Nutrición óptima a través de la programación lineal

Introducción
Muchas personas se enfrentan a diario con el problema de obtener una dieta
nutricionalmente equilibrada. Hay que tener en cuenta varios factores:
calorías, proteínas, hierro, las diversas vitaminas y, por supuesto, la variedad.
También hay que tener en cuenta las características personales y el estilo de
vida, por ejemplo, El menú óptimo de un atleta diferiría marcadamente del
plan de comidas ideal de un paciente de hospital.

Nos gustaría desarrollar un modelo matemático para el plan de dieta ideal para
diferentes clasificaciones de personas, es decir, atletas, pacientes,
vegetarianos, niños y adultos "promedio" hombres y mujeres. Tal plan debe
asegurar que durante un período específico de tiempo la dieta suministre los
nutrientes adecuados sin exceder ciertos límites calóricos. También parece
deseable tratar de minimizar el costo del plan. La presencia de estas
restricciones nutricionales y la función objetivo de costo sugiere que el
desarrollo del plan de dieta ideal es en realidad un problema de programación
lineal (LP).

Problema Hipotético
2.1 Planteamiento del problema:
Supongamos que los únicos alimentos disponibles para la compra son el maíz
y las habichuelas. Utilizando los datos de la tabla 1, queremos satisfacer las
restricciones nutricionales y calóricas dadas, y al mismo tiempo minimizar el
costo.

*Tabla(1)*
Sea X, el número de 100 g unidades de habichuelas y X2 el número
de 100 g unidades de maíz. El costo total de estos artículos será..
*Ecuación (1)*

El equilibrio nutricional en nuestra dieta requiere que alcancemos los mínimos

y máximos diarios de proteínas, vitamina C y calorías indicados en las dos
últimas filas de la tabla 1. Las restricciones se pueden expresar como:
*Ecuación (2)*

*Ecuación (3)*

*Ecuación (4)*

Ya que no podemos comer una cantidad negativa de alimentos, También

debemos tener

X1 ≥0 y X2 ≥0.

2.2 Solución grafica

Primero intentaremos resolver este problema gráficamente. En la Fig. 1, Se
han trazado las tres desigualdades de restricción (2)-(4). El conjunto factible
representa aquellos puntos que satisfacen todas las restricciones (2)-(4).
Pueden ser pensadas como todas las posibles soluciones al problema LP y se
puede considerar como la región factible.

Ahora debemos encontrar el punto (x1, x2) que hace que la función de coste
(1) sea más pequeña que cualquier otro punto en la región factible. Para hacer
esto, algunas de las familias de líneas f = C se han dibujado en la Fig. 1. Desde
la línea f= 0.9 no intersecta la región factible, pero f= 1.2 lo hace, el mínimo
de f debe estar entre estos dos valores. De hecho, el primer miembro de la
familia f = c para cruzar la
 *Grafica(1)*

Región factible será la línea que toca la esquina inferior izquierda. Leyendo
los valores de X1 y X2 de la gráfica en este punto tenemos eso x1=0.8,x2=5.4
Así que el valor del programa (el costo de la comida) será F=97c

Si x1 y x2 Se limitan a valores enteros, es decir, si el maíz y las habichuelas

sólo se venden en unidades de 100 g, la solución óptima en el húmedo factible
sería X1=2, X2=5, Y el valor del programa sería f = $1.15.

2.3 Solución con el método simplex

Ahora vamos a resolver el mismo problema usando lo que se conoce como el

método simplex. Este método ha demostrado ser muy exitoso en la solución de
problemas de LP. Es un método iterativo en el que nos movemos de un punto
factible a otro de tal manera que la función objetivo siempre aumente.

2.3.1 Forma estándar. Antes de describir el método simplex debemos poner el

problema en forma estándar. Dado que cualquier problema LP se puede poner
en forma estándar, sólo necesitamos describir el algoritmo simplex que
conduce a una solución para esa forma. El método simplex implica la solución
de ecuaciones algebraicas lineales simultáneas por lo que cualquier
desigualdad entre el conjunto de restricciones debe ser transformada en
igualdad. Esto se puede lograr mediante la introducción de incógnitas
adicionales llamadas variables de "holgura" o "excedente", dependiendo de la
naturaleza de la desigualdad. Dado que estas nuevas variables también deben
ser no negativas, las restricciones (2)-(4) se pueden reescribir como

*Ecuación (6)*
Donde x1,x2,s1,s2 y s3 ≥0. Tenga en cuenta que las variables excedentes, s1 y
s2, están precedidas por signos menos, mientras que la variable de holgura, s3,
está precedida por un signo más.

La forma estándar también requiere que la función objetivo sea maximizada.

En nuestro problema estamos buscando minimizar el costo de la comida así
que debemos alterar la función objetiva negándola.

La solución maximizando el negativo de la función también minimizará la

función misma. Así, la función objetivo para nuestro problema se convierte
*Ecuación (7)*

2.3.2 Caracterización de soluciones óptimas. El conjunto factible de puntos se

define de manera similar a la forma en que fue para el método gráfico, excepto
que las variables de holgura también se deben tener en cuenta. Por lo tanto, un
punto factible para nuestro problema es uno que satisface las restricciones (6).

En general, existen dos posibilidades para la región factible: o está vacío, es

decir, las restricciones son contradictorias, o contiene al menos un punto
factible. Si existe al menos un punto factible, entonces la función objetivo
puede hacerse infinitamente grande o tiene un máximo finito que puede o no
ser único. El punto factible en el que la función objetivo asume su valor
máximo se llama la solución óptima del problema LP y el máximo de la
función se llama el valor del programa. Los puntos factibles de interés
primario en el método simplex son los conocidos como puntos factibles
básicos. Un punto factible básico es un punto factible para el cual n - m de las
n variables son cero, donde m es el número de ecuaciones independientes en el
conjunto de restricciones. Para nuestro problema un punto factible básico debe
tener 5-3, es decir, 2, de las variables como cero. La importancia de los puntos
factibles básicos es la relación que tienen con la solución óptima. Esta relación
se caracteriza por el siguiente teorema:

Teorema 1: Si existe una solución óptima entonces existe una solución óptima
que es también un punto básico factible, es decir, por lo menos n - m de sus
coordenadas son cero.
Por lo tanto, el método simplex sólo tiene que ver con puntos factibles
básicos. Una vez que se ha encontrado tal punto, nos movemos a otro punto
básico factible que aumentará el valor de la función objetivo. Si no se puede
hacer tal aumento, entonces el punto básico factible actual es la solución
óptima.

2.3.3 El algoritmo simplex. Para facilitar el uso de este método en la solución

de nuestro problema, primero vamos a resumir los pasos básicos de la
siguiente manera:

1. Encontrar un punto factible básico en el cual la iteración puede comenzar

dividiendo las n variables en n - m variables independientes y m dependientes.

2. Expresa las variables dependientes y la función objetivo en términos de las

variables independientes.

3. Si ninguno de los coeficientes en la expresión de la función objetivo en

términos de las presentes variables independientes es positivo, entonces el
presente punto básico factible es una solución óptima, así que pare.

4. Para cada una de las variables independientes, Yi, que tienen coeficientes
positivos en la función objetivo, determinar el mayor incremento positivo
posible, Δyi, se puede hacer en la variable independiente sin hacer ninguna de
las variables independientes negativo. Observe los valores de estos
incrementos para cada variable independiente, así como el correspondiente
incremento en la función objetivo y la variable dependiente, Yk que inhibe
cualquier aumento adicional en Yi convirtiéndose en cero.

5. Intercambia la variable independiente Yi con la variable dependiente y,

desde El Paso 4.

6. Regresa al paso 2

La condición para completar el proceso que se establece en El Paso 3 se

conoce como el criterio de optimalidad. Si se cumple el criterio de
optimalidad, la función objetivo no puede aumentar cuando se dan valores
positivos a una (o más) de las variables independientes. Dado que no se
permiten valores negativos, esto asegura que la función objetivo sea
maximizada.

2.3.4Solución del problema nutricional. Ahora estamos listos para aplicar el

método simplex a la solución del problema nutricional hipotético.
Comenzaremos seleccionando x1 y x2 como variables independientes. La
función objetivo (7) ya está en términos de estas variables por lo que sólo
tenemos que reescribir las restricciones como
*Ecuación (8)*

Nuestro objetivo es encontrar un punto básico factible. Para hacer esto fijamos
x1 = 0, y determinamos el valor mínimo de x2 que satisfará s1,s2,s3 ≥0. Se
puede ver que cuando x1=0,s2≥0 necesita X2≥7 y S3≥0 necesita X2≤6. Así
que no existe tal cosa X2. Por lo tanto, finja X2=0 para obtener

S1

S2

S3

Dado que el coeficiente de x, en la ecuación objetiva es negativo, queremos

elegir el mínimo x, lo que asegura que todas las variables de holgura será no
negativa. Así, la restricción limitante es s1 ≥0 y intercambiamos s1 y x1,
haciendo s1 y x2 las nuevas variables independientes. A continuación
resolvemos para los demás en términos de s1 y x2:
*Ecuación (9)*

La función objetivo también se debe poner en términos de las nuevas variables

independientes:

*ECUACIÓN*
Dado que x2 tiene un coeficiente positivo en la función objetivo, queremos
fijar s1 = 0 y aumentar x, tanto como sea posible. Si s1= 0, entonces

X1

S2

S3

El menor de estos límites superiores es 59/11, impuesto por s2. Siguiendo el

mismo procedimiento que antes, cambiamos s2 y x2 haciendo s1 y s2 nuestras
variables independientes. Ahora las restricciones (8) se pueden escribir como

*Ecuación (10)*

Mientras que la función objetivo se convierte

*Ecuación*

Desde s1 y s2 ambos tienen coeficientes negativos en la función objetivo, y

todas las restricciones (i. E xI, x2, s3 ≥ 0) se satisfacen cuando s1 = 0 y s2 = 0,
se cumple el criterio de optimalidad del paso 3. Sustituyendo s1 = 0 y s2 = 0
en ecuaciones (10) da

*ECUACIÓN*

El costo de estas cantidades de maíz y habichuelas será

F=-g=$0.97

Cabe señalar que la solución óptima (X1, x2), así como el valor del programa
eran los mismos si el problema se resolvió gráficamente o por el método
simplex. Las ventajas del método simplex son que produce respuestas
algebraicas que pueden ser sólo aproximadamente legibles a partir de un
gráfico y permite la solución de problemas LP de mayor dimensión.
 3. Modelo del PLAN de dieta IDEAL

3.1 lista de comida

Una dieta compuesta sólo de habichuelas y maíz sería monótona y

nutricionalmente desequilibrada. El desarrollo de un plan de dieta ideal
requiere que el problema se amplíe para incluir una variedad de alimentos,
incluyendo carnes, frutas, verduras, productos lácteos, panes y cereales y
alimentos "chatarra".En la tabla 2 se presenta una lista de 38 alimentos y su
contenido nutritivo y costo por 100 g.

3.2 Restricciones

Una dieta equilibrada debería, A largo plazo, contener las necesidades diarias
mínimas de vitaminas A, C y B6, hierro y proteínas, manteniéndose dentro de
un rango calórico específico. Estos requisitos se resumen en las tablas 3 y 4.
Los mínimos y máximos varían de persona a persona dependiendo de la edad,
el peso y el sexo.

Además de las limitaciones calóricas y nutricionales también es deseable

poner algunas limitaciones de variedad en la dieta para que no terminemos
comiendo una dieta constante de hígado y naranjas, por ejemplo. También, si
algunos alimentos de bajo valor nutricional, por ejemplo barras de caramelo,
son deseados, debemos poner un mínimo de restricción sobre ellos.

*TABLADECOMIDAS*

3.3Formulación del modelo

El problema puede ser formulado de la misma manera que el más simple. En

primer lugar se definen las variables

Xi: cada alimento….

Ai:cantidad de vitamina A….

Ci:cantidad de vitamina C….

Bi:cantidad de vitamina B6
 Fi:cantidad de hierro

Ri.CANTIDAD DE PROTEINA…

Pi: costo de 100g…

Ki:Calorias por 100g..

El objetivo del proceso es minimizar el costo de los alimentos y al mismo

tiempo satisfacer las limitaciones nutricionales, calóricas y de variedad. Así, la
función objetivo se minimiza y se puede escribir como

*tablas*

Las restricciones nutricionales son:

*ecuaciones*(12)

Y la restricción calórica es

*Ecuación(13)*

Tenga en cuenta que en el problema más realista en consideración también

debemos exigir que un cierto número mínimo de calorías se consume sobre
una base diaria. Podemos asegurar la variedad requiriendo

*ecuación(14)*

Para cada comida

3.4 Soluciones de muestra

El problema LP formulado en la sección anterior es demasiado grande para

resolver sin la ayuda de un ordenador. Se utilizó un paquete informático
utilizando el método simplex para planificar una dieta para un varón de 20
años de edad que pesaba 150 libras. Sin restricciones de variedad, la dieta
consistía sólo de hígado, arroz, patatas, coca y té y costaba sólo 79c. Un día.
Aunque esta dieta no es costosa, le falta algo. Con el fin de hacer la dieta más
interesante, se impuso un mínimo general de 20 g/día con las siguientes
restricciones adicionales:

*ECUACIONES Y TABLAS*

Los resultados de este problema se utilizaron para planificar el menú en la

tabla 5. El menú se obtuvo multiplicando el número de días por las
proporciones proporcionadas por el problema LP. El gasto diario de comida
para este menú es de $1.86.

4. CONCLUSION

Los métodos de LP podrían aplicarse al problema de la nutrición para variar el

menú a las necesidades particulares de los individuos. Por ejemplo, un
vegetariano podría sustituir las carnes listadas por otros alimentos, o un
"pesador" podría minimizar las calorías en lugar de los costos. Ya se trate de
un hospital que planifique los menús o de una familia que trabaje con un
ingreso limitado, este modelo proporcionará un menú nutricionalmente sano,
que atienda a situaciones individuales, a un costo mínimo.
En general, LP puede ser usado para resolver problemas de minimización o
maximización en una variedad de campos. Algunos ejemplos de tales
aplicaciones son el problema de mezcla de productos, asignación de personal,
problema de transporte y programación.

5.REFERENCIAS

………..
6. EJERCICIOS