Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Las guías de ejercicios se han estructurado como un complemento del curso y, por lo
tanto, no reemplazan la asistencia a las clases.
3. Los ejercicios provienen muchas veces de guías, controles y pruebas pasadas, además
de ejercicios completamente nuevos. Es posible que ejercicios de evaluaciones pasadas
hayan sido modificados para reforzar algún concepto o dar un enfoque particular. Se
recomienda estudiar con la guía y no con las pruebas pasadas ya que la forma de evaluar
los conceptos podría ser distinta, además de variar el orden de los contenidos.
4. La guía está sujeta a posibles correcciones, dado errores de tipeo y otros. Cualquier
error que tenga la guía, agradecemos contactar a vuestra profesora o profesor o bien al
profesor Omar Matus Jofré, coordinador del curso, al mail omar.matus.j@uai.cl
1
ING200: Optimización Guía Programación no lineal
1. La empresa de generación de energía nuclear Atómico se encuentra elaborando su plan
para el transporte de materias primas desde el puerto de Valparaíso a su nueva planta
ubicada en la comuna de Peñalolén.
Cada mes la empresa recibirá en el puerto un envío de M materias primas distintas. De
esta forma qi representa la cantidad de metros cúbicos de material i que se recibirán cada
mes, con i ∈ {1, . . . , M }.
Al recibir las materias primas, estas deben ser transportadas desde el puerto hasta la
nueva planta. El transporte deberá ser realizado en contenedores especialmente diseñados
para cada materia prima, dada sus características particulares.
La empresa ha analizado la situación y han establecido que:
M
!
qi
ki 3 + qi ci + 6ai x2i
X
min z =
i=1 xi
s.a xi ≥ 0, ∀i
donde xi representa el largo, en metros, de los contenedores que traen la materia prima i.
Página 2 de 8
ING200: Optimización Guía Programación no lineal
Considerando la situación expuesta
(a) Analice la convexidad del modelo.
Desde el puerto se han contactado con la empresa para informar que la cantidad total de
contenedores a llevar no puede ser mayor que B,
(b) Indique los cambios que se deben realizar en el modelo a fin de incluir esta nueva
limitante. Analice la convexidad del modelo.
La empresa considera que el modelo es difícil de manejar, ya que se debe determinar,
para cada producto, el volumen de los contendedores. Debido a esto, la empresa desea
simplificar el modelo, considerando que todos los contenedores tengan exactamente el
mismo volumen.
Considerando la variable de decisión y como el volumen que tendrá cada uno de los
contenedores,
(c) Formule el modelo que representa la situación, considerando la nueva variable de
decisión.
1 1
mı́n z = +
x1 x2
s.t. x21 + x22 ≤ 4
x1 , x2 ≥ 0
N
X
min C(x) = (i · xi )
i=1
s.t.
N
exi ≥ R
X
i=1
xi ≥ 0 , ∀i ∈ {1, . . . , N }
(a) Plantee las condiciones de KKT para el modelo
Página 3 de 8
ING200: Optimización Guía Programación no lineal
(b) Determine una solución que satisfaga las condiciones de KKT, sabiendo que se
ocupan todos los tipos de cables.
(c) ¿Es la solución encontrada anteriormente solución óptima global del problema?
La empresa se ha dado cuenta de que al modelo le falta una restricción de la longitud del
cable.
(d) Incluya la condición en el modelo y reformule las condiciones de KKT con esta nueva
condición.
(e) Determine si la solución que tenía anteriormente aún satisface las condiciones de
KKT
4. Considere el siguiente modelo de optimización no lineal
n
x3i
X
min Z =
i=1
s.t.
xi ≤ R, ∀i = 1, . . . n
xi ≥ 0, ∀i = 1, . . . n
n
X
xi ≥ 1
i=1
u1 (c − x1 )2 u2 (c − x2 )2
u1
+
u2
2c 1 − v1
2c 1 − v2
Página 4 de 8
ING200: Optimización Guía Programación no lineal
donde u1 es la tasa de llegada en la dirección norte-sur, y u2 es la tasa de llegada en la
dirección este-oeste. Mientras que v1 es el flujo de saturación de la dirección norte-sur, y
v2 el flujo de saturación este-oeste. Así mismo, para que no se formen colas al final del
intervalo en verde, se requiere que vi xi debe ser al menos ui c para cada dirección.
De esta forma, un modelo que permite encontrar los tiempos asignados a cada dirección,
de forma de minimizar el tiempo de demora total, sujeto a que no se formen colas, esta
dado por la expresión:
u1 (c − x1 )2 u2 (c − x2 )2
mı́n
u1
+
u2
2c 1 − v1
2c 1 − v2
x1 + x2 = c
vi xi ≥ ui c i = 1, 2
(a) Escriba las condiciones de optimalidad (KKT) que debería cumplir el óptimo de
este problema.
(b) Suponga que el tiempo de ciclo es de c = 60 segundos, la tasa de llegada de vehículos
es u1 = 10 y u2 = 5 vehículos/seg y la tasa de saturación es de v1 = 36 y v2 = 18
vehículos/seg. Un profesor experto en transporte propone asignar x1 = 40 segundos
a la dirección norte-sur, y x2 = 20 segundos a la dirección este-oeste. Verifique que
esta solución satisface las condiciones de KKT del problema.
(c) ¿ Podemos asegurar que la solución propuesta es el único óptimo del problema?
Justifique su respuesta.
(a) Escriba el sistema de ecuaciones que se obtiene a partir de las condiciones de KKT
para este problema:
(b) Determine la optimalidad del punto ( 29 , 13
4
) utilizando las condiciones de KKT.
(c) Determine la optimalidad del punto (2, 2) utilizando las condiciones de KKT.
(d) Evalúe si el problema tiene otras soluciones óptimas.
Página 5 de 8
ING200: Optimización Guía Programación no lineal
(c) Asumiendo que las dos restricciones son activa en el punto óptimo, encuentre los
puntos que satisfacen las condiciones de KKT para este problema.
(d) ¿Algunos de los puntos encontrados en las partes anteriores puede ser la solución
óptima de este problema? Si la respuesta es positiva, determine la solución óptima,
valor óptimo e identifique si es una solución local o global. Justifique.
(a) ¿Es la función objetivo una función cóncava, convexa o ninguna de las dos anteriores
? (Justifique)
(b) Escriba las condiciones de Karush–Kuhn-Tucker para el problema anterior.
(c) Un software indica como solución óptima al punto (x1 , x2 ) = (4, 2). Use las condicio-
nes de KKT y verifique si el software está en lo cierto o no.
mı́n z = x1
s.a
(x1 + 1)2 + x22 ≥1
x21 + x22 ≤2
(a) Muestre que sólo dos de los tres siguientes puntos satisfacen las condiciones de KKT:
√
(0, 0), (−1, −1), 0, 2
(b) ¿Puede asegurar que alguno de los puntos anteriores es el óptimo global del problema?
Página 6 de 8
ING200: Optimización Guía Programación no lineal
12. Sea el siguiente modelo de programación no lineal:
n
!
Y
mı́n f (x1 , ..., xn ) = ln xi
i=1
n
x2i ≥ L2
X
s.a.
i=1
L 3L
≤ xi ≤ , i = 1, ..., n
2 2
donde L es parámetro real estrictamente positivo (L > 0).
(a) Plantee las condiciones de Karush-Kuhn-Tucker (KKT) para este problema.
(b) Considere el caso n ≤ 3. Sabiendo que en el óptimo |xi − L| < L2 ∀i, resuelva el
sistema de ecuaciones del inciso anterior y halle las soluciones que satisfacen las
condiciones de KKT. Además, determine si en este caso la metodología utilizada
provee condiciones necesarias y/o suficientes para garantizar optimalidad de la
solución encontrada.
Página 7 de 8
ING200: Optimización Guía Programación no lineal
maximizar el beneficio esperado, se puede modelar de la siguiente forma:
n
X xk
máx Z = k·
k=1 xk + k
n
X
s.a. xk = n(n + 1)
k=1
xk ≥ 0 k = 1, ..., n
i=1
xi ≥ 0 ∀i = 1 . . . N
(a) Indique las condiciones de KKT para del problema e indique si son necesarias o no,
y suficientes o no.
(b) Encuentre todos los puntos que satisfacen las condiciones de KKT. ¿Tiene óptimo
el problema? Justifique.
Página 8 de 8