Universidad de Chile

Informe N° 1 IN3701 – Modelamiento y Optimización

Ingeniería y Ciencias Plan Común

Facultad de Ciencias Físicas y Matemáticas

Informe Nº1

“Resolución de PPL”

Resumen Ejecutivo
En el siguiente informe se desarrollan 2 problemas de programación lineal utilizando un
software especializado (el cual utiliza el método SIMPLEX para la resolución de PPL’S).

El objetivo principal del trabajo es observar el comportamiento ambos ejemplos de

programación lineal.

Descripción del problema

Métodos y software a utilizar

Principales resultados

Principales análisis

Principales conclusiones

Página 2
Índice

INTRODUCCIÓN

PROBLEMA 1

DESCRIPCIÓN DEL PROBLEMA

PLANTEAMIENTO DEL MODELO

RESULTADOS

ANÁLISIS DE LOS RESULTADOS

PROBLEMA 2

DESCRIPCIÓN DEL PROBLEMA

PLANTEAMIENTO DEL MODELO

RESULTADOS

ANÁLISIS DE LOS RESULTADOS

CONCLUSIONES

ANEXOS

Página 3
Introducción
Resolver problemas de complejidad exponencial o similar por ejemplo implicaría, en la mayoría
de los casos, un tiempo de resolución largo llegando incluso a ser inviable. La aparición de
nuevos computadores con capacidad de proceso superior ha logrado reducir los tiempos de
respuesta, sin embargo, el mayor avance en esta área fue la utilización de técnicas de
optimización consiguiendo resolver problemas antes impensados. El uso de estos algoritmos
entrega soluciones bastante cercanas a la real.

Existen diversas formas de optimización pero en este trabajo se profundizará en la utilización de

la programación lineal, la cual consiste en una función lineal llamada función objetivo bajo una
serie de restricciones, descritas como inecuaciones lineales.

En el siguiente informe se van a desarrollar 2 problemas de programación lineal. El primero de

ellos presenta una gran cantidad de variables y restricciones, teniendo que trabajar con un gran
número de datos y un segundo problema con una mínima cantidad de datos.

A través de cada una de las preguntas se irá resolviendo ambos problemas para lograr concluir
que nivel de dificultad presentan ambos y compararlos con la intuición inicial.

Para encontrar los resultados se utilizó el software OPL/CPLEX, el que funciona usando el
método SIMPLEX para la resolución de PPL’S.

Página 4
Problema 1
Descripción del problema

A partir de un set de nodos, los que representan una ubicación en el globo y las coordenadas
de la ubicación de cada integrante, la idea es lograr establecer el camino mínimo tal que se
recorra la menor distancia posible pasando por todos los hogares de los integrantes.

Planteamiento del modelo

1.1 Primero fue necesario realizar un pre procesamiento de datos que básicamente consistió
en escribir los nodos y sus respectivas latitudes y longitudes en columnas diferentes.
Luego con el programa “Google Earth” cada integrante obtuvo las coordenadas de sus
casas. Con todos los datos en un archivo Excel (ver Anexo 1) se procedió a calcular la
distancia de cada casa a cada nodo, una vez obtenidos estos resultados se eligió el nodo
correspondiente a la distancia menor, ya que este corresponde a el nodo más cercano.

Para calcular las distancias se utilizo la fórmula “Haversine”, que consiste en:

Donde:

d es la distancia entre los dos puntos.

R es el radio medio de la tierra que es 6731km. aprox.

El punto 1 tiene coordenadas:

El punto 2 tiene coordenadas:

Y además la función “haversin” corresponde a:

Considerando:

Finalmente reemplazando y despejando, se obtiene que:

Los nodos que se obtuvieron son los que aparecen en la tabla 1.

Página 5
1.2 Así como fue necesario un pre procesamientos de datos para la parte 1.1, para realizar
esta parte también se realizo un ordenamiento de los datos del archivo que contenía los
arcos, en Excel se calcularon todas las distancias de los arcos (ver Anexo 2).

La estructura del problema de programación lineal, se construyó considerando lo siguiente;

como era necesario medir distancias entre el par de casas de cada uno de los integrantes,
se consideró este desplazamiento como un flujo, vale decir ir desde el nodo con oferta
(casa de inicio) hacia el nodo con demanda (casa destino) y fijando el resto de los nodos
como nodos de tránsito. Los nodos se comunican a través de arcos.

En la construcción del OPL se definió lo que se conoce como tuplas las cuales permiten
ligar distinta información y manejarla como una sola, en este caso se crearon las “tuplas
arcs” que relacionan el nodo inicial, el nodo final, la distancia entre estos nodos, y la
capacidad de cada arco asociado a los nodos.

La variable de decisión de este problema corresponde a la cantidad de circulación o flujo

que se envía por cada arco. Por ende la función objetivo de este problema consiste en
minimizar la distancia para enviar el flujo desde una casa a la otra.

La restricción de la capacidad de cada arco se solucionó eligiendo arbitrariamente el

atributo de capacidad de cada arco teniendo en cuenta de que fuese mayor al valor de la
variable de decisión.

Otra restricción a este problema que se utilizó fue respetar la conservación de flujo, por lo
que la cantidad que sale al nodo i-ésimo menos la cantidad que entra al mismo, debe ser
igual a la demanda u oferta del respectivo nodo, esto contempla el conjunto de nodos que
poseen un arco desde el “nodo i” como así también al conjunto de nodos que poseen un
arco hacia el “nodo i”.

Para completar el modelo se creó un archivo de datos, en los cuales se declaran las
tuplas con sus distintos valores y se asignó la demanda/oferta de cada uno de los nodos.

Este procesamiento se repitió para cada par de casas utilizando el mismo OPL, sólo se
debía desanular aquellos nodos correspondientes al par de casas por calcular y anular los
ya utilizados.

Los valores en distancia y la cantidad de arcos utilizados para las distintas casas son los
que aparecen en la tabla 2, nótese que ir “desde la casa 1 hacia la casa 2” es lo mismo
que ir “desde la casa 2 hacia la casa 1”, es decir, usan la misma cantidad de nodos y
recorren la misma distancia (por lo que se omite invertir las casas de origen por las de
destino en la tabla 2).

1.3 Para hallar el segundo camino más corto se utilizó la misma estructura del modelo de la
parte anterior pero agregando la restricción de eliminar el arco con la distancia más corta,
para eliminar específicamente ese arco se anuló la capacidad del arco. La búsqueda del
arco con la distancia más corta se realizó sobre el archivo Excel con los resultados de los
arcos utilizados (ver Anexo 3). Esto obliga al modelo a construir una nueva ruta óptima
minimizando la distancia que será mayor a la del camino parte 1.2. En la tabla 3 se
resumen los nuevos resultados:

Página 6
 Análogamente para encontrar el tercer camino más corto se anuló el arco con la distancia
más corta correspondiente al segundo camino más corto pero manteniendo la restricción
previa de anular el arco con la distancia más corta del primer camino óptimo. La manera
de hallar el arco con la menor distancia correspondiente al segundo camino corto se
realizó en Excel de manera análoga a como se realizó previamente. Los resultados son los
que aparecen en la tabla 4:

Resultados

Tabla 1

Integrante Latitud casa Longitud casa Nodo cercano

Ivan -33.58535000 -70.57667222 71221

Victor -33.52088890 -70.55050000 82552

Camila -33.44952222 -70.59625833 62452

Jonathan -33.46326944 -70.52043611 70543

Tabla 2

Casa origen Casa destino Distancia [Km] Arcos utilizados

Iván Camila 64.087 184

Iván Víctor 39.938 129

Iván Jonathan 59.718 125

Camila Víctor 42.667 110

Camila

Jonathan 11.819 36

Jonathan Víctor 33.780 96

Tabla 3

Casa origen Casa destino Distancia [Km] Arcos utilizados

Página 7
 Iván

Camila

Iván Víctor

Iván Jonathan

Camila Víctor

Camila Jonathan

Jonathan Víctor

Tabla 4

Casa origen Casa destino Distancia [Km] Arcos utilizados

Iván Camila

Iván Víctor

Iván Jonathan

Camila Víctor

Camila Jonathan

Jonathan Víctor

Análisis de los resultados

Utilizando Google Maps para la medición de distancias, podemos comprobar que los resultados
arrojados son bastante cercanos a lo esperado.

Página 8
Problema 2
Descripción del problema

Este es el clásico problema de la polla gol, el cual consiste en encontrar un número de cartillas
a jugar tal que asegure n-1, n-2, n-3 aciertos.

Planteamiento del modelo

Resultados

1. La probabilidad de acertar un partido (en cada una de las cartillas) es 1/3. Sea x el evento
“ganar cartilla” y n el número de partidos por cartilla, buscamos la probabilidad de ganar cada
cartilla:

1 1 1
P ( x ) = * * ... * (n veces)
3 3 3

1
=
3n
Se desea encontrar una fórmula cerrada para el número de cartillas a jugar para acertar todos
los posibles resultados, asumiendo que el número de partidos es n (utilizado en la probabilidad
anterior). De esto último se desprende que buscamos un número k de cartillas jugadas tal que
la probabilidad de ganar en una cartilla jugando k veces sea 1.

1 1
P ( x �x �... �x ) = n
+ ... + n (k veces)
3 3

k
1=
3n

k = 3n
2. Para este problema es necesario plantear el siguiente OPL:

3. En el siguiente gráfico se muestra el tiempo necesario para resolver problemas en función de

n, con un gap de 50%, 10%, 1% y 0,01%

Análisis de los resultados

Página 9
Conclusiones

Al desarrollar cada uno de los problemas es posible percatarse que la complejidad de un

problema de programación lineal no depende directamente tamaño del de éste, más bien de la
complejidad de la función objetivo.

RESULTADOS, OBJETIVOS, SOFTWARE, COMENTARIOS

Anexos

Página
10