Modelacin

Cristin Garca-Campo
Universidad de los Andes

Optimizacin
1 semestre 2017
Introduccin: El proceso de Modelacin
Contexto

Un modelo como una simplificacin de alguna realidad concreta orientada a

cumplir algn propsito. Para realizar un Modelo se deben seleccionar las
caractersticas ms relevantes de la realidad, pues normalmente no pueden
considerarse todos sus aspectos. Entre ms aspectos tenga un modelo es ms
complejo de entender e interpretar.

Generalmente hacemos modelos para Simplificar, Clarificar, Experimentar y

realizar anlisis metdicos entre otras cosas.

OptimizacinProf. Cristian Garca-Campo

Modelo de Programacin Matemtica
Contexto

En muchas ocasiones uno enfrenta problemas en que es necesario determinar

la mejor opcin dentro de un conjunto de alternativas disponibles. A esta
accin se le denomina Optimizar. Dentro del proceso de optimizar existen
algunos mtodos que son de mucha utilidad. Los mtodos de Programacin
Matemtica, se basan en la creacin de un modelo que represente el sistema
de inters para luego trabajar en torno a esta reduccin de la realidad, y as
facilitarla toma de decisiones.

OptimizacinProf. Cristian Garca-Campo

Modelacin
Contexto

Para construir un Modelo de PM generalmente se siguen los siguientes pasos:

1) Entender el Problema.

2) Definir las Variables.

3) Definir la Funcin Objetivo.

4) Definir las Restricciones.

5) Buscar la Soluciones.

6) Interpretar los resultados.

OptimizacinProf. Cristian Garca-Campo

Modelacin
Contexto

Un Modelo de PM se ve ms o menos as:

Variables:
:

Funcin Objetivo:
|

Sujeto a:
< > = 0 | .

OptimizacinProf. Cristian Garca-Campo

Modelacin
Pregunta

Suponga que Ud. tiene un fundo con las siguientes caractersticas:

1. El fundo tiene 120 hectreas.

2. Ud. est considerando la posibilidad de poner trigo, porotos, o una combinacin de ambos.
3. Ud. no dispone de trabajadores permanentes y debe contratarlos a 700 pesos por jornada.
4. El trigo requiere de 5 jornadas hombre por hectrea, porotos requieren de 10 jhh.
5. Ud. dispone de un tractor y no puede tomar en arriendo ni dar en arriendo el tractor. Esto le
impone un mximo de 300 jornadas-tractor para todo el ao. El trigo requiere de 3 JT/h, y los
porotos 5 JT/h.
6. Los costos por hectrea, sin contar la mano de obra, son de 50.000 pesos en el caso del trigo y
35.000 pesos en el caso de los porotos.
7. El precio por quintal de trigo es de 3.000 pesos y por quintal de porotos,4.000.
8. El rendimiento esperado por hectrea de trigo es de 60 quintales y de porotos es de 40 quintales.

El problema es determinar cuntas hectreas sembrar con cada cultivo para maximizar las
utilidades del fundo.

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

1) Consideremos primero las variables:

T: La cantidad de hectreas de trigo que plantaremos.

P: La cantidad de hectreas de trigo que plantaremos.

2) Y sabemos que queremos maximizar la utilidad del fundo, por lo que nuestra funcin objetivo
ser:

Max Utilidad = Max I-C

En este caso tenemos que:

I= 3000*60*T + 4000*40*P
C= 50.000*T + 35.000*P + 700*(5T + 10P)

Por lo tanto la funcin de Utilidad ser:

f(T, P) = 126.500*T + 118.000*P

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre
Finalmente tenemos las restricciones del problema que debemos poner el lenguaje matemtico:

1. El fundo tiene 120 hectreas.

3. Ud. no dispone de trabajadores permanentes y debe contratarlos a 700 pesos por jornada.
4. El trigo requiere de 5 jornadas hombre por hectrea, porotos requieren de 10 jhh.

Tericamente puedo contratar todos los trabajadores que quiera, por lo que no es una restriccin
sino que me entrega Parmetros para el modelo.

5. Ud. dispone de un tractor y no puede tomar en arriendo ni dar en arriendo el tractor. Esto le
impone un mximo de 300 jornadas-tractor. El trigo requiere de 3 JT/h, y los porotos 5 JT/h.

3 +

Adicionalmente del contexto podemos exigirle al modelo que:

P

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

El problema, puesto en forma de Modelo PM queda:

Variables:
: Cantidad de hectreas de Trigo a plantar en el Fundo
P : Cantidad de hectreas de Porotos a plantar en el Fundo

Funcin Objetivo:
max F(T, P) = 126.500T + 118.000P

Sujeto a:
+ 120 ( Restriccin de Hectreas )
3 + 5 300( Restriccin de Uso del Tractor )
T 0(Restriccin de No-Negatividad )
P 0( Restriccin de No-Negatividad )

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

El modelo anterior es una simplificacin de la realidad. No incorpora, por ejemplo, el

hecho de que los rendimientos de los terrenos y los precios de los productos son
aleatorios y variables. Tampoco incorpora posibles restricciones de dinero. Excluye,
asimismo, toda consideracin de disponibilidad de agua de riego. Dicho de otra forma,
en un modelo slo sirve para estudiar las variables y parmetros que incorpora.
Agregando mas restricciones, variables y nuevos parmetros el problema refleja mejor
la realidad, pero se hace mas complejo.

OptimizacinProf. Cristian Garca-Campo

Modelacin: Variables Binarias
Cierre

Suponga ahora que su vecino le ha ofrecido su tractor a un costo de $350.000 pesos que
Ud. puede tomar o dejar. Este tractor le permite utilizar otras 148 HT. En otras palabras,
el tomar en arriendo el tractor del vecino le implicara a Ud. contar con 448 HT en lugar
de 300, pero tendra que pagar $350.000 pesos por el arriendo.

Usando variables binarias , este problema se puede expresar como:

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

El problema, puesto en forma de Modelo PM con Variables Binarias queda:

Variables:
: Cantidad de hectreas de Trigo a plantar en el Fundo
P : Cantidad de hectreas de Porotos a plantar en el Fundo
H: Variable Binaria que indica si tomamos o no el Tractor del Vecino.

Funcin Objetivo:
max F(T, P) = 126.500T + 118.000P -350.000H

Sujeto a:
+ 120 ( Restriccin de Hectreas )
3 + 5 300 + 148( Restriccin de Uso del Tractor )
T 0(Restriccin de No-Negatividad )
P 0( Restriccin de No-Negatividad )
H ( Restriccin Variables Binarias)

OptimizacinProf. Cristian Garca-Campo

Modelacin
Contexto

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

OptimizacinProf. Cristian Garca-Campo

Modelacin
Cierre

OptimizacinProf. Cristian Garca-Campo

Modelacin: Restricciones Lgicas
Contexto

Suponga que X1 y X2 son variables binarias que representa la ocurrencia o no ocurrencia

de los sucesos A y B respectivamente. Como escribira en lenguaje de MP las siguientes
restricciones?

OptimizacinProf. Cristian Garca-Campo

Modelacin: Restricciones Lgicas
Cierre

OptimizacinProf. Cristian Garca-Campo

Modelacin

Cristin Garca-Campo
Universidad de los Andes

Optimizacin
1 semestre 2016
Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin
Problemas Resueltos

OptimizacinProf. Cristian Garca-Campo

Modelacin

Cristin Garca-Campo
Universidad de los Andes

Optimizacin
1 semestre 2017