Presentacion U3 Investigacion de Operaciones

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 17

TEMA 3: PROGRAMACIÓN ENTERA

INVESTIGACIÓN DE OPERACIONES
DOCENTE: ING. ELIZABETH RODRÍGUEZ SALCIDO
ALUMNO: ALEJANDRO ARIAS GARCÍA ROJAS NO. CONTROL: C19060769
Introducción
3.1 al tema 3.2 Definiciones

Método de
3.3 Método gráfico 3.4 ramificación
Método Uso de
3.5 Heurístico 3.6 software
Muchas aplicaciones no se pueden abordar con los métodos de solución de la
Introducción
3.1 al tema
Programación Lineal porque tienen el principio de la "no divisibilidad", esto es,
algunas o todas las variables deben tomar valores enteros.

Los problemas de programación lineal en que se


requiere que algunas o todas las variables tomen
valores enteros, son de programación entera. La
programación entera ha llegado a ser un área muy
especializada de la ciencia de la administración.
En Programación Lineal Entera Pura algunos de
los algoritmos de solución que se emplean son: Método
de Plano de Corte, Algoritmo Fraccional de Gomory,
Algoritmo Entero Puro de Gomory, Método de
Ramificación y Acotamiento y el Algoritmo de Land
– Doig, entre otros.

Para Programación Lineal Entera Binaria algunos de los


utilizados son: Método de Ramificación y Acotamiento,
Método Aditivo de Egon Balas, Método Lexicográfico,
Método de Lemke y Spielberg, Distancia de Hamming y
Retículos y Método de Trubin.

En Programación Lineal Entera Mixta se usan el


Algoritmo Entero Mixto de Gomory, el Algoritmo de
Land – Doig, Método de Benders.
3.2 Definiciones

Un modelo de programación entera es aquel cuya


solución óptima tiene sentido solamente si una parte o
todas las variables de decisión toman valores
restringidos a números enteros, permitiendo incorporar
en el modelamiento matemático algunos aspectos que
quedan fuera del alcance de los modelos de
programación lineal.
Programación Entera Pura (PEP)

Modelos de programación entera que consideran


exclusivamente variables de decisión que adoptan valores
enteros o binarios.
El conjunto de las soluciones factibles (o dominio de
soluciones factibles) es finito. Esto ocurrirá generalmente
con los problemas de programación entera.
Programación Entera Mixta (PEM)

A esta categoría pertenecen aquellos problemas de


optimización que consideran variables de decisión
enteras o binarias pero no de forma exclusiva.
Un problema en el que solo se requieren que algunas
variables tengan valores enteros mientras que otras
pueden asumir cualquier número no negativo (es decir,
cualquier valor continuo) se llama programación entera
mixta (PEM).
Programación Entera Binaria (PEB)

En algunos problemas se restringe el valor de las


variables a 0 o 1. Dichos problemas se llaman binarios o
programas lineales enteros 0-1. Son de particular interés
debido a que se pueden usar las variables 0-1 para
representar decisiones dicotómicas (sí o no). Diversos
problemas de asignación, ubicación de plantas, planes de
producción y elaboración de cartera, son
de programación lineal entera 0-1.
3.3 Método gráfico

El método gráfico para resolver este tipo de sistemas


consiste, por tanto, en representar en unos ejes
cartesianos, o sistema de coordenadas, ambas rectas y
comprobar si se cortan y, si es así, dónde.
Si las dos rectas se cortan en un punto, el mismo es
compatible determinado, pero si las dos rectas son
paralelas y no tienen ningún punto en común son
incompatibles.
Por último, si ambas rectas coinciden, hay infinitos puntos
que pertenecen a ambas, será compatible indeterminado.
Método de
3.4 ramificación

El método de Branch and Bound (o Ramificación y


Acotamiento) es un algoritmo diseñado para la
resolución de modelos de Programación Entera.
Su operatoria consiste en linealizar el modelo de
Programación Entera, es decir, resolver éste como
si fuese un modelo de Programación Lineal y
luego generar cotas en caso que al menos una
variable de decisión (entera) adopte un valor
fraccionario.
Método
3.5 Heurístico

Reciben el nombre de algoritmos heurísticos,


metaheurísticos o sencillamente heurísticos. Este
término deriva de la palabra griega heuriskein que
significa encontrar o descubrir y se usa en el
ámbito de la optimización para describir una clase
de algoritmos de resolución de problemas.
“Un método heurístico es un
procedimiento para resolver un problema
de optimización bien definido mediante
una aproximación intuitiva, en la que la
estructura del problema se utiliza de forma
inteligente para obtener una buena
solución.”
Razones para utilizar métodos heurísticos:

- El problema es de una naturaleza tal que no se conoce ningún método


exacto para su resolución.
- Aunque existe un método exacto para resolver el problema, su uso
computacionalmente muy costoso.
- El método heurístico es más flexible que un método exacto, permitiendo,
por ejemplo, la incorporación de condiciones de difícil modelización.
- El método heurístico se utiliza como parte de un procedimiento global que
garantiza el óptimo de un problema, existen 2 posibilidades:
- El método heurístico proporciona una buena solución inicial de partida.
- El método heurístico participa en un paso intermedio del
procedimiento, como por ejemplo las reglas de selección de la variable
a entrar en la base en el método Simplex.
Métodos heurísticos más conocidos

Métodos de descomposición: El problema original se descompone en


subproblemas más sencillos de resolver, teniendo en cuenta, que ambos pertenecen al
mismo problema
Métodos de reducción: Consiste en identificar propiedades que se cumplen
mayoritariamente por las buenas soluciones e introducirlas como restricciones del
problema.
Métodos constructivos: Consisten en construir literalmente paso a paso una
solución del problema. Usualmente son métodos deterministas y suelen estar basados
en la mejor elección en cada iteración.
Uso de
3.6 software

Ejemplos de software.

También podría gustarte