recoleccion de datos
Matemática
“
Las proposiciones matemáticas, en cuanto tienen que ver con la realidad, no son ciertas;
y en cuanto que son ciertas, no tienen nada que ver con la realidad ” A. Einstein
1
jpgarcia@omp.upv.es
10/03/2011
Modelos de Programación Matemática
Una clasificación de los modelos de Programación
Matemática podría tener en cuenta las siguientescaracterísticas:
2
Estructura objetivos y restricciones (lineal o no lineal)
Características de las Variables (Reales, Discretas -enteras-,
Binarias)
Certidumbre de los Parámetros (Ciertos e Inciertos)
Número de Objetivos (Ninguno, Uno o más de Uno)
Número de Restricciones (Ninguna, Más de Cero)
jpgarcia@omp.upv.es
10/03/2011
Pasos en la Construcción de unModelo de
Programación Matemático
Análisis de Problema
Conjuntos de Datos, y por tanto de Índices
Parámetros
Objetivo
Variables de Control
Variables de Decisión
Restricciones
Más Variables de Control
Modelo Completo
Validación
3
jpgarcia@omp.upv.es
10/03/2011
Validaciones de los Modelos
Validación del Modelo
ModelosIncompatibles
Modelos no acotados
Modelos Resolubles
Resultados Lógicos
Comparación con resultados reales
Modificación de Coeficientes en la función objetivo
Cómo construir un buen modelo
4
Facilidad para entender el modelo
Facilidad para detectar errores en el modelo
Facilidad para computar la solución
jpgarcia@omp.upv.es
10/03/2011
ProgramaciónLineal
Se denomina Programación Lineal a aquel problema definido
por un objetivo y un conjunto de restricciones, en los que
cada una de ellas es una función lineal de variables reales.
Algunos de los problemas clásicos de Programación Lineal son:
Blending (Mezcla).
Product Mix (Catálogo de Productos).
Decisión de Inversiones.
Problema del Transporte
min ci xi
is.a.
a
i, j
·xi b j
i
xi 0
http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/intro.html
5
jpgarcia@omp.upv.es
10/03/2011
Interpretación y Uso de la Solución de un
Modelo de Programación Lineal
Interpretaciones Económicas
El Modelo Dual
Precios Sombra
Costes Reducidos
Análisis de Sensibilidad y Estabilidad de un Modelo
6
Rangos en las restricciones
Rangos en el objetivo
Modelos Estables
jpgarcia@omp.upv.es
10/03/2011
Programación Entera
Programación Entera se produce cuando el dominio de las variables no es real sino discreto.
Diferentes áreas dónde se aplica la PE
Problemas con inputs o outputs discretos
Problemas con condiciones lógicas
Problemas decombinatorias
Problemas No-Lineales
Problemas de Redes
El uso de variables discretas
Problema 1
( x1 , x2 , x3 ) (1.1428,0,3)
z 14.2857
( x1 1)
( x1 2)
Subproblema 2
( x1 , x2 , x3 ) (1,1.5,2.667 )
Subproblema 3
z 2 14.1667
( x3 2)
No factible
( x3 3)
Cantidades indivisibles
Variables de decisión
VariablesIndicadoras
En programación lineal cuantas más restricciones, en general, peor.
En programación Entera cuantas más restricciones en general mejor.
7
Subproblema 4
( x1 , x2 , x3 ) (0.714,1.5,2)
z 4 9.42857
jpgarcia@omp.upv.es
Subproblema 5
( x1 , x2 , x3 ) (1,0,3)
z5 14
10/03/2011
Programación No-Lineal
Objetivos y Restricciones No Lineales
Economías de Escala y Elasticidad de Precios
Relaciones entre variables
Funciones y Regiones Convexas
Región Convexa: Región del espacio entre el segmento que une dos puntos cualesquiera
está en la región
Función Convexa: Una función es convexa si el conjunto de puntos (x,y) donde y f(x)
forma una región convexa
Modelo de PM convexo: Se dice que un modelo de Programación...
Regístrate para leer el documento completo.