiere usted montar un floristera? Haga nmeros Quiere usted montar una mquina para mejorar el proceso productivo? Haga nmeros Quiere usted lanzar un nuevo producto? Haga nmeros Quiere usted invertir en el proceso logstico? Haga nmeros Quiere usted establecer el precio o los descuentos de algo? Haga nmeros Quiere usted definir cuntos empleados necesita para un propsito? Haga nmeros Est pensando en ampliar su mercado? Haga nmeros Pretende llevar su empresa a otro pas? Haga nmeros Y despus de este pas a otro? Haga nmeros Diversificar? Haga nmeros Invertir en nuevas tecnologas? Haga nmeros Cambiar el logo o el plan de comunicacin corporativa? Haga nmeros Proyectar la visin de su empresa a cinco aos? Haga nmeros
Investigacin operativa. Optimizacin y modelado
1 cola 8 servidores
Investigacin operativa. Optimizacin y modelado
www.doi.icai.upcomillas.es/simio/apuntes/a_casos.pdf
Qu optimizamos hoy?
Historia de la IO (www.iit.upcomillas.es/~aramos/timeline.pdf) Orgenes en el comienzo de la Segunda Guerra Mundial (debido a urgente asignacin de recursos escasos en las operaciones militares, en problemas tcticos y estratgicos). Estas mismas tcnicas se aplicaron despus a las empresas. Progreso algortmico inicial muy rpido (muchas tcnicas LP, DP son anteriores a 1960).
Teora de juegos: von Neumann y Morgenstern 1944 Mtodo Simplex: Dantzig 1947 Principio de optimalidad: Bellman 1957
Relacin constante con el avance de los ordenadores. Hoy en da es posible resolver un problema LP de 1.000.000 ecuaciones con 1.000.000 variables en un PC.
In the last decade, new advances in algorithms have been as important as the impressive advances in computer technology George L. Nemhauser (1994)
The technology improvements in algorithms, modeling languages, software, and hardware have made the methodology accessible, easy to use, and fast. So the Age of Optimization has arrived George L. Nemhauser (1994)
Avances algortmicos
Desde CPLEX 1.0 en 1988 a CPLEX 9 en 2004 la mejora total (algoritmos e implantacin) ha sido de 3300 veces en el optimizador LP. Como referencia, la mejora en rendimiento del hardware ha sido de 1600 veces en el mismo periodo Entre la versin de CPLEX 1.2 de 1991 y CPLEX 11 del 2007 la mejora total (algoritmos e implantacin) ha sido de 28000 veces en el optimizador MIP
Hoy se pueden resolver en segundos lo que hace una docena de aos se habra resuelto en aos.
CONTENIDO
INTRODUCCIN OPTIMIZACIN SOLUTION METHODS (master)
Qu es la optimizacin?
Encontrar el valor que deben tomar las variables para hacer ptima la funcin objetivo satisfaciendo el conjunto de restricciones.
Variables
Decisiones que afectan el valor de la funcin objetivo
Restricciones
Conjunto de relaciones que las variables estn obligadas a satisfacer
Casos particulares
Mltiples funciones objetivo Optimizacin multicriterio
no hay coincidencia del ptimo para los diferentes objetivos Optimizacin multiobjetivo Mtodos satisfacientes
CONTENIDO
INTRODUCCIN OPTIMIZACIN SOLUTION METHODS (master)
Algoritmos evolutivos (genticos) Recocido o templado simulado (simulated annealing) Bsquedas tab, aleatoria, avariciosa, dispersa (scatter search) Enjambre de partculas (particle swarm). Sistemas multiagente (colonias de hormigas)
Investigacin operativa. Optimizacin y modelado
Otros mtodos
Clasificacin de modelos
Atendiendo a la funcin objetivo
Lineal, cuadrtico, no lineal, no suave
Mtodos metaheursticos
Imitan fenmenos sencillos observados en la naturaleza globales, mecanismos especficos para evitar ptimos locales NO garantizan la obtencin del ptimo. Permiten la obtencin de mltiples subptimos NO permiten elevado nmero de restricciones exploran gran nmero de soluciones en tiempo muy corto aplicados principalmente a problemas combinatoriales
Investigacin operativa. Optimizacin y modelado
Optimizacin s, pero qu
Modelar
el optimizador es casi superfluo, es estndar
Aplicaciones informticas
Modelos
Matemtica aplicada
Investigacin operativa. Optimizacin y modelado
Mtodos clsicos
LP (linear programming) MIP (mixed integer programming) NLP (non linear programming) QP (quadratic programming) DP (dynamic programming) NF (network flow)
min c x
x
Ax = b x0 x n , c n , A mn , b m
Mtodo simplex primal y dual Mtodo de punto interior (primal-dual, proyectivo, escalado afn)
max z = 3x1 + 5 x2
(0,6) (2,6)
x1
3x1 2 x2 +2 x2
4 12 18
SX
(0,0)
PI
(4,3)
x1 , x2 0
(4,0)
x1
Qu mtodo usar?
Mtodo simplex primal o dual
Problemas de mediano tamao (hasta 100000x100000) Anlisis de sensibilidad o mtodo de ramificacin y acotamiento (B&B) Tiempo de ejecucin depende del cubo del nmero de restricciones
min c x + d y
T T x
Ax + By = b x, y 0
x Z n , y l , c n , d l
A mn , B ml , b m
Mtodo de ramificacin y acotamiento (branch and bound) Mtodo de ramificacin y corte (branch and cut)
xj 0
x j enteras
j = 1, , 4
j = 1, ,3
x2 1
3 z=14.16 (0.83,1,1.83,0)
x1 2
2 INFACTIBLE
x2 2
4 z=12.16 (0.83,2,1.83,0)
x1 0
5 z=13.5 (0,0,2,0.5)
x1 1
6 INFACTIBLE
Resolucin de un problema LP
= 13.5 z
Investigacin operativa. Optimizacin y modelado
max z =
x, y
3 x+ y 4 : 1 :2
2x+y=12
7 z=7.25 6
x + y6 3 2 x + y 12 x, y enteras
( x, y ) = (3,5)
( 1 , 2 ) = (2.25,0)
y 4 3 x/3+y=6 2 1 0 0
6 x
10
12
min f ( x )
x
g ( x) = 0 h( x ) 0 l xu f :
n
Con restricciones
Mtodos factibles
Mtodo del gradiente, Newton y cuasi-Newton reducido Programacin cuadrtica secuencial
Mtodos de penalizacin
Mtodos de penalizacin y barrera Mtodo del lagrangiano aumentado
g , h : n m
Mtodos de penalizacin
Resuelven secuencias de problemas de optimizacin sin restricciones Mtodo de penalizacin
Penaliza la violacin de las restricciones
Mtodo barrera
Evitan que se alcance el contorno de la restriccin
f ( x ) = 6( x 1) + 4
x1 = 0.3376
x1 = 0.3333
1 T min c x + x Qx x 2 Ax = b x0
T
x n , c n , A mn Q nn , b m
Ventaja el hessiano es constante, la aproximacin por segundas derivadas es exacta
Investigacin operativa. Optimizacin y modelado
B 2 8 C A 5 6 5 1
E
1
6
K 4
11
! 8 L 2 3 4 5 6 T
5 7 6 5 F 5 J 6 4 8 6 6 I 9
T#$% &'I
T#$% &'II
T#$%&'III
T#$% &'I(
min J = f k ( xk , uk )
uk k =0
g k ,ik ( xk , uk ) = 0
xk +1 = k ( xk , uk )
xk X k , uk U k
Mtodos metaheursticos
GA (genetic algorithms) TS (tabu search) SA (simulated annealing) SS (scatter search) CE (cross entropy) PS (particle swarm) ACO (ant colony optimization) VNS (variable neighborhood search)
Templado o recocido simulado (Simulated Annealing) Idea: basado en bsqueda local donde cada movimiento de mejora se acepta y se permiten movimientos de no mejora con cierta probabilidad (funcin directa de la temperatura del sistema). Se comienza con una temperatura alta. Parmetros importantes:
Temperatura inicial alta: fraccin de movimientos aceptados T0 Longitud: tamao del entorno reducido k Secuencia de enfriamiento exponencial Tk = T0e
Modelo y modelado
Andrs Ramos
Modelo
Definicin
Esquema terico, generalmente en forma matemtica, de un sistema o de una realidad compleja (por ejemplo, la evolucin econmica de un pas), que se elabora para facilitar su comprensin y el estudio de su comportamiento. (Diccionario de la lengua espaola. Real Academia
Espaola)
Representacin precisa de una realidad Herramienta de ayuda a la toma de decisiones Puede involucrar equipo multidisciplinar Equilibrio entre representacin detallada y capacidad de obtener la solucin Modelador: especifica y desarrolla el modelo Experto: conoce el problema real
Investigacin operativa. Optimizacin y modelado
Modelado
Ciencia
Anlisis y deteccin de las relaciones entre datos Suposiciones y aproximaciones a los problemas Algoritmos especficos de solucin Soluciones del modelo Visin o interpretacin de la realidad Estilo en modelo y documentacin Elegancia y simplicidad en desarrollo Uso de creativo de herramientas
Arte
Es imprescindible asegurarse de que el modelo representa adecuadamente la realidad que pretende reflejar.
Datos de entrada
GIGOLO Garbage In, Garbage Out, Look Out !
El mejor modelo no sirve de nada si los datos de entrada no estn adecuadamente refinados
Diseo conceptual
La tcnica de modelado, as como el nivel de detalle del mismo y en general cualquier aspecto de modelado debe adecuarse a la estructura del problema, a las expectativas y necesidades del cliente
Investigacin operativa. Optimizacin y modelado
Modelo conceptual
Un mes de programacin puede ahorrarte un par de horas de biblioteca.
El tiempo de menos dedicado al modelo conceptual retrasa de forma exponencial la implantacin del modelo.
Resolucin
Algoritmo de obtencin de solucin ptima, cuasiptima o, al menos, satisfactoria Deteccin de soluciones cuasiptimas atractivas Diferentes mtodos de solucin Diferentes implantaciones del algoritmo elegido
Modelo: validacin
El pasado no es estocstico
1998 El contraste de los resultados del modelo con datos reales del sistema es imprescindible.
Pienso Forraje
30 45
2 1
10 5