16/11/23, 3:16 Investigación de Operaciones: 3.

4 Optimización clásica

Más Crear un blog Acceder

Investigación de Operaciones

MARTES, 17 DE OCTUBRE DE 2017 DATOS PERSONALES

Unknown
3.4 Optimización clásica Ver todo mi perfil

La teoría de optimización clásica o programación matemática está constituida por

un conjunto de resultados y métodos analíticos y numéricos enfocados a encontrar e TEMAS

identificar al mejor candidato de entre una colección de alternativas, sin tener que ▼ 2017 (23)
enumerar y evaluar explícitamente todas esas alternativas. Un problema de ► noviembre (13)
optimización es, en general, un problema de decisión. ▼ octubre (10)
3.1 Consideraciones generales de los
Con el fin de ilustrar de forma adecuada la estructura y composición de un problema de conceptos bás...
optimización, introduciremos a continuación un sencillo ejemplo.
3.2 Ilustración gráfica de problemas
de programaci...
Ejemplo 1(Construcción de una caja con volumen máximo) Supongamos que
3.3 Tipos de problemas de
queremos determinar las dimensiones de una caja rectangular de forma que contenga programación no lineal
el mayor volumen posible, pero utilizando para ello una cantidad fija de material. El
3.4 Optimización clásica
problema en forma abstracta se podría plantear en los siguientes términos Maximizar
Volumen de la caja sujeto a Área lateral fija Con el fin de resolver este problema habrá Método Vogel
que modelizarlo matemáticamente, es decir tendremos que expresarlo en términos Programación de proyectos (PERT -
matemáticos. CPM)
Problemas de la ruta más corta
El primer paso para modelizar un problema de optimización es identificar y definir las
Esquina noroeste
variables que están implicadas en dicho problema, en este caso y puesto que estamos
Costo Mínimo
tratando de determinar el tamaño de una caja rectangular, la opción más clara es
considerar como variables sus tres dimensiones rectangulares usuales (ancho, largo, Método Húngaro
alto) y que representamos con x, y, z. Con estas variables, la función para la que
tenemos que encontrar el mejor valor será el volumen de la caja que puede expresarse
como V (x, y, z) = xyz.

A continuación debemos tener en cuenta las limitaciones existentes sobre el material.

Como este material se utiliza para construir las paredes de la caja, necesitaremos
considerar el área lateral de la misma, y si la caja tiene tapa, dicha área será A (x, y, z)=
2(xy + yz + zx).

Por último, teniendo en cuenta que las dimensiones de la caja no pueden ser negativas
el problema puede expresarse matemáticamente como Maximizar xyz sujeto a 2 (xy +
yz + zx) = A x, y, z ≥ 0.

Fundamentos de Optimización

En este ejemplo se distinguen tres elementos fundamentales: las variables del

problema, una función de esas variables y un conjunto de relaciones que deben cumplir
las variables del problema. Estos elementos se repetirán en todos los problemas de
optimización y se definen formalmente a continuación:

1.- Variables de decisión: El primer elemento clave en la formulación de problemas de

optimización es la selección de las variables independientes que sean adecuadas para
caracterizar los posibles diseños candidatos y las condiciones de funcionamiento del
sistema. Como variables independientes se suelen elegir aquellas que tienen un
impacto significativo sobre la función objetivo.

https://operaciongadget.blogspot.com/2017/10/34-optimizacion-clasica.html 1/5
16/11/23, 3:16 Investigación de Operaciones: 3.4 Optimización clásica

Representaremos las variables independientes se representarán mediante vectores

columna de Rn x = x1 . . . + xn o vectores fila xt= (x1,...,xn) Aunque para los casos n =
1, 2 y 3 se emplearán las notaciones usuales de x, (x, y) y (x, y, z) respectivamente.

2.- Restricciones: Una vez determinadas las variables independientes, el siguiente

paso es establecer, mediante ecuaciones o inecuaciones las relaciones existentes
entre las variables de decisión. Estas relaciones son debidas, entre otras razones, a
limitaciones en el sistema, a leyes naturales o a limitaciones tecnológicas y son las
llamadas restricciones del sistema. Podemos distinguir dos tipos de restricciones:

(a) Restricciones de igualdad: Son ecuaciones entre las variables de la forma h (x) = h
(x1,....xn)=0 donde g : A ⊆ Rn → R es una función real de variables reales definida
sobre un conjunto A de números reales.

(b) Restricciones de desigualdad: Son inecuaciones entre las variables de la forma g

(x) = g(x1,....xn) ≤ 0 donde A : C ⊆ Rn → R es una función real de variables reales
definida sobre un conjunto A de números reales.

Observación: Solamente se han considerado restricciones de dos tipos: restricciones

de igualdad del forma h (x1,....xn)=0 y restricciones de desigualdad de la forma
g(x1,....xn) ≤ 0, debido a que siempre es posible, mediante una simple transformación,
expresar el problema en términos de esta clase de restricciones.

Función objetivo: Finalmente, el último ingrediente de un problema de optimización es

la función objetivo, también llamado índice de rendimiento o criterio de elección. Este
es el elemento utilizado para decidir los valores adecuados de las variables de decisión
que resuelven el problema de optimización. La función objetivo permite determinar los
mejores valores para las variables de decisión. Independientemente del criterio
seleccionado, dentro del contexto de la optimización matemática el adjetivo “mejor”
siempre indica los valores de las variables de decisión que producen el mínimo o
máximo valor (según el criterio utilizado) de la función objetivo elegida. Algunos de
estos criterios pueden ser por ejemplo de tipo económico (coste total, beneficio), de
tipo tecnológico (energía mínima, máxima capacidad de carga, máxima tasa de
producción) o de tipo temporal (tiempo de producción mínimo) entre otros.

Puntos de Inflexión

Se define un punto de inflexión como el punto en que la función pasa de ser convexa a
cóncava o de cóncava a convexa.

En la siguiente gráfica podemos ver que cuando x = 0, la gráfica pasa de ser cóncava a
ser convexa, por lo que podemos decir que el punto de inflexión esta en X = 0.

Una característica de los puntos de inflexión es que son los puntos donde la función
derivada tiene máximos y mínimos. Si nos fijamos, cuando nos acercamos a un punto
de inflexión la función cada vez crece más (o decrece menos), pero al sobrepasar el
punto de inflexión la función empieza a crecer menos (o decrecer menos). Esto
significa que justamente donde haya un punto de inflexión la derivada tendrá un

https://operaciongadget.blogspot.com/2017/10/34-optimizacion-clasica.html 2/5
16/11/23, 3:16 Investigación de Operaciones: 3.4 Optimización clásica
máximo o un mínimo. Consecuentemente encontraremos los puntos de inflexión
buscando ceros de la segunda derivada.

Vamos a ilustrar el proceso con un ejemplo para así dar una explicación simple y clara:

Consideraremos la función F(x) = x³ - 3x (es la función representada en la anterior

gráfica).

Sabemos ya calcular los máximos y los mínimos de la función f(x) usando la primera
derivada. La expresión de ésta es 3x² - 3 y justamente encontramos máximos y
mínimos respectivamente en x = -14 y x = 1 . Si representamos la gráfica de la
derivada queda:

Observamos que justamente donde la derivada tiene un mínimo es donde la función

tiene el punto de inflexión.

Para saber qué punto es vamos a derivar la función derivada e igualarla a cero: F´´(x) =
6x=0 = x = 0/6 = 0, y por tanto la función original en x = 0 tiene un punto de inflexión.

Máximos y Mínimos

Loas máximos y mínimos de una función son los valores más grandes o más pequeños
de ésta, ya sea en una región o en todo el dominio.

Los máximos y mínimos en una función f son los valores más grandes (máximos) o
más pequeños (mínimos) que toma la función, ya sea en una región (extremos
relativos) o en todo su dominio (extremos absolutos).

A continuación tenemos un vídeo acerca de lo que es optimización clásica

https://operaciongadget.blogspot.com/2017/10/34-optimizacion-clasica.html 3/5
16/11/23, 3:16 Investigación de Operaciones: 3.4 Optimización clásica

Optimización Clásica

Bibliografía
http://www.sangakoo.com/es/temas/concavidad-y-convexidad-puntos-de-inflexion-de-
una-funcion
http://nuyoo.utm.mx/~jjf/rna/guia_foe.pdf
http://www.universoformulas.com/matematicas/analisis/maximos-minimos-funcion/

Publicado por Unknown en 17:27

4 comentarios:

Unknown 28 de noviembre de 2018, 5:59

Muchas gracias

Responder

Dfran 21 de enero de 2019, 10:27

fracias por el aporte en verdad fue de mucha ayuda

Responder

Anónimo 28 de octubre de 2019, 8:47

Si es con links de descarga no es bibliografía

Responder

Respuestas

Andrade 18 de noviembre de 2019, 20:23

a nadie le importa, idiota

Responder

Para dejar un comentario, haz clic en el botón de abajo para iniciar sesión con
Blogger.

INICIAR SESIÓN CON BLOGGER

Entrada más reciente Inicio Entrada antigua

https://operaciongadget.blogspot.com/2017/10/34-optimizacion-clasica.html 4/5
16/11/23, 3:16 Investigación de Operaciones: 3.4 Optimización clásica
Suscribirse a: Enviar comentarios (Atom)

Tema Picture Window. Con la tecnología de Blogger.

https://operaciongadget.blogspot.com/2017/10/34-optimizacion-clasica.html 5/5