View
216
Download
0
Category
Preview:
Citation preview
8/18/2019 Problema de Carga
1/9
Resumen: Este proyecto consiste en el envío de carga por vía aérea. Además de las
limitaciones de peso, la empresa tiene un volumen limitado de compartimentos de
almacenamiento en los aviones. Se proporciona información del promedio diario de
tres tipos de carga en términos de peso (toneladas) y volumen (ft 3 / tonelada). El
objetivo es encontrar la cantidad de cada tipo de carga tal que maximice los ingresos.
El problema se modela usando técnicas de optimización con restricciones y se
resuelve con multiplicadores de Lagrange. Los precios para cada tipo de carga se
calculan
Adicionalmente, se supone que la empresa está reacondicionando algunos de susantiguos aviones para ayudar a aumentar el tamaño de las zonas de carga. De esta
manera se pueden tomar decisiones sobre si se deben o no hacer modificaciones y en
qué medida. Los resultados numéricos se validan mediante la resolución de un
problema de programación lineal utilizando el paquete de software de ordenador y
lindo de la matemática MAPLE paquete de software.
La mayoría de los problemas de optimización requieren la consideración simultánea
de una serie de variables independientes. La categoría más simple de los problemasde optimización multivariable se puede resolver utilizando optimización. Sistemas de
álgebra computacional sin restricciones como MAPLE o MATHEMATICA resultan de
gran utilidad en el tratamiento de los cálculos algebraicos más complicados. El tipo
más sencillo de problemas de optimización multivariable consiste en encontrar el
máximo o mínimo de una función diferenciable de varias variables sobre una región
especificada. Las complicaciones surgen en la solución de modelos de optimización
multivariable cuando la región sobre la cual se optimiza es más compleja.
La mayoría de los problemas reales conducen a modelos complicados que implican la
existencia de limitaciones en las variables independientes. Esto nos lleva al área de laoptimización con restricciones. Una técnica importante para hacer frente a estos
problemas implica el uso de los multiplicadores de Lagrange. Esencialmente tenemos
una función objetivo y una serie de funciones de restricción. El conjunto formado por
las funciones de restricción se llama la región factible y la función objetivo es
maximizada o minimizada sobre este conjunto por el uso de técnicas de
multiplicadores de Lagrange. En el proceso de solución de la información importante
se puede encontrar mediante la búsqueda de los precios sombra para cada restricción.
8/18/2019 Problema de Carga
2/9
Un ejemplo simple de un problema de optimización multivariable con restricciones es
uno donde la función objetivo y las funciones de restricción son lineales. El estudio de
los métodos de cálculo para este tipo de problemas se llama programación lineal. Los
problemas típicos a gran escala implican miles de variables de decisión y miles de
limitaciones. El software para este tipo de problemas es muy flexible y fácil de usar y
permite al usuario modificar los datos y parámetros según sea necesario, que podríaproducir resultados que implican la toma de decisiones importantes.
Considere la posibilidad de una empresa de transporte de carga aérea que utiliza para
mover la carga que se almacena en los compartimentos del avión. La empresa cuenta
con la capacidad para mover 100
í por vía aérea y cobra 250
$
para el
transporte aéreo de mercancías. Aparte de la restricción de peso, la compañía sólo
puede moverse 50.000 ft 3 de carga por día a causa de volumen limitado decompartimentos de almacenamiento. La tabla muestra un desglose de la carga media
disponible en una base diaria.
Cargo Volumen (ft 3/tonelada) Peso (toneladas)A 550 39B 800 40C 400 50
A.
Formular un modelo matemático como un problema de optimización con
restricciones y resolver utilizando técnicas de multiplicadores de Lagrange.
Utilizar este método para determinar la cantidad de cada carga que debe ser
enviada por el aire cada día con el fin de maximizar los ingresos.
B. Por lo tanto calcular los precios sombra para cada restricción y explicar el
significado de estos resultados.
C.
Consideremos ahora la siguiente extensión del problema. La empresa cuenta
con la capacidad para reacondicionar algunos de sus aviones más viejos para
aumentar el tamaño de las zonas de carga. Las modificaciones costarían
$200,000 por avión y añadirían 2,500 ft 3 por avión. Los límites de peso serían
sin cambios. Haga la hipótesis de que los aviones vuelan 250 días por año y que
la vida útil restante de los aviones de más edad es de aproximadamente 5 años.¿Valdría la pena, económicamente, hacer las alteraciones y, en caso afirmativo,
a cuántos aviones?
D.
Validar los resultados anteriores mediante la resolución de un problema de
programación lineal utilizando un paquete de software apropiado.
8/18/2019 Problema de Carga
3/9
Para formular el modelo, en primer lugar definimos las variables que utilizaremos,
= ()
= ()
= () = ( )
= ()
= ($).
Se requieren los siguientes supuestos para garantizar la validez del modelo,
= 550 + 800 + 400
= + +
= 250
≤ 50,000
≤ 100 0 ≤ ≤ 30
0 ≤ ≤ 40
0 ≤ ≤ 50.
El objetivo del modelo es la optimizar el costo de flete F . Renombrando = ,
= (, , ) = 250 + 250 + 250,
y nuestro objetivo es optimizar en la región delimitada por
+ + ≤ 100
550 + 800 + 400 ≤ 50,000
0 ≤
≤ 30
0 ≤ ≤ 40
0 ≤ ≤ 50.
A.
Ahora se resuelve el modelo usando los multiplicadores de Lagrange. La función
objetivo es lineal y por lo que el gradiente de (, , ) nunca es cero. Esto
significa que no hay puntos extremos interiores. La restricción (, , ) a un
plano o una línea sigue siendo lineal. Esto significa que no hay extremos locales a
lo largo de cualquiera de las caras o los bordes de la región factible. De ahí que el
máximo debe ocurrir en una de las esquinas.
Ahora se comprueba cada esquina para determinar el óptimo. Está claro que x1, x2,
x3 no pueden ser cero. A continuación, hay cinco restantes restricciones lineales:
(, , ) = + + = 100
8/18/2019 Problema de Carga
4/9
(, , ) = 550 + 800 + 400 = 50,000
(, , ) = = 30
(, , ) = = 40
(, , ) = = 50.
Al resolver cualquier combinación de tres de estas ecuaciones obtenemos lascoordenadas de un punto de esquina. Si estas coordenadas satisfacen las
restricciones de desigualdad, entonces el punto de esquina representa una
solución factible. Al marcar los 10 puntos de esquina, nos encontramos con que el
óptimo se produce en la intersección de las líneas de las restricciones ,
en el punto
∗ = (30,16.875,50). Así ∗ = (∗) = 250(30 + 16.875 + 50) = 24,218.75.
Por lo que la estrategia óptima (envío máximo) es
Carga A 30 í
Carga B16.875
í
Carga B50
í
osto Total $24,218.75
Es importante tener en cuenta que la restricción de peso no es vinculante, es decir,
no tenemos un volumen suficiente en las bodegas de carga de enviar cada 100
toneladas de carga disponible.
B. A continuación se calcula y se discuten los precios sombra para cada restricción
Los gradientes para las restricciones obligatorias son las siguientes:
= ∇ = (500,800,400)
= ∇ = (1,0,0)
= ∇ = (0,0,1)
y = = (250, 250 250) para la función objetivo f .
Las ecuaciones de Lagrange son
= + +
así
250 = 550 +
8/18/2019 Problema de Carga
5/9
250 = 800
250 = 400 + .
Por lo tanto = 0.3125, = 78.125 y = 125.
Estas cifras dan los precios sombra, lo que significa efectivamente que la capacidadde carga adicional vale aproximadamente $ 0.31 por pie cúbico. La ventaja neta de
ser capaces de enviar más de la carga A es $ 78,13 por tonelada, y para la carga C,
la cifra es de $ 125 por tonelada.
Para todas las otras limitaciones, que son todos no vinculante, los precios sombra
son cero. Así, por ejemplo, la empresa no estaría dispuesta a pagar para aumentar
la capacidad de carga de los aviones, ya que la solución óptima actual no utiliza
toda la capacidad disponible de peso.
C.
A continuación, utilizamos los resultados de sensibilidad anteriores para resolver
la extensión del problema. Sabemos que el espacio de carga adicional vale $ 0.31
por pie cúbico. Durante la vida útil de los aviones (es decir, 5 años), la
modificación propuesta permitiría a la empresa enviar
5(250)(2000) = 2,500,000
pies cúbicos de carga adicional que equivaldría a
$0.31(2,500,000) = $775,000.
Dado que esta cifra está muy por encima del costo $ 200.000 de
reacondicionamiento, la empresa debe proceder con este plan.
La carga restante no enviada se compone actualmente de
40 − 16,875 = 23,125
toneladas diarias de carga B, que llenarían un volumen de
23.125(800) = 18,500
pies cúbicos. La carga diaria actual utiliza todo el volumen disponible y pesa
96.875 toneladas. Cada avión modificado puede llevar a un adicional de 2,500 pies
cúbicos de carga B, que pesa2,500
800 = 3.125 .
8/18/2019 Problema de Carga
6/9
Aunque hay suficiente carga adicional para llenar 7 u 8 aviones modificados, sólo
hay se tiene la capacidad de peso para llevar a un adicional de 3.125 toneladas por
día. Esto significa que sólo debemos modificar uno de los aviones. En caso de
modificar un plano las restricciones limitantes son g3, g5 y el g2 modificada como
≤ 52,500.
Ahora resolvemos
550 + 800 + 400 = 52,500
sujeto a
= 30, = 50.
Esto da x2 = 20 y por lo que en este caso se envían 20 toneladas de carga B
obteniendo los gastos de envío de $ 25.000
250 ( + + ) = 250 (30 + 20 + 50) = 25,000.
5. Validación del modelo
Ahora validamos los resultados obtenidos en la Sección 4 mediante la resolución de
un problema de programación lineal por el método simplex. Hemos elegido el paquete
de software LINDO para llevar a cabo el cálculo.
A. Por supuesto, la lista de variables y supuestos son los mismos que en la Sección 4.
Así pues, nuestro objetivo es maximizar
250 + 250 + 250,
sujeto a
+ + ≤ 100
550 + 800 + 400 ≤ 50,000
≤ 30
≤ 40
≤ 50.
El óptimo L. P. encontrado en el paso 3 utilizando LINDO es 24,218.75. Este máximo se
alcanza en x1 = 30, x2 = 16.875, x3 = 50 (véase la Figura B9.1 para deshacer y
resultados Figura B9.2 para obtener resultados MAPLE). Por lo tanto, se recomienda
que los buques de la compañía 30 toneladas de carga A, 16.875 toneladas de carga B y
50 toneladas de carga C por día. Esto debería hace merecedora a la empresa de un
cobro por cargo de envío de $ 24,218.75 por día.
8/18/2019 Problema de Carga
7/9
B.
A continuación vamos a validar los precios sombra para cada restricción que se
encuentra en la Sección 4. Los multiplicadores de Lagrange o precios sombra
ahora se calculan automáticamente por LINDO bajo el título de "DUAL PRICES". La
fila 2 es la restricción de volumen y el precio dual correspondiente es de 0,3125.
Este es el precio sombra para el volumen.
La fila 4 es el límite superior de la cantidad de la carga A disponible, y el precio dual
correspondiente es 78.125. Este es el precio sombra de una tonelada de carga. La fila 6
es el límite superior de la cantidad de carga C disponible, y el precio dual
correspondiente es 125. Este es el precio sombra de una tonelada de espacio de cargaC. El espacio de carga extra vale $ 0,3125 por pie cúbico. La carga adicional del tipo A
es digno de $ 78.13 por tonelada, y la carga adicional del tipo C es un valor de $ 125
por tonelada.
C.
Finalmente, validamos los resultados para la extensión al problema original. El
costo de actualización es de $ 160 por avión por día. Para determinar si es mejor
modificar un avión, modificamos la restricción de volumen así tenemos
8/18/2019 Problema de Carga
8/9
550 + 800 + 400 ≤ 52,500
y se reoptimiza. La modificación conviene mientras la función objetivo se
incremente en más de 160.
Usando LINDO (ver Figura 139.3) y MAPLE (ver Figura B9.4) nos encontramos con
que el nuevo óptimo es de 25.000, por lo que el nuevo ingreso neto es de $ 25.000 pordía. Esto es claramente mejor que el resultado de A. por lo que vale la pena la
modificación de un plano. El óptimo de 25.000 ocurre en x1=30, x2 = 20 y x3 = 50.
Como hay una restricción de 100 toneladas de la carga diaria total, no hay que
modificar más de un avión.
El paquete de software LINDO es muy fácil de usar y se puede ejecutar varias veces.
Por ejemplo, si deseamos que decidir si es mejor para modificar un segundo avión,
simplemente cambiamos la restricción de volumen por
550 + 800 + 400 ≤ 52,500
y reoptimizar. Otra ejecución LINDO daría el óptimo y los valores correspondientes de x1, x2 y
x3. El beneficio neto sería menor que antes. Tenga en cuenta también que a partir de ahora
usamos toda la capacidad disponible de peso y por lo tanto no hay ningún punto en la
consideración de la adición de capacidad de carga para los demás aviones.
8/18/2019 Problema de Carga
9/9
6. Interpretación y conclusiones
Este proyecto es interesante ya que implica el uso de transporte aéreo para el transporte de
carga por una compañía naviera. Ya que sólo se ocupa de tres tipos de carga y los parámetros
clave de peso y el volumen, el número de restricciones es pequeño y por lo tanto de fácil
manejo en una solución matemática. También la solución matemática fácilmente puede ser
validada por el uso de algún software de programación lineal. Cabe señalar que los
problemas más realistas de envío y transporte son por lo general mucho más complejos
debido a las mayores dimensiones y la complejidad de las restricciones. Así, por ejemplo,
técnicas gráficas no están disponibles para dimensiones n>3, y la solución de ∇ = 0 se
vuelve más complicada ya que el número de variables independientes aumenta. La
optimización con restricciones se vuelve también más difícil, la geometría de la región
factible puede ser más complicada. En general, los problemas de optimización multivariable
con restricciones casi siempre es difícil de resolver. Por supuesto, la programación lineal es
una herramienta importante en la solución de tales problemas en los que tanto la funciónobjetivo y las funciones de restricción son lineales. Los paquetes de software para
programación lineal están ampliamente disponibles y son de uso frecuente para los
problemas en la industria manufacturera, la inversión, el transporte, la agricultura y el
gobierno. Los problemas típicos a gran escala implican miles de variables de decisión y miles
de restricciones.
Aunque se han desarrollado variedad de técnicas computacionales para manejar tipos
especiales de problemas de optimización multivariable, aún no existen buenos métodos
generales, incluso en los niveles más sofisticados. El área de investigación que cubre el
desarrollo de nuevos métodos computacionales para este tipo de problemas se llamaprogramación no lineal y es muy activa.
Recommended