PROGRAMACIN ENTERA

1.- DEFINICIN:
Programacin entera es programacin lineal con la restriccin adicional de que los valores de las variables de decisin sean enteros. Existen 3 tipos de modelos de programacin entera: Programacin Entera Pura Programacin Entera Mixta Programacin Entera Binaria

Un modelo entero puro (PLE) es, como su nombre lo indica, un problema en el que se exige que todas las variables de decisin tengan valores enteros. Sin las restricciones adicionales de que X1, X2, X3 sean enteros (o sea las condiciones de integralidad) seria un problema de programacin lineal.

EJEMPLO:
A Hora/Homb Utilidad 7 21 B 4 11 Recurso 13

MAX Z= 21X1 + 11X2

S. a: 7X1 + 4X2<= 13

X1, X2 >= 0;

X1, X2 son enteros

Solucin:
Dando valores tenemos: S={(0,0); (0,1); (0,2); (0,3); (1,0); (1,1)} Remplazando: Z= 21X1 + 11X2 1: 2: 3: Z= 21(0) + 11(0) =0 Z= 21(0) + 11(3) = 33 Z= 21(1) + 11(0) = 21

Solucin ptima: Z=33, X1= 0, X2= 3

Resolucin como P. E (WinQSB):

Resolucin como P. L (WinQSB): Z= 21X1 + 11X2

R: 7X1 + 4X2<= 13

Cuando se redondea esta solucin, se llega a X1= 2, X2= 0 como una posible solucin ptima. Pero X1=2, X2=0 no cumple la restriccin Aun cuando se redondee hacia abajo X1=1, X2=0 no se llegara a una solucin ptima

 En algunos problemas se restringe el valor de las variables 0 o 1. Son de particular inters debido a que se pueden usar variables 0-1 para representar decisiones dicotmicas (si o no). Diversos problemas de asignacin, ubicacin de plantas, planes de produccin y elaboracin de cartera, son de programacin entera 0-1

Ejemplos 1) Un excursionista planea salir de campamento. Hay cinco artculos que desea llevar consigo, pero entre todos sobrepasan las 60 libras que considera puede cargar. Para ayudarse en la seleccin ha asignado un valor a cada artculo en orden ascendente de importancia:

Articulo Peso Valor

1 42 100

2 23 60

3 21 70

4 15 15

5 7 15

Qu artculos deber llevar maximizando el valor total sin sobrepasar la restriccin de peso? No se puede llevar ms de un artculo del mismo tipo

Solucin: *Planteamiento del modelo:

Se define la variable como el artculo que se debe o no llevar, por lo tanto en variable binaria. Variables:

0 no llevar el articulo i xi

1 llevar el articulo i

La funcin objetivo es maximizada debido a que se desea llevar la mayor cantidad de artculos maximizando su valor pero sujeto a las restricciones. MAX: Z= 100x1 + 60x2 + 70x3 + 15x4 + 15x5 S.a: 42x1+23x2+21x3+15x4+7x5 <=60

 *Solucin del Modelo: Mediante el software WinQSB:

Z ptimo=145 X1=x5=0 X2=1 X3=1 X4=1

*Interpretacin de Resultados: Se obtiene un nivel mximo de importancia de 145 si se lleva un artculo del tipo 2,3 y 4 y ninguno del tipo 1y 5, llevando un peso mximo de 59 libras.

2) Hay 6 ciudades (ciudades 1 a 6) en el condado de Kilroy. El condado debe decidir dnde construir la estacin de bomberos. Asimismo, el condado quiere construir la cantidad mnima de estaciones de bomberos necesarias para tener la certeza de que por lo menos una est dentro de 15 minutos (tiempo de manejo) de cada ciudad. Los tiempos (en minutos) necesarios para ir en automvil de una ciudad a otra del condado se indican en la tabla 1. Plantee un PE mediante el cual Kilroy sepa cuntas estaciones de bomberos debe construir y donde ubicarlas.

A Desde Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4 Ciudad 5 Ciudad 6

Ciudad 1

10

20

30

30

20

Ciudad 2

10

25

35

20

10

Ciudad 3

20

25

15

30

20

Ciudad 4

30

35

15

15

25

Ciudad 5

30

20

30

15

14

Ciudad 6

20

10

20

25

14

Solucin: *Planteamiento del modelo: Kilroy tiene que determinar, para cada ciudad, si construye una estacin de bomberos all. Definimos las variables 0-1 (binarias) x1, x2, x3, x4, x5 y x6 mediante:
1 si se construye una estacin de bomberos en la ciudad i Xi 0 si no sucede as.

Donde : Z= X1+X2+X3+X4+X5+X6 Cules son las restricciones de Kilroy? Se muestra en la tabla 2 segn el enunciado:

Ciudad 1 2
3 4 5 6

A 15 minutos 1,2 1,2,6

3,4 3,4,5 4,5,6 2,5,6

Por lo tanto: X1+X2 X1+X2 X3+X4 X3+X4+X5 >=1 +X6 >=1 >=1 >=1 (restriccin de la ciudad 1) (restriccin de la ciudad 2) (restriccin de la ciudad 3) (restriccin de la ciudad 4) (restriccin de la ciudad 5) (restriccin de la ciudad 6)

X4+X5+X6 >=1 X2 +X5+X6 >=1

*Solucin del Modelo: Mediante el software WinQSB:

Una solucin ptima para este PE es: Z=2 X2=X4=1 X1=X3=X5=X6=0

*Interpretacin de Resultados: El condado kilroy puede construir dos estaciones de bomberos: una en la ciudad 2 y otra el la ciudad 4.

Un problema en el que solo se requieren que algunas variables tengan valores enteros mientras que otras pueden asumir cualquier nmero no negativo (es decir, cualquier valor continuo) se llama programacin lineal entera mixta (PLEM).

EJEMPLO:
Compaa Gandhi fabrica 3 tipos de prendas de vestir: camisetas, shorts y pantalones. La elaboracin de cada tipo de prenda requiere que Gandhi tenga disponible el tipo de maquinaria apropiada. La maquinaria necesaria para manufacturar cada tipo de prenda se tiene que rentar a las tarifas siguientes: maquinaria para camisetas, 200 dlares por semana; maquinaria para shorts, 150 dlares por semana; maquinaria para pantalones, 100 dlares por semana. La confeccin de cada tipo de prenda tambin requiere las cantidades de tela y mano de obra que se indican en la tabla:
Tipo de Prenda Camiseta Shorts Pantalones Mano de Obra (H) 3 2 6 Tela (Yardas cuadradas) 4 3 4

Estn disponibles cada semana 150 horas de mano de obra y 160 yardas cuadradas de tela. El costo unitario variable y el precio de venta para cada tipo de prenda, se proporcionan en la siguiente tabla:
Tipo de Prenda
Camiseta Shorts Pantalones

Precio de Venta (Dlares)

12 8 15

Costo Variable (Dlares)

6 4 8

En el problema actual, se pueden elaborar cuando mucho 40 camisetas, 53 Shorts y 25 Pantalones Formule una P.E cuya solucin maximice la utilidad semanal de Gandhi.

SOLUCIN: Al igual que en los planteamientos de PL, se define una variable de decisin por cada decisin que Gandhi debe tomar. Evidentemente, Gandhi tiene que decidir cuntas prendas de cada tipo debe fabricar a la semana:
Xj= Cantidad de tipo de prenda j fabricada a la semana El costo de rentar la maquinaria depende slo de los tipos de prenda que se elaboran, y no de la cantidad de cada tipo de prenda. Esta situacin nos permite expresar el costo de rentar maquinaria utilizando las variables siguientes: 1 Si se fabrican tipo de prenda j Yj= 0 Si no sucede as

En pocas palabras, si Xj>0, entonces yj=1, y si Xj=0, entonces yj=0.

Por consiguiente: La utilidad semanal de Gandhi= (ingresos por las ventas semanales) (costos variables semanales) (costos semanales de la renta de maquinaria) Tambin: Costo a la semana de la renta de maquinaria= 200Y1 + 150Y2 + 100Y3
Ahora ya se puede expresar las utilidades de la semana como: Utilidades de la semana= (12X1 + 8X2 +15X3 ) - (6X1 + 4X2 + 8X3) - (200Y1 + 150Y2 + 100Y3 ) = 6X1 + 4X2 +7X3 - 200Y1 - 150Y2 - 100Y3 Por lo tanto, Gandhi desea maximizar: Z= 6X1 + 4X2 +7X3 - 200Y1 - 150Y2 - 100Y3 Ya que el suministro de mano de obra y tela es limitado, Gandhi afronta las dos restricciones siguientes: Restriccin de la mano de Obra: 3X1 + 2X2 +6X3 <= 150

Restriccin de tela

: 4X1 + 3X2 +4X3 <= 160

La funcin objetivo ser: MAX Z= 6X1 + 4X2 +7X3 - 200Y1 - 150Y2 - 100Y3

S. a:

3X1 + 2X2 +6X3 <= 150

4X1 + 3X2 +4X3 <= 160 X1 <= 40Y1

X2

<= 53Y2
X3 <= 25Y3

X1, X2 , X3 >= 0 ; X1, X2 , X3 son enteros Y1 , Y2 , Y3= 0 1

Solucin ptima con P.L:

Solucin ptima con P.E:

HISTORIA El primer algoritmo B&B fue desarrollado por A. Land y G. Doig en 1960, para el problema general de programacin lineal entera , mixta y pura. Despus en 1965 E. Balas desarrollo el algoritmo aditivo para resolver problemas de programas lineal entero con variables binarias (cero o uno) puras. Los clculos del algoritmo aditivo eran tan sencillos(principalmente suma y resta) que se le llam como un gran avance en la solucin del programa lineal entero.

CONCEPTO
El mtodo de diseo de algoritmos Ramificacin y poda (tambin llamado Ramificacin y Acotacin) es una variante del Backtracking mejorado sustancialmente. El trmino (del ingls, Branch and Bound) se aplica mayoritariamente para resolver cuestiones o problemas de optimizacin.

La tcnica de Ramificacin y poda se suele interpretar como un rbol de soluciones, donde cada rama nos lleva a una posible solucin posterior a la actual. La caracterstica de esta tcnica con respecto a otras anteriores (y a la que debe su nombre) es que el algoritmo se encarga de detectar en qu ramificacin las soluciones dadas ya no estn siendo ptimas, para podar esa rama del rbol y no continuar malgastando recursos y procesos en casos que se alejan de la solucin ptima.

Estructura

Un criterio para dividir los subconjuntos candidatos a contener la solucin ptima encontrados en cada fase. El clculo de una cota (inferior o superior) para los valores de la funcin en cada subconjunto candidato. Un criterio para seleccionar un subconjunto para una particin posterior.

Pasos
Ramificacin: Variables Acotacin: Valor de la funcin objetivo
A partir de la solucin del PLA: La ramificacin consiste en dividir cada problema en dos nuevos subproblemas, obtenidos mediante la imposicin de restricciones excluyentes que dividen el conjunto de oportunidades del problema original en dos partes, pero eliminando en ambas partes la solucin no entera del problema original. Si xbi no entero, entonces se genera a partir de dicho valor, dos restricciones xi<= [xbi] y xi>= [xbi]+1 (siendo [xbi] la parte entera por defecto de xi), que aadidas cada uno por separado al problema original, da lugar a dos nuevos subproblemas.

 Por ejemplo la x1 tiene que ser entera, pero en l solucin anterior (PLA u otro), la variable vale: x1=6.8. Esta solucin no es vlida, ya que no es admisible un valor fraccional, por tanto se introducirn las siguientes restricciones: x16 y x17, de forma que se ha eliminado una porcin del conjunto donde no hay soluciones enteras, pero se mantienen las enteras. As se prosigue con todas las variables hasta que sean enteras.

Si al proceso de ramificacin no se mejora de alguna forma, llegaramos a analizar TODAS las soluciones enteras (Enumeracin Total). Por eso, se aade la fase de Acotacin, esta tiene que ver con el valor de la funcin objetivo.

 A medida que se va ramificando se obtienen soluciones enteras y otras que no lo son. No podemos asegurar que la primera solucin entera obtenida sea la solucin ptima, sino que es necesario comprobar si existen otras soluciones enteras o no. El anlisis del PLA: Ramificacin se realiza siempre a partir de aquel problema que tiene el mejor valor de la funcin objetivo, y siempre que exista alguna solucin (no entera) con un valor de la funcin objetivo.

Ejemplo:

= 31 + 4 2 S.a 21 + 2 6 2 1 + 32 9 1 , 2 0 ,

1 = 9/4 2 = 3/2
= 7.9

1 2

1 3

1 = 2 = 5/3
= 12.667

1 = 3 2 = 0
= 9

= 31 + 4 2 S.a 21 + 2 6 2 1 + 32 9 S.a

= 31 + 4 2

1 = 2

1 = 3

21 + 2 6 2 1 + 32 9

1 2
1 , 2 0 ,

1 3
1 , 2 0 ,

1 2 1 5/3

1 0 1 1

1 = 2 2 = 5/3
= 12.75

2 1

2 2

1 = 2 2 = 1
= 10

1 = 3/2 2 = 2
= 12.5

= 31 + 4 2 S.a 21 + 2 6 2 1 + 32 9

2 = 1

2 = 2
S.a

= 31 + 4 2 21 + 2 6 2 1 + 32 9

1 2
2 1 1 , 2 0 ,

1 2

1 5/2
1 3 1 2

1 2 1 3/2 1 2

2 2 1 , 2 0 ,

1 = 3/2 2 = 2
= 12.5

1 1
5

1 2
6

1 = 1 2 = 7/3
= 12.333

1 = 3/2 2 =?
.

= 31 + 4 2

S.a
21 + 2 6 2 1 + 32 9 1 2 2 2 2 1 1 , 2 0 ,

1 = 1

2 = 2

= 31 + 4 2 S.a 21 + 2 6 2 1 + 32 9 2 2

2 4 2 7/3 2 2

1 2 1 5/3 2 2

2 2 1 2 1 , 2 0 ,

1 = 1 2 = 7/3
= 12.333

2 2

2 3

1 = 1 2 = 2
= 11

1 = 0 2 = 2
= 12

= 31 + 4 2 S.a 21 + 2 6 2 1 + 32 9 1 2

2 = 2

2 = 3
S.a

= 31 + 4 2 21 + 2 6 2 1 + 32 9

2 2 2 3/2 2 2 2 1

1 3/2 1 0 1 2 1 1

1 2

2 2
2 1 2 2 1 , 2 0 ,

2 2
1 1 2 3 1 , 2 0 ,

1 = 9/4 2 = 3/2
= 7.9

1 2
1

1 3
2

1 = 2 2 = 5/3
= 12.667

1 = 3 2 = 0
= 9

2 1
3

2 2
4

1 = 2 2 = 1
= 10

1 = 3/2 2 = 2

1 1
5

= 12.5

1 2
6

1 = 1 2 = 7/3
= 12.333

1 = 3/2 2 =?
.

2 2
7

2 3
8

1 = 1 2 = 2
= 11

1 = 0 2 = 2
= 12

EL MTODO DE PLANO CORTANTE O ALGORITMO DE GOMORY

El algoritmo de corte o de gomory es otro procedimiento para hallar la solucin de los problemas de programacin entera.

Este algoritmo elimina en la regin factible porciones donde esta la solucin del problema relajado, pero no puede estar la solucin entera optima.
De esta manera modifica el espacio de la solucin aadiendo sucesivamente restricciones especialmente construidas (llamadas cortes). Ejemplo: Maximizar Z = 7x1 + 10x2 Sujeto a: -x1 + 3x2 6 7x1 + x2 35 x1, x2 0 y entero
Mtodo de los planos de corte, de Gomory

Se pretende mostrar una de las versiones de Gomory (Fraccional), existen otros, como son el entero y el mixto.

ste mtodo sirve para solucionar problemas de ms de dos (2) variables.

Algoritmo
1. Encontrar la solucin, empleando el mtodo simplex.
(1) 2. Si la solucin es entera, entonces estamos en el ptimo. (3) 3. Si no es entera, introducir una restriccin nueva para la variable no entera, que tenga la mayor parte fraccional (Quebrar empates arbitrariamente) y resolver el nuevo problema mediante el mtodo dual simplex. (2)

a) Escriba cada constante como la suma de: Un nmero entero cualquier signo y una fraccin no negativa, menor que uno (1).

de

b) Cambiar la ecuacin trasladando los coeficientes enteros al lado derecho.

Nota: Luego de encontrar una solucin ptima para el primal, por Simplex y despus de agregarle la primera nueva ecuacin al sistema se pasa a Dual Simplex, para quitarle la infactibilidad al sistema.

Al relajar la condicin de que las variables sean enteras y resolver el problema de P.L. continua asociado, vamos a suponer que en la solucin final las variables bsicas son las m primeras. Esto supone que la matriz de restricciones adopta la forma

x1 .......... .......... ... a1,m 1 xm 1 a1,m 2 x m 2 ...... a1,m n xm n B1 x2 .......... ...... a2,m 1 xm 1 a2,m 2 x m 2 ...... a2,m n xm n B2

xm am ,m 1 xm 1 am ,m 2 x m 2 ...... am ,m n xm n Bm
Cj Ck 10 7 Zj Cj - Zj Xk X2 X1 bi 7/2 9/2 133/2 7 X1 0 1 7 0 10 X2 1 0 10 0
7 2

0 X3 7/22 -1/22 63/22 -63/22

0 X4 1/22 3/22 31/22 -31/22

X1 X2

7 1 x2 22 x3 22 x4

3 1 x1 22 x3 22 x4

9 2

Todo nmero real puede descomponerse en la suma de su parte entera y su parte decimal, que es siempre positiva:

Cada coeficiente del conjunto de restricciones puede ser expresado como suma de su parte entera y su parte decimal, de forma que el conjunto de restricciones puede expresarse como

x1 .......... .. e1,m 1 d1,m 1 xm 1 .... e1,m n d1,m n xm n E1 D1 x2 ...... e2,m 1 d 2,m 1 xm 1 .... e2,m n d 2,m n xm n E2 D2

xm em ,m 1 d m ,m 1 xm 1 .... em ,m n d m ,m n xm n Em Dm

x1 (1

21 22

) x3

3 22

x4 4 1 2

Desigualdades que han de cumplir todas las soluciones del problema, incluidas las enteras.

Consideremos, por ejemplo, la primera restriccin. La podemos expresar como

d1,m 1 xm1 .... d1,m n xm1 E1 x1 e1,m 1 xm 1 .... e1,m n xm1 D1

E1 x1 e1,m1 xm1 .... e1,m n xm1 D1 (d1,m 1 xm 1 .... d1,m n xm1 )
Se aade esta ltima restriccin a la tabla final del simplex

x1 .......... .......... a1,m 1 xm 1 a1,m 2 xm 2 ..... a1,m n xm n B1

x2 .......... .... a2,m 1 xm 1 a2,m 2 xm 2 ..... a2,m n xm n B2

xm am ,m 1 xm 1 am ,m 2 xm 2 ..... am ,m n xm n Bm
Todos los trminos fraccionarios

0
Nueva Restriccin

D1 (d1,m 1 xm 1 .... d1,m n xm 1 ) 0

( d1, m 1 xm 1 .... d1, m n xm 1 ) D1
y se resuelve el nuevo modelo. El proceso se reitera hasta que todas las soluciones sean enteras.

A partir del siguiente ejemplo, vamos a mostrar la manera de aplicar el algoritmo de Gmory para solucionar un problema de Programacin Lineal Entera: Ejemplo: Maximizar Sujeto a:

Z=5x1 + 2x2 2x1 + 2x2 9 3x1 + x2 11 x1, x2 0 x1, x2 Z

Estandarizando: Maximizar Z = 5x1 + 2x2 Sujeto a: 2x1 + 2x2 + x3 = 9 3x1 + x2 + x4 = 11 x1, x2, x3, x4 0 y entero

Solucin: Resolviendo el problema por el algoritmo del simplex, sin tener en cuenta que las dos variables deben ser enteras, obtenemos la siguiente tabla final:

ULTIMA TABLA SIMPLEX

Cj Ck Xk bi 5 X1 2 X2 0 X3 0 X4

2
5 Zj

X2
X1 Zj Cj

5/4
13/4 18.75

0
1 5 0

1
0 2 0

3/4
-1/4 1/4 1/4

-1/2
1/2 3/2 3/2

La solucin optima es: x1 =3.25 , x2=1.25 , x3=x4=0

Hemos de construir, por tanto, un plano de corte de Gomory. Para ello se determina la parte entera y fraccionaria de la solucin:

x1=3+1/4 , x2=1+1/4 , por tanto f1=f2=1/4

Puesto que f1=f2 , podemos elegir cualquiera de las dos variables para construir El plano de corte, elegimos X2 y la restriccin a aadir en la tabla es:

x2 3 x3 1 x4 1 1 4 2 4
Se divide en factores enteros y fraccionales, siempre y cuando el componente fraccional sea estrictamente positivo.

x2 3 x3 (1 1 ) x4 1 1 4 2 4
Dejamos al lado derecho los coeficientes fraccionales y al lado izquierdo los coeficientes enteros

x2 1 x4 1 3 x3 1 x4 4 4 2
Imponiendo la condicin de que el segundo miembro de esta igualdad sea no positivo, se obtiene un corte en la regin factible:

3 x3 1 x4 1 4 2 4

Nueva Restriccin

 3 x3 1 x 4 x5 1 4 2 4
Con su correspondiente variable de holgura x5
entra

Cj Ck 2 5
sale

5 X1 0 1 0 5 0

2 X2 1 0 0 2 0
0.25 -0.75

0 X3 3/4 -1/4 -3/4 1/4 1/4

0 X4 -1/2 1/2 -1/2 3/2 3/2

1.5 -0.5

0 X5 0 0 1 0 0

Xk X2 X1 X5 Zj Zj Cj

bi 5/4 13/4 -1/4 18.75

Cocientes

0.333

La solucin encontrada no es factible pues la nueva variable de holgura es negativa. Utilizamos el simplex dual para encontrar, si la hay, una solucin factible. Entra la variable X3 en substitucin de X5.
Cj Ck 2 5 0 Zj Zj Cj Xk X2 X1 X3 bi 1 10/3 1/3 18.6666667 5 X1 0 1 0 5 0 2 X2 1 0 0 2 0 0 X3 0 0 1 0 0 0 X4 -1 2/3 2/3 4/3 4/3 0 X5 1 -1/3 -4/3 1/3 1/3

Puesto que la solucin no es entera, hemos de introducir un nuevo plano de corte, considerando nuevamente la divisin de cada una de las variables en su parte entera y su parte fraccionaria: x1=3+1/3 , x3=1/3 , por tanto f1=f3=1/3 Eligiendo la variable x1 la restriccin a aadir en la tabla final es:

x1 2 x4 1 x5 3 1 3 3 3
Se divide en factores enteros y fraccionales, siempre y cuando el componente fraccional sea estrictamente positivo.

x1 2 x4 (1 2 ) x5 3 1 3 3 3
Dejamos al lado derecho los coeficientes fraccionales y al lado izquierdo los coeficientes enteros

x1 3 x5 1 2 x4 2 x5 3 3 3
Imponiendo la condicin de que el segundo miembro de esta igualdad sea no positivo, se obtiene un corte en la regin factible: Nueva Restriccin

2 x 4 2 x5 1 3 3 3

 2 x4 2 x5 x6 1 3 3 3
con variable de holgura x6.
entra

Cj Ck 2 5 sale 0 0 Zj Zj Cj Xk X2 X1 X3 X6 bi 1 10/3 1/3 -1/3 18.6666667

5 X1 0 1 0 0 5 0

2 X2 1 0 0 0 2 0

0 X3 0 0 1 0 0 0

0 X4 -1 2/3 2/3 -2/3 4/3 4/3

4/3 - 2/3

0 X5 1 -1/3 -4/3 2/3 1/3 1/3

1/3 - 23

0 X6 0 0 0 1 0 0

Cocientes

-2

-0.5

La solucin encontrada no es factible pues la nueva variable de holgura es negativa. Utilizamos el simplex dual para encontrar, si la hay, una solucin factible. Entra la variable X5 en substitucin de X6.
Cj Ck 2 5 Xk X2 X1 bi 1/2 7/2 5 X1 0 1 2 X2 1 0 0 X3 0 0 0 X4 -2 1 0 X5 0 0 0 X6 3/2 -1/2

0
0 Zj

X3
X5

1
1/2 18.5

0
0 5 0

0
0 2 0

1
0 0 0

2
1 1 1

0
1 0 0

-2
-3/2 1/2 1/2

Zj Cj

Como obtenemos de nuevo una solucin no entera, hemos de construir, de nuevo, un plano de corte de Gomory, que en este caso es:

x2 2 x4 3 x6 2

1 2

Se divide en factores enteros y fraccionales, siempre y cuando el componente fraccional sea estrictamente positivo.

x2 2 x4 1 1 x6 2

1 2

x2 2 x4 x6 1 x6 2

1 2

Dejamos al lado derecho los coeficientes fraccionales y al lado izquierdo los coeficientes enteros

x2 2 x4 x6

1 2

1 x6 2
Nueva Restriccin

Imponiendo la condicin de que el segundo miembro de esta igualdad sea no positivo, se obtiene un corte en la regin factible:

1 x6 1 2 2

 1 x6 x7 1 2 2
con su correspondiente variable de holgura x7.
entra
Cj
Ck 2 5 0 0 Xk X2 X1 X3 X5 X7 Zj Zj Cj bi 1/2 7/2 1 1/2 -1/2 18.5

5
X1 0 1 0 0 0 5 0

2
X2 1 0 0 0 0 2 0

0
X3 0 0 1 0 0 0 0

0
X4 -2 1 2 1 0 1 1

0
X5 0 0 0 1 0 0 0

0
X6 3/2 -1/2 -2 -3/2 -1/2 1/2 1/2

0
X7 0 0 0 0 1 0 0

sale

Cocientes

1/2 -1/2

-1

Aplicando el mtodo dual del smplex, sale de la base X7 y entra X6.

Cj Ck Xk bi 5 X1 2 X2 0 X3 0 X4 0 X5 0 X6 0 X7

2
5 0 0 0 Zj

X2
X1 X3 X5 X6

-1
4 3 2 1 18

0
1 0 0 0 5 0

1
0 0 0 0 2 0

0
0 1 0 0 0 0

-2
1 2 1 0 1 1

0
0 0 1 0 0 0

0
0 0 0 1 0 0

3
-1 4 -9/2 -2 1 1

Zj Cj

como obtenemos una solucin no admisible, aplicamos de nuevo el dual del smplex. Sale de la base X2 y entra X4.

Cj Ck 0 5 0 0 0 Zj Xk X4 X1 X3 X5 X6 bi 0.5 3.5 2 1.5 1 17.5

5 X1 0 1 0 0 0 5

2 X2 -0.5 0.5 1 0.5 0 2.5

0 X3 0 0 1 0 0 0

0 X4 1 0 0 0 0 0

0 X5 0 0 0 1 0 0

0 X6 0 0 0 0 1 0

0 X7 -1.5 0.5 -1.5 -3 -2 2.5

Zj Cj

0.5

2.5

La solucin obtenida todava no es entera, hemos de introducir, por tanto, un nuevo plano de corte de Gomory, que en este caso es: 1 1 1

x1 2 x2 2 x7 3 2

3 x1 1 1 x2 1 x7 2 2 2
Imponiendo la condicin de que el primer segundo miembro de esta igualdad sea no positivo, se obtiene un corte en la regin factible:

1 x 2 1 x7 1 2 2 2

Nueva Restriccin

 1 x2 1 x7 x8 1 2 2 2
entra
Cj Ck 0 5 0 0 Xk X4 X1 X3 X5 bi 1/2 7/2 2 3/2 5 X1 0 1 0 0 2 X2 -1/2 1/2 1 1/2

con variable de holgura X8.

0 X3 0 0 1 0

0 X4 1 0 0 0

0 X5 0 0 0 1

0 X6 0 0 0 0

0 X7 -3/2 1/2 -1 -3/2

0 X8 0 0 0 0

X6
X8 Zj Zj Cj

1
-1/2 17.5

0
0 5 0

0
-1/2 5/2 0.5

0
0 0 0

0
0 0 0

0
0 0 0

1
0 0 0

-2
-1/2 5/2 5/2

0
1 0 0

sale

Cocientes

5/2 -1/2

-5

5/2 -1/2

-5

La solucin encontrada no es factible pues la nueva variable de holgura es negativa. Utilizamos el simplex dual para encontrar, si la hay, una solucin factible. Entra la variable X2 en substitucin de X8.

Cj Ck 0 5 0 0 0 2 Zj Xk X4 X1 X3 X5 X6 X2 bi 1 3 1 1 1 1 15

5 X1 0 1 0 0 0 0 5

2 X2 0 0 0 0 0 1 2

0 X3 0 0 1 0 0 0 0

0 X4 1 0 0 0 0 0 0

0 X5 0 0 0 1 0 0 0

0 X6 0 0 0 0 1 0 0

0 X7 -1 0 -2 -2 -2 1 2

0 X8 -1 1 2 1 0 -2 1

Zj Cj

En esta tabla la solucin asociada es x* = (3, 1, 1, 1, 1, 1, 1, 0, 0), la cual ya es entera y habramos terminado nuestro problema. COMPROBACION POR SOFTWARE

EJEMPLO

Maximizar Sujeto a:

Z = 7x1 + 10x2 3x2-x1 6 7x1 + x2 35 x1, x2 0 y entero

Resolucin:
Standarizando: Maximizar Z = 7x1 + 10x2 + 0x3 + 0x4 Sujeto a: -x1 + 3x2 + x3 = 6 7x1 + x2 + x4 = 35 x1, x2, x3, x4 0 y entero

PRIMERA TABLA SIMPLEX

Cj Ck 0 0 Xk X3 X4 Zj Cj Zj bi 6 35 0 7 X1 -1 7 0 -7 10 X2 3 1 0 -10 0 X3 1 0 0 0 0 X4 0 1 0 0

Elemento Pivote

SEGUNDA TABLA SIMPLEX

Cj 7 10 0 0

Ck

Xk
X2 X4

bi
2 33

X1
-1/3 22/3

X2
1 0

X3
1/3 -1/3

X4
0 1

Elemento Pivote

10 0

Zj
Cj - Zj

20

-10/3
-31/3

10
0

10/3
10/3

0
0

TERCERA TABLA SIMPLEX

Cj Ck 10 7 Zj Cj - Zj Xk X2 X1 bi 7/2 9/2 133/2 7 X1 0 1 7 0 10 X2 1 0 10 0 0 X3 7/22 -1/22 63/22 63/22 0 X4 1/22 3/22 31/22 31/22

La solucin ptima es:

X1 = 9 / 2 X2 = 7 / 2 X3 = 0 X4 = 0 Z = 133 / 2

Informacin de la tabla simplex ptima:

Ecuacin X2: Ecuacin X1:

X2 + 7/22 X3 + 1/22 X4 = 7/2 X1 1/22 X3 + 3/22 X4 = 9/2

Desarrollaremos cortes a partir del regln de la fuente X1; y del rengln de la fuente x2. Rengln X1: X1 1/22 X3 + 3/22 X4 = 9/2

Se divide en factores enteros y fraccionales, siempre y cuando el componente fraccional sea estrictamente positivo. X1 + ( -1 + 21/22) X3 + (0 + 3/22) X4 = (4 + 1/2) Luego: X1 X3 - 4 = -21/22 X3 3/22 X4 +

Debido a que X3 Y X4 son no negativos entonces el lado izquierdo debe satisfacer: -21/22 X3 3/22 X4 + 0

A partir del rengln fuente 2:

Ecuacin X2: X2 + 7/22 X3 + 1/22 X4 = 7/2

Se obtiene:

-7/22 X3 1/22 X4 + 0

Se selecciona arbritariamente el corte generado del rengln X2:

-7/22 X3 1/22 X4 - -7/22 X3 1/22 X4 + S1 = - (Corte I) Esta restriccin se aade como una restriccin secundaria a la tabla simplex ptima.

Aadiendo el corte:

-7/22 X3 1/22 X4 + S1 = -

Cj Ck 10 7 0 Xk X2 X1 S1 bi 7/2 9/2 -1/2

7 X1 0 1 0

10 X2 1 0 0

0 X3 7/22 -1/22 -7/22

0 X4 1/22 3/22 -1/22

0 S1 0 0 1

Zj
Cj - Zj

133/2

7
0

10
0

-63/22 31/22
-63/22 31/22

0
0

La tabla smplex es ptima, pero no factible. Aplicamos el mtodo simplex dual para recuperar la factibilidad, lo que nos da:

TABLA SIMPLEX DUAL

Cj

10

Ck

Xk

bi

X1

X2

X3

X4

S1

10 7 0

X2 X1 S1

7/2 9/2 -1/2

0 1 0

1 0 0

7/22 -1/22 -7/22

1/22 3/22 -1/22

0 0 1

Elemento Pivote

Zj Cj - Zj (cj-zj)/arj

133/2

7 0 no

10 0 no

-63/22 -63/22 9

31/22 31/22 -31

0 0 0

ULTIMA TABLA SIMPLEX DUAL

Cj 7 10 0 0 0

Ck

Xk

bi

X1

X2

X3

X4

S1

10 7 0

X2 X1 x4

3 3 1

0 1 0

1 0 0

0 1 7

0 0 1

1 3 -22

Zj Cj - Zj

51

7 0

10 0

7 7

0 0

51 51

X1=3; X2=3; X3=0; X4=1; S1=0 Z=51

Aadiendo el Corte II: -1/7 X4 6/7 S1 + S2 -4/7 , S2 0

Cj Ck 10 7 0 0 Zj Cj - Zj Xk X2 X1 X3 S2 Bi 3 32/7 11/7 -4/7 62 7 X1 0 1 0 0 7 0 10 X2 1 0 0 0 10 0 0 X3 0 0 1 0 0 0 0 X4 0 1/7 1/7 -1/7 1 1 0 S1 1 -1/7 -22/7 -6/7 9 9 0 S2 0 0 0 1 0 0

La tabla smplex es ptima, pero no factible. Aplicamos el mtodo simplex dual para recuperar la factibilidad, lo que nos da:

TABLA SIMPLEX DUAL

Cj Ck 10 7 0 0 Zj Cj - Zj (cj-zj)/arj Xk X2 X1 X3 S2 Bi 3 32/7 11/7 -4/7 62

7 X1 0 1 0 0 7 0 no

10 X2 1 0 0 0 10 0 no

0 X3 0 0 1 0 0 0 0

0 X4 0 1/7 1/7 -1/7 1 1 -7

0 S1 1 -1/7 -22/7 -6/7 9 9 -21/2

0 S2 0 0 0 1 0 0 0

Elemento Pivote

ULTIMA TABLA SIMPLEX DUAL

Cj Ck 10 7 0 0 Xk X2 X1 X3 S1 Bi 7/3 14/3 11/3 2/3 7 X1 0 1 0 0 10 X2 1 0 0 0 0 X3 0 0 1 0 0 X4 1/6 1/6 2/3 1/6 0 S1 0 0 0 1 0 S2 7/6 -1/6 -11/3 -7/6

Zj Cj - Zj

56

7
0

10
0

0
0

17/6
17/6

0
0

21/2 21/2

X1=14/3; X2=7/3; X3=11/3; X4=0; S1=2/3 ; S2=0 Z=56

La Solucin Optima Entera es Cuando: X1 = 3 X2 = 3 X3 = 0 X4 = 1 S1 = 0 S2 = 0 Max: Z = 7x1 + 10x2 Remplazando:

Z = 7*(3) + 10*(3) =

51

Mtodo de Dankin(1966)
Se usa frecuentemente para resolver P.P.E. con variables de decisin igual a 0 o a 1.

Toda variable de decisin de un P.P.E., donde Xi representar as:

Z se puede

i:=0n

Xi=U1*2+U0

Mtodo de enumeracin implcita

Consiste en enumerar todas las soluciones posibles Xj que sean enteras, para ir encontrando soluciones factibles enteras e ir guardando la mejor. Cada solucin encontrada es comparada con la siguiente generada. Cada rama del rbol especifica, para alguna variable Xj, que Xj=1.

Ejm: Problema( X1, X2, X3, X4, X5, X6 )

X1=1
2 X2=1 X2=0 X2=1 5 1

X1=0

Variables libres 3

X1=0

Modo de determinar si un nodo tiene una terminacin que satisfaga una restriccin dada

Tipo de restriccin

Signo del coeficiente de la variable libre en la restriccin + + -

Valor asignado a la variable libre en la verificacin de la factibilidad 0 1 1 0

<= <= >= >= Pasos

1 Se comprueba si la terminacin de un nodo i es factible 2 Se verifica si el nodo i no tiene terminacin factible

Lmite: Si no son factibles los 2 pasos anteriores se elimina el nodo.

Alternativa: La terminacin de un nodo que es factible y cumplimiento del criterio de factibilidad indica una posible solucin del problema.

Enunciado: Con el fin de promover la seguridad de los estudiantes, el departamento de seguridad de una Universidad, se encuentra en proceso de instalar telfonos de emergencia en ubicaciones selectas dentro de sus instalaciones. El departamento quiere instalar un nmero mnimo de telfonos, siempre y cuando cada una de las principales calles del campus cuente por lo menos con un telfono. El siguiente mapa muestra las calles principales

N nodos

Funcin Objetivo Min:

Z=X1+X2+X3+X4+X5+X8 Restricciones:
X1+X3+X6>=1 X4+X7>=1 X2+X5+X8 >=1 X1+X2 >=1 X3+X4+X5 >=1 X6+X7+X8 >=1 X2+X3 >=1 X4+X8 >=1 Xj [0,1]

0
X1=1
z=1

1
X1=0 z=0

1
1 2 3 4 5 6 7 8

2
X2=1

3
X2=0

2
X3=1

4
X3= 0

3 6

X1=0,X2=1,X3=0, X4=1,X5=0,X6=1

. . . 13
Z=4 Z=3

X7=1

X7= 0

1 No factibilidad en Z y restricciones 2 No factibilidad en las restricciones de acuerdo a tabla.

7 8

14

Z=4
X8=1

15

Z=3
X8= 0

16

17

Se colocarn los telfonos de la siguiente manera

Ejemplo:
1) Un excursionista planea salir de campamento. Hay cinco artculos que desea llevar consigo, pero entre todos sobrepasan las 60 libras que considera puede cargar. Para ayudarse en la seleccin ha asignado un valor a cada artculo en orden ascendente de importancia:

Qu artculos deber llevar maximizando el valor total sin sobrepasar la restriccin de peso? No se puede llevar ms de un artculo del mismo tipo?

Solucin: *Planteamiento del modelo: Se define la variable como el artculo que se debe o no llevar, por lo tanto en variable binaria. Variables:

0 no llevar el articulo j-nesimo(j=1,2,3,4,5) Xj

1 llevar el articulo j-nesimo(j=1,2,3,4,5)

La funcin objetivo es maximizada debido a que se desea llevar la mayor cantidad de artculos maximizando su valor pero sujeto a las restricciones.

MAX: Z=1001 +602 +703 +154 +155 s.a: 421 +232 +213 +154 +75 60 =0,1 ; J=1,2,3,4,5

El nmero posible de soluciones es de 2 , en donde n es el nmero de variables. En el ejemplo, el nmero posible de soluciones es 25 = 32 En el siguiente diagrama se muestran todas las 32 posibles soluciones.

Algunas de stas soluciones no son factibles, ya que no satisfacen las restricciones. Aquellas que satisfagan las restricciones, debern ser remplazadas en la funcin objetivo y la que la haga ms grande, ser la solucin ptima.

Aplicacin del Mtodo de Egon Balas MAX: Z=1001 +602 +703 +154 +155 s.a: 421 +232 +213 +154 +75 60 =0,1 ; J=1,2,3,4,5

Regla de Equivalencia: MAX Z=MIN(-Z)

MIN: W= 1001 602 703 154 155 s.a: 421 +232 +213 +154 +75 60 =0,1 ; J=1,2,3,4,5

Reemplazamos:
1 =1- 1 , 2 =1- 2 , 3 =1- 3 , 1 =1 4 , 5 =1 5
MIN: W= 1001 602 703 154 155 MIN: W=1001 +602 +703 +154 +155 -260 s.a: 421 +232 +213 +154 +75 60 421 232 213 154 7 5 + 48 0 =0,1 ; J=1,2,3,4,5

Sustituimos:

w+260=w
Luego el problema queda as: MIN: W=1001 +602 +703 +154 +155

421 232 213 154 7 5 + 48 0 =0,1 ; J=1,2,3,4,5

1ra Iteracin
42 23 21 15 7 + 1 = 2 = 3 = 4 = 5 = 0 48 0 Infactibilidad=48 1 = 1 2 = 3 = 4 = 5 = 0 Mnima infactibilidad 60 Infactibilidad=6 .. 2 = 1 1 = 3 = 4 = 5 = 0 25 0 Infactibilidad=25 3 = 1 1 = 2 = 4 = 5 = 0 27 0 Infactibilidad=27 4 = 1 1 = 2 = 3 = 5 = 0 33 0 Infactibilidad=33 5 = 1 1 = 2 = 3 = 4 = 0 LO MEJOR ES 1 = 1 60 Infactibilidad=6

2da Iteracin
Con 1 = 1 ;la restriccin se simplifica a : 23 21 15 7 + 2 = 1 3 = 4 = 5 = 0 17 0 Infactibilidad=0 3 = 1 2 = 4 = 5 = 0 15 0 Infactibilidad=0 4 = 1 2 = 3 = 5 = 0 9 0 Infactibilidad=0 5 = 1 2 = 3 = 4 = 0 1 0 Infactibilidad=0
W=160

W=170

W=115

W=115

En esta situacin hay 4 soluciones con infactibilidad igual a cero (0),evaluando la F.O con ambas soluciones ,encontramos la solucin optima w=115

SOLUCION PTIMA UNICA PARA EL PROBLEMA SOLUCION PTIMA UNICA: ORIGINAL: 1 *=1 1 *=0 2 *=0 2 *=1 3 *=0 3 *=1 4 *=0 4 *=1 5 *=1 5 *=0 W*=115 Z*=145 Se eligen los artculos: 2,3 y4 para optener la mayor ganancia esperada de $145,llevando a un peso maximo de 59 libras