You are on page 1of 6

EJEMPLO1: DISEO DE TERAPIA DE RADIACIN

Acaban de diagnosticar que Mary padece cncer en una etapa bastante avanzada. Especficamente, tiene un tumor grande en el rea de la vejiga una lesin completa en la vejiga. Mary recibir los cuidados mdicos ms avanzados disponibles, para proporcionarle la mejor posibilidad de supervivencia. Estos cuidados incluyen una terapia de radiacin extensa.

Fig. 1 Corte transversal del tumor

Debido a la necesidad de balancear con cuidado todos estos factores, el diseo de la terapia de radiacin es un proceso muy delicado. La meta principal de este diseo es elegir la combinacin de rayos que se utilizar y la intensidad de cada uno para generar la mejor distribucin posible de la dosis la fuerza de la dosis en cualquier punto del cuerpo se mide en unidades llamadas kilorads. Despus de un anlisis exhaustivo, el equipo mdico estim con detalle los datos necesarios para el diseo del tratamiento de Mary, cuyo resumen se presenta en la tabla 1.

Tabla 1. Datos para el diseo del tratamiento de radiacin

La primera columna presenta una lista de las reas del cuerpo que deben considerarse y las dos siguientes proporcionan la fraccin de la dosis de radiacin de cada rayo en el punto de entrada que se absorbe en promedio en las reas respectivas. Por ejemplo, si el nivel de la dosis en el punto de entrada del rayo 1 es 1 kilorad, entonces se absorbern 0.4 kilorad en toda la anatoma sana en el plano de dos dimensiones, un promedio de 0.3 kilorad en los tejidos crticos cercanos, un promedio de 0.5 kilorad en las distintas partes del tumor y 0.6 kilorad en el centro del tumor. La ltima columna presenta las restricciones sobre la dosis total de ambos rayos que se absorbe en promedio en las diferentes partes del cuerpo. En particular, la absorcin promedio de la dosis por la anatoma sana debe ser tan pequea como sea posible, los tejidos crticos no deben exceder 2.7 kilorads, el promedio sobre todo el tumor debe ser igual a 6 kilorads y en el centro del tumor debe ser por lo menos de 6 kilorads.

FORMULACION COMO UN PROBLEMA DE PROGRAMACION LINEAL


Las dos variables de decisin y representan la dosis (en kilorads) en el punto de entrada de los rayos 1 y 2, respectivamente. Como debe minimizarse la dosis total que llega a la anatoma sana, se definir como Z a esta cantidad. En este punto se pueden usar los datos de la tabla 1 para formular el siguiente modelo de programacin lineal. Minimizar Sujeta

Y .

Este problema se puede resolver por el mtodo grfico. La figura 2 muestra la solucin grfica. La regin factible consiste nada ms en el segmento entre los puntos (6, 6) y (7.5, 4.5), ya que los puntos en este segmento son los nicos que satisfacen todas las restricciones al mismo tiempo. (Obsrvese que la restriccin de igualdad limita la regin factible a la recta que contiene este segmento y las otras restricciones funcionales determinan los puntos extremos del segmento.) La lnea punteada representa la funcin objetivo que pasa por la solucin ptima ) = (7.5, 4.5) con Z = 5.25. Esta solucin es ptima y no (6, 6) porque disminuir Z (para valores positivos de Z) empuja la funcin objetivo hacia el origen (donde Z = 0). Y Z = 5.25 para (7.5, 4.5) es menor que Z = 5.4 para (6, 6). En consecuencia, el diseo ptimo implica utilizar una dosis total en el punto de entrada de 7.5 kilorads para el rayo 1 y 4.5 kilorads para el rayo 2.

Fig. 2 Solucin grfica del diseo de la terapia de radiacin

!DISEO DE TERAPIA DE RADIACION; !FUNCION OBJETIVO; [MINIMIZAR_ANATOMIA_SANA] min=0.4*x1+0.5*x2; !RESTRICCIONES; !RESTRICCION DEL TEJIDO CRITICO; [TEJIDO_CRITICO] 0.3*x1+0.1*x2<=2.7; !RESTRICCION DE LA REGION DEL TUMOR; [REGION_TUMOR] 0.5*x1+0.5*x2=6; !RESTRICCION DE LA CENTRO DEL TUMOR; [CENTRO_TUMOR] 0.6*x1+0.4*x2>=6;

REPORTE DE SOLUCION Global optimal solution found. Objective value: Infeasibilities: Total solver iterations: Elapsed runtime seconds: Model Class: Total variables: Nonlinear variables: Integer variables: Total constraints: Nonlinear constraints: Total nonzeros: Nonlinear nonzeros: 2 0 0 4 0 8 0 5.250000 0.000000 0 0.12 LP

Variable X1 X2 Row MINIMIZAR_ANATOMIA_SANA TEJIDO_CRITICO REGION_TUMOR CENTRO_TUMOR

Value 7.500000 4.500000 Slack or Surplus 5.250000 0.000000 0.000000 0.3000000

Reduced Cost 0.000000 0.000000 Dual Price -1.000000 0.5000000 -1.100000 0.000000

EJEMPLO 2: Una fbrica de vasos utiliza en el proceso de produccin una maquina con 60 horas de disponibilidad por semana. Los vasos producidos durante una semana se van almacenando hasta el final de la misma, momento en que son enviados a las casas de distribucin. La empresa ofrece dos tipos de vasos: para zumo (Z) y vasos vino (V). La maquina necesita 6 horas para producir 100 cajas de Z, y 5 horas para producir 100 cajas de V. cada caja de Z requiere de 100 cc. Los almacenes tienen una capacidad mxima de 150,000 cc. El beneficio por cada caja Z producida es de 5$ y 4.5$ el de cada caja de V. el departamento de marketing estima que es posible vender tantos V como sean producidos, pero solo un mximo de 800 cajas de Z por semana. Determinar la produccin semanal que maximiza los beneficios de la empresa Llamando X=n cajas de Z producidas e Y=n cajas de V producidas Maximizar: Sujeto a:

[PRODUCCION] max=5*x+4.5*y; 0.06*x+0.05*y<=60; 100*x+200*y<=150000; x<=800;

Objective value:

5142.857

Variable X Y Row PRODUCCION 2 3 4

Value 642.8571 428.5714 Slack or Surplus 5142.857 0.000000 0.000000 157.1429

Reduced Cost 0.000000 0.000000 Dual Price 1.000000 78.57143 0.2857143E-02 0.000000

EJEMPLO 3: Una empresa elabora tres tipos de piensos usando cuatro tipos de cereales. Cada saco de pienso contiene 50 kg y se vende al precio (en euros) indicado en la tabla siguiente, que contiene tambin la composicin de cada saco y las existencias de cereales en la fbrica:
Pienso 1 2 3 Existencias Avena 25 0 20 50000 Maz 25 20 0 80000 Cebada 0 20 30 40000 Mijo 0 10 0 10000 Precio 9 12 6.2

Determina el nmero de sacos que debera producir la empresa de cada tipo de pienso para maximizar el ingreso (supuesto que vende toda su produccin). El modelo matemtico correspondiente a este problema es: Maximizar Sujeto a

[PRODUCCION] max=9*x+12*y+6.2*z; 25*x+20*z<=50000; 25*x+20*y<=80000; 20*y+30*z<=40000; 10*y<=1000; Objective value: 19200.00

Variable X Y Z Row PRODUCCION 2 3 4 5

Value 2000.000 100.0000 0.000000 Slack or Surplus 19200.00 0.000000 28000.00 38000.00 0.000000

Reduced Cost 0.000000 0.000000 1.000000 Dual Price 1.000000 0.3600000 0.000000 0.000000 1.200000