Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En este problema, el jugador busca la manera de maximizar el mínimo entre 3 posibles resultados
que tiene el juego en cuestión, distribuyendo su dinero de una forma óptima.
Para plantear el problema descrito es necesario maximizar los 3 resultados posibles de forma
simultánea. En otras palabras, se debe abordar como un Problema de Optimización Multiobjetivo
(Multiobjective Optimization Problem - MOP) que busca encontrar un vector de variables que
cumpla con en el conjunto restricciones planteadas y donde las funciones objetivo resultantes
sean optimizadas (Peñuela & Granada, 2007).
Para conveniencia de este ejercicio, se opta por resolver mediante Solver de Excel con función
objetivo formulada como =MIN(f1(x); f2(x); f3(x)) con f1, f2 y f3 iguales a las 3 funciones o
resultados a maximizar y resolviendo mediante el método Evolutionary el cual resulta ser
especialmente adecuado para la optimización multiobjetivo (von Lucken, Hermosilla, & Baran,
2004).
Variables:
Constantes:
s.a:
Restricción de capacidad:
I
∑ x i ≤C
i=1
Dij =[[−3,4 ,−7,15], [5 ,−3,9,4],[3 ,−9,10 ,−8 ]] (Matriz de ingresos para las alternativas i en
los resultados j).
Todo lo anterior se puede escribir como:
s.a:
x 1+ x2 + x 3 + x 4 ≤500
x1 , x2 , x3 , x4 ≥ 0
Resultados:
a) Se obtiene, mediante la ejecución de solver, una solución factible con objetivo $1174.96
para las variables S = [0.02, 0.00, 287.49, 215.50]
b) Si, dado que existe una distribución factible y que asegura conseguir margen positivo en
todos los resultados posibles. De esta forma, debe utilizar todo su dinero disponible y
apostarlo manteniendo proporcionalmente la distribución obtenida por el modelo de
programación planteado.
Ejercicio 4
La empresa eléctrica a cargo de las 3 plantas busca determinar el plan más económico para
distribuir energía eléctrica a las ciudades 1, 2 y 3. Para ello, se debe buscar la distribución optima
de energía satisfaciendo la demanda de cada ciudad. Esto ultimo deja de ser posible en el mes de
agosto dado que la demanda aumenta en un 20% y la capacidad de las plantas se ve sobrepasada.
Para remediar la situación, se tiene la alternativa de comprar energía adicional a otra planta a un
precio mayor. Es aquí donde se debe generar el primer supuesto de capacidad, aludiendo a que la
planta “extra” no tiene limitación de capacidad para abastecer la demanda faltante o, de tener, es
un numero suficientemente grande como para no considerarla relevante. Para este caso en
particular se ha decidido reflejarlo como 99 MW.
Variables:
x ij :Monto de electricidad (en MW) que debe producir la planta j para enviar a la ciudad i.
Constantes:
s.a:
Restricción de capacidad
I
∑ x ij ≤ C j , ∀ j∈ J
i=1
Restricción de demanda
J
∑ x ij ≥ Di∗120 % , ∀ i ∈ I
j=1
Pij =[[ 600 , 700 , 400 ] , [ 320 , 300 ,350 ] , [ 500 , 480 , 450 ] , [1000 , 1000 ,0 ]] (Matriz de precios de
produccion de energía de las plantas para cada ciudad)
Min Z=600∗x 1,1 +700∗x 2,1 + 400∗x 3,1 +320∗x1,2 +300∗x 2,2+ 350∗x 3,2 +500∗x1,3 + 480∗x2,3 + 450∗x3,3 +1000∗x
s.a:
x 2,1 + x 2, 2+ x2 , 3+ x 2 , 4 ≥35∗1.2
x 3 ,1 + x 3 ,2 + x 3 ,3 + x 3 ,4 ≥ 25∗1.2
x 3,4=0
Resultados:
Se obtiene un resultado de $49710 para un conjunto de soluciones X = [[0.00, 0.00, 25.00], [13.52,
26.48, 0], [9.48, 15.52, 5.00], [13.00, 0.00, 0.00]]
Ejercicio 5
Para el siguiente problema hay tres refinerías que abastecen tres áreas de distribución, en donde
se debe minimizar el costo de transporte.
Para ello se establece el supuesto de las capacidadd de la refinería son 6, 5 y 8 millones de galones
diarios.
Variables:
Constantes:
C i: Capacidad Refineria i
D j: Demanda diaria j
Ai j: Area de distribucion ij
C t : Costo de transporte
Funcion objetivo:
J I
Min (∑ ∑ Xij ¿∗Ct
j=1 i=1
s.a:
∑ X ij ≤ Ci , ∀ i∈ I [1,2 ,3 ]
i=1
Restricciones Demanda
J
∑ X ij ≤ Dp j : , ∀ j ∈ J [1,2,3]
J =1
Min Z=1.2x11+1.8x12+3x21+x22+0.8x23+2x31+2.5x32+1.2x33
Sujeto a:
x11+x12=6000000
x21+x22+x23=5000000
x31+x32+x33=8000000
x11+x21+x31=4000000
x12+x22+x32=8000000
x23+x33=7000000
Xij≥0 no negatividad
Resultado:
Ejercicio 8
JoShop quiere asignar cuatro categorías de maquinas a cinco clases de tareas, se trabaja desde el
supuesto que la tabla entregada proporciona el costo unitario de asignar una categoría de
maquina a un tipo de tarea. Donde el objetivo es determinar la cantidad óptima de máquinas de
cada categoría que se deben asignar a cada clase de tarea.
Variables:
Constantes:
Dmi : Disponible maquina i
Dp j : Disponible puesto j
Funcion objetivo:
J I
Min (∑ ∑ Xij )
j=1 i=1
s.a:
∑ X ij ≤ Dp j : , ∀ j ∈ J [1,2,3,4]
J =1
I =[ 1 ,… , 4 ] (Categoría de máquina)
J=[1, … , 4 ] (Categoría de tareas)
Dmi : = [25,30,20,30] (Disponibilidad maquina i)
Sujeto a:
Xi >= 0
Xj >= 0
Resultado
Bibliography
Peñuela, C., & Granada, M. (1 de Agosto de 2007). Multi-Objective Optimization Using Elititst Non-
Dominated Sorting Genetic Algorithm. doi:10.22517/23447214.5393
von Lucken, C., Hermosilla, A., & Baran, B. (2004). Algoritmos Evolutivos para Optimización
Multiobjetivo:. Obtenido de http://sedici.unlp.edu.ar/handle/10915/22476