Hoja Ejercicios Modelizacion Entera Solucion
-
Upload
benjamin-macedo -
Category
Documents
-
view
221 -
download
0
Transcript of Hoja Ejercicios Modelizacion Entera Solucion
Programacion Lineal Entera / Investigacion Operativa 1
MODELIZACI ON Y RESOLUCI ON CON SOLVER. Hoja 3
Para los siguientes problemas, se pide:
1. Plantear el correspondiente modelo de Programacion Lineal Entera.
2. Resolver el modelo con ayuda del Solver de Excel.
1. En una galerıa de arte cuyo plano es el de la figura, se desean instalar camaras de video para tenerla
completamente vigilada. Hay 9 zonasA, B, . . . , I, y 9 posibles puntos1, . . . , 9 de instalacion de
las camaras. Una camara colocada en cualquiera de los puntos senalados vigila todas las zonas
adyacentes a dicho punto. Por consideracion a los visitantes, no se permite que mas de 2 camaras
vigilen la misma zona.
8
6
4
I
G
9
31
D
C
2
E
A
BH
5
7
F
Ademas, si la zonaA queda vigilada solo por una camara, entonces la zonaD debe quedar vigilada
solo por 1 camara.
Las camaras situadas en puntos capaces de vigilar 2, 3 y 4 zonas cuestan 5, 7 y 8 unidades mone-
tarias, respectivamente.
Formula el correspondiente modelo para determinar que camaras se deben instalar de manera que
se minimice el coste total y se cumplan las condiciones anteriores.
Solucion. Se trata esencialmente de un problema de cubrimiento. Hay que decidir que camaras se
instalan:variables de decision binarias
xi =
1 si la camarai se instala
0 si no se instala, i = 1, . . . , 9
Programacion Lineal Entera / Investigacion Operativa 2
Las condiciones de cubrimiento garantizan que cada zona queda vigilada:
Zona A: x1 + x2 + x3 ≥ 1
Zona B: x3 + x8 ≥ 1
Zona C: x7 + x8 + x9 ≥ 1
Zona D: x1 + x9 ≥ 1
Zona E: x2 + x4 + x5 ≥ 1
Zona F: x5 + x8 ≥ 1
Zona G: x6 + x7 + x8 ≥ 1
Zona H: x6 ≥ 1
Zona I: x4 + x6 ≥ 1
La condicion de que no mas de 2 camaras vigilen simultaneamente una zona es necesaria solo para
las zonas accesibles desde mas de 2 camaras:
Zona A: x1 + x2 + x3 ≤ 2
Zona C: x7 + x8 + x9 ≤ 2
Zona E: x2 + x4 + x5 ≤ 2
Zona G: x6 + x7 + x8 ≤ 2
Para modelar las implicaciones “si la zonaA queda vigilada solo por una camara, entonces la zona
B debe quedar vigilada por 2 camaras y la zonaD solo por 1”, es suficiente con tener en cuenta
quex1 + x2 + x3 = numero de camaras que vigilan la zona A solo puede ser igual a 1 o 2:
x3 + x8 ≥ 3 − x1 − x2 − x3
x1 + x9 ≤ x1 + x2 + x3
2. Una empresa fabrica tres productos 1, 2 y 3, que deben procesarse en dos tipos de maquinaria
denominadas A y B. En la siguiente tabla se recogen los tiempos de procesamiento (por tonelada
procesada) con cada maquina, los beneficios (por tonelada procesada) en euros, y la disponibilidad
de cada tipo de maquinaria (en horas por semana):
Tipo de Productos Disponibilidad
maquinaria 1 2 3 (horas)
A 2 5 4 70
B 3 4 6 86
Benef./ton. (miles de euros)800 700 950
La empresa considera aumentar la disponibilidad de tiempo de procesamiento de la maquinaria.
Para ello, puede llevar a cabo alguna de las posibilidades indicadas a continuacion
Programacion Lineal Entera / Investigacion Operativa 3
Tipo de maquinaria A B
Incremento de disp. (horas) 10 15 8 12
Coste inversion (miles de euros)1600 1700 1700 1750
A lo sumo, se puede realizar un tipo de incremento para cada m´aquina. Gracias a un estudio de
mercado se conocen los lımites de demanda de los productos,que son
Demanda (ton.)
Producto mınima maxima
1 6 17
2 3 8
3 7 20
Ademas, la inversion total no puede exceder de 3400000 euros. Se pide:
(a) Formular el problema que se debe plantear la direccion de la empresa para obtener el plan de
procesamiento e inversion de mayor beneficio.
(b) Si la empresa desease aumentar la disponibilidad de un s´olo tipo de maquinaria, ¿como se
modifica el modelo anterior reflejando tal situacion?
(c) Si no se quiere anadir disponibilidad de B a menos que se anada de A, ¿como se representa
esta nueva condicion?
(d) La empresa desea ampliar la disponibilidad con la maquinaria B si, y solo si, se incrementa
tambien la A. ¿Como debe modificarse la condicion considerada en el apartado anterior?
Solucion.
Las variables de decision son:
x1, x2 y x3: cantidad de cada producto que se fabrica.
Variables binarias que nos indican si se realiza cada uno de los 4 posibles incrementos o no:
δA1, δA2, δB1 y δB2.
δA1 =
1, si se realiza el incremento de 10 h. en la maquina A,
0, si no se realiza
δA2, δB1 y δB2 se definen analogamente para los incrementos de 15 h. en la m´aquina A y 8 y
12 h. en la maquina B, respectivamente.
Programacion Lineal Entera / Investigacion Operativa 4
La funcion objetivo a maximizar: beneficios de venta - costeincremento de capacidad de las
maquinas
800x1 + 700x2 + 950x3 − 1600δA1 − 1700δA2 − 1700δB1 − 1750δB2
Las restricciones son:
Disponibilidad de maquinaria:
2x1 + 5x2 + 4x3 ≤ 70 + 10δA1 + 15δA2
3x1 + 4x2 + 6x3 ≤ 86 + 8δB1 + 12δB2
A lo sumo, se puede realizar un tipo de incremento para cada m´aquina:
δA1 + δA2 ≤ 1 (1)
δB1 + δB2 ≤ 1 (2)
Lımites de la demanda de cada producto:
6 ≤ x1 ≤ 17, 3 ≤ x2 ≤ 8, 7 ≤ x3 ≤ 20
La inversion total no puede exceder de 3400000 euros:
1600δA1 + 1700δA2 + 1700δB1 + 1750δB2 ≤ 3400
x1, x2, x3 ≥ 0 y δA1, δA2, δB1 y δB2 variables binarias.
(b) Si la empresa desease aumentar la disponibilidad de un s´olo tipo de maquinaria, ¿como se
modifica el modelo anterior reflejando tal situacion?
Si se siguen manteniendo las restricciones (1) y (2), entonces es suficiente con anadir:
δA1 + δA2 + δB1 + δB2 ≤ 1
Si no se mantienen, es decir, solo se puede invertir en una m´aquina pero las ampliaciones
se pueden acumular, entonces hay que anadir 2 nuevas variables binarias que indiquen si se
invierte o no en cada maquina:
δA =
1, si se realiza algun incremento en la maquina A,
0, si no se realiza
Programacion Lineal Entera / Investigacion Operativa 5
Analogamente se defineδB. Estas 2 variables toman su valor en funcion del valor de lasvari-
ables binarias previamente definidas:
δA1 + δA2 ≤ 2δA (3)
δB1 + δB2 ≤ 2δB (4)
Estas 2 restricciones sustituirıan a las anteriores (1) y (2). Ademas, habrıa que anadir para
modelizar la condicion que se nos pide ahora:
δA + δB ≤ 1
(b) Si no se quiere anadir disponibilidad de B a menos que se anada de A, ¿como se representa
esta nueva condicion?
Como antes, si no se elimina la condicion de, a lo sumo 1 inversion en cada maquina, habrıa
que anadir la restriccion:
δB1 + δB2 ≤ δA1 + δA2
Si se elimina la condicion, entonces se definenδA y δB como antes y se anade la restriccion:
δB ≤ δA
(b) La empresa desea ampliar la disponibilidad con la maquinaria B si, y solo si, se incrementa
tambien la A. ¿Como debe modificarse la condicion considerada en el apartado anterior?
Se debe cambiar la desigualdad por una igualdad.
3. Considera el siguiente problema de localizacion de almacenes:
Una empresa tiene que decidir donde localizar 2 posibles almacenes de distribucion para atender
la demanda de 4 posibles clientes. Cada cliente correspondea una zona geografica. La empresa
tiene 3 posibles ubicaciones para los almacenes, de las que tiene que seleccionar 2.
Para cada ubicacion se conoce:
Costes fijos por levantar cada almacen (P1, P2 y P3) y capacidad maxima de cada uno de
ellos
costes fijos capacidades
P1 25 12
P2 12 10
P3 13 8
Costes de asignacion almacen–cliente y demandas de cada cliente
Programacion Lineal Entera / Investigacion Operativa 6
costes de asignacion
almacen cliente 1 cliente 2 cliente 3 cliente 4
P1 5 6 3 2
P2 3 4 2 3
P3 4 2 3 5
demandas 2 4 4 3
El objetivo es determinar que almacenes se levantan y que clientes se atienden desde cada almacen
cuando cada cliente solo puede ser atendido desde un almac´en y es obligatorio que cada cliente
tenga asignado un almacen.
La variables de decision binarias son:
Decision respecto a que almacen se levanta:
xi =
1 si el almaceni se levanta
0 en otro casoparai = 1, . . . , 3
Decision respecto a que almacen sirve a cada cliente:
yij =
1 si el almaceni sirve al clientej
0 en otro caso
parai = 1, 2, 3, j = 1, 2, 3, 4 (variables de asignacion)
Mientras que el objetivo es minimizar el coste total: coste de levantar un almacen mas coste de
asignacion cliente-almacen.
En cuanto a las restricciones, una posibilidad es:
(1) Si el almaceni no se levanta (xi = 0), no puede servir al clientej (yij = 0):
yij ≤ xi parai = 1, 2, 3, j = 1, . . . , 4
(2) Cada cliente debe ser servido por exactamente un almacen:
3∑
i=1
yij = 1 paraj = 1, . . . , 4
(3) Cada almacen no puede servir mas de su capacidad:
4∑
j=1
njyij ≤ CAPi parai = 1, 2, 3,
dondenj = demanda del clientej, j = 1, . . . , 4.
Programacion Lineal Entera / Investigacion Operativa 7
(4) El numero maximo de almacenes es2:
3∑
i=1
xi ≤ 2
(5) Las variables son binarias:
xi ∈ {0, 1} ∀i = 1, 2, 3
y
yij ∈ {0, 1} ∀i = 1, 2, 3, j = 1, 2, 3, 4
Todas las restricciones anteriores, junto con la funcion objetivo, componen elModelo 1.
Si nos fijamos en las restricciones (1) y (3), observamos que se pueden combinar en una unica
restriccion (13), manteniendo el resto de restricciones
(13) Si el almaceni no se levanta (xi = 0), no puede servir a ningun clientej (yij = 0), j =
1, . . . , 4, y si se levanta, la demanda de su cartera de clientes no puedeexceder su capacidad:
4∑
j=1
njyij ≤ CAPixi parai = 1, 2, 3
LlamamemosModelo 2 al modelo resultante. Plantea y resuelve la relajacion lineal del Modelo
1 y del Modelo 2 con el Solver de Excel. ¿Que relacion hay entre el valor optimo de ambos
problemas?, ¿la solucion optima de la relajacion linealdel modelo 1 verifica todas las restricciones
(13) del modelo 2?, ¿cual de los dos modelos crees que es “mejor”?, ¿por que?
Construye un tercer modelo,Modelo 3, manteniendo el conjunto de restricciones (1) del Modelo 1
y sustituyendo el conjunto de restricciones (3) por las restricciones (13). Compara el valor optimo
de la relajacion lineal de este nuevo modelo con las soluciones de las relajaciones lineales de
los Modelos 1 y 2. ¿La solucion optima de la relajacion lineal del modelo 2 verifica todas las
restricciones del modelo 3?, ¿cual de los 3 modelos te parece “mejor”?
Solucion.
Los valores optimos de las relajaciones lineales de los problemas 1, 2 y 3, son respectivamente:
z∗1
= 24.6923067 < z∗2
= 27.3 < z∗3
= 28.5
Como estos valores se van a usar para obtener cotasinferiores para el valor optimo del problema
entero, la mejor de todas ellas es la proporcionada al resolver la relajacion lineal del Modelo 3.
Efectivamente, se trata de la formulacion “mas fuerte”.
Programacion Lineal Entera / Investigacion Operativa 8
La solucion optima de la relajacion lineal del Modelo 1 noverifica las restricciones de ca-
pacidad (13) del Modelo 2 correspondientes a las localizaciones 2 y 3.
La solucion optima de la relajacion lineal del Modelo 2 noverifica las restricciones (1) del
Modelo 3 correspondientes a las localizaciones 2 y 3:
y∗
21= y∗
23= y∗
24= 1 0.9 = x∗
2
y∗
32= 1 0.5 = x∗
3
dondex∗ es la solucion optima de la relajacion lineal del Modelo 2.