0% encontró este documento útil (0 votos)
16 vistas16 páginas

Aplicaciones del Problema del Agente Viajero

El documento detalla el diseño de la Unidad 4 del curso de Modelación Matemática, enfocándose en el Problema del Agente Viajero (TSP) y sus aplicaciones. Se establecen competencias específicas y genéricas, así como indicadores de evaluación y metodología para el aprendizaje. Además, se presentan actividades y entregables que los estudiantes deben completar para demostrar su comprensión del tema.
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Temas abordados

  • Recursos Bibliográficos,
  • Ejemplo de TSP,
  • Optimización de Costos,
  • Problema del Agente Viajero,
  • Competencias Específicas,
  • Técnicas de Modelamiento,
  • Aplicaciones del TSP,
  • Programación Lineal,
  • Matriz de Distancias,
  • Funciones Objetivo
0% encontró este documento útil (0 votos)
16 vistas16 páginas

Aplicaciones del Problema del Agente Viajero

El documento detalla el diseño de la Unidad 4 del curso de Modelación Matemática, enfocándose en el Problema del Agente Viajero (TSP) y sus aplicaciones. Se establecen competencias específicas y genéricas, así como indicadores de evaluación y metodología para el aprendizaje. Además, se presentan actividades y entregables que los estudiantes deben completar para demostrar su comprensión del tema.
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Temas abordados

  • Recursos Bibliográficos,
  • Ejemplo de TSP,
  • Optimización de Costos,
  • Problema del Agente Viajero,
  • Competencias Específicas,
  • Técnicas de Modelamiento,
  • Aplicaciones del TSP,
  • Programación Lineal,
  • Matriz de Distancias,
  • Funciones Objetivo

Diseño de Unidad de Curso Académico

NOMBRE DEL CURSO:


MODELACIÓN MATEMÁTICA
DESARROLLADOR DE CONTENIDO:
ISAAC HUERTAS FORERO
UNIDAD 4/4

Página 1 de 16
Diseño de Unidad de Curso Académico

Información del Curso


Facultad Posgrados
Programa Especialización en Logística
Nombre del Curso Académico Modelación Matemática
Área Profesional
Componente Operativo
Número de Semanas 1
Nombre del Docente Isaac Huertas Forero
Correo electrónico isaachuertasf@[Link]

Unidad # 4
OTRAS APLICACIONES

1. Introducción

Después de formular y resolver modelos tradicionales vistos en los capítulos anteriores, se quiere
que el estudiante empiece a explorar otros tipos de modelos como el problema del agente viajero
(TSP), el cual consiste en hallar el recorrido más corto (cerrado) en una situación de n ciudades,
donde cada ciudad es visitada solo una vez antes de regresar al punto de partida.

“En realidad, las aplicaciones del TSP van más allá de la definición clásica de visitar ciudades”. Se
pueden resumir otras aplicaciones como: secuencia de pinturas en una planta de producción,
agrupamiento de proteínas, creación de la mona Lisa entre otros.

2. Competencias

Competencias Específicas:

Competencia 1: Analiza características, variables y parámetros determinantes de cualquier tipo de


empresa que mida (costos, tiempos, lugar, cantidad, capacidades, modos y medios entre otros)
asociados a un sistema de desigualdades o igualdades lineales para obtener un óptimo resultado;
para luego realizar un análisis de sensibilidad para lograr aplicar la mejor decisión aplicando el
modelamiento matemático.

Competencia 2: Describe problemas y situaciones de empresas de los diferentes sectores,


plantea alternativas de acción de manera estratégica, táctica y operativa, incorporando
modelamiento matemático. desde una perspectiva integral (técnica [calidad, costos, servicio],
financiera, económica, social, ambiental) para beneficio de la comunidad en general.

Competencia 3: Implementa procesos y sistemas logísticos innovadores (almacenamiento,


abastecimiento, distribución) con base en técnicas y modelos, incluyendo gestión de información y
TICs para lograr un aumento de la competitividad y productividad en el modelamiento matemático.

Página 2 de 16
Diseño de Unidad de Curso Académico

Competencias Genéricas:

- Autogestión de la formación.
- Comunicación oral y escrita.
- Comunicación oral y escrita en una segunda lengua.
- Trabajo en equipo y liderazgo.
- Gestión de la información y del conocimiento.
- Resolución de problemas con base en las matemáticas.
- Emprendimiento.
- Investigación.
- Gestión de la calidad.

3. Saberes

Saberes
Conceptuales Procedimentales Actitudinales

UNIDAD 4: OTRAS Realiza trabajos individuales Revisa el cronograma de trabajo del


APLICACIONES sobre investigaciones acerca de curso y cumple con los horarios y
4.1. Problema del Agente temáticas del curso propuestas fechas establecidos para las
Viajero (TSP). por el docente. diferentes actividades dispuestas
4.1.1. TSP de recorrido para el mismo, de manera
abierto. Participa en el desarrollo de chats responsable y puntual.
4.1.2. TSP exacto. según el cronograma del curso.
Revisa periódicamente las
observaciones enviadas por el
docente y expone sus ideas frente a
las mismas, de manera respetuosa.

Consulta el material referenciado


para el curso de manera honesta y
respetuosa.

Realiza consultas acerca de


inquietudes y solicita aclaraciones
sobre los temas del curso al docente,
de manera respetuosa y oportuna.

Desarrolla las actividades


académicas dispuestas para el
curso, de manera eficiente y precisa.

Actúa con puntualidad en la entrega


de informes.

Presenta interés y habilidad para


realizar informes donde plasma el
análisis de casos relacionados con
su área de desempeño profesional.

Respeta los derechos de autor, a


través del uso adecuado de las

Página 3 de 16
Diseño de Unidad de Curso Académico

referencias bibliográficas.

4. Indicadores de evaluación de desempeño:

Se han establecido los siguientes indicadores para evaluar el desempeño del estudiante en la
segunda unidad del curso:

- Formular y resolver problemas de los diferentes sectores de la economía.


- Aplicar las técnicas de solución utilizando herramientas manuales y tecnológicas para mayor
comprensión de los conceptos utilizados en el pregrado.
- Análisis y aplicación de escenarios para una toma de decisiones.

5. Metodología

La metodología se desarrollará a través de una pedagogía activa, realizando actividades que le


permitirán al estudiante adquirir las competencias planteadas para la unidad. Para lograrlo, el
estudiante deberá realizar las siguientes actividades propuestas por el docente:

Evaluación Final: El estudiante debe resolver un temario de soluciones múltiples, que consiste en
seleccionar la respuesta correcta de varias alternativas dadas, acerca de la totalidad de los
saberes estudiados en el curso de modelación matemática.

Autoevaluación: Cada estudiante debe resolver el cuestionario de autoevaluación, diseñado por


el docente con el fin de que los estudiantes reflexionen acerca de su desempeño en el curso.

Chats: El estudiante se encontrará con el docente en tiempo real, según el horario establecido en
el cronograma del curso, con el objeto de realizar consultas y despejar dudas sobre los temas
propios de la unidad. No es calificable.

Página 4 de 16
Diseño de Unidad de Curso Académico

6. Plan de actividades

Semana Nombre de la Descripción de la actividad Recursos / materiales Producto y


Actividad lugar de
publicación o
entrega
3 Evaluación El estudiante debe resolver un BIBLIOGRAFÍA Evaluación
Final temario de soluciones  Hamdy Taha, Introducción a final resuelta
múltiples, que consiste en la Investigación de en la
seleccionar la respuesta Plataforma
Operaciones. Novena edición.
UDI Virtual.
correcta de varias alternativas 2010.
dadas, acerca de la totalidad  Frederick S. Hiller, Gerald J.
de los saberes estudiados en Liebermann. Introducción a la
el curso de modelación Investigación de Operaciones.
matemática. Novena Edición. 2010.
 K. Roscoe Davis, Patrick G.
Mckeown, Modelos
cuantitativos para la
Administración, 1986.

3 Autoevaluación Cada estudiante debe No se sugieren fuentes de consulta Cuestionario


resolver el cuestionario de porque el resultado dependerá de la resuelto en la
autoevaluación, diseñado por reflexión realizada por el estudiante Plataforma
el docente con el fin de que UDI Virtual.
acerca de su desempeño en el
los estudiantes reflexionen curso.
acerca de su desempeño en
el curso.
3 Chats El estudiante se encontrará BIBLIOGRAFÍA Encuentros
con el docente en tiempo real,  Hamdy Taha, Introducción a con el docente
según el horario establecido la Investigación de en tiempo
en el cronograma del curso, real, por
Operaciones. Novena edición.
medio del
con el objeto de realizar 2010. enlace de la
consultas y despejar dudas  Frederick S. Hiller, Gerald J. actividad en la
sobre los temas propios de la Liebermann. Introducción a la Plataforma
unidad. Investigación de Operaciones. UDI Virtual.
Novena Edición. 2010.
 K. Roscoe Davis, Patrick G.
Mckeown, Modelos
cuantitativos para la
Administración, 1986

Página 5 de 16
Diseño de Unidad de Curso Académico

7. Producto o Entregable final de la unidad

Se consideran entregables para esta unidad los siguientes productos:

- Evaluación final resuelta en la Plataforma UDI Virtual.


- Cuestionario de autoevaluación resuelto en la Plataforma UDI Virtual.

8. Estructura de Saberes

4. OTRAS APLICACIONES
4.1. Problema del Agente Viajero (TSP).
4.1.1. TSP de recorrido abierto.
4.1.2. TSP exacto.

Página 6 de 16
Diseño de Unidad de Curso Académico

9. Mapa conceptual

Página 7 de 16
Diseño de Unidad de Curso Académico

10. Desarrollo de Saberes

4. OTRAS APLICACIONES

4.1. PROBLEMA DEL AGENTE VIAJERO (TSP)

El problema TSP tiene que ver con hallar el recorrido más corto en una situación de n ciudades,
donde cada ciudad es visitada solo una vez antes de regresar al punto de partida. Este modelo se
define con dos puntos:

1. El número de ciudades n.
2. La distancia d_ij entre las ciudades i y j cuando i≠j y d_ij=∝ si i=j.

El máximo recorrido en una situación de n ciudades es (n-1)! , fuera de la definición clásica de


visitar ciudades, éste tiene diferentes aplicaciones en la vida real como por ejemplo en producción,
mantenimiento y visita a clientes entre otros casos.

El modelo TSP se define mediante n ciudades y la matriz de distancias. La definición de un


recorrido prohibe conectar una ciudad a sí misma al asignar una penalización muy alta en la
diagonal de la matriz de distancias. Un modelo TSP se dice simétrico si d_ij=d_ji de lo contrario es
asimétrico.

1 si se llega de la ciudad j desde la ciudad i


Define X_(ij )=
0 de lo contrario.

La función Objetivo:

Min Z = ∑_(i=1)^n▒∑_(j=1)^n▒d_ij X_ij ; si d_ij = ∞ para todo i=j.

Las restricciones:

∑_(i=1)^n▒Xij = 1, para todo i=1,2,3,4,….,n


∑_(i=1)^n▒Xij = 1, para todo j=1,2,3,4,…….,n
Si X_ij= (0,1) la solución forma un viaje redondo por las ciudades.

Página 8 de 16
Diseño de Unidad de Curso Académico

Ejemplo:

El programa de producción de una compañía incluye lotes de pinturas 1, 2, 3 y 4. Las instalaciones


de producción se deben limpiar entre uno y otro lote. La siguiente tabla muestra en minutos los
tiempos de limpieza; el objetivo es determinar la secuencia del número de pintura que minimice el
tiempo de limpieza total.

Limpieza entre lotes (minutos)

Pintura 1 2 3 4
1 10 17 15
2 20 19 18
3 50 44 22
4 45 40 20

Como es una matriz de orden 4, es decir 4 ciudades, se tendrían (4-1) Soluciones que serían 3 =
6 las cuales se podrían enumerar en forma exhaustiva debido a que el problema es pequeño, así:

Bucle de producción Tiempo de limpieza total


1-2-3-4-1 10+19+22+45 = 96
1-2-4-3-1 10+18+20+50 = 98
1-3-2-4-1 17+44+18+45 = 124
1-3-4-2-1 17+22+40+20 = 99
1-4-2-3-1 15+20+44+20 = 99
1-4-2-3-1 15+40+19+50 = 124

Cuya solución sería el bucle 1-2-3-4-1 para un tiempo de 96 minutos.

Utilizando la programación lineal el planteamiento matemático es el siguiente:

Función Objetivo:

Min Z = 10 + 17 + 15 + 20 + 19 + 18 + 50 + 44 + 22 +
45 + 40 + 20
Sujeto a:

+ + =1
+ + =1
+ + =1
+ + + =1
+ + + =1
+ + + =1
+ + + =1
+ + + =1
Si = (0,1) para todos los i y j.

Página 9 de 16
Diseño de Unidad de Curso Académico

A continuación el planteamiento en Winqsb:

X1 + X2 + X3 + X4 =1
X5 + X6 + X7 +X8 = 1
X9 + X10 + X11 + X12 = 1
X13 + X14 + X15 + X16 = 1
X1 + X5 + X9 + X13 = 1
X2 + X6 + X10 + X14 = 1
X3 + X7 + X11 + X15 = 1
X4 + X8 + X12 + X16 = 1

Para los = se tomó un valor de 100 se considera como un valor grande para solucionarlo.

La solución:

Página 10 de 16
Diseño de Unidad de Curso Académico

Si X2 es trasladarse de 1 a 2 y X5 trasladarse de 2 a 1 desde este momento se observa que no


recorre un solo sitio creando un recorrido (bucle) entre los 4 tipos de pintura, por tanto es una
solución QUE NO SE TIENE EN CUENTA y se considera como un TSP CERRADO.

4.1.1. TSP de recorrido abierto:

Para resolver este tipo de problemas se plantea un TSP de recorrido abierto, el cual ocurre cuando
no es necesario regresar a la ciudad de inicio como el caso del ejemplo; en esta condición de n
ciudades se agrega una pintura ficticia con costo 0, y la nueva matriz es la siguiente:

Pintura 1 2 3 4 5
1 10 17 15 0
2 20 19 18 0
3 50 44 22 0
4 45 40 20 0
5 0 0 0 0

Se realiza el planteamiento cuya función objetivo y restricciones se presentan en la siguiente tabla


del WINQSB:

Página 11 de 16
Diseño de Unidad de Curso Académico

Con solución:

Genera el siguiente recorrido X2 de 1 a 2; X9 de 2 a 4: X18 de 4 a 3; X15 de 3 a ficticia y X21 de la


ficticia a 1, se completa el bucle o recorrido con una duración de 48 minutos. Siendo lo mismo decir
que partimos de 1 a 2 a 4 a 3 se cierra el círculo y se pasa solamente por un puesto.

Nota: es importante observar que la solución óptima del recorrido abierto no puede obtenerse a
partir de la solución del recorrido cerrado óptima ( 1-2-3-4-1) de forma directa.

Página 12 de 16
Diseño de Unidad de Curso Académico

4.1.2. TSP Exacto

Para optimizar el problema se presenta un algoritmo TSP exacto, uno de sus métodos es el de
ramificación de acote quien garantiza optimabilidad, el cual se explica a continuación:

En el problema inicial del TSP cerrado se encontró que no existía un recorrido a cada una de las
ciudades (pinturas) sino dos caminos de 1 a 2 y de 2 a 1 y el otro de 3 a 4 y de 4 a 3, para
continuar se elabora la siguiente tabla:

Bucle de producción Tiempo de limpieza


1-2-1 10+20= 30
3-4-3 22+20= 44

De estos se selecciona el menor, es decir el bucle que suma 30 y se ramifica el problema uno
cuando X_12 = 0 luego el costo se vuelve infinito muy grande y el otro problema cuando X_21 = 0
y por supuesto su costo muy alto. Primero se resolverá el primero de ellos como se observa en la
siguiente tabla si el costo de d_12 = 100 (un valor alto).

La solución:

Página 13 de 16
Diseño de Unidad de Curso Académico

El bucle o recorrido es de 1-4-3-2-1 es completo y su mínimo tiempo es 99 minutos la limpieza.

A continuación se resuelve el segundo problema ramificado cuando = 0,

Se toma un valor del costo de = 100 un valor alto y se presenta en la siguiente tabla su
planteamiento y solución:

El bucle o recorrido completo es 1-2-3-4-1 con un mínimo tiempo de 90 minutos la limpieza., que
es la solución que se realizó en la enumeración exhaustiva siendo está la mejor.

En el caso que en alguna de las ramificaciones no se obtenga solución se realiza el procedimiento


de encontrar el bule de menor costo y se continúa la iteración hasta lograr soluciones de todos los
problemas ramificados.

Página 14 de 16
Diseño de Unidad de Curso Académico

Con el fin de ofrecerle a usted apreciado estudiante una información más detallada y que pueda
comprender mejor el tema, le invito a observar detenidamente el siguiente video sobre Modelación
Matemática, realizado por el autor del curso Isaac Huertas Forero.

NOTA PARA EL DISEÑADOR: Incluir aquí la reproducción del video denominado “Modelos
Matemáticos”

Video 7: Modelos matemáticos. Isaac Huertas Forero. Publicado en el Canal de YouTube de UDI
Virtual con propósitos académicos. Disponible en:
[Link]

Página 15 de 16
Diseño de Unidad de Curso Académico

11. Actividades de Aprendizaje

Nombre de la Descripción de la actividad Archivo del Formato anexo


Actividad
El estudiante debe resolver un 4.1. DiseñoPedagógicoActividadAulaVirtual
temario de soluciones múltiples, EVALUACION FINAL
que consiste en seleccionar la
EVALUACIÓN respuesta correcta de varias
FINAL alternativas dadas, acerca de la
totalidad de los saberes
estudiados en el curso de
modelación matemática.
Cada estudiante debe resolver el 4.2. DiseñoPedagogicoActividadAulaVirtual
cuestionario de autoevaluación, AUTOEVALUACION
AUTOEVALUA diseñado por el docente con el
CIÓN fin de que los estudiantes
reflexionen acerca de su
desempeño en el curso.
El estudiante se encontrará con 1.3. DiseñoPedagogicoActividadAulaVirtual
el docente en tiempo real, según CHAT
el horario establecido en el
CHAT cronograma del curso, con el
objeto de realizar consultas y
despejar dudas sobre los temas
propios de la unidad.

11. Recursos Bibliográficos

BIBLIOGRAFÍA

 Hamdy Taha, Introducción a la Investigación de Operaciones. Novena edición. 2010.


 Frederick S. Hiller, Gerald J. Liebermann. Introducción a la Investigación de Operaciones.
Novena Edición. 2010.
 K. Roscoe Davis, Patrick G. Mckeown, Modelos cuantitativos para la Administración, 1986

12. Glosario

Planteamiento: Formular el problema siguiendo los cuatro pasos; identificar las variables de
estudio, la función objetivo, restricciones y no negatividad.

Método Simplex: Tipo de solución del problema utilizando el método de Gauss Jordán.

Optimizar: Toda función lineal optimiza un beneficio ya sea de maximizar utilidades o minimizar
costos.

Tipos de Solución: Con base en la tabla final del método simplex identificar tipo de solución del
problema.

TSP: Problema del agente viajero.

Página 16 de 16

Common questions

Con tecnología de IA

The pedagogical approach in the course is structured around active learning techniques, including multiple-choice evaluations, self-assessment quizzes, real-time chats for doubt clearing, and project-based learning. These methods foster deep engagement with the material, encourage self-reflection, and promote higher-order thinking skills. Such a strategy ensures that students not only grasp theoretical concepts but also apply them to practical problems like the TSP, enhancing their comprehensive understanding and problem-solving abilities .

The primary components in formulating the TSP include the number of cities (n) and the distances (d_ij) between each pair of cities, with the condition d_ij=∞ for i=j to prevent self-loops. The TSP can be defined through a distance matrix, where the decision variable X_ij indicates if the path from city i to city j is used. The objective is to minimize the total travel distance (Min Z = ΣΣ d_ij X_ij) subject to constraints ensuring each city is visited once and returns to the original city, forming a tour. The methods used to solve the TSP include exact algorithms like the branch and bound method, particularly for small-size problems where exhaustive enumeration is possible .

Sensitivity analysis in the context of TSP involves evaluating how changes in variables such as distances or constraints affect the optimal solution. In this course framework, students are encouraged to use sensitivity analysis to understand the robustness of their solutions to the TSP, allowing them to identify which parameters are most critical. This enhances decision-making by highlighting the impacts of variable adjustments, thereby equipping students to handle dynamic and uncertain environments effectively .

The course emphasizes the role of technology and information management as critical to solving TSP and other logistical problems. By integrating information and communication technologies (ICT), students can access advanced tools for data analysis, modeling, and simulation, which streamline problem-solving processes. Leveraging software allows for handling larger datasets and more complex TSP instances efficiently, which increases operational competitiveness and productivity. This approach aligns with the broader objective of preparing students to address real-world challenges with innovative and effective solutions .

Adding a 'fictitious' city with zero-cost transitions in TSP problems introduces the concept of open tours, where the return to the starting city is not required. This modification expands the solution space by providing more flexibility in route design, potentially leading to new optimal solutions for minimizing travel cost or time. It allows examination of different problem scenarios, such as open-ended logistical routes, offering students a broader perspective on how TSP can be adapted to various real-world applications and constraints .

The intended learning outcome of engaging students in real-time chats as part of the problem-solving methodology for TSP is to enhance interactive learning and facilitate immediate feedback. It allows students to clarify doubts directly with instructors, fostering a deeper understanding of the material. This interaction supports the development of critical thinking skills and adaptability, as students are exposed to diverse perspectives on solving complex mathematical problems like the TSP .

The use of exact algorithms for solving TSP in educational settings offers significant benefits, such as guaranteeing optimal solutions and providing insight into problem structure and solution processes. However, challenges include the complexity of these algorithms, which may require significant computational resources, and their limited practicality for large-scale problems. In educational settings, these algorithms serve as valuable tools for understanding underlying mathematical principles and developing precision in analysis, despite potential difficulties in computation and scalability .

The 'painting sequence problem' illustrates a real-world application of TSP by framing the objective as minimizing total cleaning time between production batches. Each 'city' equates to a painting batch, and the cleaning times represent the distances. By applying TSP principles, the optimal sequence that minimizes the time taken for cleaning transitions is identified. This example demonstrates how TSP concepts can be applied beyond traditional city tours to industries like manufacturing, where efficiency in routing translates to cost savings and productivity enhancement .

The concept of 'multiple alternative solutions' in TSP enhances problem-solving skills by encouraging students to explore various routes and evaluate their efficiency and feasibility. This approach trains students to think critically about alternative methods and adapt solutions to diverse scenarios or constraints. It fosters resilience in decision-making and allows for the cultivation of strategic thinking skills, preparing students to handle complex, dynamic problems they may face in their professional careers .

The course on Mathematical Modelling aims to develop competencies such as analyzing business-related characteristics, developing action strategies through mathematical modelling, and implementing innovative logistical systems. Specific skills include problem-solving using linear inequalities, analyzing sensitivity for decision-making, and leveraging information technology to increase competitiveness and productivity. These competencies enable students to apply mathematical modelling to complex problems like the TSP, enhancing decision-making capabilities across various sectors .

También podría gustarte