Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Grado en Marina
Curso 2023-2024
Indice
1 Introducción
4 Modelizacion. Ejemplos
Introducción
Optimización
Es el acto de obtener el mejor resultado, en determinadas
circunstancias.
Investigación Operativa
La Investigación de Operaciones es una rama de las
matemáticas relacionadas con la aplicación de métodos
cientı́ficos y técnicas en la mejora de la efectividad en las
operaciones, decisiones y gestión.
La Investigación Operativa
Definición de Modelo
Esquema teórico, generalmente en forma matemática, de un
sistema o de una realidad compleja, que se elabora para
facilitar su comprensión y el estudio de su comportamiento
(RAE).
Dos riesgos importantes:
• Modelado Exhaustivo, cuasi real. Puede ocasionar la
carencia de un algoritmo que solucione el problema.
• Modelado Simplista para utilizar un algoritmo disponible.
Pueden llegar a darse soluciones de un problema que no
existe.
El modelado debe ser un compromiso entre ambos.
Ejemplo
En un puerto se realizan cuatro tipos de trabajos: A,B,C,D para
cargar un barco y las autoridades portuarias pueden contratar dos
grupos de estibadores, M y N.
¿Cuántos grupos de cada tipo deben contratar para que el costo de
cargar un barco sea mı́nimo?
Fases en la construcción de un
modelo de Optimización
1) Identificación del problema
A partir de la realidad a analizar se obtiene un resumen de la
misma con la identificación de los objetivos y los recursos
involucrados.
• Objetivo: ¿Cuántos grupos de tipo M y N deben contratarse
para que el costo de cargar un barco sea mı́nimo?
• Recursos involucrados:
• La carga de trabajo que cada tipo de estibador puede
realizar para cargar un barco (en horas):
A B C D
M 100 100 150
N 80 200 120
• Horas necesarias de cada tarea para cargar un barco:
Tarea A: al menos 400 horas
Tarea B: al menos 600 horas
Tarea C: al menos 2000 horas
Tarea D: al menos 1700 horas.
Fases en la construcción de un
modelo de Optimización
1) Identificación del problema
A partir de la realidad a analizar se obtiene un resumen de la
misma con la identificación de los objetivos y los recursos
involucrados.
• Objetivo: ¿Cuántos grupos de tipo M y N deben contratarse
para que el costo de cargar un barco sea mı́nimo?
• Recursos involucrados:
• La carga de trabajo que cada tipo de estibador puede
realizar para cargar un barco (en horas):
A B C D
M 100 100 150
N 80 200 120
• Horas necesarias de cada tarea para cargar un barco:
Tarea A: al menos 400 horas
Tarea B: al menos 600 horas
Tarea C: al menos 2000 horas
Tarea D: al menos 1700 horas.
Fases en la construcción de un
modelo de Optimización
1) Identificación del problema
A partir de la realidad a analizar se obtiene un resumen de la
misma con la identificación de los objetivos y los recursos
involucrados.
• Objetivo: ¿Cuántos grupos de tipo M y N deben contratarse
para que el costo de cargar un barco sea mı́nimo?
• Recursos involucrados:
• La carga de trabajo que cada tipo de estibador puede
realizar para cargar un barco (en horas):
A B C D
M 100 100 150
N 80 200 120
• Horas necesarias de cada tarea para cargar un barco:
Tarea A: al menos 400 horas
Tarea B: al menos 600 horas
Tarea C: al menos 2000 horas
Tarea D: al menos 1700 horas.
Fases en la construcción de un
modelo de Optimización
1) Identificación del problema
A partir de la realidad a analizar se obtiene un resumen de la
misma con la identificación de los objetivos y los recursos
involucrados.
• Objetivo: ¿Cuántos grupos de tipo M y N deben contratarse
para que el costo de cargar un barco sea mı́nimo?
• Recursos involucrados:
• La carga de trabajo que cada tipo de estibador puede
realizar para cargar un barco (en horas):
A B C D
M 100 100 150
N 80 200 120
• Horas necesarias de cada tarea para cargar un barco:
Tarea A: al menos 400 horas
Tarea B: al menos 600 horas
Tarea C: al menos 2000 horas
Tarea D: al menos 1700 horas.
Fases en la construcción de un
modelo de Optimización
2) Construcción de un modelo matemático
Identificar conjunto de variables de decisión con las cuales se
formulan de forman los objetivos a alcanzar y las restricciones
asociadas a la utilización de los recursos.
• Variables:
Número de estibadores de tipo M.
Número de estibadores de tipo N.
• Restricciones:
• Horas necesarias de tarea A para cargar un barco
debe ser al menos 400.
• Horas necesarias de tarea B para cargar un barco
debe ser al menos 600.
• Horas necesarias de tarea C para cargar un barco
debe ser al menos 2000.
• Horas necesarias de tarea D para cargar un barco
debe ser al menos 1700.
Fases en la construcción de un
modelo de Optimización
2) Construcción de un modelo matemático
Identificar conjunto de variables de decisión con las cuales se
formulan de forman los objetivos a alcanzar y las restricciones
asociadas a la utilización de los recursos.
• Variables:
Número de estibadores de tipo M.
Número de estibadores de tipo N.
• Restricciones:
• Horas necesarias de tarea A para cargar un barco
debe ser al menos 400.
• Horas necesarias de tarea B para cargar un barco
debe ser al menos 600.
• Horas necesarias de tarea C para cargar un barco
debe ser al menos 2000.
• Horas necesarias de tarea D para cargar un barco
debe ser al menos 1700.
Fases en la construcción de un
modelo de Optimización
2) Construcción de un modelo matemático
Identificar conjunto de variables de decisión con las cuales se
formulan de forman los objetivos a alcanzar y las restricciones
asociadas a la utilización de los recursos.
• Variables:
Número de estibadores de tipo M.
Número de estibadores de tipo N.
• Restricciones:
• Horas necesarias de tarea A para cargar un barco
debe ser al menos 400.
• Horas necesarias de tarea B para cargar un barco
debe ser al menos 600.
• Horas necesarias de tarea C para cargar un barco
debe ser al menos 2000.
• Horas necesarias de tarea D para cargar un barco
debe ser al menos 1700.
Fases en la construcción de un
modelo de Optimización
• Función objetivo.
Medida cuantitativa del funcionamiento del sistema que se
desea optimizar (maximizar o minimizar). Podemos encontrar
lineales, cuadráticas, no lineales, convexas, cóncavas, etc.
Objetivo: ¿Cuántos estibadores de tipos M y N deben
contratarse para que el costo de cargar un barco sea
mı́nimo?
La contratación (en miles) de un grupo M cuesta 20
eur/semana y el grupo N 8 eur/semana.
Elementos de un modelo
• Variables.
Representan las decisiones que se pueden tomar para afectar el
valor de la función objetivo. Encontramos variables no negativas,
enteras, binarias, etc.
xM : Cuántos grupos de tipo M.
xN : Cuántos grupos de tipo N.
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
100 ∗ xM + 0 ∗ xN ≥ 400.
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
100 ∗ xM + 0 ∗ xN ≥ 400.
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
0 ∗ XM + 80 ∗ xN ≥ 600.
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
0 ∗ XM + 80 ∗ xN ≥ 600.
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
´
Elementos de un modelo
• Restricciones.
Representan el conjunto de relaciones (expresadas mediante
ecuaciones e inecuaciones) que ciertas variables están
obligadas a satisfacer.
´
Problema de optimización con restricciones
x1
x2
Encontrar X = . que minimice o maximice f (X )
.
.
xn
sujeto a las restricciones
gj (X ) ≤ 0, j = 1, 2, . . . , m
hj (X ) ≥ 0, j = 1, 2, . . . , k
lj (X ) = 0, j = 1, 2, . . . , p,
X : vector de decisión
f (X ): función objetivo
gj (X ), hj (X ) y lj (X ): restricciones del problema.
Ejemplos:
max 2x1 + x2
s.a. 5x1 + 2x2 ≤ 10
3x1 + 5x2 ≤ 15
x1 , x2 ≥ 0.
Capacidad
Horas disponibles
Ejemplo 1. Problema de Programación Lineal
Una almacén de cereales posee contenedores de tipo A y B para ser transportados. El
personal de dicho almacén dispone de 180 horas mensuales destinadas a esta
actividad. La capacidad de dicho almacén es de 1000 toneladas de cereales. El
contenedor de tipo A necesita 20 toneladas para ser llenados y el B 10 toneladas. El
número de horas necesarias para cargar contenedor de tipo A es 3 y 2 para el de tipo
B. Y los beneficios obtenidos de la venta son 500 y 300 euros para los de tipo A y B
respectivamente. Calcular el número de cada tipo que deben de rellenarse para que el
beneficio sea máximo.
Definición
Una función f (x1 , x2 , . . . , xn ) de x1 , x2 , . . . , xn es una función
lineal si y sólo si para algún conjunto de constantes
c1 , c2 , . . . , cn es f (x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + . . . + cn xn .
Ejemplo: f (x1 , x2 ) = 2x1 + x2 es una función lineal de x1 y x2 , pero
f (x1 , x2 ) = x12 x2 no es una función lineal de x1 y x2 .
Definición
Para cualquier función lineal f (x1 , x2 , . . . , xn ) y cualquier
número b, las desigualdades f (x1 , x2 , . . . , xn ) ≤ b y
f (x1 , x2 , . . . , xn ) ≥ b son desigualdades lineales.
Ejemplo: 2x1 + 3x2 ≤ 3 y 2x1 + x2 ≥ 3 son desigualdades lineales,
pero x12 x2 ≥ 3 no es una desigualdad lineal.
Un Problema de Programación Lineal (PPL ó PL) es un
problema de optimización para el cuál se efectúa lo siguiente:
1 Se intenta maximizar (minimizar) una función lineal de las
variables de decisión (función objetivo).
2 Los valores de las variables de decisión deben satisfacer
un conjunto de restricciones, donde cada restricción debe
ser una ecuación lineal o una desigualdad lineal.
3 Se relaciona una restricción de signo con cada variable.
Para cualquier variable xi , la restricción de signo
especifica que xi no debe ser negativa (xi ≥ 0) o no tener
restricciones de signo.
En general un Problema de Programación Lineal podrá
plantearse como:
maximizar(minimizar) c1 x1 + c2 x2 + . . . + cn xn
s.a.
a11 x1 + a12 x2 + . . . + a1n xn (=, ≤, ≥)b1
a21 x1 + a22 x2 + . . . + a2n xn (=, ≤, ≥)b2
..
.
am1 x1 + am2 x2 + . . . + amn xn (=, ≤, ≥)bm
xj ≥ 0; j = 1, . . . , n.
Problemas de Programación Lineal
Problemas de Programación Lineal
Ejemplo:
max x1 + 0,7x2
s.a.
0,7x1 + 0,31x2 ≤ 6000
0,06x1 + 0,09x2 ≤ 2400
0,24x1 + 0,6x2 ≤ 12000
x1 , x2 ≥ 0.
Ponemos 0
= D4+0.7*E4
= 0.7*D4+0.31*E4
Las restricciones de no
= 0.06*D4+0.09*E4 negatividad 𝑥1 ≥ 0, 𝑥2 ≥ 0
no se añaden aquí
= 0.24*D4+0.6*E4
Celda donde está la función objetivo
Ejemplo 3
Fábrica produce dos tipos de turbinas.
La primera se vende a 450 euros y contiene 150 gramos de un
componente C1, 100 gramos de componente C2 y 80 gramos de
componente C3.
El segundo se vende a 560 euros y contiene 200 gramos del
componente C1, 100 gramos del componente C2 y 100 gramos del
componente C3.
Se dispone de 200 kg del componente C1, 130 kg del componente
C2 y 104 kg del componente C3.
La empresa sólo puede fabricar 1200 turbinas en total.
¿Cuántas turbinas de cada tipo convendrı́a fabricar para que el
beneficio sea máximo?
Modelización. Ejemplos
Ejemplo 4
En un puerto hay dos grúas, un jefe de operaciones y tres
estibadores. En las grúas se hacen operaciones carga y descarga en
general.
Un servicio de carga requiere: 0.75 horas de la grúa, 1.5 de trabajo
de un estibador y 0.25 horas de trabajo del jefe.
Un servicio de descarga requiere: 0.75 horas de la grúa, 1 hora de
trabajo de un estibador y 0.5 horas de trabajo del jefe.
Por cada operación de carga se obtiene un beneficio de 30 euros y
por cada servicio de descarga se obtiene un beneficio de 25 euros.
Tanto el jefe de operaciones como los estibadores trabajan 8 horas
diarias.
¿Cómo se deben distribuir el trabajo, entre cargas y descargas, para
que el beneficio sea máximo? Formula el modelo.
Modelización. Ejemplos
Ejemplo 5
Un destacamento militar formado por 40 soldados de Ingenieros, 36 especialistas
dinamiteros, 88 antiguerrilleros y 120 infantes como tropa de apoyo, ha de
transportarse hasta una posición estratégica importante. En el parque de la base se
dispone de 4 tipos de vehı́culos A,B,C,D, acondicionados para el transporte de tropas.
El número de personas que cada vehı́culo puede transportar se detalla en la siguiente
tabla:
Los gastos de gasolina de cada vehı́culo hasta el punto de destino se estiman en 160,
80, 40 y 120 litros respectivamente. Si queremos ahorrar gasolina. ¿Cuántos vehı́culos
de cada tipo habrá que utilizar para que el gasto de gasolina sea el menor posible?
min 160x1 + 80x2 + 40x3 + 120x4
s.a. Solución en Excel: infactible.
¿Qué pasa?
3x1 + x2 + 2x3 + 3x4 = 40 ¿Qué ocurririrá si ponemos las
2x1 + x2 + x3 + 2x4 = 36 restricciones como ӳx1 + 2x2 + 2x3 + 3x4 = 88 ¿Y si las ponemos como ”≤¿
4x1 + 3x2 + 2x3 + x4 = 120
xi ≥ 0; enteros
Modelización. Ejemplos
Hallar el coste mı́nimo de una dieta formada sólo por este tipo
de alimentos y que al menos aporte 3000 calorı́as y 100
gramos de proteı́nas.
Modelización. Ejemplos
Fábrica A Fábrica B
Almacén 1 5 4
Almacén 2 5 6