Escolar Documentos
Profissional Documentos
Cultura Documentos
(SIS-386; IND-226)
Ing. Viktoria Belianskaya
Programacin Lineal
Entera (PLE).
Programacin Lineal Entera (PLE).
Objetivo: Aprender a Utilizar patrones de construccin de modelos de PLE
con el uso de las variables binarias para formalizacin de las
condiciones de los problemas especficos; Solucionar problemas de
PLE con el uso de los mtodos de ramificacin y acotamiento y de
plano cortante y Utilizar el Software especfico para solucionar los
problemas de PLE con la Interpretacin de la solucin obtenida.
Contenido:
Forma del modelo PLE.
Uso de las variables binarias para planteamiento de modelos.
Ejemplos de formalizacin de diferentes contextos con el uso de las
variables binarias.
Algoritmo de ramificacin y acotamiento.
Algoritmo de Plano cortante.
Solucin con el Software especfico de los problemas PLE.
Modelos PLE
En muchos problemas reales las variables de decisin solo
tienen un sentido si su valor es entero.
No se No se
asigna de puede
persona para vender
realizar un de tractor
trabajo producido
No se utiliza de
un transporte
para transportar
Suposiciones de PL
n
1. Funcin Objetivo: Z c j X j Max( Min)
j 1
2. Restricciones:
n
aij X
j bi , i 1..m
+ X , X ,..., X
1 2 n enteros
j 1
3. Variables: X 1 , X 2 ,..., X n 0
.
Condiciones
de enteridad
Funcin Objetivo
Z= X1+X2+X3+X4+X5+X6 min
minimizar el total de los meseros y ayudantes contratados
decisiones s o no :
1, si la decisin j es s X j variables binarias
xj
0, si la decisin j es no. o variables 0 - 1
X j 0
Equivalente a: X 1
j
X j entero
Propiedades de los valores binarios:
A*0=0 (A se elimina)
A*1=A (A se revela)
0+1+0+0+1+1+0=3 (contar los unos)
1, si la decisin j es s
Considerando: xj
0, si la decisin j es no.
l
l
Para contar los 0:
(1 X
j 1
j ) K
Construccin de los modelos de PLE con el
uso de las variables binarias.
Es muy importante al introducir las variables binarias
concretizar la atribucin de los valores:
1, si la decisin j es s
xj
0, si la decisin j es no.
O mas bien
0, si la decisin j es s
xj
1, si la decisin j es no.
Esto influye a la forma de introduccin de las variables
binarias en las expresiones del modelo y facilita la
interpretacin de la solucin ptima obtenida.
Ejemplo 1
Una compaa est considerando su plan de expansin mediante la
construccin de una nueva fbrica en la Ciudad 1 o en la Ciudad 2, o
tal vez en ambas ciudades. Tambin est pensando en construir, a lo
ms, un nuevo almacn pero su localizacin est restringida a la
ciudad donde se construye la fbrica. Capital total disponible para la
expansin es de $10 mln. Dadas las siguientes estimaciones para
proyectos en cuestin, encontrar la combinacin de los mismos que
maximice el valor presente neto total.
Z 9 X1 5X 2 6 X 3 4 X 4 max
Restricciones:
1) Capital disponible (no se puede exceder los $10 mln):
6 X1 3X 2 5 X 3 2 X 4 10
2) Se construye a lo ms un almacn (no ms que uno)
0 0
0 1
X2 X4
1 0
1 1
X1 X 3
Formulacin final del modelo 1
Z 9 X 1 5 X 2 6 X 3 4 X 3 max
sujeta a :
6 X 1 3 X 2 5 X 3 2 X 4 10
X3 X 4 1
X1 X 3 0
X2 X4 0
Xj binarias j 1..4
Ejemplo 2 (restricciones una u otra)
La divisin de investigacin y desarrollo de una compaa manufacturera ha desarrollado tres
nuevos productos posibles. Sin embargo, para evitar una diversificacin excesiva de la lnea
de nuevos productos de la compaa, la administracin ha impuesto la siguiente restriccin :
Requerimiento 1 : de los tres nuevos productos posibles, deben escogerse a lo ms dos para
produccin.
Se dispone de dos plantas que pueden producir los productos elegidos. Por razones
administrativas, se impone una segunda restriccin a este respecto:
Requerimiento 2: slo una de las dos plantas debe asignarse para la produccin de los
nuevos productos.
El costo unitario de produccin de cada producto seria esencialmente el mismo en las dos
plantas. Pero por diferencias en las instalaciones de produccin , el numero de horas de
produccin por unidad de cada producto puede diferir entre ellas. Estos datos se dan en la
tabla junto con el nmero total de horas de produccin disponibles a la semana en cada
planta, la ganancia unitaria para cada producto y las estimaciones del departamento de
mercadotecnia del numero de unidades de cada producto que se pueden vender a la semana
si se producen. El objetivo es elegir los productos , la planta y las tasas de produccin de los
productos elegidos de manera que se maximice la ganancia total .
i 1,2
1, si el producto j se elige para la produccin
Xj
0, si el producto j no se elige para la produccin
Pj 0; Yi, Xj binarias
Planteamiento del modelo 2:
Restricciones:
1) Solo puede usarse una de las plantas:
3P1 4 P 2 2 P3 30 Se considera
Se desplaza
4 P1 6 P2 2 P3 40 M
Planteamiento del modelo 2:
Restricciones:
3) Solo pueden elegirse dos de los tres productos:
X1 X 2 X 3 2
4) Si el producto no es elegido , entonces su cantidad debe ser 0
P1 7 X 1 Si X1=0: P1 0
P2 5 X 2 Si X1=1: P1 7
P3 9 X 3
Funcin objetivo:
Maximizar la ganancia total
z f1 x1 f 2 x2 f n xn min
todas las actividades
x j My j
z c j x j k j y j
n
j 1
Ejemplo 3 (problema de costo fijo)
Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las
mquinas necesarias para la confeccin deben ser alquiladas a los
siguientes costos:
200$ por semana la mquina de camisas
150$ por semana la mquina de shorts
100$ por semana la mquina de pantalones
Se dispone de 150 horas hombre y 160 m de tela.
Los requerimientos, costos y precio de venta de cada tipo de ropa son los
siguientes
i 1,3
Xi 0, enteras;Yi binarias
Planteamiento del modelo 3:
Restricciones:
3) Disponibilidad de los recursos:
3 X 1 2 X 2 6 X 3 150 disponibilidad horas hombre
2 X 1 1X 2 3.5 X 3 160 disponibilidad tela
4) Si el producto no es elegido , entonces su cantidad debe ser 0
X 1 MY1
X 2 MY 2
Si Y1=0: X1 0
X 3 MY 3 Si Y1=1: X1 M
Funcin objetivo:
Maximizar la ganancia total
Z (16 12) X 1 (14 8) X 2 (18 15) X 3 200Y 1 150Y 2 100Y 3 max
Ganancia Costos unitarios Costos fijos
Planteamiento del modelo 3:
Estimacin de M:
de las restricciones funcionales se estiman los valores mximos que
pueden obtener las variables
(una variable tendr mayor valor posible si otras variables tengan valor 0)
X1 X2 X3
3X1 2 X 2 6 X 3 150 50 75 25
3 X 1 2 X 2 6 X 3 150
2 X 1 1X 2 3.5 X 3 160 1, si se produce la prenda i
Yi
X 1 200Y 1 0, si no se produce la
prenda i
X 2 200Y 2 i 1,3
X 3 200Y 3
Y1,Y2,Y3 - binarias
Xi La cantidad de
prenda j para
X1, X2, X3 0,enteras i 1,3 producir
(en unidades)
Ejemplo 4: Violacin de la
proporcionalidad
Una corporacin est desarrollando sus Nmero de Ganancia
planes de comercializacin para los
nuevos productos del ao prximo. comerciales
Esta considerando la compra de un
total de cinco comerciales de Producto
televisin en las redes nacionales para
tres de estos productos , con un
mximo de tres ( y un mnimo de cero) 1 2 3
para cada producto.
La tabla muestra el impacto estimado de
asignar 0,1,2 o 3 comerciales a cada
producto . Este impacto se mide en 0 0 0 0
trminos de la ganancia (en millones
de dlares ) de las ventas adicionales 1 1 0 -1
que resultaran de los comerciales. El 2 3 2 2
objetivo es asignar cinco comerciales
a los productos de manera que se
maximice la ganancia total.
3 3 3 4
x
j 1
j 3
Ejemplo 6: Desplazamiento de las
restricciones con el signo
Dorian Auto proyecta fabricar tres tipos de automviles: compactos,
medianos y grandes. El recurso que requiere cada tipo de automvil y
las utilidades que genera, se proporcionan en la tabla. Ahora se
dispone de 6000 toneladas de acero y 60000 horas de mano de obra.
Para que la produccin de un tipo de automvil sea factible desde el
punto de vista econmico, se tienen que producir por lo menos 1000
automviles de ese tipo. Plantee una PE para maximizar las utilidades
de Dorian.
Tipo de automvil
Recurso
Compacto Mediano Grande
Acero(ton/unid) 1.5 3 5
Mano de 30 25 40
obra(horas/unidad)
Utilidades ($/unidad) 2000 3000 4000
Planteamiento modelo 6
Variables:
Xi cantidad de auto i a producir
(1-com; 2-med; 3-gran)
Xi0, enteras
Restricciones:
1.5X1+3X2+5X36000-lmite de acero
30X1+25X2+40X360000-lmite de mano de obra
Si no se produce el automvil su Xi = 0
Si se produce automvil su Xi 1000
Como formular?
Planteamiento modelo 6
Necesidad de las variables binarias auxiliares :
0, si no se produce el auto i
Yi
1, si se produce el auto i
Si Yi 0, Xi 0
Si Yi 1, Xi 0 y adems Xi 1000
Costos de petrleo
400
350
300
250
Costo
200
150
100
50
0
0 500 1000 1500
Serie2 0 125 225 300
Serie3 0 125 250 375
Galones
La funcin de costos no es lineal en todo rango de cantidad de galones, pero es lineal por
segmentos: no se puede solucionar solo con PL, pero se soluciona con el uso de las
variables binarias.
Modelo 7
Variables:
Xij cantidad de petrleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petrleo 1 para comprar (en galones)
Xij, X 0
Restricciones :
X 11 X 12 X 500, lmite de petrleo1
X 21 X 22 1000, lmite de petrleo2
X 11
0.5, contenidode petr1en gas 1 por lo menos 50%
X 11 X 21
X 12
0.6, contenidode petr1en gas 2 por lo menos 60%
X 12 X 22
PE con funciones lineales por segmentos
Utilidades Ingresos Costos
Z 12( X 11 X 21 ) 14( X 12 X 22 ) c( X )
25 X , si 0 X 500
c( X ) 20( X 500) 12500 , si 500 X 1000
15( X 1000) 22500 , si 1000 X 1500
Y1 Y2 Y3
Variables auxiliares:
0, si valor de X no perteneceal segmentoi
Yi
1, si valor de X perteneceal segmentoi
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi
Yi binarias; Z i 0; Z i 1
PE con funciones lineales por segmentos
Variables auxiliares:
0, si valor de X no perteneceal segmentoi
Yi
1, si valor de X perteneceal segmentoi
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi
Yi binarias; Z i 0; Z i 1
Restricciones adicionales :
Y1 Y2 Y3 1 valor de X debe pertenecera uno de los 3 segmentos;
Z0 Z1 Z 2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 , extremo Z0 pertenece solo al primer segmento se habilita
cuando valor de X pertenece al primer segmento.
Z1 Y1 Y2 , extremo Z1 pertenece a los segmentos1 y 2
Z 2 Y2 Y3 , extremo Z 2 pertenece a los segmentos 2 y 3
Z3 Y3 , extremo Z3 pertenece solo al segmento3
Representado X :
X 0 Z0 500Z1 1000Z 2 1500Z3
c( X ) c(0) Z0 c(500) Z1 c(1000) Z 2 c(1500) Z3
Modelo final 7
Variables:
Xij cantidad de petrleo i para gasolina j (en galones)
i 1,2 j 1,2;
X cantidad de petrleo 1 para comprar (en galones)
Restricciones :
0, si valor de X no perteneceal segmentoi
Yi X11 X12 X 500, lmite de petrleo1
1, si valor de X perteneceal segmentoi
X 21 X 22 1000, lmite de petrleo 2
Z i 1 ponderacin del extremo izquierdodel segmentoi
Z i ponderacin del extremo derecho del segmentoi 0.5X11 0.5 X 21 0, contenido de petr1 en gas 1 por lo menos 50%
Yi binarias; Z i 0; Z i 1 0.4X12 0.6 X 22 0, contenido de petr1 en gas 2 por lo menos 60%
Xij, X 0 Y1 Y2 Y3 1 valor de X debe pertenecer a uno de los 3 segmentos;
Z0 Z1 Z2 Z3 1 dos ponderaciones de extremos en suma 1;
Z0 Y1 0, extremo Z0 pertenece solo al primer segmento
Z1 - Y1 Y2 0, extremo Z1 pertenece a los segmentos1 y 2
Z2 - Y2 Y3 0, extremo Z2 pertenece a los segmentos 2 y 3
Z3 Y3 0, extremo Z3 pertenece solo al segmento 3
X 500Z1 1000Z2 1500Z3 0
Docentes D,G,H,I
La U de A desea formar el comit ms pequeo que tenga
representacin de cada una de las cinco categoras.
2 5 Da 2 5
3 2 Da 13 7
4 3 Da 8 2