Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 6
Técnicas de optimización en recursos
hidráulicos
Logro de la sesión
Al finalizar la sexta unidad, el estudiante será capaz de
plantear un problema de programación lineal identificando
restricciones, objetivos y hallando la solución más óptima.
Datos/Observaciones
Temario
Semana 14
Datos/Observaciones
Introducción
Datos/Observaciones
Definición
La programación lineal hace referencia a varias técnicas matemáticas usadas para
la asignación óptima de recursos limitados a distintas demandas que compiten por
ellas.
Datos/Observaciones
Problema general
Todo modelo de PL tiene tres componentes básicos:
• Variables
• Objetivos
• Restricciones
Los problemas de programación lineal se generan por los recursos limitados, que
buscan distribuirse de la mejor manera. Estos recursos, al ser limitados, pueden ser
distribuidos de diversas maneras como tantas combinaciones matemáticas sean
posibles vinculadas a un mismo objetivo.
Datos/Observaciones
Problema general
El problema de PL crea un proceso de optimización en el cual se eligen valores no
negativos de una serie de variables de decisión de modo que maximicen o
minimicen una función objetivo, cuya fórmula es la siguiente:
Sujeto a restricciones:
Donde a, b son constantes dadas y R
a1X1+a2X2+c3X3+……..< R1 son las restricciones. Dependiendo del
b1X1+a2X2+c3X3+……..< R2 problema, se pueden expresar con
signos de desigualdad diferentes.
c1X1+a2X2+c3X3+……..< R3
Datos/Observaciones
Elementos de una PL
• Función objetivo: es la variable Z, la cual representa lo que se busca optimizar.
Esta función tiene un estrecho vínculo con la pregunta general que se desea
responder.
Datos/Observaciones
Planteamiento
Datos/Observaciones
Metodología
La programación lineal es la base fundamental de la investigación operativa, la
resolución de un problema de PL es como sigue:
Se debe tener en cuenta a las unidades de cada ecuación planteada debe haber
coherencia con las unidades.
Datos/Observaciones
Ejemplo 1
La empresa ABC fabrica dos tipos de productos: producto A y B, cada producto A genera
una utilidad de 3$ y cada producto B una utilidad de 5$. En la tabla adjunta se muestra la
disponibilidad de las fábricas de producción. La producción del producto A requiere 4 horas
de trabajo en la fabrica 1 y 2 horas en la fabrica 2. La fabricación del producto B requiere 6
horas en la fábrica 1, 6 horas en la fábrica 2 y 1 hora en la fábrica 3. Si la empresa desea
obtener la máxima ganancia, ¿Cuántos productos de cada tipo debe producir por día?
Fábrica Disponibilidad de horas
Definición de la variables:
1 120
X1= número de productos tipo A
X2= número de productos tipo B 2 72
3 10
Datos/Observaciones
Ejemplo 1
Definición de la función objetivo:
Obtener la máxima utilidad, entonces es un problema de maximización. Se usa la utilidad
(lo que genera la ganancia) relacionada con el producto.
Max Z= 3X1+5X2
Datos/Observaciones
Ejemplo 1
En el caso de problemas de maximización, la solución se determina en la parte interior
formada por el polígono convexo. En este caso las restricciones serán representadas por la
expresión <= ; lo cual indica que, en el caso de estudio no podrán utilizarse más recursos
que aquellos de los que se dispone (finitud) y los coeficientes de las variables del problema
de acuerdo a las necesidades técnicas.
Datos/Observaciones
Ejemplo 2
La empresa XYZ produce dos tipo de bienes R y S. La planta puede producir al menos 90
unidades de R y 180 de S diariamente. El costo por unidad del producto R representa 45$,
mientras que el costo del producto S es de 80$, y una producción combinada de ambos
productos de al menos 100 unidades. ¿Cuál seria la mejor combinación de productos para
obtener los menores costos?
Definición de la variables:
X1= número de bienes tipo R que se va a producir.
X2= número de bienes tipo S que se va a producir.
Función objetivo:
El objetivo es reducir los costos de producción (obtener el menor costo de todos).
Min Z=45X1+80X2
Datos/Observaciones
Ejemplo 2
Definir las restricciones:
Se toma en cuenta la disponibilidad para la producción de los bienes R y S.
X1 >= 90
X2 >= 180
X1+X2 >=100
X1, X2 >= 0
Datos/Observaciones
Métodos de solución
Luego de diseñar el modelo de optimización lineal es necesario solucionar el mismo. Para
llevar a resolver un problema de PL, se utilizan diferentes métodos de solución, los cuales
son:
Datos/Observaciones
Método gráfico
Datos/Observaciones
Introducción
El método gráfico representa la forma más sencilla para la resolución de problemas de PL,
consiste en graficar las ecuaciones correspondientes a las restricciones en el plano
cartesiano, siendo cada variable representada en uno de los ejes, de tal manera que quede
definida la zona o región factible de solución, procediéndose a encontrar en ella el punto
que optimice la función objetivo.
Datos/Observaciones
Metodología
• Planteamiento del problema: transformar la información dada en el problema en un
sistema de ecuaciones, basadas en PL.
• Si las restricciones son de tipo mayor o igual que, la zona factible de solución se
ubicará hacia la parte superior del primer cuadrante de la gráfica, si las
restricciones son de tipo menor o igual que, la zona factible será lo que quede por
debajo de la línea correspondiente a la restricción, y si la restricción fuera una
igualdad, la zona factible deberá quedar sobre la línea correspondiente a dicha
restricción.
Datos/Observaciones
Metodología
• Trazo de ecuaciones de la función objetivo: dándole diferentes valores a Z. Este
paso puede omitirse, pues el objetivo es encontrar el punto que corresponde a la
solución del problema, el cual serpa aquel que optimice la función objetivo.
• Hallar la solución del problema: es aquella recta de las trazadas que optimice la
función objetivo. Pueden existir varias soluciones óptimas en un problema, pero es
importante determinar cuál de todas esas soluciones es la factible. Recordando que la
solución factible óptima es aquella admisible para que la función objetivo alcance el
óptimo propuesto.
Datos/Observaciones
Ejemplo 1
Datos/Observaciones
Ejemplo 2
Min Z=45X1+80X2
45(90)+80(10) = 4850
45(180)+80(180)=22500
45(0)+80*(180)=1440
45(0)+80*(100)=8000
Datos/Observaciones
Método simplex
Datos/Observaciones
Metodología
El procedimiento no gráfico de resolución de problemas de PL mas conocido y popular es
el método SIMPLEX, el cual constituye un procedimiento algebraico que resuelve
cualquier problema de PL, es del naturaleza matricial iterativo fundamentado por la
metodología de Gauss-Jordam en el manejo de variables no negativas.
Datos/Observaciones
Metodología
El método SIMPLEX llega a la solución óptima por medio de iteraciones o pasos sucesivos,
utiliza conceptos de algebra matricial. Finalmente, este método proporciona un indicador
que determine el punto en el cual se logra una solución óptima.
Datos/Observaciones
Metodología
Existen tres requerimientos fundamentales para resolver un problema de PL mediante el
método SIMPLEX:
Datos/Observaciones
Procedimiento
1) Convertir las desigualdades en igualdades mediante la incorporación de variables de
holgura (H) o artificiales según el caso que corresponda según:
Datos/Observaciones
Ejemplo
Se considera un ejemplo de maximización con el método SIMPLEX:
Datos/Observaciones
Ejemplo
El primer paso que se debe realizar es transformar las inecuaciones en ecuaciones o
igualdades. En el presente caso, al ser restricciones menor o igual que, se añaden
variables de holgura.
Datos/Observaciones
Ejemplo
Se forma la primera tabla:
De las ecuaciones de las restricciones, se toman los coeficientes de las mismas para
formar la primera tabla SIMPLEX. Al agregar el renglón objetivo se incluyen los
coeficientes de las variables. A estos coeficientes se les denomina también contribuciones.
Datos/Observaciones
Ejemplo
A continuación, se genera el renglón índice restando la sumatoria de los productos de los
elementos de la columna por el respectivo elemento de la columna objetivo menos el
elemento correspondiente a la columna del renglón objetivo:
Datos/Observaciones
Ejemplo
Con los cálculos realizados se procede a elaborar la segunda tabla SIMPLEX
Datos/Observaciones
Ejemplo
En la segunda tabla SIMPLEX la aproximación no es optima en la primera solución, por lo
cual se realiza en el siguiente paso. La aproximación de la solución será óptima cuando en
el renglón índice, no existan números negativos. Evidenciando que la respuesta inicial
puede ser mejorada en las interacciones siguientes. Las variables básicas serán iguales al
numero de restricciones que en el ejemplo son dos.
En el siguiente paso dentro del método SIMPLEX es mejorar la aproximación anterior, para
lo cual se debe terminar la columna de trabajo o columna clave, la misma que se
seleccionara en función del numero índice mas negativo (en caso de empate se selecciona
al azar) .
Datos/Observaciones
Ejemplo
Para el ejemplo, la columna clave será correspondiente a X1 pues posee el índice mas
negativo en el renglón índice (-6) como se muestra:
Datos/Observaciones
Ejemplo
Para identificar el renglón clave, se toman los coeficientes de la columna constante y se
divide para el número que corresponda de la columna de trabajo; de estos resultados, se
selecciona el menor de los cocientes que, para el caso de estudio, es el segundo renglón:
Datos/Observaciones
Ejemplo
El segundo renglón servirá como la fila guía (figura anterior). El cruce entre la columna de
trabajo y la fila de trabajo será el numero clave (pivote), el cual debe ser convertido en 1.
Así dividir los coeficientes del renglón clave para el valor del numero pivote, en el presente
caso, 3, se obtiene:
Datos/Observaciones
Ejemplo
A continuación, se debe convertir en cero el resto de coeficiente de la columna clave, lo
cual se logra sumando o restando un determinado numero de veces los coeficientes del
renglón clave, este procedimiento se conoce como reducción de Gauss.
Datos/Observaciones
Ejemplo
En este caso, el renglón índice se le suma la fila guía multiplicando por 6:
Datos/Observaciones
Ejemplo
Esta aproximación ya es optima por cuento, en el reglón índice, no existe ningún numero
negativo, siendo la solución:
Este valor de Max Z equivale a 16, considerando que la variable X1 debe tener un valor de
2.667 y H1 como una variable de holgura con un valor de 1.33. Es importante indicar que
siempre una variable no básica tenga en la tabla SIMPLEX final como coeficiente del
renglón índice un cero, representa la existencia de varias soluciones alternativas.
Datos/Observaciones
Programación no lineal
Datos/Observaciones
Introducción
La programación no lineal forma parte de la investigación de operaciones y también, como
la programación lineal, tiene como finalidad proporcionar los elementos para encontrar los
puntos óptimos para una función objetivo. En este planteamiento, tanto la función
objetivo como las restricciones son no lineales.
Datos/Observaciones
Introducción
Muchas veces se presentan casos en que se deben maximizar funciones no lineales que
presentan restricciones lineales; esto es posible resolverlo, siempre y cuando se admita la
hipótesis de que la utilidad marginal no es constante, en este caso, la función objetivo deja
de ser lineal.
Datos/Observaciones
Características
Los problemas no lineales se caracterizan por tener relaciones no lineales; es decir, no
existe una relación directa y proporcional entre las variables que intervienen. Los
problemas de programación no lineal, también son llamados curvilíneos, ya que el área
que delimita las soluciones factibles en un gráfico se presenta en forma de curva.
Los problemas que contienen restricciones lineales, se resuelven de una forma más
sencilla que los problemas con restricciones no lineales.
Datos/Observaciones
Ejemplo
Una forma de resolver los problemas de programación no lineal es convirtiendo los
problemas de forma tal, que se pueda aplicar la programación lineal. Los problemas de
programación no lineal abarcan problemas con función objetivo no lineal y restricciones no
lineales, como se presenta en el ejemplo siguiente:
Como se puede observar, tanto la función objetivo como la restricción presentan variables
de segundo grado (potencia cuadrática); por lo tanto, son no lineales. Para comenzar con
la resolución de un problema no lineal se representa la restricción en un gráfico, para ello,
se utiliza el mismo procedimiento empleado en el método gráfico de programación lineal
Datos/Observaciones
Ejemplo
Considerando la ecuación 3x2+2y<=13 950 , se le asigna un valor de 0 a la variable Y, para
encontrar el punto X en el gráfico. Así mismo, se asigna un valor de 0 a la variable X, para
encontrar el punto Y en el gráfico.
Datos/Observaciones
Ejemplo
Para despejar la variable Y se procede:
Sacando raíz cuadrada se obtiene dos
soluciones: +- 83.51, pero como existe la
condición de no negatividad se escoge el
positivo: + 83.51
Datos/Observaciones
Ejemplo
De acuerdo con el procedimiento por el método grafico de programación lineal, se debe
dibujar en un plano cartesiano cada una de las restricciones formuladas matemáticamente,
de esa forma se representa como se muestra en el grafico siguiente la restricción
considerada para este ejemplo:
Como podemos observar, la restricción se
representa por una curva convexa, por lo que
la función objetivo es cóncava. Para graficar
la función objetivo, se asigna un valor cualquiera
a la variable X y a la contribución; para este
ejemplo, se asignó un valor a X=40 y una
contribución de $1,000.
Datos/Observaciones
Ejemplo
Sustituyendo el valor de X en la función objetivo, se puede encontrar el valor de la variable
Y, como se presenta a continuación:
Datos/Observaciones
Ejemplo
Una vez obtenidos los valores de X, Y para la función objetivo, se pueden representar en
un gráfico y prolongarlo hasta tocar el punto más lejano del área de soluciones factibles,
para hallar la solución óptima.
Datos/Observaciones
Conclusiones
Datos/Observaciones
Gracias
Datos/Observaciones