RESPUESTAS_TAREA_2.pdf
Click here to load reader
-
Upload
alex240574 -
Category
Documents
-
view
61 -
download
7
Transcript of RESPUESTAS_TAREA_2.pdf
UNIVERSIDAD CENTRAL DE VENEZUELA
FACULTAD DE INGENIERÍA
POSTGRADO DE INVESTIGACIÓN DE OPERACIONES
ANÁLISIS MULTIPARAMÉTRICO EN PROGRAMACIÓN ENTERA
RESPUESTAS TAREA 2
Ing. Alexánder Useche
Enero, 2013
1. Realice una revisión bibliográfica sobre artículos que
traten sobre el Análisis Multiparamétrico en Programación
Lineal y en Programación Entera. En cada caso elabore un
pequeño resumen.
Luego de una rauda revisión bibliográfica en cumplimiento de
lo solicitado, se pudo inferir que el antecedente del
análisis paramétrico en programación lineal, es el análisis
de sensibilidad. Este análisis contempla tres (3) casos: 1)
cambios en los coeficientes de la función objetivo, 2)
cambios en los lados derechos de las restricciones y 3)
cambios en los coeficientes de las restricciones (López
Casuso, 1993, pp. 107-121); cada uno de los casos mencionados
consiste en involucrar nuevos parámetros constantes al
problema de programación lineal, con el objeto de contrastar
el resultado de este nuevo caso con el original.
Posterior al análisis de sensibilidad surge el análisis
postoptimal, el cual responde a las inquietudes formuladas
sobre parámetros que se incorporan a un problema de
programación lineal ya resuelto, es decir, ¿qué ocurre en un
problema de de programación lineal que ya hemos resuelto si
realizamos un cambio en alguno de los elementos que lo
definen? (P.M. y Lahoz, 2009, p. 1) y estos elementos que la
definen son: la función objetivo, la matriz de restricciones
y el lado derecho, los cuales una vez más son mencionados
como los objetos de trabajo para este tipo de análisis.
P.M. y Lahoz (2009) igualmente manifiestan respecto a este
tipo de análisis:
En todos los modelos de programación lineal los
coeficientes de la función objetivo y las
restricciones se dan como datos de entrada o como
parámetros fijos del modelo. En los problemas
reales los valores de estos coeficientes no están,
en general, perfectamente fijados, debido a que la
mayoría de ellos dependen de parámetros no
controlables, por ejemplo, futuras demandas, coste
de materias primas, costo de energía, etc. y no
pueden ser predichas con exactitud antes de que el
problema sea resuelto. También puede suceder que
aunque conozcamos los parámetros exactamente
estemos interesados en estudiar cómo varía la
solución óptima si cambiamos algún parámetro
intencionadamente, a efectos de tratamiento, ambas
situaciones se resuelven de forma análoga… (p. 3).
En una rauda navegación por la red se encontró una variedad
de estudios los cuales presentaron una característica común
en los análisis multiparamétricos, los cuales se enfocan en
los elementos antes mencionados que definen los problemas de
programación lineal. En la VII jornada de aplicaciones
matemáticas llevada a cabo por FACES de la Universidad de
Carabobo, el profesor Alejandro Crema hizo una importante
declaración cuando dictó la conferencia Programación Entera
Multiparamétrica, tomada del periódico Tiempo Universitario y
reseñado por Leandro Rodríguez (2008):
…La necesidad del análisis multiparamétrico en la
programación matemática (cálculo de la solución
óptima de un problema como función de algunos de
los parámetros que lo definen) surge por la
incertidumbre que en muchas oportunidades tienen
los tomadores de decisiones sobre los datos que
intervienen en un problema. Este análisis pudiera
indicar cuáles datos es necesario disminuir la
incertidumbre debido a que su variación produce
cambios significativos en el valor de la solución
obtenida. En los últimos años hemos desarrollado
algoritmos para realizar un análisis
multiparamétricos completo (se encuentra una
solución óptima, si existe, para cada uno de los
posibles valores de los parámetros) en el caso de
la Programación Lineal Entera 0-1 (todas las
variables deben tomar como valor 0 ´o 1). Los
parámetros pueden afectar a la función objetivo y/o
a la matriz de restricciones y/o al vector del lado
derecho… (p. 9).
De manera que de acuerdo a lo anterior, se puede inferir que
la Programación Multiparamétrica Lineal o Entera tiene tres
objetos de estudio de acuerdo a lo manifestado por el
profesor Crema: función objetivo, matriz de restricciones y/o
vector del lado derecho; para ilustrar lo recientemente
manifestado, basta con echar un raudo vistazo a los
ejercicios de la tarea 1.
Más casos ilustrativos se pueden encontrar en la variedad de
investigaciones dentro del área cuya data no es reciente, lo
que lleva a concluir que el problema multiparamétrico
preocupa desde hace tiempo y ha permitido a múltiples
profesionales, contribuir en el desarrollo de algoritmos.
Otro caso ejemplar es reseñado en el siguiente resumen de una
tesis de grado realizado por Newman y Rivero (1998) para el
desarrollo de un algoritmo explícito para el problema
multiparamétrico relativo al vector del lado derecho:
El problema multiparamétrico relativo al lado
derecho de un Problema de Programación Lineal
Entera, consiste en resolver una familia de
problemas cuyos miembros se relacionan por tener
una función objetivo y una matriz de coeficientes
idénticos. Con el algoritmo original, decimos que
el problema multiparamétrico ha sido resuelto de
una manera implícita, mientras que con la nueva
alternativa sería resuelto de una forma explícita,
de modo que el objetivo de este trabajo es exponer
el tratamiento del problema resuelto explícitamente
(¶1).
Nótese que de acuerdo al resumen anterior, el autor realizó
un estudio multiparamétrico relativo al lado derecho para una
familia de problemas con función objetivo y matriz de
coeficientes idénticos, es decir, no trabajó con esas últimas
partes específicas. Otro caso lo podemos ilustrar con el
algoritmo de contracción explícito para el problema de
programación lineal entera multiparamétrico relativo al lado
derecho, desarrollado por García y Guzmán (1995) o el trabajo
del profesor Crema (1994) en su tesis doctoral: tópicos en
análisis de sensibilidad en problemas de programación lineal
entera, cuyo resumen es como a continuación se cita:
Se ha diseñado un algoritmo para resolver el
problema multiparamétrico continuo relativo al lado
derecho para problemas de PLE definido como una
familia de problemas PLE relacionados por tener la
misma función objetivo y matriz de restricciones.
Nuestro algoritmo trabaja seleccionando una
secuencia finita de problemas puntuales de PLEM
para obtener un análisis multiparamétrico completo.
Los problemas de la secuencia pueden ser resueltos
utilizando algoritmos disponibles comercialmente
(¶1).
Hasta ahora se han mencionado algunos trabajos cuyo objeto ha
sido el lado derecho de un PPLE o PPL; para ilustrar otros
casos se encontró el trabajo de Rodríguez (1999) el cual
consistió en la implantación y comparación de dos algoritmos
para el problema paramétrico relativo a la función objetivo
en problemas de PE-0-1.
Todos los casos mencionados (además de ser tutoriados en su
mayoría por el profesor Crema) son estudios que pueden ser
extensibles a aplicaciones prácticas y útiles para otras
disciplinas del conocimiento; tal es el caso del trabajo de
López y Barrios (2007) que consistió en la programación
lineal y análisis paramétrico en planificación forestal, el
cual explican en el siguiente resumen:
El proceso de planificación forestal muchas veces
llega a ser tan complejo, que requiere del uso de
herramientas que faciliten la toma de decisiones.
Dentro de este grupo de herramientas, se encuentra
la programación lineal. La solución de un problema
de programación lineal garantiza la asignación
optima de recursos entre un numero finito de
actividades. Un modelo de programación lineal se
usó para resolver un problema de planificación de
la cosecha forestal en el contexto de la
planificación forestal multipropósito, el cual
maximizó el valor presente neto del bosque a través
del horizonte de planificación. Usando análisis
paramétrico, se evaluó el efecto de la
incorporación en el modelo de restricciones
ambientales como la conservación de la vida
silvestre, el mantenimiento de un flujo de volumen
no decreciente y un inventario de madera en pie al
final del horizonte de planificación. (p. 124).
Otra aplicación la podemos referenciar en el trabajo de Mula,
Poler y García (2006) los cuales propusieron un modelo de
programación lineal paramétrica para la resolución del MRP
(Material Requirements Planning) con restricciones de
capacidad y que presentan en el siguiente resumen:
…se propone un enfoque de programación lineal
paramétrica para su aplicación a un problema MRP
con restricciones de capacidad e incertidumbre en
los datos de costes. El modelo propuesto considera
únicamente la posible ambigüedad en los
coeficientes de la función objetivo, mientras que
todas las restricciones se consideran
deterministas… (¶1)
Por último se mencionan los trabajos del profesor Quintero,
los cuales consistieron en el diseño e implementación de
algoritmos para el problema paramétrico de programación
lineal entera 0-1 relativo a la función objetivo y a la
matriz de restricciones (2000) y el diseño e implantación de
algoritmos para el problema multiparamétrico generalizado de
programación lineal entera 0-1 relativo a la función objetivo
(2008) y el trabajo de Gil (2009) el cual consistió en el
diseño e implantación de algoritmos para el problema
multiparamétrico direccional de programación lineal entera 0-
1.
De todo lo anterior se puede concluir, que en las distintas
investigaciones llevadas a cabo en análisis paramétricos y
multiparamétricos, han sido una oportunidad para el
desarrollo de algoritmos que permitan disminuir la
incertidumbre en los parámetros involucrados en cada una de
las partes que definen a un problema de programación lineal o
programación lineal entera, como son: la función objetivo, la
matriz de restricciones, el lado derecho y más recientemente
el problema multiparamétrico direccional.
2. Realice una revisión bibliográfica sobre CPLEX 12.2
elaborando un pequeño resumen de dicha herramienta para la
resolución de problemas de Programación Entera.
En la revisión bibliográfica solicitada -el cual una vez más
se realizó de manera rauda- se pudo recopilar algunas
características los cuales se mencionan a continuación:
a. Es un software desarrollado por IBM, para la
resolución de problemas de:
i. Programación lineal.
1.
mnnxm
n
T
RbRcRA
Rx
bAxtoSubject
xcMaximize
,,
:
:
(Lima, 2010, p.5)
ii. Programación lineal entera y entera-mixta.
1.
mknkxmnxm
k
n
TT
RbRdRcRBRA
Zy
Rx
bByAxtoSubject
ydxcMaximize
,,,,
:
:
(ídem, p. 6)
iii. Programación cuadrática.
1.
nxn
mnnxm
n
TT
RQ
RbRcRA
Rx
bAxtoSubject
QxxxcMaximize
,,
:
21:
(ídem, p. 7)
Observación: Si la matriz Q es positiva
simidefinida, entonces el problema de
programación cuadrática es convexo.
iv. Programación cuadrática entera mixta.
1.
nxn
mnnxm
jj
l
k
l
TT
RQ
RbRcRA
NjRx
NlZx
bAxtoSubject
QxxxcMaximize
,,
,
,
:
21:
(ídem, p. 8)
Observación: Si la matriz Q es positiva
simidefinida, entonces el problema de
programación cuadrática es convexo.
v. Programación cuadrática restringida.
1.
1
1
,,...1,
,,
...,,1,2
1
:
21:
miRB
RbRcRA
Rx
mibxaxBx
bAxtoSubject
QxxxcMaximize
nxm
i
mnnxm
n
ii
T
TT
(ídem, p. 9)
vi. Programación cuadrática entera mixta
restringida.
1.
1
1
,,...1,
,,
,
,
...,,1,2
1
:
21:
miRB
RbRcRA
NjRx
NlZx
mibxaxBx
bAxtoSubject
QxxxcMaximize
nxm
i
mnnxm
j
n
j
ll
ii
T
TT
y finalmente
(ídem, p. 10).
vii. Se emplea también para la resolución de
problemas MINLP (Mixed Integer NonLinear
Programs), es decir, programación no lineal
entera mixta. (ídem, p. 4)
b. Presenta librerías compatibles con lenguajes como C, C++, entre otros para la creación de códigos en
la resolución de problemas de la naturaleza
mencionada. (http://www-
01.ibm.com/software/integration/optimization/cplex-
optimizer/)
c. Se pueden construir algoritmos robustos para
problemas de alta exigencia, con un número muy
grande de variables y restricciones, por el orden
de los millones. (ídem)
d. Se puede disponer de una variedad de códigos
ejemplares, online en lenguaje C, C++, entre otros.
(ídem)
e. La herramienta ha evolucionado desde 1988 hasta
2010, presentando en cada año una innovación para
la resolución de los distintos problemas de
programación lineal, empezando desde los problemas
de programación lineal hasta la proposición de
heurísticas de mejoras y búsqueda dinámica
mejoradas. (ídem)
3. Realice un análisis multiparamétrico, usando el algoritmo visto en clase:
33,42,61
1,0,,
222
532
:..max,,
321
321
321
321
332211321
xxx
xxx
xxx
asxxxP
Al adecuar el problema planteado de acuerdo al algoritmo
expuesto en las láminas AMPE02 para la clase #2
correspondiente a la fecha del 02/11/2012 (Quintero, 2012,
pp. 19-29), se logra la siguiente secuencia:
33,42,61
,1,0,,
max
222
532
:..,,
321
321
332211
321
321
321
Rzxxx
xxxz
xxx
xxx
aszP
33,42,61
,1,0,,
222
532
:..,,
321
321
332211
321
321
321
Rzxxx
xxxz
xxx
xxx
aszP
Al resolver se obtiene:
)1,1,0(;53,2,1
,1,0,,
32
222
532
:..3,2,1
)7(
321
321
321
321
xPv
Rzxxx
xxxz
xxx
xxx
aszP
)1,0,1(;93,2,6
,1,0,,
326
222
532
:..3,2,6
)6(
321
321
321
321
xPv
Rzxxx
xxxz
xxx
xxx
aszP
)0,1,1(;103,4,6
,1,0,,
346
222
532
:..3,4,6
)5(
321
321
321
321
xPv
Rzxxx
xxxz
xxx
xxx
aszP
)1,1,0(;73,4,1
,1,0,,
34
222
532
:..3,4,1
)7(
321
321
321
321
xPv
Rzxxx
xxxz
xxx
xxx
aszP
Para cada uno de los casos se realizaron pruebas con todo el
espectro de valores para la variable x(i)
y para las distintas
combinaciones de los parámetros θ.
4. Construya un ejercicio min sum con tres variables cero-uno perturbando solo dos coeficientes de la función objetivo.
La cardinalidad de la solución multiparamétrica debe ser
de al menos 5.
De acuerdo a lo solicitado, se construyó el siguiente
ejercicio:
42,61,1,0,,
1
5332
:..4min
21321
321
321
32211
xxx
xxx
xxx
asxxxP
Al realizar el análisis multiparamétrico usando enumeración
exhaustiva, se tiene la siguiente tabla resultado:
x1 x2 x3 1x1 +2x2 4x3 2x1 +3x2 +3x3 ≤ 5 x1 + x2 - x3 ≤ 1
0 0 0 0 0 0
0 0 1 4 3 -1
0 1 0 2 3 1
0 1 1 2 + 4 6 0 (infactible)
1 0 0 1 2 1
1 0 1 1 + 4 5 0
1 1 0 1 + 2 5 2 (infactible)
1 1 1 1 + 2 + 4 8 1 (infactible)
De la tabla anterior se puede observar que las ocho (8)
posibilidades de valores del vector “x”, tres (3) son
INFACTIBLES, resultando entonces en cinco (5) valores
factibles los cuales se ajustan a la cardinalidad de la
solución multiparamétrica mínima solicitada. También se puede
observar que el ejercicio se construyó con las tres (3)
variables solicitadas, perturbando los coeficientes i tal que
i = 1, 2.
5. Construya un ejercicio min max con tres variables cero-uno perturbando solo dos coeficientes de la función objetivo.
La cardinalidad de la solución multiparamétrica debe ser
de al menos 3.
31,50,1,0,,
32
2
:..,,7maxmin
232321
321
321
323221
Bdxxx
xxx
xxx
asxBxdxP
Al realizar el análisis multiparamétrico usando enumeración
exhaustiva, se tiene la siguiente tabla resultado:
x1 x2 x3 x1 d2x2 B23x3 x1 + x2 - x3 ≤ 2 x1 + x2 + 2x3 ≥ 3
0 0 0 0 0 0 0 0 (infactible)
0 0 1 0 0 B23 1 2 (infactible)
0 1 0 0 d2 0 1 1 (infactible)
0 1 1 0 d2 B23 0 3
1 0 0 7 0 0 1 1 (infactible)
1 0 1 7 0 B23 0 3
1 1 0 7 d2 0 2 2 (infactible)
1 1 1 7 d2 B23 1 4
De la tabla anterior, se puede observar que las ocho (8)
posibilidades de valores del vector “x”, cinco (5) son
INFACTIBLES, resultando entonces en tres (3) valores
factibles los cuales se ajustan a la cardinalidad de la
solución multiparamétrica mínima solicitada. También se puede
observar que el ejercicio se construyó con las tres (3)
variables solicitadas, perturbando los coeficientes
correspondientes a las variables xi tal que i = 2, 3.
LISTA DE REFERENCIAS BIBLIOGRÁFICAS
1. García, Carlos y Guzmán, Norma (1995). Algoritmo de
contracción explícito para el problema de programación
lineal entera multiparamétrico relativo al lado derecho.
Tesis de grado no publicada, UCV, Caracas, Distrito
Capital, Venezuela.
2. Gil, Fidias (2009). Diseño e implantación de algoritmos para el problema multiparamétrico direccional de
programación lineal entera 0-1. Tesis de grado no
publicada, UCV, Caracas, Distrito Capital, Venezuela.
3. IBM(2010). IBM ILOG CPLEX Optimizer. Disponible en:
http://www-
01.ibm.com/software/integration/optimization/cplex-
optimizer/. Consultado en Enero de 2013.
4. Lima, Ricardo (2010). IBM ILOG CPLEX What is inside the box?.EWO Seminar (seminario), Carnegie Mellon
University, Pittsburgh, Pensilvania, USA.
5. López, Ana y Barrios Alonso (2007). Programación Lineal y Análisis Paramétrico en Planificación Forestal. En:
Revista TUMBAGA – Número 2. Disponible en:
http://revistas.ut.edu.co/index.php/TUMBAGAV/article/dow
nload/334/292. Consultado en Diciembre de 2012.
6. López Casuso, Rafael (1993). Programación Lineal y
Decisiones Económicas, Caracas-Venezuela: Exlibris, 3ª
edición.
7. Mula, Josefa; Poler, Raúl y García, José. Un modelo de programación lineal paramétrica para la resolución del
MRP con restricciones de capacidad. Trabajo financiado,
Universidad Politécnica de Valencia, Valencia, España.
8. Newman, Simón y Rivero, Dulce (1998). Algoritmo
explícito para el problema multiparamétrico relativo al
vector del lado derecho. Tesis de grado no publicada
(mimeografiada), UCV, Caracas, Distrito Capital,
Venezuela.
9. P.M. Mateo y Lahoz David (2009). Programación Lineal
III. Análisis Postoptimal, Zaragoza-España: ficheros.
Disponible en: http://ocw.unizar.es/ocw/ensenanzas-
tecnicas/modelos-de-investigacion-
operativa/ficheros/OCWSensiPara.pdf. Consultado en Enero
de 2013.
10. Quintero, José (2000). Diseño e implementación de
algoritmos para el problema paramétrico de programación
lineal entera 0-1 relativo a la función objetivo y a la
matriz de restricciones. Tesis de Postgrado no
publicado, UCV, Caracas, Distrito Capital, Venezuela.
11. Quintero, José (2008). Diseño e implantación de
algoritmos para el problema multiparamétrico
generalizado de programación lineal entera 0-1 relativo
a la función objetivo. Tesis de Postgrado no publicado,
UCV, Caracas, Distrito Capital, Venezuela.
12. Quintero, José (2012). Problema multiparamétrico
generalizado de programación lineal entera 0-1 relativo
a la función objetivo. Guía de estudio para el curso de
AMPE, UCV, Caracas, Distrito Capital, Venezuela.
Disponible en: http://www.joseluisquintero.com/.
Consultado en Diciembre de 2012.
13. Rodríguez, Adriana (1999). Implantación y
comparación de dos algoritmos para el problema
paramétrico relativo a la función objetivo en problemas
de PE-0-1. Tesis de grado no publicada, UCV, Caracas,
Distrito Capital, Venezuela.
14. Rodríguez, Leandro (2008). VII JORNADAS DE
APLICACIONES MATEMÁTICAS REALIZÓ FACYT. En: Tiempo
Universitario – Número 590. Disponible en:
http://www.tiempo.uc.edu.ve/tu590/paginas/9.htm.
Consultado en Enero de 2013.