You are on page 1of 30

OptimizacinCombinatoriausandoAlgoritmos

Evolucionistas
ProblemasdeOptimizacin.
Idea:Encontrarunasolucin"factible"y"ptima"deacuerdoa
algncriteriodefinido.
Elcriteriopuedesercalculadosobreunainstanciacin
completa(hojadeunrboldebsqueda).Puedetambin
estimarsesobreunnodocorrespondienteaunainstanciacin
parcial.
Ejemplosdecriterio:
Scheduling:minimizarlafechadetrmino
Problemadeasignacinderecursos:Minimizarelnmerode
recursosutilizados
Problemadediseo:Minimizarelcostodelasolucin.
Tambinsepuedeutilizarestaestrategiaparaexpresarun
problemasobrerestringido:Encontrarunasolucinparalas
restriccionesmasdifcilesquesatisfacealmenoslas
restriccionesprioritarias.

Algoritmosdeoptimizacinconbsquedaderbol
Criterioaoptimizar:Funcindecosto(ganancia)aminimizar(maximizar)
Principio:Unasolucinesunahojadelrboldebsquedaconelmenorcosto
Cadanododelrboltieneunvalor.Lafuncinesmontonadecrecienteenuna
rama.
Marcogeneraldeaplicacin:adiversosproblemasdeoptimizacin

Bsquedadelarutamscorta

Vendedorviajero.
Dificultades:Puedenproducirseinfinitasramasoredundancias(variosnodos
representandoelmismoestado).Idea:intentarevitarestasituacin.

Ejemplo:JuegoTaquin.
Evaluacin:
f(n)=g(n)+h(n)
g(n):nmerodemovimientosdesdeelestadoinicial
h(n):distanciadeentreelestadoactualyelestado
final

Estadofinal
Estadoinicial

12123
34545
678678
12
345
678
12312
34545
678678
12142312312
3453545645
67867867878

VendedorViajero
Problema:Encontraruncircuitohamiltoniano(visitartodaslasciudadesuna
solavezyreveniralpuntodeinicio)delargomnimo.
ProblemaNPdificil.
Unarelajacinaesteproblemaeselproblemadeasignacin.Asignara
cadaciudadotraciudadqueserlasiguienteeneltour:Sepermitensubtours.
Seresuelveelproblemadeasignacin,sihaysubtourssecreansubramasque
impidenarcosdeesesubtour.
Valordelnodo:costodelproblemarelajadodelnodo.

ModelosdeOptimizacinCombinatoria
1.ModelosconrestriccionesparalasvariablesdeTodo
onada.
Seaelproblemalineal
Max18X1+3X2+9X3
s.a.
2X1+X2+7X3<=150
0<=X1<=60
0<=X2<=30
0<=X3<=20
Nuevorequerimiento:CadaXipuedeserutilizadoyasea
ensucotasuperioronoserutilizado.

ModelosdeOptimizacinCombinatoria
1.Modelosconrestriccionesparalasvariables:Todoonada.
SeaYj=fraccindelacotasuperiorUjutilizada.
DominiodeYj:{0,1}:binaria
Max18(60Y1)+3(30Y2)+9(20Y3)
s.a.
2(60Y1)+(30Y2)+7(20Y3)<=150
Y1,Y2,Y3=01

Max1080Y1+90Y2+180Y3
s.a.
120Y1+30Y2+140Y3<=150
Y1,Y2,Y3=01

Problema
Lineal

ModelosdeOptimizacinCombinatoria
2.Modeloconcostofijo
Funcinobjetivoconcostofijo:
minF1(X1)+F2(X2)
donde:
F1(X1)=150+7X1siX1>0
F2(X2)=110+9X2siX2>0
Conjuntoderestricciones:
I.X1+X2=>8Min7X1+9X2+150Y1+110Y2
0<=X1<=3s.a.X1+X2=>8
0<=X2<=8X1<=3Y1
X2<=8Y2
X1,X2=>0
Y1,Y2=01

ModelosdeOptimizacinCombinatoria
2.Modeloconcostofijo
Funcinobjetivoconcostofijo:
minF1(X1)+F2(X2)
donde:
F1(X1)=150+7X1siX1>0
F2(X2)=110+9X2siX2>0
Conjuntoderestricciones:
II.X1+X2=>8Min7X1+9X2+150Y1+110Y2
2X1+X2<=10s.a.X1+X2=>8
X1,X2=>02X1+X2<=10
X1<=5Y1
X2<=10Y2
X1,X2=>0
Y1,Y2=01

ProblemaMixto

ProblemadelaMochila
Problemadeoptimizacincombinatoria"puro".Variablesbinarias,
Unasolarestriccin.
Max8X1+3X2+15X3+7X4+10X5+12X6
s.a.
10.2X1+6X2+23X3+11.1X4+9.8X5+31.6X6<=35
X1,X2,...,X6=01
Ejemplo:Dadaslasmonedasde1,5,10y25centavos,formularunmodelotipo
"knapsack"paraminimizarelnmerodemonedasnecesariasparacambiarqcentavos.
MinX1+X5+X10+X25(Totaldemonedas)
s.a.
X1+5X2+10X10+25X25=q(cambiocorrecto)
X1,X5,X10,X25=>0yenteras.

ProblemadePresupuesto(odelaMochilaMultidimensional)
Restriccionesdepresupuesto:Limitedeltotalderecursosdisponiblesconsumidosporlos
proyectosseleccionados,einversionesencadaperiododetiemponoexcedenlacantidad
disponible.
Ejemploderestricciones:

6X1+2X2+3X3+1X7+4X9+5X12<=10(20002004)
3X2+5X3+5X5+8X7+5X9+8X10+7X12+1X13+4X14<=12(20052009)
8X5+1X6+4X10+2X11+4X13+5X14<=14(20102014)
8X6+5X8+7X11+1X13+3X14<=14(20152019)
10X4+4X6+1X13+3X14<=14(20202024)
dondeXi=1silaactividadiserealiza,0sino.
Agregandorestriccionesde:
1.Mutuamenteexcluyentes:
Laactividad4nosepuederealizarsiserealizalaactividad5yviceversa
>restriccinadicional:X4+X5<=1
2.Dependencia:
Laactividad11requierequelaactividad2serealice
>restriccinadicional:X11<=X2

SetPacking,Covering,Partitioning
Idea:Identificarlosobjetosquesonsolucinyquepertenecen
asubconjuntosespecficos.
Diversospuntosdevistaencuantoalasrestricciones.
RestriccionesSetcovering:
requierenquealmenosunmiembrodelasubcoleccinJ
pertenezcaalasolucin.
RestriccionesSetpacking:
requierenquealomsunmiembrodelasubcoleccinJ
pertenezcaalasolucin
RestriccionesSetpartitioning:
requierenqueexactamenteunslomiembrodela
subcoleccinJpertenezcaalasolucin.

SetPacking,Covering,Partitioning
Ejemplo:
Hay20comunasy10posibleslugaresdondeinstalarequiposde
emergencia.Cadalugarpuededarservicioalascomunasadyacentes
Subcoleccin1={2}
Subcoleccin2={1,2}....
Subcoleccin12={4,5,6}
ModelodesdeelpuntodevistaSetCovering
minXj(j:1..10,nmerodelugares)
s.a.
X2=>1(comuna1)
X1+X2=>1(comuna2)
.....
X4+X5+X6=>1(comuna12)
....
Xj=01

Maximizandocovertura
Ejemplo:
Hay20comunasy10posibleslugaresdondeinstalarequiposde
emergencia.Cadalugarpuededarservicioalascomunasadyacentes
Subcoleccin1={2}
Subcoleccin2={1,2}....
Subcoleccin12={4,5,6}
Consideracinadicional:Elpresupuestosloalcanzapara4lugares.
NuevavariableYi=1silacomunainoserservida,0sino.
ModificandoelModelo
(i:nmerodecomunas,Cieslaimportanciadelacomunai)
s.a.

20

Min CiYi
i 1

X2Y11
X1 X2Y 21
...
X4 X5 X6Y121
...
4

Xj
j1

Xj0 1, j1,..,10
Yi0 1, i1,..20

Ejemplo:Unauniversidadestaadquiriendounsoftwaredeprogramacin
matemtica.Setienelossiguientescuatroprogramasdisponiblesconlosrespectivos
algoritmosdeoptimizacinqueincluyen:
Algoritmo
Tipo
PL
PE
PNL
Objetivo

1
X
3

Codigo, j
2
X
X
4

3
X
X
6

4
X
X
X
14

a)Tomandoloscoeficientesdelafuncinobjetivocomocostos,formuleun
modeloparaadquirirunconjuntodeprogramasqueproveanPL,PEyPNL
b)Idemaa)conunpresupuestomximode12.
c)Tomandoloscoeficientesdelafuncinobjetivocomocostos,formularun
modeloparaadquirirelconjuntodesoftwaredemnimocostocon
exactamenteunoconPL,unoconPEyunoconPNL
d)Tomandoloscoeficientesdelafuncinobjetivocomocalidaddelsoftware,
formularunmodeloparaadquirirelconjuntodesoftwaredemximacalidad
conalomsunoconPL,alomsunoconPEyalomsunoconPNL
Aqutipodemodelocorrespondecadauno?

ModelosconGeneracindeColumnas
LaGeneracindecolumnasseutilizacomounaestrategiadedos
partesparaenfrentarlaresolucindeproblemascombinatorios
altamentecomplejos.
Consisteenlageneracindeunasecuenciadecolumnasdonde
cadacolumnarepresentaunasolucinfactibleyluegoresolverel
problemacomounsetpartitioning(ocoveringopacking)para
seleccionarunconjuntoptimodeesasalternativas.
Ventaja:flexibilidad.
Desventaja:Dificultadparaenumerartodaslasposibilidades.

ModelosconGeneracindeColumnas
Ejemplo:AACrewScheduling
Problema:Encontrarlasecuenciadevuelosparacadatripulacinsobreun
perodomnimode2dasaunmximode3das.Lasecuenciadebe
comenzaryterminarenlaciudaddondevivelatripulacin.
Elobjetivoesdeminimizarcostos.
SupongalasiguientesecuenciadeviajesdeAmericanAirlines
.

Miam
i
Chicag
o

10
1

40
7

21
2

20
4

30
8

Charlotte
Dallas

40
2

10
9

30
5
20
3

40
6

31
0
21
1

ModelosconGeneracindeColumnas
Ejemplo:AACrewScheduling
Posiblessecuencias:
jSecuenciavuelosCostojSecuenciavuelosCosto
1101203406308290093054071092122600
21012034072700103081092122050
31012043054072600114022043052400
41012043083000124022043102113600
52034063102600134063081092112550
62034071093150144063102112650
72043054071092550154071092112350
82043081092500

Miami
Chicago

101
204

Charlotte
Dallas

402

109

407

305
406
203

308

212
310
211

ModelosconGeneracindeColumnas
Ejemplo:AACrewScheduling

jSecuenciavuelosCostojSecuenciavuelosCosto
1101203406308290093054071092122600
21012034072700103081092122050
31012043054072600114022043052400
41012043083000124022043102113600
52034063102600134063081092112550
62034071093150144063102112650
72043054071092550154071092112350
82043081092500

Xj=1silaposibilidaddelacolumnajseelige,0sino
Min2900X1+2700X2+2600X3+3000X4+2600X5+3150X6+
2550X7+2500X8+2600X9+2050X10+2400X11+3600X12+
2550X13+2650X14+2350X15
s.a.X1+X2+X3+X4=1(vuelo101)
X6+X7+X8+X9+X10+X13+X15=1(vuelo109)
X1+X2+X5+X6=1(vuelo203)
......
X2+X3+X6+X7+X9+X15=1(vuelo407)
X1,....X15=01
Solucinptima:X1=X9=X12=1,losotrasXj=0,auncostode9100.

ProblemasdeAsignacin
Encontrarlamejorasignacinmquinatrabajo,personalcliente,..etc.Paraminimizar
costos.
Massimple:ModeloLineal

Sea Xij 1 si i est asignado a j, 0 e.o.c.


Funcin Objetivo:

Cij Xij
i

s.a.
Xij 1, i
j

Xij 1, j
i

Xij 0 1, i,j

ProblemasdeAsignacin
Modelosdeasignacincuadrtica:Quadraticassignmentmodels
SeaCijkl=costodeasignariajykal.

Sea Xij 1 si i est asignado a j, 0 e.o.c.


Funcin Objetivo:

Cijkl Xij Xkl


i

ki l j

s.a.
Xij 1, i
j

Xij 1, j
i

Xij 0 1, i,j

ProblemasdeAsignacin
Modelosdeasignacincuadrtica:Quadraticassignmentmodels
Ejemplo:Malllayout
Setienen4posiblesubicacionesparadepartamentosenunshoppingmall.
Seconocenlasdistancias(enft)entrelasubicacionesylasposiblesubicaciones.
Seconoceademselnmerodeclientesalasemanaquedesearanvisitarlos
diferentesparesdedepartamentos.Porejemploseproyecta5000clientesa
lasemanaquevisitaranlatiendaderopa(1)ycomputacin(2).
Objetivo:Determinarlaubicacindelosdepartamentosminimizando
la"molestia"delosclientes.

U bj \l
1
2
3
4

1
80
150
150

D istancia [ft]
2
3
80
150
130
130
100
120

4
170
100
120

C lientes en C omn
D epartamento, i
1
2
3

1: Ropa
2: Computacin
3: Juegos
4: Libros

5
2
7

5
3
8

2
3
3

4
7
8
3

ProblemasdeAsignacin
Modelosdeasignacingeneral
LaasignacindeiajrequiereunespaciodetamaofijoSi,j
ylaubicacinjtieneunacapacidadmximadeBj

Sea Xij 1 si i est asignado a j, 0 e.o.c.


Funcin Objetivo:

Cij Xij
i

s.a.
Xij 1, i
j

D epartamento, i
1: Ropa
2: Computacin
3: Juegos
4: Libros

Sij Xij Bj, j


i

Xij 0 1, i,j

C lientes en C omn
1
2

5
2
7

5
3
8

2
3

7
8
3

ProblemadelVendedorViajero
Idea:Largomnimodelarutavisitandocadapuntounasolavez
TSPsimtrico:Siladistanciaocostodepasardesdecualquierpuntoiaotrojesla
mismadistanciadesdejai.SinoserunTSPasimtrico.
ModeloparaunTSPsimtrico:
SeaXi,j=1silarutaincluyelasecuenciadeiiraj,0e.o.c.Parai<j

Min Di,j Xi,j


i

j i

s.a
Xj,i Xi,j2 , i
ji

ji

ProblemadelVendedorViajero
ModeloparaunTSPsimtrico:

Min Di,j Xi,j


i

ji

s.a

Xj,i Xi,j2 , i
ji


iS j S, ji

Xi,j

ji

Xi,j2 , subconjunto S, S 3

i S jS, ji

Xi,j0 1, i; ji

ProblemadelVendedorViajero

1
1

1
0

1
1
0

1
1

1
0

Min 10 X1,21 X1,31 X1,51 X2,41 X2,6 10 X3,41 X3,51 X4,6 10 X5,6
X1,2 X1,3 X1,52 nodo 1
X1,2 X2,4X2,6 2 nodo 2
X1,3 X3,4 X3,52 nodo 3
X2,4 X3,4X4,6 2 nodo 4
X1,5X3,5 X5,6 2 nodo 5
X2,6 X4,6 X5,6 2 nodo 6

Problemadeasignacindehorarios

Elproblemadecrearunatabladeasignacindehorarios,fundamentalmente
consisteenplanificar:asignaturas,profesoresysalasenunnmerofijodeperodos
enloscualesningnprofesor,asignaturaosalaesutilizadoenmsdeunaoportuni

ProblemadelVendedorViajero
AspectosRepresentacin.
1.Tour:517894623
Representacin:(517894623)
Operador:PMX(PartiallyMappedCrossover)
P1:(123|4567|89)
P2:(452|1876|93)
i.(XXX|1876|XX)
(XXX|4567|XX)
ii.Sinconflictos
(X23|1876|X9)
(XX2|4567|93)
iii.Cambios
(423|1876|59)
(182|4567|93)

ProblemadelVendedorViajero
AspectosRepresentacin.
2.Listareferencia(123456789)
Tour:124385967
Representacin:(112141311)
P1:(1121|41311)
P2:(5155|53321)
i.Padres
(124385967)
(517894632)
ii.Hijos
(124397865)
(517862934)

ProblemadeTransporte
AspectosRepresentacin.
1.Matricial
Padre1
10070
04000
21405DIVREM
006000023110111
0400000000
2.Cruzamiento1043201111
1030111000
Padre2
00503
04000REM1REM2
005701001000101
310020000000000
0010101010
0100010000
Hijo1Hijo2
1024100332
0400004000
1053311442
1130120301

ProblemadeTransporte
3.Mutacin
Padre1
10070
04000
2120510070
Hijo
0060002020
23005
1
00600

Idea:1.Seleccinaleatoriadenfilas{2,4}
Seleccinaleatoriademcolumnas
{2,3,5}
2.Preservacindelafactibilidad

You might also like