Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Integrantes:
Cristopher Alvear
Norma Contreras
Valentina Daz
Nicols Oate
Profesora: Virna Ortiz
7 de noviembre, 2014
Introduccin.
En el presente informe, se expondr el desarrollo de 2 problemas de programacin no lineal
mediante diversos mtodos algortmicos, y adems, se realizar un anlisis consistente
conjunto a grficas para representar el problema.
Para realizar el proceso de bsqueda y obtencin de las soluciones, utilizamos las
herramientas introducidas en la asignatura Investigacin Operativa 2, ya sea software o
algoritmos matemticos que nos permitan obtener resultados correctos y rpidamente.
En preciso, utilizamos los algoritmos de Lagrange y el teorema de Karush Kuhn Tucker
como herramientas de modelado y resolucin matemticas, mientras que para el
procesamiento automatizado de los modelos utilizamos el software Lingo, diseado para
resolver todo tipo de problemas relacionado con optimizacin, ya sea lineales, enteros, no
lineales, etc., adems del software Maple para realizar los clculos matemticos, y, por ltimo
para el graficado y detallado de la funcin objetivo utilizamos MatLab y WolframAlpha.
La idea fundamental es lograr formular, analizar y entender el problema y los resultados
obtenidos, para poder luego saber cmo aplicar stos en una solucin.
En general, el procedimiento a seguir es, formular el modelo matemtico, resolverlo e
interpretarlo. Para esto se debe reconocer las variables de decisin que intervienen en el
problema, la funcin que se desea optimizar, ya sea minimizar o maximizar, y las restricciones
a las cuales est sujeta sta.
Se puede observar que la funcin objetivo es la que nos entrega la utilidad de la empresa
en funcin de la cantidad (en millones) de barriles vendidos en el primer y segundo ao,
mientras que las restricciones son los lmites de presupuesto (250 millones) y cantidad de
barriles (20 millones) respectivamente.
Finalmente presionamos Solve para que Lingo nos entregara la solucin del problema, y
stos fueron los resultados:
Aqu se puede ver que, el ptimo encontrado por Lingo nos indica que para que la empresa
petrolfera pueda maximizar sus utilidades, debe extraer y vender 7.5 millones de barriles
el primer ao y 5.8 millones el segundo ao.
Tambin, Objetive value nos indica que en el ptimo, la empresa obtendr una utilidad de
214.5833 millones de euros por sus ventas.
Adems, en la columna Slack or Surplus, que en espaol significa Holgura o Exceso, nos
dice que la empresa se ahorr 125.6944 millones de euros en gastos operacionales, y
quedaron 6.6 millones de barriles sin extraer del mximo permitido.
Ahora bien, interpretando los costos reducidos, que se pueden definir como lo que
empeorar la funcin objetivo por cada unidad que aumente el trmino, independiente de la
restriccin, se puede ver claramente que son casi 0 para las 2 variables, por lo tanto, existe
un equilibrio entre costo y utilidad. No obstante, como stos son negativos, las variables
La grfica en 3D con MatLab, nos proporcion una idea de cmo se comporta en general la
funcin de utilidad que se necesita maximizar, adems, tambin utilizamos la herramienta
WolframAlpha para hacernos una mejor idea de la forma y sus curvas de nivel.
La grfica result ser un paraboloide, con un mximo de 482.5, cuando X1 tiene el valor de
29.5 y X2 es igual a 16.5.
Todo esto, claro, sin las restricciones, pero nos hace la idea que la grfica de por si posee una
cota superior, por lo tanto, a medida que la empresa venda ms barriles, aumentar su
utilidad, pero slo hasta ese lmite, ya que luego sta comenzar a disminuir.
12 + 222 250
1 + 2
20
Funcin Lagrangiana
(1 , 2 ) = ((1 (30 1 ) + 2 (35 2 ) 12 222 ) + 1 (12 + 222 250)
+ 2 (1 + 2 20))
Condiciones KKT
= 30 41 + 211 + 2 = 0
1
= 35 62 + 412 + 2 = 0
2
Condicin de factibilidad
(12 + 222 250) 0
(1 + 2 20) 0
Condicin de holgura
1 1 () = 1 (12 + 222 250) = 0
2 2 () = 2 (1 + 2 20) = 0
Condicin de signo
1 , 2 0
1 , 2 0
Problema 2 de KKT
Resolviendo el sistema anterior con Maple obtenemos los siguientes puntos. En la tabla se
tabula cada una delas restricciones evaluada en el punto correspondiente. Recuerde que las
s deben ser positivas y las restricciones deben cumplirse (gi 0):
Anlisis.
En general, los mtodos que utilizamos para resolver los problemas presentados en este
informe fueron 2; las condiciones de Karush Kuhn Tucker que bsicamente es un modelo y
algoritmo matemtico el cual retorna la solucin ptima del problema y Lingo, Maple y Solver
de Excel, que son software completamente automatizado, al cual se le ingresa la funcin a
optimizar y las restricciones y entrega la solucin de una manera mucho ms rpida, eficiente
y segura.
Respecto a los problemas resueltos, cabe destacar que es muy importante conocer y saber
cmo aplicar la investigacin operativa a ste tipo de situaciones, ya que son muy
comunes en la realidad, y que, al analizar, interpretar y aplicar correctamente las
soluciones pueden resultar en una ayuda inmensa para el ptimo desarrollo del proceso
que se est llevando a cabo, como en el caso de la extraccin petrolfera, dnde mediante la
solucin, la empresa puede saber cunto exactamente extraer y vender de millones de barriles
en cada ao.
Aqu es donde se genera otra gran utilidad de saber aplicar estos mtodos eficientemente, y
es que, al obtener cada uno de los resultados a stos problemas, podemos generar una
previsin de lo que suceder si tomamos tales acciones o no, con cierta probabilidad
(ajustndose a la exactitud del modelo matemtico), lo que nos ayuda a tomar ms acertadas
y rpidas decisiones en el presente, para llegar a ese futuro que deseamos.
Conclusin.
Debido a que en este informe estudiamos 2 problemas de programacin no lineal, en donde
se utilizaron diversos mtodos para encontrar las soluciones a estos problemas, tales como el
teorema del KKT (Karush Kuhn Tucker) y los algoritmos de Lagrange, adems de utilizar
algunos mtodos matemticos que no pueden faltar para encontrar la solucin ms ptima.
Tambin se aprendi a utilizar un software que sirve para realizar los procedimientos ms
rpidos y automatizados, este software se llama Lingo, aunque igual se utilizaron otras
herramientas como Matlab y y WolframAlpha.
En conclusin luego de haber realizado todo el procedimiento correspondiente obtuvieron los
siguientes resultados:
Para el primer problema se resolvi con el programa de Lingo y con el mtodo de KKT y
aunque al principio se concluy que estaba errneo al comparar ambos resultados
observamos que eran los mismos resultados por consiguiente concluimos que este
problema se poda resolver con los dos mtodos.
10
Por otra parte con respecto al segundo problema que consista en buscar un problema del tipo
KKT se resolvi en Maple, donde luego se tabularon las restricciones evaluadas y se
conserv como solucin la que cumpla con todas estas restricciones. Por lo cual se obtuvieron
los siguientes resultados: x1 = 4.125 y x2 = 13.125 con una evaluacin de 340.21875.