c



c
  


 Este proyecto consiste en el envío de carga por vía aérea.Aparte de las
limitaciones de peso, la empresa tiene un volumen limitado de compartimentos de
almacenamiento de las aeronaves. Los detalles completos están disponibles en un
promedio diario de tres tipos de carga en términos de peso (toneladas) y volumen ( pies
/ tonelada). La cantidad de cada tipo de carga que debe ser enviado por vía aérea cada día
se encuentra con el fin de maximizar los ingresos ($) el problema se modela utilizando
técnicas de optimización restringida y se solucionó mediante multiplicadores de
Lagrange. Los precios sombra se calculan para cada restricción y los resultados se
interpretan. Una extensión se considera que implica la empresa en la reconfiguración de
algunos de sus aviones más para ayudar a aumentar el tamaño de las zonas de carga. De
esta manera se pueden tomar decisiones sobre si debe incluirse o no alteraciones y en
qué medida. Los resultados numéricos son validados por la solución de un problema de
programación lineal mediante el equipo de paquete de software LINDO y el MAPLE
paquete de software matemático.



La mayoría de problemas de optimización requiere el examen simultáneo de un número

de variables independientes. La categoría más simple de optimizar problemas de varias
variables puede ser resueltos mediante la optimización sin restricciones y sistemas de
álgebra computacional como MAPLE o MATHEMATICA .

El tipo más simple de problemas de optimización multivariable consiste en encontrar el

máximo o mínimo una función diferenciable de varias variables en una región
determinada. Las complicaciones surgen en la solución de modelos de optimización
multivariable cuando la región sobre la cual optimizamos es más compleja. Problemas más
reales llevan a modelos complicados, que implican la existencia de restricciones en las
variables independientes. Esto nos lleva a la zona restringida de optimización. Una técnica
importante para hacer frente a este tipo de problemas implica el uso de multiplicadores
de Lagrange. Básicamente tenemos un objetivo, la región factible es llamar a las funciones
y la función objetiva es maximizada o minimizada en este conjunto mediante el uso de
técnicas de multiplicadores de Lagrange. En la solución puede encontrarse información
importante proceso por encontrar los precios sombra para cada restricción.

El tipo más simple del problema de optimización multivariable restringido es aquella en la

función objetivo y las funciones de restricción son lineales.El estudio de métodos
computacionales para este tipo de problemas se llama programación lineal. Típica de
problemas a gran escala implica miles de variables de decisión y muchas de las
limitaciones. El software para este tipo de problemas es muy flexible y fácil de usar y
permite al usuario modificar los datos y parámetros necesarios que podría producir
resultados que implican la toma de decisiones importantes.

s 

Considere la posibilidad de una compañía naviera que utiliza el transporte aéreo para
mover su carga que está almacenado en los compartimientos de almacenamiento de
información de aviones. La compañía tiene la capacidad para mover 100 toneladas/día por
aire y carga $250 /ton para el flete aéreo. Aparte de la restricción de peso, la empresa sólo
puede mover 50.000 pies de carga por día debido a un volumen limitado de
compartimientos de almacenamiento de información de aviones.

Tabla 1Desglose de la carga promedio disponible sobre una base diaria.

Cargo Volumen(Î
) Peso(tons)

A 550 30
B 800 40
C 400 50

a)Formular un modelo matemático como un problema de optimización restringida y

resolver utilizando técnicas de multiplicadores de Lagrange. Utilizar este método
para determinar cuánto de cada carga debe enviarse por vía aérea cada día con el
fin de maximizar los ingresos.

b)Por tanto, calcular los precios de la sombra de cada restricción y explicar el

significado de estos resultados.

c)Ahora, considere la siguiente extensión o el problema. La compañía tiene la

capacidad de volver a configurar algunos de sus aviones antiguos para aumentar el
tamaño de las áreas de carga. La alternancia costaría $200.000 por avión y añadiría
2.500 pies por avión. Los límites de peso sería sin cambios. Hacer la hipótesis de
que los aviones vuelan 250 días al año y que el tiempo de vida restante de los
aviones antiguos es aproximadamente de 5 años. Merecería la pena
económicamente que las alteraciones y, en caso afirmativo, a cuántos aviones?

d)Validar los resultados anteriores resolviendo como un problema de programación

lineal utilizando un paquete de software correspondiente.
† ! 

Para formular nuestro modelo, primero definimos una lista de variables que se utilizarán,

_




 

_




 

_












 












  




Los siguientes supuestos son necesarias para garantizar que el modelo es válido:

V = 550 xІ+800 xЇ+400 xЈ

W =xІ+xЇ+xЈ

F = 250W

Vч 50,000

Wч100

0чxІч30

0чxЇч40

0чxЈ ч 50

El objetivo del modelo es optimizar los cargos de flete total . Configuración y = F,

podemos escribir


_ _ _ = 250 xІ+250 xЇ+250 xЈ

y nuestro objetivo es optimizar  sobre el dominio

 xІ+xЇ+xЈ ч 100

550xІ+800xЇ+400xЈ

xІ+xЇ+xЈ ч 50,000

0 ч xІ ч 30

0 ч xЇ ч 40

0 ч xЈ ч 50

o!" #"

$% Ahora solucionamos el modelo usando multiplicadores de Lagrange. La función

objetivo es lineal y por lo tanto el gradiente de  (xІ, xЇ, xЈ) nunca es cero. Esto
significa que no hay puntos extremos interiores. La restricción de f (xІ, xЇ, xЈ) a un
plano o una línea es todavía lineal. Esto significa que no hay ningún extremo local a
lo largo de cualquiera de las caras o los bordes de la región factible. Por lo tanto el
máximo debe ocurrir en una de las esquinas.

Ahora comprobamos cada esquina a su vez para determinar el óptimo. Claramente no

es óptima para definir cualquiera de xІ, xЇ, xЈ igual a cero. A continuación, hay cinco
restricciones lineales restantes:

gІ (xІ, xЇ, xЈ) = xІ + xЇ + xЈ = 100

gЇ (xІ, xЇ, xЈ) = 550xІ + 800xЇ + 400xЈ = 50000

gЈ (xІ, xЇ, xЈ) = xІ = 30

gЉ (xІ, xЇ, xЈ) = xЇ = 40

gЊ (xІ, xЇ, xЈ) = xЈ = 50

Resolviendo cualquier tres de ellos obtenemos las coordenadas de un punto de

esquina. Si estas coordenadas satisfacen las restricciones de desigualdad representa
una solución factible. Al marcar todos los puntos de esquina 10, encontramos que el
óptimo se produce en la intersección de la restricción de las líneas !
 y " dada por
(XІ, XЇ, XЈ) = (30, 16.875, 50) en la que encontramos

Y = 250 (xІ, xЇ, xЈ) = 24,218.75

Por eso la estrategia óptima enviar el máximo de 30 toneladas/día de carga A y 50

toneladas por día o carga C. A continuación, debido a las limitaciones de volumen,
podemos sólo enviamos 16.875 toneladas/día de carga B. Esto producirá una carga
total de envío de $ 24,218.75 por día. Es importante tomar nota de que la restricción
de peso no es vinculante, i.e., no tenemos suficiente volumen en las bodegas de carga
para enviar todos 100 toneladas de carga disponible.

$%Lo siguiente es calcular y discutir los precios de la sombra de cada restricción. Los
vectores de degradado para las limitaciones de enlace son los siguientes:

vІ = gЇ = (550,800,400)

vЇ = gЈ = (1, 0, 0)

vЈ = gЊ = (0, 0, 1)

y
 = (250,250,250) para la función objetivo #

Las ecuaciones de multiplicadores de Lagrange son


$%
$%
&"%"

Para

250 = 550 $

&

250 = 800 $

250 = 400 $

&"

Por lo tanto ʄЇ = 0.3125, ʄЈ = 78.125 and ʄЊ = 125

Estas cifras dan los precios de la sombra, que efectivamente significan que la
capacidad de carga adicional vale aproximadamente $ 0,31 por pie cúbico. La neta
ventaja de ser capaz de enviar más de carga A es $ 78.13 por tonelada, y para
carga C la cifra es de 125 dólares por tonelada.

Para todas las otras restricciones, que son todos inductivo, los precios sombra son
cero. Así, por ejemplo, la empresa no estaría dispuesta a pagar para aumentar la
capacidad de peso de los aviones, ya que la solución óptima actual no utiliza toda
la capacidad disponible de peso.

$%a continuación utilizamos los resultados anteriores de sensibilidad para resolver

la extensión del problema. Sabemos que el espacio para carga adicional vale
de $0,31 por pie cúbico. Durante la vida útil de los aviones (I.e., 5 años), la
propuesta de modificación permitiría a la empresa enviar

5 x 250 x 2000 = 2.500.000

Pies cúbicos adicionales de carga, que debe ser un valor

$ 0,31 x 2, 500.000 = $ 775.000

Dado que esta cifra está muy por encima de los costos de 200.000 dólares de la
reconfiguración, la empresa debe proceder a este plan.

Consiste en la carga restante no actualmente que se envían

40: 16.875 = 23.125

Toneladas diarias de carga B, que llenarían un volumen de

23.125 x 800 = 18.500

De pies cúbicos. La carga diaria actual utiliza todo el volumen disponible y pesa
toneladas de 96.875. Cada avión modificado puede llevar un adicional de 2.500
pies cúbicos de carga B, que pesa
 2.500/800 = 3.125 toneladas

A pesar de que hay suficiente carga adicional llenar de 7 u 8 modificado aviones,

hay total suficientemente sólo pesa capacidad de transportar un adicional de 3.125
toneladas por día. Esto significa que sólo debemos modificar uno de los aviones. Si
modifica un plano, a continuación, las limitaciones de enlace son gЈ, gЊ y el
restricción modificado gЇ ч 52.500

Así que ahora solucionamos

550xІ + xЇ + 400xЈ de 800 = 52.500

Sujeto a

xІ = 30, xЈ = 50

Esto da xЇ = 20 por lo que en este caso nos enviar 20 toneladas de carga B y

obtener los gastos de envío de 25.000 dólares desde

250 (xІ + xЇ + xЈ) = 250 (30 + 20 + 50) = 25.000

:& 

Ahora nos validar los resultados obtenidos en la sección 4 resolviendo como un

problema de programación de lincar mediante el método simplex. Hemos elegido
el paquete de software LINDO para llevar a cabo el cálculo.
 $%Por supuesto, la lista de variables y supuestos son los mismos en el punto 4. Por
lo que nuestro objetivo es maximizar el

Sujeta a las limitaciones

El óptimo L.P encontró un paso 3 utilizando LINDO es 24,218.75 este máximo se

alcanza en . Por lo tanto, le recomendamos que la
empresa suministra 30 toneladas de carga A, 16.875 toneladas de carga B y 50
toneladas de carga C por día. Esto debe resultar en la empresa de recogida de
gastos de envío de $24,218.75 por día.

$% Siguiente verificamos los precios sombra para cada restricción que se
encuentra en la sección 4. Los multiplicadores de Lagrange o los precios
sombra son ahora calculados automáticamente por LINDO bajo el epígrafe de
"Precios de DULA". Fila 2 es la restricción de volumen y el precio de doble
correspondiente es 0.3125. Este es el precio de sombra para el volumen. 4 De
fila es el límite superior de la cantidad de carga A disponible, y el
correspondiente precio de doble es 78.125. Este es el precio de la sombra de
una tonelada de carga a. fila 6 es el límite superior de la cantidad de carga C
disponible, y el correspondiente precio de doble es 125. Este es el precio de la
sombra de una tonelada de carga espacio de carga extra de C. vale $0.3125 por
pie cúbico. Carga adicional de tipo A vale $78.13 por tonelada, y carga adicional
de tipo C vale de 125 dólares por tonelada.
$%Finalmente, verificamos los resultados para la extensión del problema original.
El costo de actualización es de $160 por avión al día. Para determinar si es
mejor modificar un avión, que modificar la restricción de volumen, de modo
que se convierte ahora en

Y optimizar. La modificación es vale bien si la función objetivo aumenta en más de

160.

Utilizando LINDO (véase la figura B9.3) y MAPLE (véase la figura B9.4) encontramos
que el nuevo óptimo es de 25.000, por lo que el nuevo ingreso neto es de 25 000
por día. Esto es claramente mejor que el resultado en la letra a y, por tanto,
merece la pena modificar un plano. El óptimo de 25.000 se produce
en .

Como hay una restricción de 100 toneladas de la carga diaria total, no nos
deberíamos modificar más de un avión.

El paquete de software LINDO es muy amigable para el usuario y un número de

veces que se puede ejecutar. Por ejemplo, si quisiéramos decidir si es mejor
modificar un segundo avión, simplemente cambiamos la restricción de volumen a

y optimizar. Otro LINDO ejecutar rendiría el óptimo y el corresponding valores

de el beneficio neto sería menos que antes. Tenga en cuenta
también que desde aquí por utilizamos toda la capacidad disponible de peso y por
lo tanto no tiene sentido considerar la adición de capacidad de carga a cualquier
aviones más

MAXIMIZAR 250 x 1 + 250 x 2 + 250 x 3

SUJETO A

550 x 1 + 800 x 2 + 400 x 3 < = 52500

x 1 + x 2 + x 3 < = 100

x 1 < = 30

x 2 < = 40
 x 3 < = 50

1x>=0

2x>=0

x3>=0

FINAL

6. Interpretación y conclusiones

Este proyecto es interesante en el sentido de implica el uso de transporte aéreo para el

transporte de carga por una compañía naviera. Dado que sólo trata de tres tipos de carga
y los parámetros claves de peso y volumen, el número de restricciones es pequeño y, por
tanto, fácilmente controladas en una solución matemática. También la solución
matemática fácilmente puede ser validada por el uso de un número de paquetes de
software de programación lineal en el mercado.

Debe señalarse envío más realista y problemas de transporte son generalmente mucho
más complejos debido a las dimensiones más grandes y la complejidad de las
restricciones. Así, por ejemplo, técnicas de gráficas no están disponibles para la dimensión
n > 3 y resolver f = 0 se vuelve más complicada como el aumenta número de variables
independientes. Optimización restringida es también más dificultad se convierte en la
geometría de lo factible región puede ser más complicado.

En general, problemas de optimización multivariable con restricciones casi siempre son

difíciles de resolver. Por supuesto, la programación lineal es un importante herramientas
en la solución de esos problemas aquí tanto la función objetiva y las funciones de
restricción son lineales. Paquetes de software para la programación lineal están
ampliamente disponibles y son de uso frecuente para problemas en manufactura,
inversión, transporte, agricultura y Gobierno. Problemas típicos de gran escala involucran
a miles de variables de decisión y miles de restricciones.

A pesar de que se han desarrollado una variedad de técnicas computacionales para

gestionar los tipos especiales de problemas de optimización multivariable, buenos
métodos generales aún no existen niveles incluso en los más sofisticados. El área de
investigación que abarca el desarrollo de nuevos métodos computacionales para este tipo
de problemas se denomina programación no lineal, y está muy activo.
7. El equipo algoritmos

La solución matemática de este problema dado en la sección 4 ha involucrado el uso de

MAPLE para obtener algunos resultados numéricos. Para la validación de modelos en la
sección 5, paquete popular lineal de software de programación LINDO ha sido utilizado
para llevar a cabo un número de carreras.