You are on page 1of 27

Modelacin de

Problemas de
Programacin
Lineal
Semana 2: Agosto 8 al 14
Programacin Lineal
Ude@

Qu es optimizacin?
El concepto bsico de optimizacin es encontrar la
mejor solucin posible (punto o alternativa de
decisin) de un problema dado.
Para encontrar este punto ptimo se deben
examinar todas las alternativas y probar que en
efecto es la mejor.
La optimizacin se apoya en modelos matemticos
para reflejar el problema a solucionar y hace uso
de la solucin matemtica de estos modelos para
encontrar la mejor solucin posible.
Preguntmonos ahora Qu es un modelo
entonces?

Qu es un modelo
matemtico?

Es una abstraccin o representacin matemtica de un


problema de inters y es una parte esencial de la solucin
ptima del problema.
En algunas ocasiones, los modelos son incapaces de reflejar
todas las caractersticas del problema, dado que dichos
problemas son complejos y enredados, la mayora de los
problemas de la vida real son de este tipo.
Para poder formular dichos modelos de la forma ms
cercana a la realidad y de manera que se pueda encontrar
su solucin, el modelo pasa a reflejar slo algunas
caractersticas del problema convirtindose en versiones ms
simplificadas del problema real y se hacen supuestos y
aproximaciones, en la mayora de los casos apoyados en la
estadstica.

Es as como los modelos matemticos y su solucin no


deben convertirse en la nica base para el proceso de
toma de decisiones, son una parte importante pero
deben estar acompaados de estudios de otro tipo que
hagan ms completa la solucin final.
Sin embargo, los expertos en Investigacin de
Operaciones siguen trabajando en perfeccionar las
tcnicas de modelacin para acercar cada vez ms la
realidad y sus caractersticas a frmulas matemticas
que se puedan resolver por las tcnicas desarrolladas y
as encontrar cada vez soluciones ms acertadas a los
problemas enfrentados.
Esto no quiere decir que las soluciones que se
encuentran con las tcnicas existentes y los modelos
que pueden desarrollarse hasta ahora sean errneas,
por el contrario han apoyado procesos complejos de
decisin,
es simplemente un rea en continuo
desarrollo. En resumen, modelar matemticamente es
considerado como un arte.

Problemas de Optimizacin
Un problema de optimizacin es aquel que busca
maximizar o minimizar una funcin matemtica que
contiene un nmero de variables y posee
condiciones que debe cumplir. Muchos problemas
de la vida real poseen una estructura parecida, por
ejemplo, en una empresa de productos
farmacuticos requieren maximizar la utilidad de
uno de sus productos pero estn sujetos al precio
impuesto por el mercado.
Veamos ahora con ms detalle cules son las
partes
que
componen
un
problema
de
optimizacin.

Componentes de un modelo
de Optimizacin

Variable de decisin: Es aquella informacin del problema que no se


conoce y de la cul se busca informacin. Generalmente, para evitar
errores y facilitar su identificacin en problemas donde existen muchas
variables, se representan por la letra x acompaada de un subndice,
por ejemplo .

Parmetros: Es toda aquella informacin conocida del problema y que


se asume como datos determinsticos y constantes. Es la informacin
disponible para tomar la decisin.

Restricciones: Son las condiciones que limitan el problema. Estn


compuestas por una funcin matemtica que est en trminos de las
variables de decisin , un smbolo de igualdad o desigualdad y un
trmino constante que corresponde a la informacin suministrada por el
problema o parmetros.

Funcin Objetivo: Es el objetivo del problema, es lo que quiere lograrse y


mide el impacto que tiene una decisin (es decir que cuantifica la
influencia de las variables de decisin).

Ejemplo 1

El dueo de un restaurante est planeando un men para el


almuerzo compuesto por 3 ingredientes A, B y C. Cada gramo
de A contiene 3 unidades de protena, 2 unidades de
carbohidratos y 4 unidades de grasa. Cada gramo de B
contiene 1, 2 y 3 unidades de protena, carbohidratos y
grasas, respectivamente; y cada gramo de C contiene 3, 1 y
4 unidades de protena, carbohidratos y grasas,
respectivamente. El dueo del restaurante quiere que la
comida tenga al menos 440 unidades de grasa, al menos 150
unidades de carbohidratos y al menos 320 unidades de
protena. Si 1gr de A cuesta $15.60, 1gr de B cuesta $18.90 y
1gr de C cuesta $12.70, Cuntos gramos de cada
ingrediente deberan ser servidos por el dueo del restaurante
para minimizar el costo de la comida y satisfacer todos los
requerimientos?

Identifiquemos ahora los componentes de un modelo de


optimizacin o de programacin matemtica como tambin
son llamados.

Variables de decisin: En este caso se quiere decidir cuntos


gramos de cada ingrediente deben ser servidos en la comida, por
lo tanto las variables de decisin son las siguientes:
: Cantidad de gramos del ingrediente A que deben ser
servidos en la comida
: Cantidad de gramos del ingrediente B que deben ser
servidos en la comida
: Cantidad de gramos del ingrediente C que deben ser
servidos en la comida
Parmetros:
Componentes (protenas, carbohidratos, grasas)de
ingrediente.
Costo de un gramo de cada ingrediente
Requerimientos de componentes para la comida

cada

Ingrediente

Protena
(unidades/gr)

Carbohidrato
(unidades/gr)

Grasa
(unidades/gr)

Tabla 1: Componentes de cada ingrediente

Ingrediente

Costo
($/gr)

15.60

18.90

12.70

Tabla 2: Costo de cada ingrediente

Componente

Cantidad mnima requerida


(unidades)

Protena

320

Carbohidrato

150

Grasa

440

Tabla 3: Cantidad requerida de cada componente

Restricciones: Existen dos tipos de restricciones para


este problema, por un lado la de que una comida
debe tener como mnimo una cantidad de
componentes cuyo valor est dado por la tabla 3
de los parmetros. De otro lado estn las llamadas
restricciones de no negatividad, que son aquellas
que dicen que las variables de decisin deben ser
mayores o iguales a cero, esto es lgico dado que
no podemos decidir incluir en la comida -100 gr del
ingrediente A, por ejemplo.

Veamos las expresiones matemticas que expresan


las restricciones del problema:

3 + + 3 320 (1)
2 + 2 + 150 (2)
4 + 3 + 4 440 (3)

La restriccin (1) indica la limitacin en la cantidad


mnima que debe tener la comida de protena, es decir,
que la suma de la cantidad de protena que tiene cada
ingrediente debe ser por lo menos (o mayor o igual) que
320. Si verificamos las unidades de ambos lados de la
desigualdad, nos damos cuenta que corresponden, es
decir, a ambos lados las cantidades deben estar en las
mismas unidades de medida. En este caso los
coeficientes de las variables estn en unidades de
protena por gramo, las variables estn en gramos y el
parmetro que est al lado derecho de la desigualdad
est en unidades de protena, por lo que ambos lados
quedan en las mimas unidades de medida.

Tomemos el caso de la restriccin (1):

3
() +
() + 3(
) ()

320()

Las restricciones (2) y (3) corresponden de forma similar a


las limitaciones en la cantidad mnima que debe tener la
comida de carbohidrato y grasa, respectivamente. En
ambas restricciones pueden verificar la correspondencia
en las unidades de medida en ambos lados de la
restriccin.
Ahora veamos las restricciones de no negatividad:
0, 0, 0

Funcin Objetivo: En este problema se pide minimizar el


costo de la comida, es decir que la funcin objetivo
ser una funcin que exprese el costo de una comida y
se expresa as:
15.60 + 18.90 +12.70

Esta funcin est compuesta por 3 trminos, cada trmino


es la multiplicacin de lo que cuesta un gramo de
ingrediente multiplicado por la cantidad de gramos de
cada ingrediente que debe ser servido en la comida. Estos
trminos se suman y dan como resultado el costo de una
comida, que estar compuesta por ciertas cantidades de
A, B o C segn lo que se halle una vez se resuelva el
problema. El costo debe estar expresado en $, si se
comprueban las unidades se deben obtener $ tambin.

Uniendo todos los componentes de un modelo de


optimizacin se obtiene la representacin formal
de este tipo de modelos, as:
min o max FUNCIN OBJETIVO
s.a (Sujeto a)
Restricciones
Restricciones sobre el tipo de variable

Armemos entonces el modelo formal del ejemplo 1:


15.60 + 18.90 +12.70
s.a.
3 + + 3 320 (1)
2 + 2 + 150 (2)
4 + 3 + 4 440 (3)
0, 0, 0

La formulacin del modelo que se acaba de estructurar es una


formulacin detallada, dado que se ponen de manera explcita
todas las variables y las restricciones, una a una, y es un modelo
que slo resuelve el problema para ese conjunto de parmetros
en particular. Sin embargo, existe una forma ms corta y
elegante de presentar los modelos de optimizacin y que
permite que el modelo siga siendo vlido sin importar los valores
de los parmetros, se llama formulacin general. Veamos:

s.a.

0,

Para realizar este tipo de formulacin se tiene en cuenta


el concepto de conjunto, que es simplemente el grupo
de datos, en este problema de la comida se tienen 2
conjuntos, uno es el de ingredientes al que se ha
llamado conjunto y otro el de componentes que se ha
llamado conjunto . Cada conjunto tiene una serie de
elementos, que corresponden a y a respectivamente,
en este caso puede tomar valores de A, B o C y
puede tomar valores de protena, carbohidrato o grasa.

corresponde a los coeficientes de la funcin objetivo, que en


este caso son los costos de cada ingrediente.
son los coeficientes de las restricciones, en este caso cada
unidad de cada tipo de componente para cada tipo de
ingrediente . Este valor en general, es llamado matriz de
coeficientes tecnolgicos.
son los valores que restringen el problema, en este caso los
valores mnimos de cada componente que debe llevar la
comida. Este valor se conoce en general como los valores del
lado derecho y son siempre datos referentes a los recursos.
es la variable de decisin correspondiente para cada
ingrediente .

Como puede observarse en la modelacin general, el modelo es


independiente de los valores que tomen los parmetros, cada
combinacin de estos valores arrojar una solucin distinta para el
modelo, pero as estos valores cambien el modelo construido para
este problema seguir siendo el mismo.
Veamos otro ejemplo:

Ejemplo 2
Una compaa cuenta con cuatro proyectos de
inversin. La siguiente tabla muestra los potenciales
beneficios financieros de cada proyecto. Asimismo,
la tabla muestra el costo de llevar a cabo cada
proyecto. La compaa solo cuenta con $45M para
invertir.
Proyecto

Beneficio Neto
($M)

Costo
($M)

12

15

12

35

32

Tabla 4: Beneficios y costos de los proyectos

Qu proyectos debe elegir esta compaa?

Conjuntos:
= Conjunto de proyectos
Variables de decisin: En este caso la variable de
decisin es si el proyecto se realiza o no. Esta
condicin implica que dicha variable es binaria,
por lo tanto:
1
=
(. . )
Parmetros: Son los datos de la tabla 4 y los datos
del presupuesto

Restricciones: Hay slo una restriccin en este caso


que es la de no sobrepasar el lmite de presupuesto
con los costos del proyecto. Queda as:
45
Donde son los datos de los costos de la tabla 4.
Funcin objetivo: Es la expresin de los beneficios
que se pueden obtener de la realizacin de los
proyectos. Se formula de la siguiente forma:

Donde son los valores de los beneficios de la tabla
4.

El modelo en formulacin general quedara de la siguiente


forma:

s.a.

0,1 ,
El ltimo grupo de restricciones que representa el tipo de
variable, expresa que la variable es binaria. Ntese que se
ponen los valores que puede tomar la variable binaria entre
llaves, esta es la forma correcta de expresarlo, formulaciones
como 0,1 , 0,1 y sus combinaciones, indican que
la variable puede tomar valores entre 0 y 1, es decir, puede
valer 0.5, 1.4, etc., incluyendo o no a los valores de 0 y 1, estas
formulaciones no son vlidas para expresar que la variable es
binaria.

Problemas de
programacin lineal.
Observemos el siguiente ejemplo:
Una compaa estima que su costo de produccin esta
determinado por:
Adicionalmente, la compaa estima que la funcin de
demanda de su producto es igual a:

Cul es el nivel de produccin que ms le conviene a


esta compaa?

En el ejemplo anterior el nivel ptimo de produccin


implica minimizar el costo de producir esa cantidad
demandada, si aplicamos clculo sacando la primera
derivada de la funcin e igualando esta a cero para
encontrar el mnimo de la funcin tambin se est
optimizando, pero ese tipo de funciones NO son del
inters de este curso. POR QU? Porque son funciones
NO LINEALES.

Si miramos de nuevo los ejemplos desarrollados se


puede notar que todas sus funciones, tanto la de la
funcin objetivo como la de las restricciones son
lineales, ningn trmino est elevado a una potencia
ms grande de 1, por lo que los mtodos de solucin
que se vern en este curso sern vlidos para resolver
modelos de ese tipo, modelos lineales, que son los ms
desarrollados y ms trabajados.

Clasificacin de los
problemas de Optimizacin

Como puede observarse en la figura anterior, los


problemas de optimizacin pueden ser de muchos
tipos, de varios o de un solo objetivo, con variables
enteras, continuas o mixtas (es decir, que unas son
enteras y otras son continuas en el mismo modelo),
con y sin restricciones y con funciones de varios
tipos.
Para el caso de este curso de Programacin Lineal,
los problemas que se tratarn son:
De un solo objetivo, restringido, con variables en su
totalidad enteras o continuas, o de variables mixtas y
con todas sus funciones lineales.

Ejercicios propuestos
2Crudos Inc. es una empresa petrolera que tiene una refinera en la costa de Texas. La
refinera procesa crudo proveniente de Arabia Saudita y Venezuela, produciendo
gasolina, diesel, y lubricantes.
Los dos crudos se diferencian en su composicin qumica, por lo que producen
diferentes cantidades de cada producto. Un barril de crudo proveniente de Arabia
Saudita produce 0.3 barriles de gasolina, 0.4 barriles de diesel, y 0.2 barriles de
lubricantes. Por otro lado, un barril proveniente de Venezuela produce 0.4 barriles de
gasolina, 0.2 barriles de diesel, y 0.3 barriles de lubricantes. El restante 10% del crudo se
pierde en el proceso de refinacin.

Los crudos tambin difieren en precio y disponibilidad. 2Crudos Inc. puede comprar a
Arabia Saudita hasta 9000 barriles por da a un precio de $20 por barril. Puede comprar
a Venezuela hasta 6000 barriles por da a un precio de $15 por barril.
Los contratos establecidos por 2Crudos Inc. lo obligan a producir 2000 barriles diarios de
gasolina, 1500 barriles diarios de diesel, y 500 barriles diarios de lubricantes Como se
pueden cumplir estos requerimientos de la forma ms eficiente? Proponga las
formulaciones detallada y general.

Ejercicios propuestos