Está en la página 1de 11

NOMBRE:

PEÑA SALAZAR DARYL FRANCK


PROFESOR:
LUIS SAAVEDRA FRIAS
CURSO:
ANALISIS DE SISTEMAS MINEROS
TEMA:
ANALISIS DE SISTEMAS MINEROS
FACULTAD:
ING. DE MINAS
AÑO:
2019
INTRODUCCIÓN
La programación lineal también conocida como optimización lineal,
busca la maximización o minimización de una función lineal sobre un
poliedro convexo definido por un conjunto de restricciones lineales no
negativas. La teoría de la programación lineal cae dentro de la teoría
de la optimización convexa y es también considerada como parte
importante de la investigación de operaciones. La programación lineal
entera (PLE) es el conjunto de problema de programación lineal para
los cuales todas o parte de sus variables pertenecen a los números
enteros.
PROGRAMACIÓN LINEAL Y ENTERA
PROGRAMACIÓN LINEAL
• La programación lineal es un procedimiento o algoritmo matemático mediante el
cual se resuelve un problema indeterminado, formulado a través de un sistema de
ecuaciones lineales, optimizando la función objetivo.

• Consiste en optimizar (minimizar o maximizar) una función lineal, denominada


función objetivo, de tal forma que las variables de dicha función estén sujetas a
una serie de restricciones que expresamos mediante un sistema de inecuaciones
lineales

VENTAJAS DE LA PROGRAMACIÓN LINEAL


• Obtención de una solución óptima única.

• Obtención de soluciones alternativas

• Modelos no acotados.

• Modelo no factibles.

OTROS CAMBIOS PARA OPTIMIZAR LA FUNCIÓN OBJETIVO


 La incorporación de una restricción.
 La eliminación de una restricción.
 La incorporación de un variable.
 La eliminación de un variable.
 Cambio en el lado izquierdo de los coeficientes

MODELO SIN SOLUCIÓN ÓPTIMA


No factible: Ocurre cuando en el modelo no hay ningún punto de factible.

No acotado: Ocurre cuando el objetivo puede crecer infinitamente (objetivo a


maximizar).

VARIABLES
• Las variables son números reales mayores o iguales a cero.

• En caso que se requiera que el valor resultante de las variables sea un número
entero, el procedimiento de resolución se denomina Programación entera.
PROGRAMACIÓN LINEAL ENTERA
Un modelo de programación entera es aquel que contiene restricciones y una
función objetivo idénticas a la formulada en programación lineal, la única diferencia
en que una o más variables de decisión deben tomar valor entero en la solución
final.

CLASIFICACIÓN:
Existen tres tipos de modelos por programación entera

A) PURA: Son modelos similares a los de programación entera


Forma General:

Max (Min) = A1X1+A2X2+A3X3+A4X4+A5X5+..........+AnXn

Sujeto a: A1X1+A2X2+A3X3+A4X4+A5X5+..........+AnXn >= (<=)(=) Bi

No negatividad: Xi >= 0 y ENTERO

B) BINARIA:
Estos modelos lineales, las variables sólo toman valores 0 y 1, son usadas para
uso probabilístico Donde 0 se rechaza la opción y 1 se acepta la opción

Forma General:

Max (Min) = 1Y1+A2Y2+A3Y3+A4Y4+A5Y5+..........+AnYn

Sujeto a: y1+y2+y3+y4+..........+yn >= (<=)(=) Bi

No negatividad: yi >= 0 v 1

C) MIXTA: En estos tipos de modelos, integra las variables puras y las mixtas
Max (Min)=
A1X1+A2X2+A3X3+A4X4+A5X5+..........+AnXn+A1Y1+A2Y2+A3Y3+A4Y4+A5Y5+
..........+AnYn

Sujeto a:

A1X1+A2X2+A3X3+A4X4+A5X5+..........+AnXn >= (<=)(=) Bi

y1+y2+y3+y4+..........+yn>= (<=)(=) Bi

No negatividad:
Xi >= 0 y ENTERO

Xi >= 0 v 1

Tipos de Restricciones Usadas en la Programación Entera Mixta:

1) Excluyentes: Solo sirve para elegir una alternativa de varias posibles

2) Pre-requisito: Cuando necesitas realizar una acción antes de proceder con la


siguiente

3) Incluyente: Dicha restricción se da para cuando realizas una acción "A"


entonces debes

Hacer la acción "B"

4) Costo Fijo: Cuando se nombra un costo fijo, es sinónimo de uso de variable


mixta
EJEMPLO 1

FUNCION OBJETIVO:

MAXIMIZAR Z=0.1X +0.08Y

LEYES
COSTO
MINA ALTA MEDIA BAJA DIARIO

A 1X 1X 0 0.1X

B 1Y 0 1Y 0.08Y

PRODUCCION 210000 130000 60000

RESTRICCIONES:

A) X+ Y ≤ 210000

B) X ≤ 130000

C) Y ≥ 60000

D) X≤ 2Y

SOLUCION METODO GRAFICO R2:

restricción X Y

0 210000

1 210000 0

2 130000 0
130000 0

0 60000

3 0 60000

0 0

4 2 0

GRAFICO DE RESTRICCIONES:

300000

250000

200000
R1
150000 R2
R3
100000
R4
50000

0
0 100000 200000 300000 400000 500000

CONJUNTO SOLUCION:

PUNTOS X Y
FUNCION
OBJETIVO

A 0 60000 4800

B 130000 80000 19400

C 130000 65000 18200

D 120000 60000 16800

E 0 210000 16800

CONCLUSION:

SEGÚN ESTE ULTIMO CUADRO, EL PUNTO DEL CONJUNTO SOLUCION QUE


CUMPLE OPTIMAMENTE CON NUESTROS REQUERIMENTOS ES EL PUNTO B.

EJEMPLO 2

FUNCION OBJETIVO:

MINIMIZAR Z=60X + 70Y

TAJO Cu Zn Mo

A 50X 4X 1X

B 15Y 8Y 3Y

PRODUCCION 87500 16000 5000

RESTRICCIONES:
A) 50X + 15Y ≥ 87500

B) 4X + 8Y ≥ 16000

C) 1X + 3Y ≥ 5000

SOLUCION METODO GRAFICO R2:

restricción X Y

1 0 5833.33333

1750 0

2 0 2000

4000 0

3 0 1666.66667

5000 0

GRAFICO DE RESTRICCIONES:

7000

6000

5000

4000 R1
R2
3000
R3
2000

1000

0
0 1000 2000 3000 4000 5000 6000
CONJUNTO SOLUCION:

FUNCION
PUNTOS X Y OBJETIVA

A 0 5833.33 408333.3333

B 1352.94 1323.53 173823.5294

C 2000 1000 190000

D 5000 0 300000

CONCLUSION:

SEGÚN ESTE ULTIMO CUADRO, EL PUNTO DEL CONJUNTO SOLUCION QUE


CUMPLE OPTIMAMENTE CON NUESTROS REQUERIMENTOS ES EL PUNTO B.

También podría gustarte