ALUMNA: Ana Cecilia Hinojosa Álvarez

MATRICULA: 215042
MATERIA: investigación de operaciones
MAESTRA: Sandra Sánchez
FECHA: 26/11/2016
 Tarea 5

Investigación de operaciones

Descripción

Contesta lo siguiente:

-Define la programación entera.

Existen múltiples aplicaciones de modelos de Programación Entera como apoyo a

la toma de decisiones. Algunas aplicaciones típicas son problemas de localización
de instalaciones, inclusión de costos fijos, problemas de asignación, problemas de
ruteo vehicular La solución óptima se componga de valores enteros para algunas
de las variables. La resolución de este problema se obtiene analizando las
posibles alternativas de valores enteros de esas variables en un entorno alrededor
de la solución obtenida considerando las variables reales. Muchas veces la
solución del programa lineal truncado está lejos de ser el óptimo entero, por lo que
se hace necesario usar algún algoritmo para hallar esta solución de forma exacta.
El más famoso es el método de 'Ramificar y Acotar' o Branch and Bound por su
nombre en inglés. El método de Ramificar y Acotar parte de la adición de nuevas
restricciones para cada variable de decisión (acotar) que al ser evaluado
independientemente (ramificar) lleva al óptimo entero.

-Menciona los modelos de programación entera.

Existen múltiples aplicaciones de modelos de Programación Entera como apoyo a
la toma de decisiones. Algunas aplicaciones típicas son problemas de localización
de instalaciones, inclusión de costos fijos, problemas de asignación, problemas de
ruteo vehicular, etc.
Problema Asignación: Una universidad está programando las clases para el
próximo semestre académico y requiere buscar la mejor asignación posible de
profesores a los distintos cursos que se deben dictar. Considere que existen 5
profesores: A, B, C, D, E y 5 cursos (asignaturas): C1, C2, C3, C4, C5.
Adicionalmente, los profesores han manifestado sus preferencias por dictar los
distintos cursos en una escala de 1 a 10, donde 10 es la máxima puntuación y 1 la
mínima puntuación o preferencia. Se asume que cada profesor es apto para dictar
cualquier curso, independiente del puntaje de su preferencia. La siguiente tabla
resume las puntuaciones que asigna cada profesor a cada curso:
Problema Inclusión Costos Fijos: Usted ha sido designado por el gerente de su
empresa para decidir cómo distribuirá su tráfico telefónico en el próximo mes,
seleccionando entre 3 proveedores posibles y asignando la cantidad de tráfico
(minutos) que desee en cada caso, es decir, puede repartir el tráfico en 1, 2 o 3
proveedores a su antojo y su decisión sólo dependerá de los costos de cada
alternativa.

-Explica el método de acotar y ramificar.

El método más conocido y eficaz hasta el momento es el Branch & Bound (acostar
y Ramificación). Este método resuelve inicialmente el problema sin considerar las
restricciones de números enteros. Luego se selecciona una de las variables que
debe ser entera agregando dos nuevas restricciones: la primera impone una upper
bound (cota superior) a la variable seleccionada restringiendo su valor de a lo más
la parte entera de su valor actual la segunda impone una lower bound (cota
inferior) a la variable seleccionada restringiendo su valor de al menos la parte
entera de su valor actual más 1.

Obviamente ninguna de esas restricciones es satisfecha por el problema actual.

Se crean entonces dos nuevos problemas de programación lineal (llamados
ramas) y se resuelven. Uno agrega la restricción de la cota superior y el otro
agrega la restricción de la cota inferior. Se trata de un proceso iterativo el que
continúa hasta que se encuentra una solución entera (si es que la hay).

El algoritmo tiene dos conceptos fundamentales:

1. Si se encuentra una solución de un subproblema que satisface todas las

restricciones de enteros y ya que esta es una solución factible del problema
original, el valor de la función objetivo es una cota inferior para la solución
entera óptima.
2. Si se encuentra una solución a un problema que no satisface una o más de
las restricciones enteras y ya que agregar restricciones adicionales no
puede mejorar el valor de la función objetivo, el valor de esta función
objetivo es una cota superior para todos los problemas restantes.

Se usará la siguiente notación para una rama dada

L: La mejor (más grande) cota inferior encontrada para el IPL o MILP

Z: El valor de la función objetivo del problema que se está considerando (la cota
superior para todos los próximos sub-problemas)
Para comenzar el algoritmo se requiere una cota inferior. Si no hay una solución
inmediatamente podemos considerar L como menos infinito. El valor inicial de Z es
 el valor de la función objetivo del problema relajado (es decir, sin restricción de
enteros). Luego, si para un sub-problema dado el valor de Z es menor que o igual
que la mejor cota inferior L (o si el subproblema es no-factible), se anula la rama.
El método Branch & Bound está determinado por los siguientes pasos:

1. Resuelva el problema relajado. Si todas las variables tienen valores enteros

esta es la solución óptima. Si no, asigne menos infinito a L.
2. Seleccione el siguiente subproblema a resolver con el mayor valor de Z.
3. Seleccione la primera variable entera Xj que tiene actualmente un valor no
entero. Cree un nuevo subproblema agregando la restricción Xj ³ I + 1. Si
esta rama ya ha sido evaluada, cree un nuevo subproblema agregando una
restricción Xj ≤ I.
4. Resuelva el nuevo subproblema.

SI ENTONCES
El problema no es factible Anule la rama
El valor de Z ≤ L Anule la rama
Anule la rama

El problema es una solución y Z > L Cambie el valor de L por Z

Anule las ramas con Z<L

El problema no es solución y Z>L Este es un nuevo problema

5. Si quedan subproblemas, volver al paso 2. Si no hay subproblemas entonces

la solución óptima es el valor de L.
6. Los siguientes restricciones: Xj < = Xj* y Xj > = Xj* + 1. Vuelva al paso 1.

-Explica el método de planos cortantes.

Es el conjunto de puntos que constituyen las soluciones enteras factibles del

problema relajado debe ser acotado
Funciona resolviendo un programa lineal no entero, después comprobando si la
optimización encontrada es también una solución entera. Si no es así, es añadida
una nueva restricción que corta la solución no entera pero no corta ningún otro
punto de la región factible. Esto se repite hasta que se encuentra la solución
entera óptima. Interpretación geométrica, una restricción es equivalente a un
hiperplano, permitiendo solo soluciones en uno de los lados del plano.
-Define el algoritmo aditivo de Balas.

Podríamos decir que Si todas las variables fueran no negativas, concluiríamos que
la solución binaria toda cero es óptima. Sin embargo, debido a que algunas de las
variables son no factibles (negativas), necesitamos elevar una o más variables
binarias al nivel 1 para lograr la factibilidad (o concluimos que el problema no tiene
una solución factible). La elevación de una (o de algunas) de las variables binarias
cero al nivel 1 ocurre en el algoritmo aditivo una a la vez. La variable elegida se
llama variable de ramificación y su selección se basa en el empleo de pruebas
especiales.
Las candidatas para la ramificación son x1, x2 y x3. Sin embargo la elevación
cualquiera de éstas variables al nivel 1 empeorará el valor de z en relación a la
cota superior actual z=3. Por consiguiente, todas las variables candidato se
excluyen y el nodo 3 se sondea.

Después, en el nodo restante 4, definido por x5 = x4 = 0 tenemos:

(s1, s2, s3)= (1,-2,-1), z=0

Las variables x5 y x3, se excluyen por medio de la prueba de la cota superior.

(Observe que también se puede excluir debido a que no reduce la factibilidad de la
holgura). La variable faltante x2 no puede ser excluida por la cota superior o por la
promesa de factibilidad. Por tanto x2 es la variable de ramificación.

La figura 9-12 muestra la adición de los nodos 5 y 6 que emanan el nodo 4. en el

nodo 5 tenemos:

(s1, s2, s3)= (2,-2,5), z=2

Y x1 y x3 como las candidatas a la ramificación. La variable x1 se excluye por

medio de la prueba de la cota superior y x3 se excluye por medio de las pruebas
tanto de la factibilidad de la holgura como de la cota superior. Esto significa que el
nodo 5 se sondea. El nodo 6 también es sondeado debido a que ni x1 ni x3
pueden producir una mejor solución factible.
Ahora que se han sondeado todos los “pendientes” en la anterior figura y termina
el algoritmo de R y A la solución óptima está asociada con el nodo 1, es decir, x5
= 1, z = 3 y todas las demás variables son cero. En términos de las variables
originales, la solución es y1= y2=1 y y3= y4= y5= 0 con w=5.

La figura anterior muestra que, mientras más pequeño es el número de

ramificaciones conducentes a un nodo sondeado, más eficiente es el algoritmo.
Por ejemplo, el nodo 1 se define fijando una ramificación (x5=1) y su sondeo
implica automáticamente de 25-1 = 16 soluciones binarias (todas aquellas que
tienen x5=1). A la inversa, el nodo 3 se define fijando dos variables binarias y su
sondeo implícitamente implica de 25-1=8 soluciones binarias únicamente.

http://html.rincondelvago.com/algoritmo-aditivo-de-balas.html

http://ccu.mx/antologias/administracion/4/Investigacion%20de%20Operaciones.pdf

http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/Exe_nuevo/leccin_
9_mtodo_de_ramificar_y_acotar.html