Ejercicio 3

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:

x i : Cantidad de dinero distribuido en la alternativa i, en dólares.

Constantes:

Dij : Ingreso por dolar depositado en la alternativa i, para el resultado j.

C : Dinero disponible (en dolares) para apostar.

Función multiobjetivo:
I
Max ∑ Dij∗x i , ∀ j ∈ J
i=1

Maximizar el ingreso percibido para cada una de las alternativas j.

s.a:

Restricción de capacidad:
I

∑ x i ≤C
i=1

La cantidad de dinero apostado no puede superar el dinero disponible.

X ij ≥ 0 (no negatividad de las variables)

I =[ 1 ,… , 4 ] (Conjunto de alternativas i disponibles)

C = 500

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:

Max Z 1=−3∗x 1+ 4∗x 2−7∗x 3+ 15∗x 4

Max Z 2=5∗x 1−3∗x2 +9∗x 3 +4∗x 4

Max Z 3=3∗x 1−9∗x 2+10∗x 3−8∗x 4

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.

El modelo se plantea a continuación y se ilustra en la siguiente figura:

Figura 1: Modelo de Transporte

Variables:

x ij :Monto de electricidad (en MW) que debe producir la planta j para enviar a la ciudad i.

Constantes:

C j : Capacidad de producción de la planta j, en MW.

D i : Demanda de electricidad de la ciudad i, expresada en MW.

Pij : Precio (costo en $) de producción de energía de la planta j para entregar a la ciudad i.

Función objetivo:
J I
Min ∑ ∑ Pij∗x ij
j=1 i=1

Minimizar el costo de producción asociado a la generación de electricidad.

s.a:

Restricción de capacidad
I

∑ x ij ≤ C j , ∀ j∈ J
i=1

La producción de energía no puede superar la capacidad de ninguna planta j.

Restricción de demanda
J

∑ x ij ≥ Di∗120 % , ∀ i ∈ I
j=1

La demanda de todas las ciudades i se debe satisfacer. En agosto esta se ve incrementada en un

20%.

X ij ≥ 0 (no negatividad de las variables).

I =[ 1 ,.. , 3 ] (conjunto de ciudades i).

J= [ 1 , ..4 ] (conjunto de plantas de energía j).
X 3,4 =0 (La planta adicional no puede producir para la ciudad 3).

C j=[25,40,30,99] (Vector de capacidades de generación para planta)

Di=[30,35,25] (Vector de demanda de energía para cada ciudad).

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)

Todo lo anterior se puede escribir como:

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 1,1 + x 2,1+ x 3,1 ≤ 25

x 1,2 + x 2,2+ x 3,2 ≤ 40

x 1,3 + x 2,3 + x3,3 ≤ 30

x 1,4 + x 2,4 + x 3,4 ≤ 99

 x 1,1 + x1,2 + x 1,3 + x 1,4 ≥ 30∗1.2

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 1,1 , x 1,2 , … , x 3,2 , x 3,3 ≥ 0

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:

x ij : Numero de galones de larefineria i al área j

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

Minimizar costo por cantidad de galones de la refineria i al area j

s.a:

Restricciones Oferta (Capacidad)

I

∑ X ij ≤ Ci , ∀ i∈ I [1,2 ,3 ]
i=1

La cantidad de maquinas utilizadas ij debe ser menor o igual a la disponibilidad de maquinas i

Restricciones Demanda
J

∑ X ij ≤ Dp j : , ∀ j ∈ J [1,2,3]
J =1

La cantidad de puestos utilizados ij debe ser menor o igual a la disponibilidad de puestos j

X ij ≥ 0 (no negatividad de las variables)

X ij ∈N (La cantidad debe ser entero positivo)

I =[ 1 ,… ,3 ] (areas de distribucion)
J=[1, … , 3] (refinerías)
C i: = [6000000,5000000,8000000] (Capacidad refinería supuesto)

D j: =[4000000,8000000,7000000] (Demanda diaria por área de distribución)

Ai j: =[[120,180,0],[300,100,80],[200,250,120]] (Matriz de distancias entre refinerías y las áreas de

distribución)

C t :   10 centavos por 1000 galones por milla

Todo lo anterior se puede escribir como:

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:

Se obtiene, mediante la ejecución de solver un resultado de $24.299.999 para un conjunto de

soluciones X = [[4000000, 2000000, 0.00], [0.00, 5000000, 0.00], [0.00, 1000000, 7000000]]

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:

x ij :Cantidad optima de maquinas de la categoria i que se asignan ala tarea j

Constantes:
Dmi : Disponible maquina i

Dp j : Disponible puesto j

〖𝑇𝑡〗_(𝑖𝑗:) Tipo de tarea ij

Funcion objetivo:
J I
Min (∑ ∑ Xij )
j=1 i=1

Minimizar cantidad optima de cada maquina asignada a cada tarea

s.a:

Restricciones Diponibilidad Maquina

I

∑ X ij ≤ Dmi , ∀ i∈ I [1,2 ,3,4 ]

i=1

La cantidad de maquinas utilizadas ij debe ser menor o igual a la disponibilidad de maquinas i

Restricciones Diponibilidad Puestos

J

∑ X ij ≤ Dp j : , ∀ j ∈ J [1,2,3,4]
J =1

La cantidad de puestos utilizados ij debe ser menor o igual a la disponibilidad de puestos j

X ij ≥ 0 (no negatividad de las variables)

X ij ∈N (La cantidad debe ser entero positivo)

I =[ 1 ,… , 4 ] (Categoría de máquina)
J=[1, … , 4 ] (Categoría de tareas)
Dmi : = [25,30,20,30] (Disponibilidad maquina i)

Dp j : =[20,20,30,10,25] (Disponibilidad puesto j)

Tt i j :=[[10,2,3,15,9],[5,10,15,2,4],[515,5,14,7,15],[20,15,13,0,8]] (Matriz de costos de asignar una

categoría i a un puesto j)

Todo lo anterior se puede escribir como:

Min Z=10*X11+2*X12+3*X13+15*X14+9*X15+ 5*X21+10*X22+15*X23+2*X24+4*X25+

15*X31+5*X32+14*X33+7*X34+15*X35+ 20*X41+15*X42+13*X43+8*X45

Sujeto a:

X11 +X12 + X13 + X14 + X15 =25

X21 +X22 + X23 + X24 + X25 =30
X31 +X32 + X33 + X34 + X35 =20

X11 +X21 + X31 + X41 = 20

X12 +X22 + X32 + X42 = 20
X13 +X23 + X33 + X43 = 30
X14 +X24 + X34 = 10
X15 +X25 + X35+ X45 = 25

Xi >= 0
Xj >= 0

Resultado

Se obtiene, mediante la ejecución de solver un resultado de $1545 para un conjunto de soluciones

X = [[10, 0.00,0.00,10,5], [0.00, 0.00,30,0.00,0.00], [0.00, 0.00,0.00, 0.00,20],

[10,20,0.00,0.00,0.00]]

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