Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimizacion de
modelos lineales
Introduccion
Modelizacion y ejemplos: planicacion nanciera, determinacion del
marketing-mix, logstica, planicacion de la produccion, mezcla de
recursos...
Resolucion del problema: herramientas informaticas
Analisis economico de la solucion: precios sombra y costes reducidos
Analisis de sensibilidad
1- Opt. Lineal
2.1. Introducci on: Programacion Lineal
La Programacion Lineal estudia la optimizacion (maximizacion o mini-
mizacion) de una funcion lineal en presencia de restricciones lineales de
igualdad y/o desigualdad.
Es una de las herramientas mas importantes en la gestion y asignacion
de recursos.
Se trata de asignar o localizar un numero de recursos limitados, entre
diversas actividades.
Se busca la solucion que mejor valor tenga para la funcion objetivo y, a
su vez, verique todas las restricciones impuestas al modelo.
2- Opt. Lineal
2.1. Introducci on: Programacion Lineal
Tiene su origen en 1947, cuando Dantzig formula por primera vez el
modelo de Programacion Lineal y propone el algoritmo del simplex para
su resolucion
(Dantzig cita como antecedentes los trabajos pioneros de L. Kantorovich,
F.L. Hitchcock, W. Leontief y J. von Neumann).
Dantzig trabajaba como consejero matematico de los controladores de la
Fuerza Aerea de Estados Unidos y se le pidio que mecanizara el proceso
de planicacion.
Dantzig desarrollo un mecanismo de planicacion para un programa
temporal de despliegue, entrenamiento y abastecimiento logstico.
3- Opt. Lineal
2.1. Mas informacion y recursos en. . .
Pagina web del Profesor Hossein Arsham (Merrick School of Busi-
ness, University of Baltimore). Tiene un link a una version en castel-
lano.
http://home.ubalt.edu/ntsbarsh/Business-satat/opre/partVIII.htm
Wikipedia en ingles:
http://en.wikipedia.org/wiki/Linear_programming
4- Opt. Lineal
2.2. Ejemplos
Modelado de Sistemas
5- Opt. Lineal
2.2. Ejemplo 1
Una fabrica de cerveza produce dos tipos: rubia y negra. Las tecnologas
de produccion para cada una de ellas son muy distintas.
La fabrica debe decidir cuantos litros de cerveza debe producir semanal-
mente teniendo en cuenta que 1000 litros de cerveza rubia se venden a
100 euros y 1000 litros de cerveza negra a 125 euros.
Para producir 1000 litros de cerveza rubia (negra) se necesitan 3 (5)
empleados. La fabrica solo dispone de 15 empleados.
La compra de materias primas supone para el fabricante un precio de 90
euros (85 euros) por cada 1000 litros de cerveza rubia (negra) y dispone
de 350 euros semanales para este concepto.
El problema que se plantea la gerente de la fabrica es determinar cuantos
litros de cerveza debe producir teniendo en cuenta las condiciones ante-
riores.
6- Opt. Lineal
2.2. Ejemplo 1 (cont.)
Los elementos que tenemos en el problema son:
Productos benecio coste mano obra
C. Rubia 100 90 3
C. Negra 125 85 5
Recursos lmites
Dinero 350
Trabajadores 15
7- Opt. Lineal
2.2. Ejemplo 1 (cont.)
Las posibles decisiones que puede tomar son:
x
1
= litros de cerveza rubia (en miles).
x
2
= litros de cerveza negra (en miles).
Restricciones:
No emplear mas empleados de los 15 disponibles:
3x
1
+5x
2
15
No superar el presupuesto en la compra de materias primas:
90x
1
+85x
2
350
La produccion es positiva: x
1
, x
2
0
Objetivo: maximizar el benecio obtenido: max 100x
1
+125x
2
Solucion optima: x
1
= 2,4359 y x
2
= 1,5385 con un benecio de
435.8984 euros.
8- Opt. Lineal
2.2. Ejemplo 1. Elementos del problema
max 100x
1
+ 125x
2
s.a. 3x
1
+ 5x
2
15 (trabajadores)
29x
1
+ 85x
2
350 (presupuesto)
x 0.
Se distinguen los siguientes elementos en un problema de programacion
lineal:
Funcion objetivo.
Restricciones:
Matriz de restricciones
Vector del lado derecho.
Restricciones de no negatividad.
Region factible.
9- Opt. Lineal
2.2. Ejemplo 2 [Metodos Matematicos para la economa. J Borrell]
Una empresa minera produce lignito y antracita.
Puede vender toda la produccion que obtenga de ambos minerales con
un benecio unitario de 24 y 18 euros por tonelada vendida, respectiva-
mente.
El proceso de produccion esta dividido en tres fases:
1. primero se corta el mineral,
2. despues se procede al tamizado y a la seleccion,
3. y por ultimo se produce el lavado.
10- Opt. Lineal
2.2. Ejemplo 2 (cont.)
La produccion requiere del uso de maquinaria.
Las necesidades en cada una de las tres fases durante los tiempos y la
disponibilidad maxima de cada tipo de maquinas son:
Corte Tamizado Lavado
Lignito 3 3 4
Antracita 4 3 2
Disponibilidad maxima 12 10 8
Si el objetivo de la empresa minera es maximizar su benecio, cuantas
toneladas de cada clase de carbon debe producir al da?
La respuesta a esta pregunta se obtiene resolviendo un problema de
programacion lineal.
11- Opt. Lineal
2.2. Ejemplo 2 (cont.)
Elementos:
Conjuntos:
Productos: Lignito y antracita.
Procesos (recursos): corte, tamizado y lavado.
Parametros:
Benecio neto y unitario por producto (euros).
Consumo de cada recurso por cada tonelada de carbon producida
(horas).
Disponibilidad de cada recurso (horas).
12- Opt. Lineal
2.2. Ejemplo 2 (cont.)
Variables de decision
Para cada producto: cantidad de toneladas producidas:
x
1
: cantidad de lignito.
x
2
: cantidad de antracita.
Restricciones
Lmites en el uso de los recursos
13- Opt. Lineal
2.2. Ejemplo 2 (cont.)
Para encontrar la solucion a la pregunta planteada, la directora de pro-
duccion de la empresa minera debe resolver el siguiente problema de
programacion lineal:
max 24x
1
+ 18x
2
s.a. 3x
1
+ 4x
2
12,
3x
1
+ 3x
2
10,
4x
1
+ 2x
2
8,
x 0,
Solucion optima
Producir x
1
= 0,8Tn de lignito y x
2
= 2,4Tn de antracita, con un
benecio de 62.4.
14- Opt. Lineal
2.2. Asignaci on y Distribucion de Recursos
Los ejemplos anteriores son todos problemas de Asignacion y distribu-
cion de recursos:
Problemas en los que se trata de asignar o localizar un numero de
recursos, siempre limitados, entre diversas actividades.
En estos problemas se plantea un conicto entre la funcion objetivo, que
cuantica el benecio derivado de cada asignacion, y las restricciones,
que establecen los lmites a las asignaciones posibles.
Se busca la solucion que mejor valor tenga para la funcion objetivo y, a
su vez, verique todas las restricciones impuestas al modelo.
15- Opt. Lineal
2.2. Ejemplo 3: Problemas de mezclas
Uno de los campos donde mas se ha aplicado la Programacion Lineal es
en el de la planicacion optima de la mezcla de productos a fabricar.
El problema consiste en determinar como combinar diversos productos
de manera que la mezcla resultante contenga una serie de constituyentes
en ciertas cantidades jas minimizando el costo nal de la mezcla.
Hay que determinar la cantidad de materia prima a comprar/producir,
as como la proporcion de cada materia prima en cada producto nal.
Todo ello, teniendo en cuenta las caractersticas tecnicas del producto
nal, las materias primas disponibles y sus componentes tecnicos.
Este tipo de problemas se aplica en diversos campos industriales, como
son las industrias de la alimentacion, ganadera, farmaceutica, qumica,
siderurgica o petrolfera, y tambien en la determinacion del marketing-
mix.
16- Opt. Lineal
2.2. Ejemplo 3. Problemas de mezclas
Las limitaciones que suelen aparecer vienen dadas por:
Garanta mnima relativa
Costos jos de produccion
Numero maximo de ingredientes
Ingredientes sustitutivos
Procesos sustitutivos
Proporciones de mercado
Proporciones en caractersticas tecnicas
Tarifas de precios
17- Opt. Lineal
2.2. Ejemplo 3. Campanas publicitarias
Aplicacion de la PL al Marketing (ver http://home.ubalt.edu/ntsbarsh/
Business-satat/opre/partVIII.htm)
Se puede utilizar la programacion lineal para determinar el mix adecua-
do de medios de una campana de publicidad. Supongase que los medios
disponibles son radio, television y diarios. El problema es determinar cuantos
avisos hay que colocar en cada medio. Por supuesto que el costo de colo-
cacion de un aviso depende del medio elegido. El objetivo es minimizar el
costo total de la campana publicitaria, sujeto a una serie de restricciones.
Dado que cada medio puede proporcionar un grado diferente de exposicion a
la poblacion objetivo, puede haber una cota inferior con respecto a la exposi-
cion de la campana. Asimismo, cada medio puede tener distintos ratings de
eciencia para producir resultados deseables y por consiguiente puede haber
una cota inferior con respecto a la eciencia. Ademas, puede haber lmites
con respecto a la disponibilidad para publicar en cada medio.
18- Opt. Lineal
2.2. Ejemplo 3. Campanas publicitarias
Para comercializar un nuevo producto, una empresa dispone de 100000
euros/semana para gastos de publicidad.
Su producto se puede anunciar en 4 medios:
TV, Prensa, Radio e Internet.
Los potenciales clientes semanales del producto en cada aunucio y
medio son:
5000, 8500, 2400, 2800, resp.
El coste semanal de cada anuncio en cada medio es:
600, 925, 290, 380, resp.
Cada medio impone a la compana un maximo de anuncios semana-
les: 30, 60, 60, 80, resp.
Como puede la compana repartir su presupuesto publicitario para
conseguir la maxima audiencia (clientes)?
19- Opt. Lineal
2.2. Ejemplo 3. Campanas publicitarias (cont.)
El problema consiste en encontrar, para cada medio, el numero de
anuncios a publicitar: x = (x
1
, x
2
, x
3
, x
4
) de forma que se alcance la
maxima audiencia:
maximizar 5000x
1
+8500x
2
+2400x
3
+2800x
4
sujeto a 600x
1
+925x
2
+290x
3
+380x
4
8000
0 x
1
30, 0 x
2
60, 0 x
3
60, 0 x
4
80
Solucion: publicitar cada semana 30 anuncios en TV, 60 anuncios
en Prensa, 60 en Radio, y 24 en Internet.
20- Opt. Lineal
2.2. Ejemplo 4
Una empresa elabora un cierto alimento renando diferentes tipos de
aceite y mezclandolos.
Los tipos de aceite se clasican en dos categoras: vegetales (VEG1 y
VEG2) y no vegetales (OIL1, OIL2 y OIL3).
Dependiendo del tipo de aceite, vegetal o no vegetal, se requieren difer-
entes lneas de produccion para el reno del aceite.
En un mes, la capacidad maxima de reno es de 200 Tn de aceite
vegetal y 250 Tn de no vegetal.
Se puede asumir que el coste de reno es nulo y que durante el proceso
no se producen perdidas de peso.
21- Opt. Lineal
2.2. Ejemplo 4 (cont.)
Por restricciones tecnologicas, la dureza del producto nal debe estar
entre 3 y 6 unidades.
Se puede asumir que la dureza se mezcla linealmente. Esto es, la dureza
nal es la media ponderada de la dureza de los distintos aceites utilizados
en la mezcla.
La dureza (por tonelada) de cada uno de los aceites, as como su coste
(por tonelada) de produccion, son los que aparecen en la siguiente tabla
VEG1 VEG2 OIL1 OIL2 OIL3
Coste 110 120 130 110 115
Dureza 8.8 6.1 2.0 4.2 5.0
Cada tonelada de producto nal se vende a un precio de 150 u.m..
Para determinar como ha de hacer su produccion de manera que obtenga
el mayor benecio neto posible, la empresa debe resolver un problema
de programacion lineal continua.
22- Opt. Lineal
2.2. Ejemplo 4 (cont.)
Elementos:
Conjuntos:
Aceites vegetales: VEG1 y VEG2
Aceites no vegetales: OIL1, OIL2 y OIL3.
Parametros:
Para cada aceite original: coste y dureza.
Para la mezcla nal: benecio y lmites para la dureza.
Capacidad de reno total de tipo de aceite, vegetal y no vegetal.
23- Opt. Lineal
2.2. Ejemplo 4 (cont.)
Variables
x
1
, x
2
, x
3
, x
4
, x
5
: cantidad de cada aceite utilizada en la mezcla.
Funcion objetivo
max 40x
1
+30x
2
+20x
3
+40x
4
+35x
5
Restricciones
x
1
+x
2
200
x
3
+x
4
+x
5
250
3
8,8x
1
+6,1x
2
+2,0x
3
+4,2x
4
+5,0x
5
x
1
+x
2
+x
3
+x
4
+x
5
6
Solucion optima
x
1
= 159,2593, x
2
= 40,7407, x
3
= 0, x
4
= 250, x
5
= 0
Produccion total: 450 toneladas. Benecio: 17592.59.
24- Opt. Lineal
2.2. Ejemplo 4 (cont.)
Si se imponen las siguientes condiciones adicionales al problema:
(i) El alimento nal no puede contener mas de tres tipos de aceite
diferentes.
(ii) Si el producto nal contiene un cierto tipo de aceite, debe contener
al menos 20 toneladas del mismo.
(iii) Si la mezcla contiene algun tipo de aceite vegetal (VEG1 o VEG2),
entonces tambien debe contener aceite no vegetal de tipo 3 (OIL3).
Entonces, el problema a resolver es ahora uno de programacion entera
mixta.
25- Opt. Lineal
2.2. Ejemplo 5: Planicacion de encuestas
Una empresa quiere realizar una encuesta telefonica para una inves-
tigacion en marketing.
Para obtener resultados estadsticamente signicativos, debe obtener
respuesta de al menos 150 maridos, 120 esposas, 100 solteros y 110
solteras.
Las llamadas se pueden hacer en horario de manana (a un coste de
2 euros/llamada) o de tarde (a un coste de 5 euros/llamada).
26- Opt. Lineal
2.2. Ejemplo 5: Planicacion de encuestas (cont.)
El porcentaje de exito (en%) para obtener respuesta es el siguiente:
Tipo persona Porcentaje manana Porcentaje tarde
Maridos 30 30
Esposas 10 30
Solteros 10 15
Solteras 10 20
Ninguno 40 5
Ademas, por razones de personal, al menos la mitad de las llamadas
deben realizarse en el turno de tarde.
Para recomendar a la empresa una estrategia para que realice la
encuesta de forma satisfactoria con el menor coste posible se resuelve
un problema de programacion lineal.
27- Opt. Lineal
2.2. Ejemplo 6. Problema del transporte
Uno de los modelos mas usados en logstica es el modelo del transporte.
Una empresa dispone de 2 centros de produccion que fabrican un determinado
producto. Este producto debe ser transportado a 3 centros de demanda (merca-
dos).
Transportar la mercanca de una fabrica a un mercado tiene un determinado precio:
90 euros por unidad transportada y 100 Km. recorridos.
A continuacion se suministran las distancias, d
ij
, entre los centros de produccion y
los mercados (en cientos de Km.), la cantidad maxima producida en cada centro,
y la cantidad demandada en cada mercado:
distancia M1 M2 M3 oferta
P1 2.5 1.7 1.8 350
P2 2.5 1.8 1.4 600
demanda 325 300 275
Como se debe transportar la mercanca de forma tal que se minimice
el coste total del envo?
28- Opt. Lineal
2.2. Ejemplo 6. Problema del transporte (cont.)
Variables de decision (cantidad a transportar de produccion a mer-
cado): x
11
, x
12
, . . . , x
23
(6 decisiones)
Objetivo (minimizar el coste total): (90 2,5)x
11
+ (90 1,7)x
12
+
(90 1,4)x
23
Restricciones (demanda en cada mercado):
x
11
+x
21
325
x
12
+x
22
300
x
13
+x
23
275
Restricciones (lmite de produccion, oferta, en cada planta):
x
11
+x
12
+x
13
350
x
21
+x
22
+x
23
600
Restricciones (lmites tecnico):
todas las variables 0.
29- Opt. Lineal
2.2. Ejemplo 7. Compana PEC
E
La compana PEC