Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INVESTIGACIÓN OPERATIVA I MÉTODO DE APROXIMACIÓN DE VOGEL Carlos Acevedo Correa Ingeniero en Industrias de la Madera CONCEPCIÓN - CHILE Magister en Ciencia y Tecnología de la Madera PROBLEMAS ESPECIALES DE PROGRAMACION LINEAL PROBLEMAS DE TRANSPORTE Ivàn Santelices Malfanti isanteli@ubiobio.cl Iv á n S a n te lic e s M a lf a n ti Introducción Los Problemas de Transporte son problemas especiales de programación lineal que reciben ese nombre debido a que muchas de sus aplicaciones involucran determinar la manera óptima de transportar bienes. Iv á n S a n te lic e s M a lf a n ti Introducción Los Problemas de Asignación incluyen aplicaciones tales como asignar personas a tareas. Aunque sus aplicaciones parecen diferir de las del problema del transporte, constituye un caso particular. Iv á n S a n te lic e s M a lf a n ti Introducción Los problemas de transporte y asignación son casos particulares de un grupo más grande de problemas, llamados Problemas de Flujo en Redes. Iv á n S a n te lic e s M a lf a n ti Problemas de Transporte Formulación General Solución Inicial Factible Solución(es) Optimas Análisis de Sensibilidad Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Problemas de Transporte: Formulación General Para comprender la formulación matemática de estos problemas supóngase que “m” fabricas abastecen a “n” almacenes de un cierto articulo, donde la fabrica “i” (i= 1….m), tiene una capacidad de producción de “Ai” unidades de producto por unidad de tiempo; por otra parte el almacén “j” (j= 1….n) requiere “Bj” unidades del producto por unidad de tiempo; ademas el costo de envío de un pedido de “i” a “j” es directamente proporcional a la cantidad enviada, el costo unitario de transporte se designa por “Cij”. Así, lo que se desea determinar es la cantidad a enviar desde cada almacén de modo tal de minimizar los costos totales involucrados. Por lo tanto definiendo Xij (cantidad enviada de producto desde la planta “i” al almacén “j” por unidad de tiempo) el modelo general sería: Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Transporte: Formulación General Min CT Cij Xij i m j n ( ) 1 1 jiXij njBjXij miAiXij n j m i ,.....0 ],1[.... ],1[.... 1 1 Sujeto a: Capacidad producciòn Demanda almacén. No Negatividad Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Transporte: Supuestos Supuesto1) Los costos son proporcionales a la cantidad transportada. Supuesto 2) Todo lo producido es demandado. Matemáticamente esto se representa de la siguiente forma: Nota: Esta situación garantiza la existencia de soluciones factibles y optimas. Ai Bj j n i m 11 Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Transporte: Supuestos Si el supuesto número dos no se cumple, son dos las situaciones que se pueden presentar: A) Suma de ofertas Suma de demandas (exceso de oferta) Crear demandante ficticio. B) Suma de ofertas Suma de demandas (exceso de demanda) Crear un oferente ficticio. Nota: Los costos asociados al los ficticios son cero, y en la práctica si hubiera que enviar al demandante ficticio eso se interpreta como excedente de producción (inventario); por el otro lado, enviar desde el oferente ficticio se interpreta como demanda insatisfecha (perdida). Iv á n S a n te lic e s M a lf a n ti • Si se tiene un conjunto de m clientes que demandan bj unidades de un producto determinado. Una compañía desea satisfacer esas demandas desde un cierto conjunto de plantas elegidas de n potenciales lugares donde se instalarán, cada una con capacidad de oferta ai unidades . • Cij el costo de transporte de una unidad desde la planta i-+esima al cliente j-èsimo . Iv á n S a n te lic e s M a lf a n ti 01 D1 03 02 D2 D3 D4 Fabricas Almacenes La formulación de los problemas de transporte difieren de los modelos estándar de P.L. Generalmente se presentan las redes de transporte primero, para luego darle una forma tabular. Veamos esta idea con el ejemplo de la compañía DALLAS S.A. A1 A2 A3 B1 B2 B3 B4 Iv á n S a n te lic e s M a lf a n ti PROBLEMA DE TRANSPORTE (Dallas S.A.) • Considere el problema que enfrenta el departamento de planificación de la compañía DALLAS S.A. ,que tiene tres plantas y cuatro almacenes regionales. Cada mes se requiere de una lista de requerimientos de cada almacén y se conocen, también las capacidades de producción de las plantas. Además se conoce el costo de transporte de cada planta a cada almacén. El problema es determinar qué plantas deben abastecer a que almacenes de manera que minimicen los costos totales de transporte. Consideremos que los costos de transporte entre dos ciudades cualquiera, son proporcionales a las cantidades embarcadas. Supóngase que las capacidades mensuales de cada planta son 70, 90 y 180 respectivamente. Los requerimientos de cada almacén para el mes de Marzo son: 50, 80, 70 y 140. Los costos unitarios de transporte son los que se muestran en la tabla siguiente: Iv á n S a n te lic e s M a lf a n ti PROBLEMA DE TRANSPORTE (Dallas S.A.) Los costos unitarios de transporte son los que se muestran en la Tabla siguiente: Planta 1 2 3 4 1 19 30 50 10 2 70 30 40 60 3 40 8 70 20 Almacén Iv á n S a n te lic e s M a lf a n ti MIN C = C11 X11+ C12 X12 + C13 X13 + C14 X14 + C21 X21 + ………+ C34 X34 S/A X11 + X12 + X13 + X14 ≤ A1 X21 + X22 + X23 + X24 ≤ A2 X31 + X32 + X33 + X34 ≤ A3 X11 + X21 + X31 ≥ B1 X12 + X22 + X32 ≥ B2 X13 + X23 + X33 ≥ B3 X14 + X24 + X34 ≥ B4 Xij ≥ 0 Así se tiene “m” oferentes y “n” demandantes (m=3 y n=4), luego: •Hay n x m variables de decisión. •n + m restricciones •n + m - 1 variables básicas Problemas de Transporte: Modelo General para 3 oferentes y 4 demandantes: Iv á n S a n te lic e s M a lf a n ti Revisando los supuestos, se cumple. Supuesto1) Los costos son proporcionales a la cantidad transportada. Supuesto 2) Todo lo producido es demandado. Matemáticamente esto se representa de la siguiente forma: Nota: Esta situación garantiza la existencia de soluciones factibles y optimas. Ai Bj j n i m 11 Iv á n S a n te lic e s M a lf a n ti MIN C = C11 X11+ C12 X12 + C13 X13 + C14 X14 + C21 X21 + ………+ C34 X34 S/A X11 + X12 + X13 + X14 = A1 X21 + X22 + X23 + X24 = A2 X31 + X32 + X33 + X34 = A3 X11 + X21 + X31 = B1 X12 + X22 + X32 = B2 X13 + X23 + X33 = B3 X14 + X24 + X34 = B4 Xij ≥ 0 Así se tiene “m” oferentes y “n” demandantes (m=3 y n=4), luego: •Hay n x m variables de decisión. •n + m restricciones •n + m - 1 variables básicas Luego estos problemas se pueden expresar en forma tabular de la siguiente manera: Dado que ,se puede dejar el modelo como: Ai Bj j n i m 11 Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Transporte: Formulación Tabular PLANTA ui 1 2 3 4 Ai (oferta) 1 C11 C12 C13 C14 A1 u1 2 C21 C22 C23 C24 A2 u2 3 C31 C32 C33 C34 A3 u3 Bj (Dda.) B1 B2 B3 B4 sumBi=sumAi vj v1 v2 v3 v4 ALMACEN ui y vj son variables del problema dual asociado, son claves para encontrar la solución a estos problemas ui: Variable dual asociada a las restriccionesde oferta del primal vj: Variable dual asociada a las restricciones de demanda primal Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Transporte: Formulación Tabular PLANTA 1 2 3 4 Ai 1 C11 C12 C13 C14 A1 u1 2 C21 C22 C23 C24 A2 u2 3 C31 C32 C33 C34 A3 u3 Bj B1 B2 B3 B4 sumBi=sumAi vj v1 v2 v3 v4 ALMACEN ij es el precio sombra asociado a las variables del problema. es una cantidad “provisoria” a enviar desde i a j. es parte del algoritmo de solución Cij ij Xij ± ©The McGraw-Hill Companies, Inc., 1998 Irwin/McGraw-Hill 8 PROBLEMA DE TRANSPORTE (Dallas S.A.) PLANTEO PLANTA 1 2 3 4 Ai 1 19 30 50 10 70 2 70 30 40 60 90 3 40 8 70 20 180 Bj 50 80 70 140 340 ALMACEN ©The McGraw-Hill Companies, Inc., 1998 Irwin/McGraw-Hill 8 PLANTA 1 2 3 4 Ai 1 19 30 50 10 70 50 20 2 70 30 40 60 90 20 70 3 40 8 70 20 180 60 120 Bj 50 80 70 140 340 COSTO TOTAL 7430 ALMACEN PROBLEMA DE TRANSPORTE (Dallas S.A.) SOLUCION OPTIMA Iv á n S a n te lic e s M a lf a n ti INTRODUCCIÓN MODELO DE TRANSPORTE DEMANDANTES OFERENTES 1 1 2 2 m n a2 am b2 a1 b1 bm . . . . . . Xij: cantidad transportada desde la fuente i al destino j C11, X11 Cij, Xij Cij: Costo del transporte unitario desde la fuente i al destino j Iv á n S a n te lic e s M a lf a n ti INTRODUCCIÓN MODELO DE TRANSPORTE El objetivo general es encontrar el mejor plan de distribución. ijij x j b j i a i mjbx niax aSujeto xcZMinimizar j m j ij i n i ij m i n j ijij 0 ....1 ....1 : 1 1 1 1 Iv á n S a n te lic e s M a lf a n ti INTRODUCCIÓN MODELO DE TRANSPORTE • PASO 1: – DETERMINAR UNA SOLUCIÓN BÁSICA FACTIBLE • PASO 2 : – UTILIZAR CONDICIÓN DE OPTIMALIDAD, PARA DETERMINAR LA VARIABLE DE ENTRADA. • PASO 3: – UTILIZAR LA CONDICIÓN DE FACTIBILIDAD, PARA DETERMINAR LA VARIABLE DE SALIDA. Iv á n S a n te lic e s M a lf a n ti DETERMINACIÓN DE LA SOLUCIÓN INICIAL FACTIBLE • Dado que el modelo esta equilibrado, las soluciones básicas factibles son: 𝒏 +𝒎− 𝟏 • Para encontrar esta solución inicial – Esquina Noroeste. – Costo Mínimo. MÉTODO DE APROXIMACIÓN DE VOGEL PASO 1 Iv á n S a n te lic e s M a lf a n ti • Este modelo esta relacionado a la búsqueda de una posible solución optima realizando aproximaciones. El resultado de este método es una solución inicial factible, que servirá como entrada para ser evaluada por otro modelo el cual vera si esta es la mejor solución MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti MÉTODO DE APROXIMACIÓN DE VOGEL • Usa información de costos mediante el costo de oportunidad para determinar una solución inicial factible. • Se hace una diferencia que es el costo adicional por enviar una unidad desde el origen actual al segundo destino y no al primero. Iv á n S a n te lic e s M a lf a n ti MÉTODO DE APROXIMACIÓN DE VOGEL • PASO 0: – Equilibrar el sistema: Si suma de ofertas Suma de demandas (exceso de oferta) Crea demandante ficticio. Si suma de ofertas Suma de demandas (exceso de demanda) Crea un oferente ficticio. Ai Bj j n i m 11 Iv á n S a n te lic e s M a lf a n ti MÉTODO DE APROXIMACIÓN DE VOGEL • PASO 1: – Para cada FILA y COLUMNA con alguna oferta o alguna demanda, determinar la diferencia no negativa entre los dos costos unitarios más bajos asociados con las variables no asignadas: “Penalización” o “Costo de Arrepentimiento” Iv á n S a n te lic e s M a lf a n ti • PASO 2: – Identificar la fila o columna con la mayor “Costo de Arrepentimiento”. • PASO 3: – Asignar lo máximo posible a la ruta no usada con el costo más bajo que se encuentra en la fila o columna con mayor penalización. • PASO 4: – Ajustar oferta y demanda. Tachar las filas o columnas satisfechas, sólo una. MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti • PASO 5: a) Si queda exactamente una fila o columna con cero oferta o demanda. ¡PARAR! b) Si queda una fila o columna con una oferta o demanda positiva, determinar las variables básicas en fila o columna por el costo mínimo. ¡PARAR! c) Si quedan filas o columnas con una oferta o demanda de cero, definir por costo mínimo. ¡PARAR! d) De lo contrario, volver al paso 1 MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti D 1 D 2 D 3 D 4 Penalización O 1 10 2 20 11 15 O 2 12 7 9 20 25 O 3 4 14 16 18 10 5 15 15 15 50 P 5 10 – 2 = 8 9 – 7 = 2 14 – 4 = 10 18 – 11 = 7 16 – 9 = 7 7– 2 = 5 10 – 4 = 6 MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti D 1 D 2 D 3 D 4 P O 1 10 2 20 11 15 8 9 O 2 12 7 9 20 25 2 2 O 3 4 14 16 18 10 10 2 5 5 15 15 15 50 P 6 - 5 5 7 7 7 7 15 MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti D 1 D 2 D 3 D 4 P O 1 10 2 20 11 15 8 9 9 15 O 2 12 7 9 20 25 2 2 11 O 3 4 14 16 18 10 10 2 2 5 5 15 15 15 50 P 6 - - 5 7 - 7 7 7 7 7 7 15 Iv á n S a n te lic e s M a lf a n ti D 1 D 2 D 3 D 4 P O 1 10 2 20 11 15 15 O 2 12 7 9 20 25 15 O 3 4 14 16 18 10 5 5 15 15 15 50 P 0 10 5 MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti D 1 D 2 D 3 D 4 O 1 10 2 20 11 15 15 0 O 2 12 7 9 20 25 15 10 O 3 4 14 16 18 10 5 5 5 15 15 15 50 𝒁 = 𝟏𝟓 × 𝟐 + 𝟎 × 𝟏𝟏 + 𝟏𝟓 × 𝟗 + 𝟏𝟎 × 𝟐𝟎 + 𝟓 × 𝟒 + 𝟓 × 𝟏𝟖 = 𝟒𝟕𝟓 MÉTODO DE APROXIMACIÓN DE VOGEL Iv á n S a n te lic e s M a lf a n ti 01 D1 03 02 D2 D3 D4 Fabricas Almacenes RESPUESTA: X12 = 15 X14 = 0 (Var.Básica) X23 = 15 X24 = 10 X31 = 5 X34 = 5 Z = 475 15 25 10 5 15 15 15 15 0 15 10 5 5 Iv á n S a n te lic e s M a lf a n ti Ejemplo 2 Método de Aproximación Vogel Iv á n S a n te lic e s M a lf a n ti Fijarse que en este ejemplo las celdas usan el formato: Cij Xij Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti Ejemplo Método de Aproximación Vogel Iv á n S a n te lic e s M a lf a n ti Ejercicios Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG RPG tiene cuatro plantas ensambladoras en Europa. Están ubicadas en Leipzig, Alemania (1);Nancy, Francia (2); Lieja, Bélgica (3), y Tilburgo, Holanda (4). Las máquinas ensambladoras usadas en estas plantas se producen en Estados Unidos y se embarcan a Europa. Llegaron a los puertos de Amsterdan (1), Amberes (2) y El Havre (3). Los planes de producción del tercer trimestre (julio a septiembre) ya han sido formulados. Los requerimientos (la demanda en destinos) de motores diesel E-4 son los siguientes: Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Planta Cantidad de Motores (1) Leipz 400 (2) Nancy 900 (3) Lieja 200 (4) Tilburgo 500 Puerto Cantidad de Motores (1) Amsterdan 500 (2) Amberes 700 (3) El Hevre 800 La cantidad disponible de máquinas E-4 en los puertos (oferta en orígenes) son: Iv á n S a n te lic e s M a lf a n ti EJERCICIORPG Desde el origen 1 2 3 4 1 12 13 4 6 2 6 4 10 11 3 10 9 12 4 Al destino Los costos ($) de transporte de un motor desde un origen a un destino son: Iv á n S a n te lic e s M a lf a n ti EJERCICIO Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 500 2 6 4 10 11 700 3 10 9 12 4 800 Demanda 400 900 200 500 2000 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 2 200 500 2 6 4 10 11 2 700 3 10 9 12 4 5 800 Demanda 400 900 200 500 2000 PENAL. 4 5 6 2 Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 2 200 500 2 6 4 10 11 2 700 3 10 9 12 4 5 800 Demanda 400 900 200 500 2000 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 6 200 300 500 2 6 4 10 11 2 700 3 10 9 12 4 5 800 Demanda 400 900 200 500 2000 PENAL. 4 5 2 Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 6 200 300 500 2 6 4 10 11 2 700 3 10 9 12 4 5 800 Demanda 400 900 200 500 2000 PENAL. 4 5 2 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 200 300 500 2 6 4 10 11 2 700 3 10 9 12 4 5 200 800 Demanda 400 900 200 500 2000 PENAL. 4 5 7 Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 200 300 500 2 6 4 10 11 2 700 3 10 9 12 4 5 200 800 Demanda 400 900 200 500 2000 PENAL. 4 5 7 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 200 300 500 2 6 4 10 11 2 700 700 3 10 9 12 4 1 200 800 Demanda 400 900 200 500 2000 PENAL. 4 5 Plantas Puertos 1 2 3 4 Oferta PENAL. 1 12 13 4 6 200 300 500 2 6 4 10 11 2 700 700 3 10 9 12 4 1 200 800 Demanda 400 900 200 500 2000 PENAL. 4 5 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 200 300 500 2 6 4 10 11 700 700 3 10 9 12 4 400 200 800 Demanda 400 900 200 500 2000 Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 200 300 500 2 6 4 10 11 700 700 3 10 9 12 4 400 200 800 Demanda 400 900 200 500 2000 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 200 300 500 2 6 4 10 11 700 700 3 10 9 12 4 400 200 200 800 Demanda 400 900 200 500 2000 Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 200 300 500 2 6 4 10 11 700 700 3 10 9 12 4 400 200 800 Demanda 400 900 200 500 2000 Iv á n S a n te lic e s M a lf a n ti EJERCICIO RPG Plantas Puertos 1 2 3 4 Oferta 1 12 13 4 6 200 300 500 2 6 4 10 11 700 700 3 10 9 12 4 400 200 200 800 Demanda 400 900 200 500 2000 ¿Es solución básica factible? n + m - 1 = 6 𝒁 = 𝟒 × 𝟐𝟎𝟎 + 𝟔 × 𝟑𝟎𝟎 + 𝟒 × 𝟕𝟎𝟎 + 𝟏𝟎 × 𝟒𝟎𝟎 + 𝟗 × 𝟐𝟎𝟎 + 𝟒 × 𝟐𝟎𝟎 𝒁 = 𝟏𝟐𝟎𝟎𝟎 Iv á n S a n te lic e s M a lf a n ti Ejercicios Iv á n S a n te lic e s M a lf a n ti 8 Problemas Especiales de P.L Problemas de Transporte: Ejemplo Un sistema de distribución semanal para un producto tiene las siguientes características: PLANTA CAPACIDAD SEMANAL DISTRIBUIDOR DEMANDA SEMANAL TALCA 75 Sta, Marta 50 STGO. 100 Cordoba 50 Linares 100 La siguiente tabla da las perdidas estimadas, por centro de distribución, por quedarse corto en los envíos: CENTRO Sta, Marta Cordoba Linares PERDIDAS(US$/UNIDAD) 2 3 2 Los costos de transporte en US$ por unidad son los siguientes: DESDE \ HACIA Sta, Marta Cordoba Linares Talca 3 2 1 Santiago 4 5 6 La meta de la compañía es determinar un plan de envío factible que minimice la suma de los costos de transporte total y que considere las perdidas estimadas por pedidos no surtidos. Se pide: Formular como un problema de transporte. Resolver mediante Metodo Optimizante de Transporte Iv á n S a n te lic e s M a lf a n ti 8 Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución PLANTA Sta. Marta Cordoba Linares Ai TALCA 3 2 1 75 STGO. 4 5 6 100 FICTICIO 2 3 2 25 Bj 50 50 100 200 DISTRIBUIDOR Iv á n S a n te lic e s M a lf a n ti 8 PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 u1 20 17 3 2 12 11 18 31 25 u2 15 10 3 1 20 30 60 35 u3 35 Bj 20 17 18 45 100 vj v1 v2 v3 v4 ALMACEN Costo = 3311 Paso 1: encontrar la Solución Inicial Factible.(ENO) Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti METODO OPTIMIZANTE: este método se basa en holguras complementarias del problema de transporte original y su dual. De esta forma se deberá determinar números ui para los depósitos y vj para los mercados, tal que: ɗij = Cij – ( ui + vj ) ɗij = 0 Para toda variable básica (lo mismo que en el simplex) Iv á n S a n te lic e s M a lf a n ti • Si todos los ɗij son positivos, significa que el cuadro es la solución optima, en caso contrario, existirá una variable no básica candidata a ingresar a la base, se eligira aquella que su costo reducido es el mínimo ɗij . Iv á n S a n te lic e s M a lf a n ti • Para comenzar el método optimizante es necesario escoger la columna o fila con mayor cantidad de soluciones y asignar ui ó vj igual a cero. • Con estos valores Ui y Vj determinamos los costos reducidos: ɗij = Cij – ( ui + vj ) Iv á n S a n te lic e s M a lf a n ti 8 PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 u1 20 17 3 2 12 11 18 31 25 u2 15 10 3 1 20 30 60 35 u3 35 Bj 20 17 18 45 100 vj v1 v2 v3 v4 ALMACEN Sea U1 = 5 X11 es básica: C11 = U1 + V1 15 = 5 + V1 V1 = 10 X12 es básica: C12 = U1 + V2 17 = 5 + V2 V2 = 12 X13 es básica: C13 = U1 + V3 14 = 5 + V3 V3 = 9 X23 es básica: C23 = U2 + V3 18 = U2 + 9 U2 = 9 Así sucesivamente Paso 2: Definirse un valor arbitrario de ui o vj y a partir de este calcular los restantes utilizando la condición que el precio sombra de las v. básicas es cero, es decir: ij = Cij – Ui – Vj = 0 Cij = Ui + Vj (para v. basicas) Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti 8 X14 es no básica: 14 = C14 – U1 – V4 = 25-5-22 = -2 X21 es no básica: 21 = C21 – U2 – V1 = 12-9-10 = -7 Así sucesivamente. Como hay ij negativos se debe iterar, ingresa a la base X31 ya que es el mas negativo y se la hace ingresar con un valor igual a “ “. Paso 3: calcular para las variables no básicas el valor ij dado por ij = Cij – Ui – Vj = 0 Si todas las variables no básicas tiene este valor positivo estamos en presencia de una solución optima, si una variable no básica tiene este valor negativo se debe iterar ingresando a la base la variable no básica que tenga el ij màs negativo, así: Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti 8 PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 20 17 3 2 12 11 18 31 25 15 10 3 1 20 30 60 35 35 Bj 20 17 18 45 100 ALMACEN Ingresa X31 con un valor igual a , esto provoca un desequilibrio entre las ofertas y demandas por lo cual se debe equilibrar sumando y restando entre las variables basicas siguiendo una ruta cerrada y unica. Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti 8 PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 20 - 17 3 + 2 12 11 18 31 25 15 - 10 + 3 1 20 30 60 35 + 35 - Bj 20 17 18 45 100 ALMACEN Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti 8 PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 20- 17 3+ 2 12 11 18 31 25 15- 10+ 3 1 20 30 60 35 35- Bj 20 17 18 45 100 ALMACEN Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti 8 PLANTA1 2 3 4 Ai 1 15 17 14 25 40 20- 17 3+ 2 12 11 18 31 25 15- 10+ 3 1 20 30 60 35 35- Bj 20 17 18 45 100 ALMACEN Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Entra a la base X31 y sale X23, con 𝜃 = 15 Iv á n S a n te lic e s M a lf a n ti Paso 4: para ver cual variable no básica se convertirá en básica, se debe escoger un valor para que garantice que las variables de decisión se mantengan positivas en la base, así se busca: Min { 35 , 15 , 20 } Luego ingresa X31 con un valor igual a 15 y X23 deja de ser variable básica. PLANTA 1 2 3 4 Ai 1 15 17 14 25 40 5 17 18 2 12 11 18 31 25 25 3 1 20 30 60 35 15 20 Bj 20 17 18 45 100 ALMACEN Costo = 2746 Así termina una iteración, luego se debe volver al paso 2. Problemas Especiales de P.L Problemas de Transporte: Ejemplo -- Solución Iv á n S a n te lic e s M a lf a n ti Ejercicios Problema de la Foster Generators Se transporta un producto desde 3 plantas hasta 4 centros de distribución: Origen Planta Capacidad de Producción en 3 meses (unidades) 1 Cleveland 5 000 2 Bedford 6 000 3 York 2 500 Total 13 500 Destino Centro de Distribución Pronóstico de la demanda a 3 meses (unidades) 1 Boston 6 000 2 Chicago 4 000 3 St. Louis 2 000 4 Lexigton 1 500 Total 13 500 Problema de la Foster Generators Costos Origen Boston Chicago St Louis Lexigton Producción Cleveland 3 2 7 6 5000 Bedford 7 5 2 3 6000 York 2 5 4 5 2500 Demanda 6000 4000 2000 1500 13500 13500 Costo por unidad distribuida Destino Problema de la Foster Generators Representación en Red O1 [5000] O2 [6000] O3 [2500] D1 [6000] [4000] [2000] [1500] D2 D3 D4 2 4 5 Plantas Nodos de Origen Centros de Dist. Nodos de Destino Rutas de Distribución Arcos Planteamiento matemático Sea Z el costo total de transporte y sea xij (i=1,2,3;j=1,2,3,4) el número de unidades transportadas de la planta i al almacén j. )4,3,2,1;3,2,1(0 1500 2000 4000 6000 2500 6000 5000 545232 576723 342414 332313 322212 312111 34333231 24232221 14131211 343332312423 222114131211 ++ ++ ++ ++ +++ +++ +++ +++++ ++++++ jix xxx xxx xxx xxx xxxx xxxx xxxx xxxxxx xxxxxxZ ij nesrestriccio las a Sujeta Max Solución óptima para el problema del transporte de la Foster Origen Boston Chicago St Louis Lexigton Producción Cleveland 3500 1500 0 0 5000 Bedford 0 2500 2000 1500 6000 York 2500 0 0 0 2500 Demanda 6000 4000 2000 1500 39500 Unidades que se envían Destino COSTO Problema General Se refiere (en sentido literal o figurado) a la distribución de cualquier bien desde cualquier grupo de centros de suministro, llamados orígenes a cualquier grupo de centros de distribución llamados destinos de manera que se minimicen los costos totales de distribución. Unidades de un bien, m orígenes, n destinos, si recursos en el origen i (nosotros usamos ai), demanda dj en el destino j (nosotros usamos bj), costo cij por unidad distribuida desde el origen i al destino j. El modelo general 1 2 … n Recursos 1 c11 c12 … c1n s1 Origen 2 c21 c22 … c2n s2 … … … … … m cm1 cm2 … cmn sm Demanda d1 d2 … dn Destino Costo por unidad distribuida Representación de red para el problema general S1 [s1] S2 [s2] Sm [sm] D1 [-d1] D2 [-d2] Dm [-dm] c11 c12 c1n c21 c22 c2n cm1 cm2 cmn Planteamiento matemático modelo general .y para,0 ,,...,2,1 para ,,...,2,1 para a sujeta min 1 1 1 1 jix njdx misx xcZ ij m j jij n j jij m i n j ijij Variantes del Problema 1. La oferta total no es igual a la demanda total 2. Maximización en lugar de minimización 3. Capacidades en las rutas o mínimos en las rutas 4. Rutas inaceptables Iv á n S a n te lic e s M a lf a n ti Iv á n S a n te lic e s M a lf a n ti 88 PROBLEMAS ESPECIALES DE PROGRAMACION LINEAL PROBLEMAS DE ASIGNACION Ivàn Santelices Malfanti isanteli@ubiobio.cl Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación Como ya se sabe, los problemas de transporte son un caso especial de P.L. y a la vez un caso especial de transporte son los problemas conocidos como de “ASIGNACIÓN”, los que se caracterizan por que la oferta y demanda unitaria de cada centro es igual a 1. Por ser un problema especial o particular también cuenta con una metodología propia de resolución conocida como método “Húngaro” o “Korug”. La formulación general de los problemas de asignación se presenta a continuación Iv á n S a n te lic e s M a lf a n ti • El problema de asignación es un tipo especial de problema de programación lineal en el que los asignados son recursos destinados a la realización de tareas. • Ejemplos: empleados a trabajo máquinas a tareas períodos a tareas Iv á n S a n te lic e s M a lf a n ti Supuestos de un problema de asignación 1. El número de asignados es igual al número de tareas (se denota por n). (esto puede variar) 2. Cada asignado se asigna exactamente a una tarea. 3. Cada tarea debe realizarla exactamente un asignado. 4. Existe un costo cij asociado con el asignado i (i=1,2,…,n). 5. El objetivo es determinar cómo deben hacerse las asignaciones para minimizar los costos totales. Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Modelo General Min CT Cij Xij i m j n ( ) 1 1 jiEnterosXij jiXij jiXij njXij miXij n j m i ,.....: ,.....1 ,.....1,0: ],1[....1 ],1[....1 1 1 Sujeto a: )y todapara binarias, ( y para,0 jix jix ij ij Iv á n S a n te lic e s M a lf a n ti Representación de red para el problema general S1 [1] S2 [1] Sm [1] D1 [1] D2 [1] Dm [1] c11 c12 c1n c21 c22 c2n cm1 cm2 cmn Problemas Especiales de P.L Problemas de Asignación: Método resolución Oferta 1 2 3 4 Ai 1 3 4 11 6 1 2 7 3 12 8 1 3 3 4 6 11 1 4 14 8 7 6 1 Bj 1 1 1 1 4 Demanda Paso 1: Verificar las condiciones de asignación, además verificar que la suma de ofertas es igual a la suma de demandas. Si no se cumple lo anterior se deben agregar tantos ficticios como sean necesarios todos con oferta o demanda igual a 1. 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 7 3 12 8 3 4 11 6 3 4 6 11 14 8 7 6 Paso 2: Restar el menor elemento o costo de cada fila a los restantes valores del costo de la misma fila: Problemas Especiales de P.L Problemas de Asignación: Método resolución 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 8 2 1 0 0 1 3 8 0 1 8 3 4 0 9 5 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 7 3 12 8 3 4 11 6 3 4 6 11 14 8 7 6 Paso 3: Identificar el elemento mas pequeño de cada columna y restarlo de los demás elementos de la misma columna, donde los valores ceros indicaran las posibles asignaciones factibles para el problema original: 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 8 2 0 0 0 1 2 8 0 1 7 3 4 0 8 5 Problemas Especiales de P.L Problemas de Asignación: Método resolución Paso 4: Verificar la optimalidad del problema trazando el menor número de líneas rectas (horizontales o verticales) de modo tal de cubrir todos loas valores ceros: 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 8 2 0 0 0 1 2 8 0 1 7 3 4 0 8 5 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 0 1 7 3 4 0 8 5 8 2 0 0 0 1 2 8 Problemas Especiales de P.L Problemas de Asignación: Método resolución Paso 4: Verificar la optimalidad del problema trazando el menor número de líneas rectas (horizontales o verticales) de modo tal de cubrir todos loas valores ceros: Problemas Especiales de P.L Problemas de Asignación: Método resolución 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj1 1 1 1 4 4 0 6 3 0 1 5 1 0 1 0 6 10 4 0 0 Paso 5: Prueba de optimalidad, si el número de líneas trazadas es igual al número de filas o columnas, indica que puede hacerse una asignación factible y optima en base a los valores ceros encontrados. Si el número de líneas es menor que el número de columnas o filas, se debe iterar. En nuestro caso debemos iterar, esto se realiza de la siguiente manera: 1. Seleccionar de las celdas no marcadas el menor valor de costo (Crk) Crk = 2 2. Restar el Crk en todas las celdas no marcadas y sumarlo en aquellas con doble marca (intersección entre rectas). Los demás elementos permanecen igual. 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 8 2 0 0 0 1 2 8 0 1 7 3 4 0 8 5 Problemas Especiales de P.L Problemas de Asignación: Método resolución 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 4 0 6 3 0 1 5 1 0 1 0 6 10 4 0 0 Paso 6: Aplicar nuevamente la prueba de optimalidad mencionada en el paso 4. Problemas Especiales de P.L Problemas de Asignación: Método resolución Paso 6: Aplicar nuevamente la prueba de optimalidad mencionada en el paso 4. 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 4 0 6 3 0 1 5 1 0 1 0 6 10 4 0 0 Problemas Especiales de P.L Problemas de Asignación: Método resolución 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 0 0 0 0 0 0 Paso 7: Encontrar la o las asignaciones optimas a partir del cuadro final donde los valores cero seran posibles puntos de asignación, es decir aquellas Xij que tomaran valor “1”, recordando las restricciones iniciales. Problemas Especiales de P.L Problemas de Asignación: Método resolución 1 2 3 4 Ai 1 1 2 1 3 1 4 1 Bj 1 1 1 1 4 1 1 0 1 0 1 Paso 7: Encontrar la o las asignaciones optimas a partir del cuadro final donde los valores cero seran posibles puntos de asignación, es decir aquellas Xij que tomaran valor “1”, recordando las restricciones iniciales. Costo Total = 3 + 3 + 6 + 6 = 18 Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo Propuesto LA FAMILIA KLYNE Los tres hijos de Joe Klyne, John, Peter y Terri, quieren ganar algún dinero para cubrir sus gastos personales durante un viaje organizado por la escuela a la Boite “La gata salvaje”. El señor Klyne (que se destaca por ser un padre muy liberal) eligió tres tareas para sus hijos: podar el césped, pintar la cochera y lavar los automóviles de la familia. Para evitar las competencias anticipadas entre hermanos les pidió que que presentaran licitaciones (secretas) para lo que ellos creían un pago justo para cada una de las tres tareas. Quedaba entendido que los tres hijos aceptarían la decisión de su padre en lo concerniente a quien desempeñara cada tarea. La tabla siguiente resume las licitaciones recibidas: Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo Propuesto CANDIDATO PODAR PINTAR LAVAR JOHN $15.00 $10.00 $9.00 PETER $9.00 $15.00 $10.00 TERRI $10.00 $12.00 $8.00 Basándose en esta información, ¿cómo debe asignar las tareas el señor Klyne? Iv á n S a n te lic e s M a lf a n ti 8 Problemas Especiales de P.L Problemas de Asignación: Ejemplo -- Solución Solución 1. Objetivo: Minimizar el costo de licitación. 2. Variables de decisión: Xij : El hijo “i” realiza la tarea “j”. 0 = No participa 1 = Si participa i : 1 = John / 2 = Peter / 3 = Terri j : 1 = Podar / 2 = Pintar / 3 = Lavar Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo Propuesto -- Solución CANDIDATO TAREA JOHN PINTAR PETER PODAR TERRI LAVAR COSTO TOTAL = $27 Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo en clase LA COMPETENCIA MORTAL Supongase que se tienen 8 candidatos para representar a la universidad en 5 pruebas de resistencia al trago en la competencia anual interuniversitaria. Por acuerdo de la federación se permitirá a cada participante estar en a lo más una prueba, además sólo existe presupuesto para enviar un representante por prueba. Se le pide a usted como asesor y experto en el tema, que forme el equipo optimo a enviar basado en el siguiente cuadro que representa el puntaje asignado a cada candidato en las diferentes pruebas. Obviamente se busca maximizar el puntaje conjunto de la selección. Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo en clase CANDIDATO La descorchada Los cinco litros 20 golpeados La mezcolanza El tinto veloz al hilo al minuto mortal del demonio JUAN 75.00 45.00 80.00 73.00 90.00 DANIEL 90.00 40.00 0.00 70.00 68.00 PEDRO 47.00 50.00 63.00 54.00 70.00 LUIS 75.00 75.00 40.00 80.00 30.00 MARIA 40.00 60.00 38.00 91.00 70.00 CARLOS 60.00 40.00 75.00 91.00 87.00 JAVIER 48.00 90.00 75.00 90.00 75.00 JOSE 90.00 68.00 43.00 81.00 45.00 Iv á n S a n te lic e s M a lf a n ti 8 Problemas Especiales de P.L Problemas de Asignación: Ejemplo en clase -- Solución Solución 1. Objetivo: Maximizar el puntaje del equipo. 2. Variables de decisión: Xij : El candidato “i” participa en la prueba “j”. 0 = No participa 1 = Si participa Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo en clase -- Solución CANDIDATO La descorchada Los cinco litros 20 golpeados La mezcolanza El tinto FICT 1 FICT 2 FICT 3 veloz al hilo al minuto mortal del demonio Ai JUAN -75.00 -45.00 -80.00 -73.00 -90.00 0.00 0.00 0.00 1 DANIEL -90.00 -40.00 0.00 -70.00 -68.00 0.00 0.00 0.00 1 PEDRO -47.00 -50.00 -63.00 -54.00 -70.00 0.00 0.00 0.00 1 LUIS -75.00 -75.00 -40.00 -80.00 -30.00 0.00 0.00 0.00 1 MARIA -40.00 -60.00 -38.00 -91.00 -70.00 0.00 0.00 0.00 1 CARLOS -60.00 -40.00 -75.00 -91.00 -87.00 0.00 0.00 0.00 1 JAVIER -48.00 -90.00 -75.00 -90.00 -75.00 0.00 0.00 0.00 1 JOSE -90.00 -68.00 -43.00 -81.00 -45.00 0.00 0.00 0.00 1 Bj 1 1 1 1 1 1 1 1 8 Iv á n S a n te lic e s M a lf a n ti Problemas Especiales de P.L Problemas de Asignación: Ejemplo en clase -- Solución CANDIDATO Prueba Asignada JUAN 20 golpeados al minuto DANIEL La descorchada veloz PEDRO No Participa LUIS No Participa MARIA La mezcolanza mortal CARLOS El tinto del demonio JAVIER Cinco lts. Al hilo JOSE No Participa Iv á n S a n te lic e s M a lf a n ti El entrenador de un equipo de natación debe asignar competidores para la prueba de 200 metros de relevo combinado que irán a las Olimpiadas Juveniles. Como muchos de sus mejores nadadores son rápidos en más de un estilo, no es fácil decidir qué nadador asignar cada uno de los cuatro estilos. Los cinco mejores nadadores y sus mejores tiempos (en segundos) en cada estilo son los siguientes. Problema Natación (Asignación) Carlos Cristy David Antony José Dorso 37.7 32.9 33.8 37 35.4 Pecho 43.4 33.1 42.2 34.7 41.8 Mariposa 33.3 28.5 38.9 30.4 33.6 Libre 29.2 26.4 29.6 28.5 31.1 Tiempo de Nado Problema Natación (asignación) Solución Carlos Cristy David Antony José Dorso 0 0 1 0 0 1 = 1 Pecho 0 0 0 1 0 1 = 1 Mariposa 0 1 0 0 0 1 = 1 Libre 1 0 0 0 0 1 = 1 1 1 1 1 0 <= <= <= <= <= 1 1 1 1 1 TIEMPO Min. Tiempo de Nado 126.2 Iv á n S a n te lic e s M a lf a n ti Métodos de Resolución ALGEBRAICO LINDO (Linear Interactive and Discrete Optimizer) Se vera una breve explicación de cómo se puede usar LINDO para resolver PPL. Se explicará como se relaciona la información que proporciona este software con el estudio del algoritmo SIMPLEX a través de un caso practico. Además se vera como el programa ayuda a desarrollar el análisis de sensibilidad. Max Z = 3x1 + 4x2 - 2x3 + 6.5x4 ….(1) S/A x1 + x2 + 3x3 +x4 50 ….(2) 2x1 - 3x2 + 4x3 +2x4 45 ….(3) x1 + x3+ x4 60 ….(4) 3.5x1 - 2x2 + 4x4 30 ….(5) x1 + 3x4 33.5 ….(6) x1 , x2 , x3 0
Compartir