Ingeniería de los recursos hidráulicos

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

• Introducción a las técnicas de optimización.

• Aprovechamiento de los recursos hidráulicos.
• Etapas del aprovechamiento.
• Posibles optimizaciones en recursos hidráulicos.
• Programación Lineal.
• Programación No Lineal.
• Técnicas convencionales.
• Programación Dinámica.

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.

Para otros autores, la programación lineal es una técnica de optimización que

busca maximizar o minimizar una función lineal, llamada función objetivo, sujeta a
restricciones también lineales.

Se define como programación lineal PL el enfoque para la solución de problemas

con miras a tomar decisiones acertadas, cuyo modelo matemático es la función
lineal, sujeta a restricciones lineales no negativas.

Se le considera también como una herramienta aplicable a diferentes campos

como recursos hídricos, empresarial, transporte, industrial, etc.

Datos/Observaciones
 Problema general
Todo modelo de PL tiene tres componentes básicos:
• Variables
• Objetivos
• Restricciones

La definición correcta de variables de decisión es el primer paso en el desarrollo

del modelo. Una vez concluido dicho proceso, la tarea de construir la función
objetivo (Z) y las restricciones es mas directa.

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:

Max o Min Z=C1X1+C2X2+C3X3+……..+CnXn

Sujeto a restricciones:
a1X1+a2X2+c3X3+……..< R1
b1X1+a2X2+c3X3+……..< R2
c1X1+a2X2+c3X3+……..< R3
Donde a, b son constantes dadas y R
son las restricciones. Dependiendo del
problema, se pueden expresar con
signos de desigualdad diferentes.

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.

• Variables del problema: son las variables desconocidas y que, al resolver el

problema, deben quedar definidas con el propósito de alcanzar la optimización
de la función objetivo. Se les llama también variables de decisión.

• Coeficientes de la función objetivo: representan las cantidades constantes que

aparecen en la ecuación de la función objetivo.

• Restricciones: constituyen las limitaciones físicas o las condiciones que debe

cumplir el problema que va a ser resuelto mediante PL. Hay restricciones no
explícitas u ocultas que es información no disponible o tácita (restricción de no
negatividad).

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

Definir las restricciones:

Las limitantes son las horas de disponibilidad de las fábricas y las horas de fabricación de
cada producto:

4X1 + 6X2 <= 120 horas

2X1 + 6X2 <= 72 horas
1X2 <= 10 horas
X1, X2 >=0

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

En el caso de problemas de minimización, se utilizará en las restricciones la expresión >=.

La zona de solución se ajusta al conjunto convexo hacia afuera e identifica un punto
extremo (vértice) que minimice la función objetivo.

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.

La aplicación de la PL gráfica se limita a problemas que incluyen dos variables de decisión,

a través de este método, se proporciona una visión inmediata de la posible solución.

El método gráfico consiste en obtener geométricamente la solución del problema de PL.

Datos/Observaciones
Metodología
• Planteamiento del problema: transformar la información dada en el problema en un
sistema de ecuaciones, basadas en PL.

• Representación de las variables en el plano cartesiano: trazar las ecuaciones de las

restricciones en el plano cartesiano, cada intersección de las restricciones formará
un vértice para la zona factible de solución, siendo el primero de estos el origen,
debido a que es la intersección de las restricciones de no negatividad.

• 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.

El método SIMPLEX es un procedimiento iterativo que permite hallar la mejor solución a la

función objetivo. El proceso concluye cuando no es posible seguir mejorando dicho
valor, es decir, se ha alcanzado la solución óptima (el mayor o menor valor posible, según
el caso para que se satisfagan las restricciones).

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.

• Etapa inicial: consiste en dar la primera solución factible en el vértice correspondiente al

origen.
• Etapa iterativa: el método busca una mejor solución que la anterior.
• Etapa prueba de optimalidad: se logra cuando la solución de un vértice es mejor que la
de los vértices adyacentes.

Datos/Observaciones
Metodología
Existen tres requerimientos fundamentales para resolver un problema de PL mediante el
método SIMPLEX:

• Se deben expresar como ecuaciones todas las restricciones.

• El lado derecho de las restricciones no puede ser negativo.
• Todas las variables se limitan a valores no negativos.

Independientemente del numero de restricciones (inecuaciones) y de incógnitas (variables)

de un sistema, este método por sí mismo se adapta a un tratamiento de identificación que
muestra una idea sujeta a solución.

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:

2) Incluir las variables de holgura y artificiales en las de la función objetivo con un

coeficiente cero para el caso de las variables de holgura y con un coeficiente M para
las variables artificiales.
3) Formar la tabla SIMPLEX que contendrá la columna de constantes, el cuerpo y la parte
identidad.
4) Encontrar una mejor solución que la anterior.

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.

EL segundo paso es incorporar las variables de holgura en la función objetivo.

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

La primera solución obtenida se la denomina solución básica inicial para el caso de

estudio, esta dado por:

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:

2.667 ; 1 ; 0.667; 0; 0.333

Los valores obtenidos se reemplazan en la fila guía, además sale la variables H2 y en su

reemplazo ingresa X1 correspondiente a la variable de la columna de trabajo.

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.

El primer renglón, se le resta la fila guía:

Datos/Observaciones
 Ejemplo
En este caso, el renglón índice se le suma la fila guía multiplicando por 6:

Con los renglones calculados, se procede a construir la nueva tabla SIMPLEX

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.

Se presenta un problema de programación no lineal cuando tanto la función objetivo que

debe optimizarse, como las restricciones del problema, o ambas, tienen forma de
ecuaciones diferenciales no lineales, es decir, corresponden a ecuaciones cuyas
variables tienen un exponente mayor que 1.

El campo de aplicación de la programación no lineal es muy amplio, sin embargo, hasta la

fecha los investigadores de esta rama del conocimiento no han desarrollado un método
sistemático que sea práctico para su estudio. La programación no lineal también es
conocida con el nombre de programación cuadrática, en virtud de que la mayor parte
de los problemas que resultan contienen ecuaciones cuadráticas o de segundo grado.

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.

Las ventajas más importantes de la programación no lineal son dos:

1. En algunas ocasiones la distribución óptima del presupuesto excluye cualquiera de los

bienes considerados en el presupuesto general; esta situación se refleja en cualquiera de
las restricciones del modelo.

2. La programación no lineal aporta mayor información que la contenida en el análisis

marginal. No sólo define el objetivo, sino que también señala la orientación específica para
lograr el objetivo.

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.

La función objetivo en la programación no lineal, puede ser cóncavo o convexo. Es

cóncavo cuando se trata de maximizar utilidades, contribuciones, etc. Es convexo
cuando trata de minimizar recursos, costos, etc.

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.

Despejando la variable X se procede de la forma siguiente:

Sacando raíz cuadrada se obtiene dos

soluciones: +- 68.19, pero como existe la
condición de no negatividad se escoge el
positivo: + 68.19

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.

La solución óptima para este

ejemplo es X=30 y Y=75

Datos/Observaciones
 Conclusiones

Se mostraron conceptos de programación lineal.

Se realizaron ejemplos de PL.

Se repasaron conceptos de programación no lineal.

Se resolvió un ejemplo de programación No lineal y se

identificaron las diferencias con la PL.

Datos/Observaciones
 Gracias

Datos/Observaciones