Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELACIÓN MATEMÁTICA
Y OPTIMIZACIÓN
Una vez definidas las actividades y la función objetivo, se pasa a estudiar las
restricciones del sistema, las cuales son el reflejo de los recursos limitados de que se
dispone. El desarrollo de cada actividad consumirá parte de los recursos y la cuantificación
total de la contribución de todas las actividades conformará las restricciones del sistema.
Estas restricciones se expresan como funciones matemáticas lineales de igualdad o
desigualdad.
1
Para mayores detalles sobre esta discusión, consultar Chvátal (1983), Capítulo 4, pág. 45–52.
adelante, la solución de problemas de programación entera mediante las técnicas de
ramificación y acotamiento requiere de la solución de un gran número de subproblemas de
programación lineal continúa.
1.3.1. Proporcionalidad
Este no es el caso más común en la realidad. Sin embargo, dentro de ciertos rangos
normales de operación de los sistemas, existe comúnmente la proporcionalidad. Fuera de
estos rangos es probable que haya que utilizar otras técnicas, tales como la programación
no-lineal.
1.3.2. Aditividad
= 30 + 20 [$] (3.1)
Donde XA y XB son las cantidades a producir de A y B, respectivamente. Obsérvese,
primero, que el supuesto de proporcionalidad está implícito en la función objetivo (3.1).
Además, las contribuciones de cada actividad, XA y XB, son independientes entre sí.
Supóngase ahora que el hecho de producir una mayor cantidad del artículo B, hace
que los costos de producción del artículo A se incrementen. Así, por ejemplo, la utilidad
unitaria del artículo A se vería disminuida mediante cierto factor y podría expresarse como
$(30 – 0.0001XB)/unidad. La función objetivo sería por lo tanto:
Cabe la pregunta de por qué la PL se utiliza tan ampliamente si estos supuestos casi
nunca se cumplen en la práctica?
La certeza, más que un supuesto, es una característica propia de los modelos de PL.
Se dice entonces que todos los valores de los parámetros que alimentan el modelo tienen
valores determinísticos, o sea que no se consideran como variables aleatorias. Una demanda
de un producto, por ejemplo, se obtiene como un valor promedio estimado, pero su
distribución probabilística propia no se considera en el modelo. En la mayoría de los casos
prácticos, ningún parámetro o variable puede considerarse determinístico. En la mayoría de
los casos, los parámetros y variables tienen un rango de validez entre los cuales pueden
oscilar sus valores y, por lo tanto, se constituyen en variables aleatorias cuya distribución
probabilística puede o no ser conocida. Actualmente están en investigación y desarrollo
técnicas de programación lineal estocástica y programación lineal con conjuntos difusos,
donde se consideran algunos parámetros de los modelos como variables aleatorias2.
2
Ver, por ejemplo, Taha (1998), pág. 807.
3
Ver, por ejemplo, Hicks (1999).
4
Ver, por ejemplo, Escudero et al. (1999).