Está en la página 1de 6

1

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA


DEPARTAMENTO DE INDUSTRIAS

TERCER CERTAMEN
GESTIÓN DE INVESTIGACIÓN DE OPERACIONES ILN250
Profesores: Víctor Albornoz y Enrique Norero. Primer Semestre de 2006
(Tiempo: 2 horas)

1.- (20 puntos) Considere el siguiente problema de optimización sin restricciones:

Min f(x,y) = (2x-1)2 + (y+3)2 + 4.

a) Determine una solución óptima, empleando las condiciones de optimalidad del


problema. Justifique adecuadamente su respuesta.

b) Aplicar una iteración del Método del Gradiente, usando (0,-1) como punto de partida.
--------------------------------------------------------------------------------------------------------------
Solución. Por simple inspección vemos que hay un óptimo en x=1/2, y= -3, con un
valor óptimo v(P)=f(1/2, -3) = 4

a) El problema admite solución óptima pues la función objetivo es continua, su


dominio (todo el espacio) es un conjunto cerrado y lim_!!(x,y)!!-->+inf f(x,y)= +inf.
(2 puntos).

Usando las condiciones de optimalidad para problemas no restringidos (método de


derivadas parciales) se tiene:

∂f/∂x = 4(2x – 1) ∂f/∂y = 2(y + 3)


∂2f/∂x2 = 8 ∂2f/∂y2 = 2

haciendo ∂f/∂x = 0 y ∂f/∂y = 0, obtenemos (x,y) = (1/2, -3) como punto estacionario
(critico), candidato a ser óptimo. (6 puntos)

Construyendo la matriz Hessiana se observa claramente que es positiva definida


(de hecho la función objetivo es estrictamente convexa), de modo que el problema
es convexo y por lo tanto el punto hallado es la solución óptima del problema, más
aún las condiciones de primer orden son necesarias y suficientes dado que el
problema es convexo .
(2 puntos)

H = 8 0
0 2
2

b) Aplicación del Método del gradiente con (x0,y0) = (0,-1) como punto de partida.

∂F/∂X = 4(2X – 1) ∂F/∂Y = 2(Y + 3)

EVALUANDO EN (0, -1)

∂F/∂X = -4 ∂F/∂Y = 4

Dirección de descenso d0= - ∂F(0,-1) = (4,-4) (3 puntos)

(x1, y1) = (x0, y0) + t(4, -4) = (4t, -4t-1)

Minimización unidimensional de :

G0(t) = F(4t, -4t-1) = (8t-1)2 + (-4t+2)2 +4 = 80t2 - 32t + 9 (2 puntos)

∂F/∂t = 160t - 32 = 0 ENTONCES t =0.2 (3 puntos)

por lo tanto (x1, y1) = (0,8 -1,8) (2 puntos)


3
2.- (20 puntos) Considere el siguiente modelo de optimización lineal:

Max x1 + 5x2
s.a. x1 + 3x2 ≤ 5
2x1 + x2 = 4
x1 - 2x2 ≥ 1
x1 ≥ 0, x2 ≥ 0.

Hallar su solución óptima aplicando las condiciones de optimalidad de Karush-Kuhn-


Tucker. Justifique adecuadamente su respuesta.
--------------------------------------------------------------------------------------------------------------
Solución.

El problema tiene solución óptima por el Teorema de Weiertrass, función objetivo continua
y dominio cerrado y acotado. (3 puntos).

El problema es convexo ya que tanto la función objetivo como las restricciones del
problema son lineales (3 puntos)

En la aplicación del teorema de Karush-Kuhn-Tucker, la ecuación siempre debe estar activa


y hay por lo tanto 5 opciones válidas de activación de las inecuaciones (una cuando no está
activa ninguna inecuación y cuatro activando sólo una inecuación cada vez). Correcto uso
del teorema, considerando indistintamente uno, algunos o los 5 casos (10 puntos)

Activando la ecuación y la restricción x1 - 2x2 ≥ 1 aparece el punto estacionario (crítico)


x1=1.8=9/5 y x2=0.4=2/5. El punto hallado es la solución óptima pues el problema tiene
solución óptima y es convexo (4 puntos).
4
3.- (30 puntos) Considere el siguiente problema de optimización no-lineal restringido:

Min f(x, y) = y3 - 2y - x
s.a. x + y ≤ 1,
x ≥ 0, y ≥ 0.

Usando el Teorema de Karush-Kuhn-Tucker, hallar una solución óptima para el problema.


Justifique su respuesta
--------------------------------------------------------------------------------------------------------------
Solución.
El problema tiene solución óptima por el Teorema de Weiertrass, función objetivo continua
y dominio cerrado y acotado. (3 puntos).
El problema tiene un dominio de soluciones factibles correspondiente a un conjunto
convexo (sólo restricciones lineales). Sin embargo, la función objetivo no es convexa, de
modo que el problema no es convexo (3 puntos)
En la aplicación del teorema de Karush-Kuhn-Tucker hay que considerar todas las
combinaciones posibles de activación de las inecuaciones (una cuando no está activa
ninguna inecuación, tres activando sólo una inecuación por separado y tres activando dos
inecuaciones simultáneamente). Correcto uso del teorema, considerando cada caso (21
puntos)

Condiciones a considerar:
L(x, y, µ) = (y)3-2y-x + µ1(x + y -1) - µ2(x)- µ3(y)

∂L/∂x= -1 + µ1 - µ2 =0
∂L/∂y= -2 + 3(y)2 + µ1 – µ3 = 0
∂L/∂µ1= x + y -1 ≤ 0
∂L/∂µ2= -x ≤ 0
∂L/∂µ3 = -y ≤ 0
µ1(x + y -1) = 0
µ2(x) = 0
µ3(y) = 0
µi ≥ 0 para i = 1, 2, 3

Por ejemplo:
i)Si suponemos que la solución esta en el interior de la región factible, entonces
x + y < 1, µi = 0 para i = 1, 2, 3
La ecuación ∂L/∂x= -1 + µ1 - µ2 =0 no es satisface

ii)Si suponemos que la solución esta en el segmento de recta correspondiente a


x + y =1 entonces
x + y – 1 = 0 x > 0 y > 0, por lo que
µ2 = µ3 = 0, µ1 = 1
-2 + 3(y)2 = -1
(y)2 = 1/3
y = √3/3
x = 1 - √3/3 …

Al obtener todos los puntos críticos, la solución óptima resulta simplemente de


evaluar la función objetivo, dada la existencia de una solución óptima. (3 puntos)
5
4.- Un concesionario de venta de camionetas 4wd dispone de espacio para exhibir siete
camionetas como máximo en su local de Temuco, el que funciona cada semana de lunes
a sábado. Si al finalizar una semana dispone de 3 camionetas o menos, él llama a la
bodega ubicada en Santiago con el objeto que le repongan la cantidad necesaria para
completar siete camionetas, las que son enviadas en autotren desde Estación Alameda
(Santiago) y entregadas el día lunes antes de abrir el local.

La demanda semanal, de acuerdo a la experiencia del concesionario, puede ser de


0, 1, 2, o 3 camionetas (cada una de ellas con probabilidades 0.4, 0.25, 0.15 y 0.2
respectivamente). Por otra parte, el concesionario está negociando la posibilidad de
contratar un seguro contra robo, incendio o choque en las demostraciones, para la
totalidad de los camionetas en el local y por la totalidad del daño producido. Este seguro
se pagaría semanalmente solamente por las camionetas disponibles en el local y todavía
no vendidas al final de cada día sábado, con un valor de $ 28.000 por camioneta por
semana.

a) (10 puntos) Modele la dinámica del número de camionetas al inicio de cada semana de
acuerdo a una Cadena de Markov en tiempo discreto.
b) (5 puntos) Clasifique los estados de la Cadena resultante.
c) (10 puntos) Señale cómo determinar el gasto semanal esperado en seguros.
d) (5 puntos) Asumiendo que esta semana tiene 5 camionetas, indicar cómo calcular el
valor esperado del número de semanas en que hará la próxima reposición.

Solución.
a) (10 puntos) El proceso pasa por definir:

Xn= número de camionetas al inicio de la n-ésima semana, para n=0,1,2,3,…

Xn toma valores en {4,5,6,7} (estados) y T denota la matriz de probabilidades de


transición en una etapa (semana), con:

4 5 6 7
4 0,4 0 0 0,6
T1 = 5 0,25 0,4 0 0,35
6 0,15 0,25 0,4 0,2
7 0 0,15 0,25 0,4

b) (5 puntos) Todos los estados son recurrentes positivos aperiódicos y la Cadena


es irreducible

c) El proceso pasa por definir:

Yn= número de camionetas al término de la n-ésima semana, para n=0,1,2,3,…

Yn toma valores en {1, 2, 3, 4, 5, 6, 7} (estados) y T2 denota la matriz de


probabilidades de transición en una etapa (semana), con:
6
1 2 3 4 5 6 7
1 0,2 0,15 0,25 0,4
2 0,2 0,15 0,25 0,4
3 0,2 0,15 0,25 0,4
T2 = 4 0,2 0,15 0,25 0,4
5 0,2 0,15 0,25 0,4
6 0,2 0,15 0,25 0,4
7 0,2 0,15 0,25 0,4

g.s.e. = gasto semanal esperado en seguro

g.s.e. = 25.000 ( Σ i * pi ), i = 1, 2, 3, 4, 5, 6, 7 (6 puntos)

donde p = (p1, p2, p3, p4, p5, p6, p7) es el vector de probabilidades estacionarias
(2 puntos)

y satisfacen p = p*T2 y Σ pi = 1 (para vectores fila) o p = T2Tp y Σ pi = 1


(para vectores columna) (2 puntos)

p1 = 0,20p4
p2 = 0,15p4 + 0,20p5
p3 = 0,25p4 + 0,15p5 + 0,20 p6
p4 = 0,20p1 + 0,20p2 + 0,20p3 + 0,40p4 + 0,25p5 + 0,15p6 + 0,20p7
p5 = 0,15p1 + 0,15p2 + 0,15p3 + 0,00 p4 + 0,40p5 + 0,25p6 + 0,15p7
p6 = 0,25p1 + 0,25p2 + 0,25p3 + 0,00 p4 + 0,00p5 + 0,40p6 + 0,25p7
p7 = 0,40p1 + 0,40p2 + 0,40p3 + 0,00 p4 + 0,00p5 + 0,00p6 + 0,40p7
p1 + p2 + p3 + p4 + p5 + p6 + p7 =1

Resulta :
p1 = 0,05004
p2 = 0,07205
p3 = 0,12239
p4 = 0,25018
p5 = 0,17260
p6 = 0,16977
p7 = 0,16298

d) Se necesita calcular 1 F1(5,7) + 2 F2(5,7) + 3 F3(5,7) + 4 F4(5,7) + … (5 puntos)


donde Fk(5,7) denota la probabilidad de alcanzar el estado 7 (reposición) por
primera vez después de k semanas. Esto si tiene las 5 camionetas al principio de
la semana, en cuyo caso las probabilidades se deben tomar de T1.

Si las 5 camionetas indicadas son al final de la semana, entonces las


probabilidades se deben tomar de T2 y se debe calcular 1 {F1(5,1) + F1(5,2) +
F1(5,3)} + 2 {F2(5,1) + F2(5,2) + F2(5,3)} + 3 {F3(5,1) + F3(5,2) + F3(5,3)} +……