Optimización

ICS 1113
Profesor Gonzalo Méndez
 Acerca
• Ingeniero Civil Industrial

• Candidato a Doctor en Ciencias de la Ingeniería

• Aréa de Investigación: Optimización

• Especialidades: Localización de Instalaciones – Ruteo de

Vehículos
 Información Básica
• Requisitos: Álgebra Lineal, Cálculo II

• Clase: L-W:2

• Ayudantía: V:2

• E-mail: ggmendez@uc.cl
 Información Básica

• 2 Interrogaciones + 1 examen

• 3 Tareas

• 1 Proyecto con 3 entregas

 Fechas Importantes

• Interrogación 1: 6 de abril

• Interrogación 2: 13 de junio

• Examen: 4 de Julio

• Presentaciones proyecto: 22-24 de junio

 Reglas

• Todas las reglas del curso se encuentran en el programa

• Se asumirá que están al tanto de ellas.

• Investigación de Operaciones (IO) y Optimización

• Introducción a modelos de optimización

• Ejemplo
• Investigación de Operaciones (IO) y Optimización

• Introducción a modelos de optimización

• Ejemplo
 ¿Qué es la Investigación de
Operaciones?
• Según Wikipedia:
-Consiste en el uso de modelos matemáticos,
estadística y algoritmos con objeto de realizar un proceso de
toma de decisiones.
• En IO encontramos:
- Optimización:
- Estadística
- Simulación
- etc etc…
 ¿Qué es la Investigación de
Operaciones?
• Según Wikipedia:
-Consiste en el uso de modelos matemáticos,
estadística y algoritmos con objeto de realizar un proceso de
toma de decisiones.
• En IO encontramos:
- Optimización

- Estadística

- Simulación
 ¿Qué es la Investigación de
Operaciones?
• Según Wikipedia:
-Consiste en el uso de modelos matemáticos,
estadística y algoritmos con objeto de realizar un proceso de
toma de decisiones.
• En IO encontramos:
- Optimización

- Estadística

- Simulación
 ¿Qué es la Investigación de
Operaciones?
• Según Wikipedia:
-Consiste en el uso de modelos matemáticos,
estadística y algoritmos con objeto de realizar un proceso de
toma de decisiones.
• En IO encontramos:
- Optimización: realizar la mejor decisión posible para
un determinado problema. Se busca maximizar/minimizar
un objetivo.
 Ejemplos de optimización en
problemas reales
• Ruta mínima (Google Maps, Waze, etc..)
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas (Uber, DiDi, Beat, etc..)
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas
• Salud
• Etc etc….
 Ejemplos de optimización en
problemas reales
• Ruta mínima
• Inversiones
• Localización de instalaciones
• Diseño de redes
• Producción
• Marketing digital
• Juegos en línea
• Delivery
• Apps de traslado de personas
• Salud
• Etc etc….
• Investigación de Operaciones (IO) y Optimización

• Introducción a modelos de optimización

• Ejemplo
• Investigación de Operaciones (IO) y Optimización

• Introducción a modelos de optimización

• Ejemplo
 ¿Qué es un modelo?
• Según la RAE:
- Representación en pequeño de alguna cosa.
- Esquema teórico, de un sistema o de una realidad
compleja.

• ¿Qué es un modelo de optimización?

- Representación matemática de la realidad, que nos sirve
como herramienta para entender de mejor manera un
sistema y nos ayuda a tomar decisiones complejas.
 ¿Qué es un modelo?
• Según la RAE:
- Representación en pequeño de alguna cosa.
- Esquema teórico, de un sistema o de una realidad
compleja.

• ¿Qué es un modelo de optimización?

- Representación matemática de la realidad, que nos sirve
como herramienta para entender de mejor manera un
sistema y nos ayuda a tomar decisiones complejas.
Modelo de optimización
 Objetivos del curso
• Ahora podemos entender mejor los objetivos del curso
del programa
- Formular modelos de optimización para diversos
problemas.
- Analizar y entender las propiedades matemáticas de los
modelos de optimización.
- Resolver modelos de optimización pequeños de manera
manual.
- Resolver modelos de optimización grandes con ayuda de
herramientas computacionales (Gurobi - Python).
 Partes de un modelo
1) Variables de decisión  x
2) Función Objetivo  𝑓(𝑥 ሻ
3) Restricciones del problema  𝑔𝑖 𝑥 ≤ 𝑏𝑖 ∀𝑖 = 1, … 𝑚
4) Naturaleza de las variables de decisión  𝛺
 Partes de un modelo
1) Variables de decisión  x
2) Función Objetivo  𝑓(𝑥 ሻ
3) Restricciones del problema  𝑔𝑖 𝑥 ≤ 𝑏𝑖 ∀𝑖 = 1, … 𝑚
4) Naturaleza de las variables de decisión  𝛺

min 𝑓(𝑥ሻ
𝑠. 𝑎. 𝑔𝑖 𝑥 ≤ 𝑏𝑖 ∀𝑖 = 1, … 𝑚
𝑥∈𝛺
Problema de optimización
(Reddy Mikks)
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La producción diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La producción diaria máxima de pintura de interior es
de dos toneladas.
• Si todo lo que se produce se vende. Determine las
cantidades de cada pintura a producir diariamente, para
maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones
- Naturaleza de las variables
• Reddy Mikks es una empresa que produce pinturas de
interior y exterior desde dos materias primas M1 y M2.
La siguiente tabla muestra los datos básicos del
problema:
Ton. De MP por ton. De Disponibilidad
Materia Prima Pint. Ext. Pint. Int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4

• La demanda diaria de pintura de interior no puede

exceder la de la pintura de exterior por mas de una
tonelada.
• La demanda diaria máxima de pintura de interior es de
dos toneladas.
• Determine las cantidades de cada pintura a producir
diariamente, para maximizar la utilidad total diaria.
Establecer:
- Variables - Función Objetivo - Restricciones

- Naturaleza de las variables.

Primer problema de optimización
(Reddy Mikks )
𝑥1 : Cantidad de pintura de exterior a producir (toneladas).
𝑥2 : Cantidad de pintura de interior a producir (toneladas).

max 5𝑥1 + 4𝑥2

𝑠. 𝑎. 6𝑥1 + 4𝑥2 ≤ 24
𝑥1 + 2𝑥2 ≤ 6
𝑥2 − 𝑥1 ≤ 1
𝑥2 ≤ 2
𝑥1 , 𝑥2 ≥ 0