Upload
michael-reynolds
View
220
Download
0
Embed Size (px)
Citation preview
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 1/40
MODELOS DE OPTIMIZACIÓNRESTRINGIDA
Programación Lineal
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 2/40
Programación lineal La programación lineal es el planteamiento de
modelos en forma numérica y en donde lasvariables de decisión sobre las cuales se basa el
modelo son lineales
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 3/40
SistemaReal
SistemaReal MODELO
MODELO
Implementación
ImplementaciónResultados
ResultadosDecisión
final
Decisión
final
Decisión
óptima
Decisión
óptima
Comparación
(+) o ( -)
Austes
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 4/40
• !aria"les de decisión• #ar$metros % constantes• &unción de optimi'ación Ma*Min• Ecuaciones de restricción
Cu$l es la
estructura del
modelo matem$tico,
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 5/40
ProblemaTecnipolímeros produce 2 líneas de tubo especial flexible,
simple y reforzado. La mayor demanda la presenta el tubo
simple (!"# $ue es utilizado en construcción. l resto de la
producción se destina al tubo reforzado (%!"# utilizado
en agricultura para riego y transporte de agua. &mbos se producen con el mismo e$uipo y en el mismo departamento.
l gerente de mercadeo asegura $ue el próximo mes se
vender'n todos los rollos de !" y %!" $ue se produzcan.
La utilidad por cada !" es de )***.** y de+***.** por cada %!".
Nota: cada rollo mide 2000 metros y se vende para producir
rollos mas pequeños
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 6/40
El proceso rimero se realiza el aglomerado de la materia prima y luego su
extrusión. ara aglomerarlo -ay una disponibilidad de )* -r./mes
y para la extrusión 0* -r./mes. ara el !" se necesitan * -r. de
aglomerado y 2* -rs. de extrusión y para el %!" ) -rs. de
aglomerado y * de extrusión. 1ontrol de calidad, para cumplir con la producción necesita un mínimo de un * menos de -oras
por mes del disponible en aglomerado ()*#. ara el 11 del !" se
re$uiere 3* -rs. y cada %!" * -rs. La política $ue se -a mantenido
es $ue por cada !" se producen no mas de 3 %!". xiste un pedido de ) rollos de cual$uier combinación de !" y %!".
4ptimizar la producción de rollos.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 7/40
Planeamieno! 5rs.
!" %!" 6isponibilidad/total
&glomerado * ) )*
xtrusión 2* * 0*
1.1. 3* * 3)
olítica 3 edido )
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 8/40
Planeamieno!7i identificamos como a los rollos de !" y como % a los rollos
de %!", podemos expresar las relaciones matem'ticamente de la
siguiente manera8
9estricciones
5FE 03F-E3FE 13510F30E
16010F20E15015F10E
≥+
≤⇒≤≥+
≤+
≤+
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 9/40
Planeamieno! l interés del problema es la optimización de las utilidades a
través de la producción de rollos de poliducto.
ue nos interesa8
s decir, maximizar la suma de utilidades
%unción 4b:etivo
4000F5000EMax. +
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 10/40
Planeamieno
maem"ico!
9estricciones de no
negatividad.
;. 9.
4000F5000EMax. +
0FE,5FE
03F-E13510F30E16010F20E15015F10E
≥≥+
≤
≥+
≤+
≤+
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 11/40
Gra#cación $e
$esig%al$a$es!<na desigualdad es una expresión matem'tica $ue contiene
un signo mayor $ue, menor $ue, mayor o igual $ue, menor o
igual $ue. studiaremos las desigualdades!igualdades $ue son
las $ue nos interesan, los pasos a seguir son8
.! 1onvertir la desigualdad en igualdad y graficar.
2.! scoger un punto de referencia (cual$uier punto $ue no
pertenezca a la recta.
3.! =aluar el punto de ensayo y verificar8a# si el punto satisface la desigualdad todos los puntos
de ese lado la satisfacen.
b# si no satisfacen la desigualdad entonces todos los
puntos $ue no estén en ese lado la satisfacen.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 12/40
E&emplo '! 4
3
2
1
-3 -2 -1 0 1 2 3 4
-1
-2
-3
> 2
>
unto de ensayo
9egión de desigualdad
?o existe relación entre el sentido de la desigualdad y el cuadrante
2- x-2xGraficar 12 ≤
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 13/40
E&emplo (!@raficar el siguiente sistema lineal8
0FE,5FE03F-E
13510F30E16010F20E15015F10E
4000F5000EMax.
≥
≥+≤
≥+
≤+
≤+
+
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 14/40
16
14
12
10
8
6
4
2
0 2 4 6 8 10 12 14 16
%
.E + /& 0 /.
1.E + .& 0 2.
3.E + .& 0 3/
E 4 3& 0 .
E + & 0/
RE5IO6 &AC7I8LE
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 15/40
Región )acible s el 'rea dentro de la cual se satisfacen todas las restricciones
a las $ue esta sometido el modelo y dentro de la cual se encuentra
la solución optima localizada en un vértice.
Restriccin Redundante
s a$uella restricción $ue al $uitarla no -ace cambiar la
región factible, es decir no se encuentra dentro de la región
factible y no conforma un vértice de la misma.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 16/40
Sol%ción ara encontrar la solución al sistema planteado gr'ficamente
se le dan valores totales aleatorios a la función ob:etivo y se
grafican tratando de $ue coincidan con algAn vértice de la
región factible y es en ese vértice en donde se encuentra la solución óptima.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 17/40
16
14
12
10
8
6
4
2
0 2 4 6 8 10 12 14 16
%
9 0 1 . : . . .
9 0 3 1 : . . .
9 0 / . :
/ . . <?T4 4TBC4
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 18/40
Sol%ción!1omo se puede ver $ue el punto óptimo esta en la intersección
de las rectas
* D )% E )* y
2* D *% E 0*
7e despe:an las incógnitas ya $ue se tienen dos ecuaciones con
dos incógnitas. Cultiplicando la primera por dos y rest'ndole
la segunda se tiene8
2* D 3*% E 3**
!2* ! *% E !0*
2*% E +* lo $ue -ace $ue % E F
y E +.)
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 19/40
La solución encontrada debe de satisfacer todas las desigualdades.
7ubstituyendo tenemos los siguiente8 E +.), % E F
10 (4.5) + 15(7) = 15020 (4.5) + 10(7) = 16030 (4.5) + 10(7) = 205
4.5 - 3(7) = -16.5 4.5 + 7 = 11.5 4.5, 7 > 0
Comprobación
0FE,5FE03F-E
13510F30E16010F20E15015F10E
≥
≥+≤
≥+
≤+
≤+
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 20/40
De#niciones Las desigualdades $ue en el punto óptimo se vuelven igualdades
se conocen como RESTRICCIONES ACTIVAS, y son por las
$ue pasa la solución óptima.
10 (4.5) + 15(7) = 150
20 (4.5) + 10(7) = 160
1uando en el planteamiento de un problema existe una igualdad
siempre es activa.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 21/40
De#niciones studiemos la siguiente restricción8
&l valuarla en el punto óptimo $ueda como8
30 (4.5) + 10(7) = 205
La diferencia es8
2*) G 3) E F*
xcedente
3) 2*)
xcedente
13510F30E ≥+
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 22/40
De#niciones studiemos la siguiente restricción8
&l valuarla en el punto óptimo $ueda como8
4.5 - 3(7) = -16.5
La diferencia es8
!0.) G * E !0.)
5olgura
!0.) *
5olgura
03F-E ≤
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 23/40
De#niciones7i la restricción es inactiva, para una restricción H o E
-ay excedente y para una I o E -ay -olgura.
l término solución óptima o punto óptimo se refiere a
los valores de las variables de decisión $ue maximizano minimizan (segAn el caso# la función ob:etivo.
l término valor óptimo se refiere al valor de la función
ob:etivo valuada en el punto óptimo.
n el planteamiento de un sistema lineal no pueden existir
desigualdades exactas, todas son o igualdades o desigualdad
igualdad.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 24/40
El problema $e la in$%sria $e
&%g%ees *Gala+ia,- Gala+ia pro$%ce $os ipos $e &%g%ees!
. Space Ra/
. Zapper
Los rec%rsos es"n limia$os a!
. '(00 libras $e pl"sico especial-
. 10 2oras $e pro$%cción semanalmene-
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 25/40
Re3%erimienos $e Mar4eing-
. La pro$%cción oal no p%e$e e+ce$er $e 500 $ocenas-
. El n6mero $e $ocenas $e Space Ra/s no p%e$ee+ce$er al
n6mero $e $ocenas $e Zappers por m"s $e 170-
Re3%erimienos Tecnológicos-
. Space Ra/s re3%iere ( libras $e pl"sico / 8 min%os $epro$%cción por $ocena-
. Zappers re3%iere ' libra $e pl"sico / 1 min%os $epro$%cción
por $ocena-
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 26/40
Plan com6n $e pro$%cción para!
. 9abricar la ma/or cani$a$ $el pro$%co 3%e $e&e me&ores
ganancias: el c%al correspon$e a Space Ra/ ;<5 $e %ili$a$por $ocena=-
. >sar la menor cani$a$ $e rec%rsos para pro$%cir Zappers:
por3%e esos $e&an %na menor %ili$a$ ;<7 $e %ili$a$ por$ocena=-
El plan com6n $e pro$%cción consise en!Space Ra/s ? 770 $ocenas
Zappers ? '00 $ocenas
>ili$a$ ? <1@00 por semana
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 27/40
Sol%ción ariables $e $ecisión
. B' ? Cani$a$ pro$%ci$a $e Space Ra/s ;en $ocenas
porsemana=-
. B( ? Cani$a$ pro$%ci$a $e Zappers ;en $ocenas por
semana=-
9%nción ob&eio
. Ma+imiar la ganancia semanal-
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 28/40
Modelo de Programación Lineal
Ma+ 5B' 7B( ;ganancia semanal=
S%&eo a!
(B' 'B( F? '(00 ;Cani$a$ $e pl"sico=8B' 1B( F? (100 ;Tiempo $e pro$%cción= B' B( F? 500 ;Limie pro$%cción oal=
B' B( F? 170 ;Pro$%cción en e+ceso= B & H? 0 : &? ': (- ;Res%la$os posiios=
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 29/40
1200
600
Restricción de plástico
Factible
Restricción del plástico:
2X1+X2<=1200
X2
No Factible
Horas deProducción
3X1+X2<=200
Restricción del total de producción:
X1+X2<=!00600
800
Restricción del
e"ceso de producción: X1#X2<=$0
X1
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 30/40
Resol%ción gr"#ca para enconrar
la sol%ción ópima-
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 31/40
600
800
1200
400 600 800
X2
X1
co%en&ar con una 'anancia dada de = (2)000***
tilid* = ( 000 2,
,ntonces au%ente la 'anancia***
***- contin.e /asta ue sal'a de la re'ión actible
anancia =($003 , )
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 32/40
600
800
1200
400 600 800
X2
X1
RegiónFactible
Re'ión no
actible
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 33/40
Res%men $e la sol%ción ópima
Space Ra/s ? 150 $ocenasZappers ? (10 $ocenasGanancia ? <7010
. Esa sol%ción %ilia o$as las maerias primas;pl"sico= /
o$as las 2oras $e pro$%cción- . La pro$%cción oal son (0 $ocenas ;no 500=-
. La pro$%cción $e Space Ra/s e+ce$e a la $e Zapperspor solo (10 $ocenas / no por 170-
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 34/40
E&emplo! La empresa %otogr'fica 7.&. produce dos tipos de lí$uidos para
revelado de fotografías. l primero, un reactivo $uímico para
revelar fotografías en blanco y negro cuya producción cuesta
J2,)**.** por tonelada. l segundo, un reactivo $uímico para
revelar fotografías en color, cuyo costo es de J3,*** la tonelada. & partir del an'lisis de los actuales niveles de inventario y de
los pedidos pendientes, el director de producción -a estimado
$ue se deben de producir para el próximo mes al menos 3* ton.,
del reactivo para blanco y negro y 2* ton., del reactivo para
color. &dem's en bodega -ay una materia prima altamente
perecedera $ue debe de consumirse en un período de 3* días y
$ue se utiliza en los dos $uímicos, así $ue con el fin de
consumírsela debe de producir al menos 0* ton., de ambos
reactivos
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 35/40
E&emplo (!7i llamamos8
> E ton., producidas del reactivo para blanco y negro
>2 E ton., producidas del reactivo para colores.
Las restricciones nos $uedarían así8
> K 3*
>2 K 2*
> D >2 K 0*
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 36/40
1omo en este problema tenemos datos de costo, lo $ue nos
interesa es minimizar ese costo, de tal forma $ue nuestra
función ob:etivo sería8
Cinimizar 2,)** > D 3,*** >2
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 37/40
60
!0
40
30
20
10
0 10 20 30 40 !0 60 "0 80 #0 100
>2
>
7olución @r'fica
>2 E 2*
> E 3*
> D >2 E 0*
9egión factible
C 0
; . : . . .
C 0 - 2 .
: . . . Pto. Optimo (40,20)
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 38/40
E&emplo! 6isponemos de 2*.*** euros para invertir en bolsa.
?os recomiendan dos tipos de acciones. Las del tipo
&, $ue rinden el * y las del tipo ;, $ue rinden el
. 6ecidimos invertir un m'ximo de 3*.*** euros
en las del tipo & y como mínimo 0*.*** en las del tipo
;. &dem's $ueremos $ue la inversión en las del tipo &
sea menor $ue el doble de la inversión en ;. M1u'l
tiene $ue ser la distribución de la inversión paraobtener el m'ximo interés anualN
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 39/40
E&emplo! n la siguiente tabla se resumen los datos clave a cerca de dos
productos & y ; y los recursos , 9, 7 $ue se necesitan para
producirlos.
Uso de recursos por unidadproducida
Rec%rso Pro$%co A Pro$%co J Cani$a$ $eRec%rso$isponible
K ( ' (
R ' ( (
S 8 8 1Ganancia/unid
ad<8:000 <(:000
9ealice el planteamiento del problema. 9esuelva gr'fica y algebraicamente.
7/24/2019 Parte 2 Modelos de Optimizacion
http://slidepdf.com/reader/full/parte-2-modelos-de-optimizacion 40/40
E&emplo!<n restaurante prepara comidas para reparto a domicilio. ara este
fin de semana 2 locales le -an ordenado menAs $ue re$uieren algAn
tipo de carne y una ensalada. n ambos menAs, el restaurante
decide colocar una pieza de carne, sin embargo variar' la ensalada
de tal forma $ue para el local & piensa colocar " medidas de
ensalada por plato y para el local ; + medidas. 6ebido a la
diferencia de clientes $ue esta atendiendo el restaurante toma la
política de servir el menA del local ; en un plato y el del local & en
dos. n total el restaurante tiene una existencia de ** piezas decarne y el e$uivalente a 20* medidas de ensalada y platos
disponibles para despac-o a domicilio tiene 0*. Las ganancias por
menAs son * pesetas los del local & y ") los del local ;.