Upload
nico-diego
View
223
Download
0
Embed Size (px)
DESCRIPTION
tablas
Citation preview
Tema 8. Programacin lineal y mtodos de op7mizacin
Estads7ca
Mara Dolores Fras Domnguez Jess Fernndez Fernndez
Carmen Mara Sordo
Departamento de Matem.ca Aplicada y Ciencias de la Computacin
Este tema se publica bajo Licencia: Crea.ve Commons BY-NC-SA 3.0
Esta unidad est basada en material elaborado por ngel Cobo Ortega, Universidad de Cantabria
MaraDoloresFras,JessFernndezyCarmenMaraSordo
TEMA8:Programacinlinealymtodosdeoptimizacin
EstematerialestbasadoenmaterialelaboradoporngelCoboOrtega,UniversidaddeCantabria
Introduccinalaoptimizacin
Problemasdeoptimizacin
Elvectorgradiente.Anlisisgeomtrico.
Programacinlineal Caractersticas Resolucingeomtrica Resolucinmediantesoftwareespecializado:LINGO
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Objetivosdeltema Reconocerlaimportanciadelaoptimizacinenlosdistintoscamposdelaingeniera.
Identificar las componentes principales de unproblemadeoptimizacin.
Analizar el caso particular de la programacinlineal.
Saber utilizar software de apoyo a la toma dedecisiones.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
OptimizacinenlaingenieraIngeniera:
Crear sistemas de ingeniera competitivos no slo entrminos de funcionamiento sino tambin en trminos deproductividad,servicio,ciclodevida,...
Necesidades: Uso de metodologas de diseo rigurosas y de carcter
cuantitativo que puedan complementar a la intuicin y lafacetacreativanocuantitativadelprocesodediseo.
OPTIMIZACIN:Bsquedadelamejorsolucinaunproblemadado.
Minimizacinymaximizacin Ejemplos:Problemasdelocalizacin,asignacin,confeccin
decalendarios,rutasdevehculos,
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Metodologa
Desarrollodeunmodelomatemtico
Definicindelproblema
Resolucindelmodelomatemtico
Implementacin:Tomadedecisiones
Validacindelasolucin
Algoritmosexactos:producenlasolucinexactadelproblema Algoritmos aproximados: producen la solucin aproximadad del
problemamediantealgnprocesoiterativo. Heursticas:obtienenbuenassolucionesentiemposrazonables.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Problemasdeoptimizacin
Minimizarcostes,tiempodeproduccin,riesgodela
inversin,plazodeentrega,...
Maximizarlosbeneficios,niveldeventas,satisfaccindelcliente,resistenciadelos
materiales,...
- f ( x )
f ( x )
Dp u n t om x i m o
v a l o rm x i m o
D
p u n t om n i m o
v a l o rm n i m o
Elpuntoenelqueunafuncinalcanzasumximoesel
mismoenelquesufuncinopuesta
alcanzaelmnimo,siendolosvaloresptimosrespectivos
opuestos.
Programasmatemticos
Ambosproblemassonenelfondoequivalentes:Maxf(x)=Min(f(x))
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Elementosdetodoproblemaoptimizacin
Variablesdedecisinx=(x1,x
2,...,x
n)
Variablesreales,enteras,binariasobooleanas
Funcinobjetivof(x)=f(x1,x
2,...,x
n)
Regin factible o espacio de soluciones factiblesdelimitadoporlasrestricciones:DconjuntoenRn
La programacin matemtica consiste por tanto en el clculo demximosymnimosde funcionesdevariasvariablessometidasaunconjuntoderestricciones.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Restricciones Lasrestriccionesdelimitanlareginfactible.
Escasezderecursos,limitacionestecnolgicas,restriccionesdediseo
Tiposderestricciones Problemasnorestringidos Restriccionesdeigualdad
h(x)=0
Lagrange
Restriccionesdedesigualdad g(x)0
aixibi KarushKuhnTucker
Programacinlineal
Optimizacinclsica
Programacinmatemtica
MaraDoloresFras,JessFernndezyCarmenMaraSordo
RestriccionesEjemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
RestriccionesEjemplo
pi:nmerodebarriles
producidosenelprocesoi
MaraDoloresFras,JessFernndezyCarmenMaraSordo
TcnicasclsicasdeoptimizacinAnlisisdecondicionesdeoptimalidad:
Condiciones necesarias: Permiten seleccionar los posiblesmximos y mnimos, (pueden existir puntos que las verifican sin sermximosomnimos).
Condicionessuficientes:Permiten asegurar con total certezaquesehaencontradounextremo.
Lamayora de las tcnicas estn basadas en elclculodiferencial:
Noaplicablesamuchostiposdeproblemas Dificultad de obtencin de soluciones exactas enmuchoscasos Mtodosnumricos
Problemticadelosptimoslocales
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Espreferibleunptimoglobalaunolocal,perodesgraciadamente,lamayoradelastcnicasdeoptimizacinlocalizanptimoslocales
ytienendificultadesparareconocerlaglobalidad.
x0
f(x0)
mnimo local estricto
valor mnimo
local
x0
mnimo local no estricto
x0
mnimo global estricto
valor mnimo global
Elproblemadelosptimoslocales
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Cond.deoptimalidadconf.diferenciables
Condicionesnecesarias: Problemassinrestricciones:
Todoptimotieneasociadounvectorgradientenulo
Problemasrestringidos:
Condicionessuficientes: Clasificacindematrizhessianas
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Candidatoaptimo
Lamatrizhessianaesdef.pos.,porloqueelpuntoesunmnimo.
Ejemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Candidatoaptimo
Lamatrizhessianaesdef.pos.,porloqueelpuntoesunmnimo.
f=inline('2*x.^2+y.^2+2*x.*y+xy+2')dens=50;x=y=linspace(5,5,dens);[xx,yy]=meshgrid(x,y);zz=f(xx,yy);surf(xx,yy,zz,'EdgeColor','none');xlabel('x');ylabel('y')holdoncontour3(xx,yy,zz,'w')scatter3(1,3/2,f(1,3/2),'w')
Matlabtip
Ejemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Candidatoaptimo
Lamatrizhessianaesdefinidapositivaparatodo(x,y)y,porloqueelpuntoesunmnimo.
Siaadimosunarestriccin
MaraDoloresFras,JessFernndezyCarmenMaraSordo
AnlisisgeomtricoEncasosmuysencillos ydepocasdimensiones(1 2), se puede resolver el problema deoptimizacindeformagrfica.
Representandolareginfactible Representando las curvas de nivel y el vectorgradiente.
Localizandoelptimodentro(oenlosbordes)delareginfactible.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
-1 -0.5 0 0.5 1
-1
-0.5
0
0.5
1Los vectores gradientes son ortogonalescon lascurvasdenivel (curvas f(x,y)=cte, quepermitenrepresentarfuncionesdedosvariablesenelplano).
Siempre sealan sobre el dominio ladireccin dems rpido crecimiento de lafuncin.
"Huyen" de los mnimos y se sienten"atrados"porlosmximos.
Elpapeldelvectorgradiente
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Elpapeldelvectorgradiente
Ejercicio
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Introduccinalaoptimizacin
Problemasdeoptimizacin
Elvectorgradiente.Anlisisgeomtrico.
Programacinlineal Caractersticas Resolucingeomtrica Resolucinmediantesoftwareespecializado:LINGO
Contenidos
MaraDoloresFras,JessFernndezyCarmenMaraSordo
ProgramacinLinealLa programacin lineal es instrumento habitual enempresas.
UnadelasramasdelaOptimizacinmsdesarrolladayconmayornmerodeaplicacionesprcticas
Orgenesdelaprogramacinlineal: Economistas de la URSS: modelos lineales paraaumentar la eficiencia en la organizacin yplanificacindelaproduccin
Segunda Guerra Mundial: Proyecto SCOOP(ScientificComputationofOptimalPrograms)
Dantzig:mtodoSimplexhttp://www.ormstoday.org/orms1207/history.html
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Programaslineales
Caractersticas: Todoptimoesglobal. Lascondicionesnecesariasdeprimerordensonsuficientes. Si hay dos soluciones distintas, tambin lo es cualquier
combinacinlinealconvexa.
Funcin objetivo
Restricciones lineales
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Programaslineales
Ventajas: Fcilesdedefiniryformular. Se trabajade formaeficiente conunnmeroelevadodevariables
dedecisin. Se adaptan mejor al tratamiento algortmico con computadores
(rpidezdeclculo).
Funcin objetivo
Restricciones lineales
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Anlisisgeomtrico
El espacio D de soluciones factibles es un poltopo con un nmero finito de vrtices. Es recomendable que sea acotado para garantizar la existencia de un ptimo.
En programacin lineal habitualmente no se consideran restricciones estrictas
20 40 60 80 100
20
40
60
80
100
A
B
C
D
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Casoa=20,b=60
20 40 60 80 100
20
40
60
80
100
A
B
C
D
Elgradientemarcaladireccinde crecimiento, y por tanto debsquedadelmximo
ElmximosealcanzaenelvrticeA=(0,80)
Valormximodelafuncinf(0,80)=4800
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Casoa=30,b=60
El mximo se alcanza en los vrtices A=(0,80) y B=(40,60) y en todos lospuntosqueestnentodoelladoquedeterminan.
Elvalordelafuncinentodoselloses4800
Elproblematieneportantoinfinitassoluciones
20 40 60 80 100
20
40
60
80
100
A
B
C
D
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Casoa=50,b=60
ElmximosealcanzaenelvrticeB=(40,60)
Valormximodelafuncinf(40,60)=5600
20 40 60 80 100
20
40
60
80
100
A
B
C
D
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Deduccin de propiedades: Todo ptimo es global y siempre se alcanza en la frontera de D
(alguna restriccin se satura). Si existe ptimo, ste se alcanza, al menos, en un vrtice de D. Si varios puntos son ptimos, tambin lo es cualquier
combinacin lineal convexa.
Resolucin: Localizar los vrtices de D. Calcular la funcin objetivo sobre todos los vrtices Elegir aqul sobre el que la funcin alcance el menor o el mayor
valor.
Anlisisgeomtrico
Noaconsejableparaproblemasdegrandesdimensiones.
Ejercicio
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Formulacinestndardeprogramaslineales:
Objetivo: encontrar el vrtice ptimo sin tener que calcularlos todos.
MtodoSimplex
Separtedeunvrticeinicial. Sinoesptimo,encontrarunvrtice
adyacentequedisminuyaelvalordelafuncinobjetivooque,porlomenos,noaumente.
Repetirelprocesohastaencontrarunvrticequenopuedasermejorado.
Vrticeinicial
D
Vrticeptimo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
ElproblemadeltransporteUnaempresadisponedemfbricasparaproducirunnicoproductoquehadedistribuirseanmercadosdiferentes,siendoCijelcoste,porunidaddeproducto,desdelafbricaFialmercadoMj
Fbricas Mercados
F1C11
Cmn
M1
F2
Fm
M2
Mn
Objetivosdelaempresa:1.Disearpolticadesuministrosqueminimicecostesdetransporte(cij).2.Nosobrepasarloslmitesdeproduccindecadaunadesusfbricas(pi).3.Atenderlademandadecadaunodelosmercados(dj).
MaraDoloresFras,JessFernndezyCarmenMaraSordo
ElproblemadeltransporteUnaempresadisponedemfbricasparaproducirunnicoproductoquehadedistribuirseanmercadosdiferentes,siendoCijelcoste,porunidaddeproducto,desdelafbricaFialmercadoMj.
Fbricas Mercados
F1C11
Cmn
M1
F2
Fm
M2
Mn
Variablesdedecisin:unidadestransportadasdesdecadafbricaacadamercado(xij)
Funcinobjetivo:minimizarelcostetotaldeltransporteRestricciones:Atenderlademandadecadamercado(dj)
Nosobrepasarlascapacidadesdeproduccindecadafbrica(pi)
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Unaempresamultinacionaldedicadaa la fabricacindeelectrodomsticosrecibeunpedidode8.000hornosy12.000cocinas.
Para hacer frente al pedido en un plazo de un mes debe producir loselectrodomsticosencuatrofbricasdiferentes.
El objetivo que se plantea la empresa es la planificacin ptima de laproduccindelpedido.
Fbrica 1 Fbrica 2 Fbrica 3 Fbrica 4
Capacidad de produccin mensual de hornos
0 5000 7000 3000
Capacidad de produccin mensual de cocinas
4000 6000 0 8000
Coste de produccin por unidad de horno
- 25 30 20
Coste de produccin por unidad de cocina
20 20 - 25
Coste por unidad de electrodomstico del envo hasta el destino
10 13 12 9
EjemploElproblemadeltransporte
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Planteamientodelproblema
FUNCINOBJETIVO(COSTESTOTALES):
Prod=20X1C+25X2H+20X2C+30X3H+20X4H+25X4CTrans=10X1C+13(X2H+X2C)+12X3H+9(X4H+X4C)COSTETOTAL=30X1C+38X2H+33X2C+42X3H+29X4H+34X4CLIMITACIONESORESTRICCIONES:
Capacidadesdeproduccinencadafbrica:X1C
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Resolucindeprogramaslinealesconsoftwaredeinvestigacinoperativa
UsodelprogramaLingohttp://www.lindo.com
MaraDoloresFras,JessFernndezyCarmenMaraSordo
ResolucindelproblemaanteriorconunsoftwaredeInvestigacinoperativa:Lingo
(http://www.lindo.com)
Lingo es un software especfico para resolver problemas de optimizacin, tanto lineales como no lineales
Ejemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Optimal solution found at step: 2 Objective value: 663000.0 Variable Value Reduced CostX1C 4000.000 0.0000000E+00X2H 5000.000 0.0000000E+00X2C 6000.000 0.0000000E+00X3H 0.00000E+00 4.000000X4H 3000.000 0.0000000E+00X4C 2000.000 0.0000000E+00 Row Slack or Surplus Dual Price1 663000.0 1.000000R1 0.0000000E+00 4.000000R2 0.0000000E+00 0.0000000E+00R3 0.0000000E+00 1.000000R4 7000.000 0.0000000E+00R5 0.0000000E+00 9.000000R6 6000.000 0.0000000E+00PEDIDO_HORNOS 0.0000000E+00 -38.00000PEDIDO_COCINAS 0.0000000E+00 -34.00000
Valor ptimo
Valores de las
variables de
decisin
Costes reducidos: indican la
modificacin a aplicar a los
coeficientes de la funcin objetivo
para que la variable pase a ser no nula
Holguras en las restricciones
Precios duales: miden la
sensibilidad del valor ptimo ante
cambios en los trminos de la derecha de las restricciones
Solucin:
Ejemplo
PROGRAMACIN LINEAL Y MTODOS DE OPTIMIZACINObjetivos del temaOptimizacin en la ingenieraMetodologaProblemas de optimizacinElementos de todo problema de optimizacinRestriccionesSlide 8Slide 9Tcnicas clsicas de optimizacinSlide 11Condiciones de optimalidad con funciones diferenciablesEjemploSlide 14Slide 15Slide 16Slide 17Slide 18Slide 19Slide 20Programacin LinealProgramas linealesSlide 23Anlisis detallado de un programa lineal con 2 variablesCaso a=20, b=60Slide 26Slide 27Anlisis grfico de los problemas linealesSlide 29Mtodo SimplexEl problema del transporteSlide 32Slide 33Slide 34Slide 35Slide 36Slide 37