Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Aplicación de Programación Matemática para la Optimización y el Diseño de Procesos y Sistemas Programación Matemática • ¿Qué es la programación matemática? Es una potente técnica de modelado usada en el proceso de toma de decisiones. • Resolver un problema de este tipo implica: 1.- Identificar las posibles decisiones que pueden tomarse; esto lleva a identificar las variables del problema. Normalmente, las variables son de carácter cuantitativo y se buscan los valores que optimizan el objetivo. Variables de decisión 2.- Determinar qué decisiones resultan admisibles; esto conduce a un conjunto de restricciones que se determinan teniendo presente la naturaleza del problema. Restricciones del problema. 3.- Calcular costo/beneficio asociado a cada decisión admisible; supone evaluar una función objetivo que asigna a cada conjunto posible de valores de las variables que determinan una decisión un valor de costo/beneficio. Función objetivo. • El conjunto de todos estos elementos define el problema de optimización. Programación Lineal (PL) • PL trata exclusivamente con funciones objetivo y restricciones lineales. • Es una de las áreas más importante de la matemática aplicada. Se utiliza en campos como ingeniería, economía, gestión y otras áreas de la ciencia. Un problema de PL requiere identificar 4 componentes: 1. El conjunto de datos. 2. El conjunto de variables involucradas en el problema, junto con sus dominios respectivos de definición. 3. El conjunto de restricciones (lineales) que definen el conjunto de soluciones admisibles. 4. La función objetivo (lineal) que debe ser optimizada (minimizada o maximizada). Programación Lineal (PL) * PL Entera Estricta (PLEE) - o Entera Pura-. Todas las variables deben tomar valores enteros. PL Entera Estricta 0/1 (PPLEM 0/1). Todas las variables deben tomar el valor 0 o 1. * PL Entera-Mixta (PLEM) Algunas variables no necesariamente deben tomar valores enteros. (Variables enteras mezcladas con variables continuas) PL Entera-Mixta 0/1 (PLEM 0/1). Algunas variables pueden tomar cualquier valor (Variables binarias mezcladas con variables continuas). Programación No Lineal (PNL) • Problemas de programación lineal: restricciones y función a optimizar son lineales. • En la vida real se tiene que enfrentar con cierta frecuencia a otro tipo de problemas que no son lineales. • En un problema de programación no lineal (PPNL) el conjunto de restricciones o la función objetivo, o ambos, son no lineales. Introducción a Programación Lineal (PL) • Formulación del problema. • Problema de programación lineal en forma estándar. – Transformación a la forma estándar • Soluciones básicas. • Sensibilidades. • Dualidad. – Obtención del dual a partir del primal en forma estándar – Obtención del problema dual. – Teoremas de dualidad. • Ejercicios Formulación del problema Objeto de la Programación Lineal (PL) • Optimizar (minimizar o maximizar) una función lineal de n variables sujeto a restricciones lineales de igualdad o desigualdad. • Más formalmente… un problema de PL consiste en encontrar el óptimo (máximo o mínimo) de una función lineal en un conjunto que puede expresarse como la intersección de un número finito de hiperplanos y semiespacios en Rn. Def.1: Problema Programación Lineal (PPL) m q p 1 que talespositivos enterosson my q, p, donde m , . . . q, i bxa 1 - q , . . . p, i ,bxa 1 - p ., . . 2, 1, i ,bxa a sujeto xc f(x) Zmin) (omax i 1 jij i 1 jij i 1 jij 1 jj ≤≤≤ ⎪ ⎪ ⎪ ⎭ ⎪ ⎪ ⎪ ⎬ ⎫ =≤⋅ =≥⋅ ==⋅ ⎭ ⎬ ⎫⋅== ∑ ∑ ∑ ∑ = = = = n j n j n j n j función objetivo o función de coste (FO) Posibles alternativas referentes a operadores que relacionan los dos términos de las restricciones (lineales) Fu nci ón ob jeti vo y r est ric cio nes LIN EA LE S Def. 2. Solución factible (SF) • Un punto x = (x1, x2, . . . , xn) que satisface todas las restricciones es una solución factible. • El conjunto de todas las soluciones factibles es la región de factibilidad. Def. 3. Solución óptima (SO) • Un punto factible xx tal que f(x) ≥ f(xx) para cualquier otro punto factible x es una solución óptima (mínimo) del PPL. • El objetivo de todo problema de optimización es encontrar un óptimo global. ¡Las condiciones de optimalidad sólo garantizan, en general, óptimos locales (si existen)!. • Los problemas lineales tienen propiedades que garantizan el óptimo global. Propiedades de problemas lineales • Si región factible (RF) está acotada, el problema siempre tiene una solución (condición suficiente pero no necesaria para que exista una solución). • El óptimo de un PPL es siempre un óptimo global. • Si x y y son soluciones óptimas de un PPL, cualquier combinación (lineal) convexa de ellos también es SO. Combinaciones convexas de puntos con el mismo valor de FO presentan el mismo valor de FO. • SO se alcanza siempre, al menos, en 1 punto extremo de RF. Casos de soluciones de un PPL • Soluciones posibles de un PPL: – Única. – Múltiple. – No acotada. – Infactible. Solución Única 0 1 0 4 2 3 6 2 :a sujeto 3 ZMaximizar 1 21 2 21 1 21 21 21 ≤− −≤−− ≤− ≤− ≤ ≤+ ≤+− += x xx x xx x xx xx xx 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 -8 -6 -4 -2 0 2 4 6 8 10 x2 x1 Z=6 Z=7 Z=8 Z=9 Z=10 Z=11 Z=12 Curvas de nivel de FO Cr ec im ie nt o de F O … más sobre “Solución Única” 0 1 0 4 2 3 6 2 :a sujeto 3 ZMaximizar 1 21 2 21 1 21 21 21 ≤− −≤−− ≤− ≤− ≤ ≤+ ≤+− += x xx x xx x xx xx xx -1 0 1 2 3 4 5 6 0 2 4 6 x 2 x1 C1 C2 C4 C5 C6 Región factible Vértice → Punto extremo A B CD E F G 0 1 0 4 2 3 6 2 :a sujeto 3 ZMaximizar 1 21 2 21 1 21 21 21 ≤− −≤−− ≤− ≤− ≤ ≤+ ≤+− += x xx x xx x xx xx xx -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 RF SOSO C7 C3 C6 C5 C4 C2 x2 x1 C1 C2 C4 C5 C6 C1 P(3,3) SO C3 C7 Z=12 … más sobre “Solución Única” El punto P (3,3) es la intersección de dos rectas Soluciones Múltiples 0 1 0 42 3 6 2 :a sujeto ZMaximizar 3 ZMaximizar 1 21 2 21 1 21 21 21 21 ≤− −≤−− ≤− ≤− ≤ ≤+ ≤+− += += x xx x xx x xx xx xx xx -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 P(2,4) P(3,3) Z=6 RF C7 C3 C6 C5 C4 C2 x2 x1 C1 C2 C4 C5 C6 C1 P(3,3) Soluciones Múltiples C3 C7 Z=12 Curvas de nivel son paralelas a una restricción Solución No Acotada 0 1 0 2 :a sujeto 3 ZMaximizar 1 21 2 21 21 ≤− −≤−− ≤− ≤+− += x xx x xx xx -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 0 2 4 6 8 10 -2 0 2 4 6 8 10 x 2 x1 C1 C5 C6 C7 Solución no acotada Región factible no acotada en la dirección del crecimineto de la FO Solución Infactible 0 0 1 0 4 2 3 6 2 :a sujeto 3 ZMaximizar 21 1 21 2 21 1 21 21 21 ≤+ ≤− −≤−− ≤− ≤− ≤ ≤+ ≤+− += xx x xx x xx x xx xx xx Restricción no compatible con las demás -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 0 5 10 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -2 -1 0 1 2 3 4 5 6 7 8 9 10 P(3,3) C7 C3 C6 C5 C4 C2 x 2 x1 C1 C2 C4 C5 C6 C1 Solución Infactible C3 C7 PPL en forma estándar • Son necesarios tres elementos: 1. Un vector c є Rn 2. Un vector no negativo b є Rm 3. Una matriz A de dimensión m×n. • Problema lineal en forma estándar: Minimizar Z = cTx → Producto escalar sujeto a: Ax = b x ≥ 0 • PPL está en forma estándar si y sólo si: 1. Es de minimización. 2. Sólo incluye restricciones de igualdad (=). 3. El vector b es no negativo. 4. Las variables x son no negativas m q p 1m , . . . q, i bxa 1 - q , . . . p, i ,bxa 1 - p ., . . 2, 1, i ,bxa a sujeto xc f(x) Zmin) (omax i 1 jij i 1 jij i 1 jij 1 jj ≤≤≤ =≤⋅ =≥⋅ ==⋅ ⋅== ∑ ∑ ∑ ∑ = = = = n j n j n j n j min. Z = cTx sujeto a: Ax = b x ≥ 0 Forma general Forma estándar Transformación a forma estándar Mediante manipulaciones algebraicas se llega a la forma estándar: 1.- Variables no restringidas en signo (-∞ a +∞) se pueden expresar como diferencias de variables no negativas (≥ 0). Una variable no restringida en signo se puede expresar sus partes positiva y negativa. Las partes positiva y negativa de la variable xi se definen como: xi+ = max {0, xi} xi- = max {0,−xi} Se comprueba que: xi = xi+ − xi-, |x| = xi+ + xi- y que ambas xi+ y xi- son no negativas. Si hay r variables no restringidas en signo, se necesitan r variables adicionales. EJEMPLO: xi = - 5 Las partes positiva y negativa de la variable xi = -5 se definen como: xi+ = max {0, xi} = max {0, -5} = 0 xi- = max {0, −xi} = max {0, -(-5)} = 5 Se comprueba que: xi = xi+ − xi- = 0 − 5 = -5 |xi| = xi+ + xi- = 0 + 5 = 5 Ambas, xi+ = 0 y xi- = 5, son no negativas. 2.- Restricciones de desigualdad pueden convertirse en restricciones equivalentes de igualdad introduciendo nuevas variables: variables de holgura: Si ai1x1 + ai2x2 + · · · + ainxn ≤ bi entonces existe una variable xn+1 ≥ 0 tal que ai1x1 + ai2x2 + · · · + ainxn + xn+1 = bi Si ai1x1 + ai2x2 + · · · + ainxn ≥ bi entonces existe una variable xn+1 ≥ 0 tal que ai1x1 + ai2x2 + · · · + ainxn - xn+1 = bi … más sobre “Transformación a forma estándar” 3. Para las mismas restricciones, un problema de maximización es equivalente a uno de minimización cambiando el signo de FO: max Z = cT x es equivalente a min Z = −cT x (Zmax = - Zmin) 4. Restricción con término independiente b no positivo se reemplaza por otra equivalente cuyo término independiente es no negativo. Reemplazar: x1 + x2 = -2 por -x1 - x2 = 2 … más sobre “Transformación a forma estándar” 0 x,x 3 x- x 3x 2 x x :a sujeto 5x 3x - 2x Z Maximizar 21 321 21 321 ≥ ≥+ ≤+ += 0 x, x, x, x, x,x 3 x- ) x- (x- x 3x 2 x x x :a sujeto ) x- 5(x - 3x 2x- Z Minimizar 765421 57621 421 7621 ≥ =+ =++ += Forma dada Forma estándar Ejemplo 1 Ejemplo 2 0 x 1- x x 1 x- x- x 1 x x x :a sujeto x- 3x ZMaximizar 1 31 321 321 31 ≥ ≥+ ≤ =++ = 0 x 1- x x 1 x- x- x 1 x x x :a sujeto x- 3x ZMaximizar 1 31 321 321 31 ≥ ≥+ ≤ =++ = 1 x- x- 31 ≤ … más sobre “Ejemplo 2” 0 x 1- x x 1 x- x- x 1 x x x :a sujeto x- 3x ZMaximizar 1 31 321 321 31 ≥ ≥+ ≤ =++ = 1 x- x- 31 ≤ 0 z ,z ,y ,y z - y x z - y x 3232 333 222 ≥ = = - 33 - 22 3322 x z , x z x y , x y == == ++ … más sobre “Ejemplo 2” 0 x 1- x x 1 x- x- x 1 x x x :a sujeto x- 3x ZMaximizar 1 31 321 321 31 ≥ ≥+ ≤ =++ = 1 x- x- 31 ≤ 0 z ,z ,y ,y z - y x z - y x 3232 333 222 ≥ = = - 33 - 22 3322 x z , x z x y , x y == == ++ 0 z ,y ,z ,y , x 1 z y- x- 1 z y- z y- x 1 z- y z- y x a sujeto z y - 3x ZMaximizar 33221 331 33221 33221 331 ≥ ≤+ ≤++ =++ += … más sobre “Ejemplo 2” 0 z ,y ,z ,y , x 1 z y- x- 1 z y- z y- x 1 z- y z- y x a sujeto z y - 3x ZMaximizar 33221 331 33221 33221 331 ≥ ≤+ ≤++ =++ += 0 u , u 1 u z y- x- 1 u z y- z y- x 21 2331 133221 ≥ =++ =+++ … más sobre “Ejemplo 2” 0 z ,y ,z ,y , x 1 z y- x- 1 z y- z y- x 1 z- y z- y x a sujeto z y - 3x ZMaximizar 33221 331 33221 33221 331 ≥ ≤+ ≤++ =++ += 331 z - y 3x- ZMinimizar += 0 u , u 1 u z y- x- 1 u z y- z y- x 21 2331 133221 ≥ =++ =+++ … más sobre “Ejemplo 2” * Variables de holgura (u1, u2) no intervienen en la solución de problema original (son variables auxiliares). * Valor óptimo de la FO del problema original es el óptimo del problema en forma estándar cambiado de signo: Zóptimo MAX = - Zóptimo MIN 0 u ,u , z ,y ,z ,y , x 1 u z y- x- 1 u z y- z y- x 1 z- y z- y x a sujeto z - y 3x- ZMinimizar 2133221 2331 133221 33221 331 ≥ =++ =+++ =++ += ( )*2*1*3*3*2*2*1 u ,u , z ,y ,z ,y ,x Solución óptima Forma estándar 0 x 1- x x 1 x- x- x 1 x x x :a sujeto x- 3x ZMaximizar 1 31 321 321 31 ≥ ≥+ ≤ =++ = * 3 * 3 * 3 * 2 * 2 * 2 z - y x z - y x = = ( )*3*2*1 x, x,x Solución óptima Problema original … más sobre “Ejemplo 2” xClase II_Parte I_270315 sin animación.pdf xClase II_Parte II_2703415 sin animacion.pdf
Compartir