You are on page 1of 27

Universidad de los Andes

Facultad de Ingeniera y Ciencias Aplicadas

Apuntes del Curso


Introducci
on a la Optimizaci
on
Indice general

1. Modelamiento en Optimizaci on 4
1.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Problemas cl
asicos de modelamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2. Problemas equivalentes y existencia de o ptimos 28


2.1. Introducci
on a problemas equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2. Existencia de soluciones
optimas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3. Convexidad 40
3.1. Introduci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.1.1. Aplicaciones de la convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2. Funciones convexas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

4. Optimizaci on sin restricciones 51


4.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

5. Optimizaci on con restricciones 54


5.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

6. Programaci on Lineal 62
6.1. Definiciones b
asicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.2. Algoritmo Simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2.1. Fase I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.2.2. Casos especiales del metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.3. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

7. Dualidad en Programaci on Lineal 75


7.1. Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.3. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

2
8. Programaci on Lineal Entera 77
8.1. Programaci
on Entera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
8.1.1. Algoritmo Branch & Bound . . . . . . . . . . . . . . . . . . . . . . . . . . 77
8.2. Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

3
Captulo 1

Modelamiento en Optimizaci
on

1.1. Introducci
on
En este curso estudiaremos el problema

(P) min{f (x) | x }.

donde f : n y n. Diremos que x es solucion de (P) si satisface


f (x ) f (x)x .

Denotaremos por v(P ) al valor


optimo del problema y argmin(P ) o bien S(P ) n al conjunto

de todas las posibles soluciones, esto es, S(P ) = {x n | f (x ) = v(P )}. Por supuesto, el
problema de minimizaci on no siempre tiene solucion, por ejemplo, el problema de encontrar x
que minimice la expresi x
on e satisface v = 0 pero S = .
La funcion f se denomina funci on objetivo, llamaremos conjunto factible o de restricciones al con-
junto , un punto x se denomina punto factible, si el conjunto es vaco diremos que el
problema es infactible.
on (xk )k satisfaciendo f (xk ) diremos que el problema es no acotado.
Si existe una sucesi
En forma an aloga se define el problema de maximizaci on:

(Q) max{f (x) | x }.

Diremos que x es soluci


on de (Q) si satisface

f (x ) f (x) x .

Denotaremos por v(Q) al valor


optimo del problema y argmax(Q) o bien S(Q) n al conjunto

de todas las posibles soluciones, esto es, S(Q) = {x n | f (x ) = v(Q)}. Si existe una sucesion
(xk )k satisfaciendo f (xk ) diremos que el problema (Q) es no acotado.
Finalmente, notemos que se cumple minx f (x) = maxx {f (x)}, por lo tanto podemos foca-
lizarnos en estudiar la teora de los problemas de minimizaci
on entendiendo que cualquier resultado
obtenido tiene su an alogo para maximizaci on via el cambio en la funci
on objetivo.

1.2. Problemas cl
asicos de modelamiento
Problema de Producci
on:
Consideramos una empresa que produce n productos y denotemos por xj la cantidad produ-

cida del producto j {1, . . . , n}, con un beneficio cj . Sea A mn la matriz de insumos,

4
esto es, Aij denota la cantidad del insumo i {1, . . . , m} utilizada para producir el producto
j, supondremos que la cantidad total del insumo i disponible est a limitada por bi . Con esto
el problema saber la cantidad a producir obteniendo un m aximo beneficio se puede formular
como el siguiente problema de optimizacion.
n
X
max cj xj
j=1
m
X
s.a Aij xj bi , i = 1, . . . , m,
j=1

xj 0, j = 1, . . . , m.

Problema de la Dieta: considere que usted posee un conjunto de n alimentos y denotemos por
xj la cantidad del alimento j a consumir en un periodo de tiempo, cj el costo unitario del
mismo para j = 1, . . . , n. Por indicaci
on del nutricionista usted debe consumir una cantidad

mnima, digamos bi , del elemento nutritivo i. Sea A mn la matriz de requerimientos
nutritivos, esto es, Aij denota la cantidad del elemento nutritivo i que posee el alimento j.
con esto el problema de encontrar la distribuci on de alimentos a consumir a mnimo costo
satisfaciendo los requerimientos nutritivos est a dado por
n
X
min cj xj
j=1
m
X
s.a Aij xj bi , i = 1, . . . , m,
j=1

xj 0, j = 1, . . . , m.

Problema de la Mochila: considere que usted posee un conjunto de n elementos y una mochila
de capacidad m axima W. Supongamos que usted asigna a cada elemento i {1, . . . , n} un
valor vi , adem
as, supondremos que cada elemento i posee un peso wi . Queremos encontrar
la mejor distribucion de elementos que puedo poner en la mochila maximizando el valor
total y respetando las restricciones de capacidad. Denotaremos por xi la variable binaria, que
satisface xi = 1 si el elemento i esta en la mochila y xi = 0 si no. El problema se formula
como
n
X
max vi xi
i=1
n
X
s.a wi xi W
i=1
xi {0, 1}, i = 1, . . . , n.

Problema de Asignaci on: suponga que usted debe asignar n empleados a n tareas. La disposi-
on del empleado i a realizar la tarea j es vij , i, j {1, . . . , n}. Cada tarea debe ser realizada
ci
por un empleado y cada empleado debe realizar una tarea. Considere xij = 1 si al empleado
i se le asigna la tarea j, con i, j {1, . . . , n}. El modelo de optimizaci on que maximiza las

5
preferencias de los empleados est
a dado por
n
X
max vi xi
i,j=1
Xn
s.a xij = 1, j {1, . . . , n}
i=1
n
X
xij = 1 i {1, . . . , n}
j=1

xi {0, 1}, i = 1, . . . , n.

Problema del Vendedor Viajero: consideremos que un vendedor necesita visitar n ciudades,
los costos de transporte para ir de la ciudad i a la ciudad j corresponden a cij con i, j
{1, . . . , n}, i 6= j. Cada ciudad debe ser visitada una y s
olo una vez. se pide entregar la ruta
de mnimo costo que cumpla las restricciones mencionadas.
Denotaremos por
(
1 si el vendedor viaja de la ciudad i a la ciudad j, i 6= j.
xij =
0 si no.

en este caso la funci


on objetivo a minimizar corresponde al costo total
X
cij xij
i6=j

como restricciones tenemos que cada ciudad debe ser visitada s olo una vez
X X
i {1, . . . , n}, xij = 1 y j {1, . . . , n}, xij = 1.
j6=i j6=i

Adicionalmente tenemos que agregar una restricci on que prohiba la existencia de subciclos
X
xij 1 V {1, . . . , n}, y 2 |V | n 1.
iV,j V
/

1.3. Problemas Resueltos


P1 La firma C&M produce y vende tres tipos diferentes de whiskies, Etiqueta Roja, Azul y Negra,
a partir de cuatro maltas conocidas en la distelera con los nombres de M3, M5, M8, M9. Las
f
ormulas empleadas para producir estos whiskies se pueden resumir as:

Etiqueta Roja: 50 % de M3 , entre 20-25 % de M5, no m


as del 20 % de M8 y no m
as de
10 % de M9.
Etiqueta Azul: no m
as de 30 % de M3 , al menos un 30 % de M5, un 30 % de M8 y no m
as
de 15 % de M9.
Etiqueta Negra: nada de M3, al menos un 30 % de M5, no m
as de un 10 % de M8 y no
m
as de 25 % de M9.

6
Los suministros de maltas M3, M5, M8 y M9 est an limitados a 10.000, 12.500, 15.000 y 15.000
litros, y su costo de produccion por litro es 6, 50$, 6, 00$, 5, 25$ y 4, 50$ respectivamente. Los
whiskies C&M Etiqueta Roja, Azul y Negra se venden a los mayoristas a 8$, 6, 50$, y 6$ por
litro, sin impuesto, y la f
abrica puede vender todo lo que produce.
Modele el problema anterior como un programa de optimizaci on con restricciones que permita
determinar el tipo de mezclas a utilizar y el nivel de producci
on, de manera que se obtenga la
mayor utilidad posible. Especifique claramente, variables de decision, restricciones, naturaleza
de las variables y funci
on objetivo
Soluci
on:
Variables de decision :
xij : Cantidad de litros de Malta i (i = 3,5,8,9), utilizados en la producci
on del whiskey j.

Restricciones:
Suministros de Malta:
x31 + x32 + x33 10000 x51 + x52 + x53 12500
x81 + x82 + x83 15000 x91 + x92 + x93 15000
Formulas para producir whiskey:

Etiqueta Roja:
x31 = 0,5(x31 + x51 + x81 + x91 ) x51 0,2(x31 + x51 + x81 + x91 )
x51 0,25(x31 + x51 + x81 + x91 ) x81 0,2(x31 + x51 + x81 + x91 )
x91 0,1(x31 + x51 + x81 + x91 )
Etiqueta Azul:
X X
x32 0,3 xi2 x52 0,3 xi2
i=3,5,8,9 i=3,5,8,9
X X
x82 = 0,3 xi2 x92 0,15 xi2
i=3,5,8,9 i=3,5,8,9

Etiqueta Negra:
X
x33 = 0 x53 0,3 xi3
i=3,5,8,9
X X
x83 0,1 xi3 x93 0,25 xi3
i=3,5,8,9 i=3,5,8,9

Restricci
on de positividad:
xij 0, i, j.
Funci
on objetivo:
Costos totales:
6,5(x31 + x32 + x33 ) + 6(x51 + x52 + x53 ) + 5,25(x81 + x82 + x83 ) + 4,5(x91 + x92 + x93 )
Beneficio:
8(x31 + x51 + x81 + x91 ) + 6,5(x32 + x52 + x82 + x92 ) + 6(x33 + x53 + x83 + x93 )
on objetivo: max{Benef icio Costos}.
Funci

7
P2 La empresa Gasol produce y vende dos tipos de gasolina: corriente y especial. Para ello utiliza
dos tipos de petroleo crudo: liviano y pesado, que tienen un costo de 15 U.M. y 20 U.M. por
barril, respectivamente. Las caractersticas de los dos tipos de petr
oleo se se
nalan en la siguiente
tabla:

Petr
oleo liviano Petr
oleo pesado
Densidad 0,65 0,85
Octanaje 70 102
Disponibilidad (barriles) 800 600
Costo (UM/barril) 15 20

Las especificaciones exigidas y los precios de venta para los productos finales se muestran en
la siguiente tabla:

Combustible Densidad Octanaje Precio


(kg/lt) (UM/barril)
Gasolina corriente min=0,70 85 25
max =0,75
Gasolina especial min=0,70 94 30
max =0,75

Cada barril puede contener 40 kg de petr


oleo liviano, o 50 kg de petr
oleo pesado, o 60 lt de
gasolina.
El octanaje de los combustibles (gasolina) corresponde al promedio ponderado (por el volumen)
de los octanajes de sus componentes (petr oleo liviano y pesado).
Formule un modelo programaci on lineal que permita determinar que tipo de mezclas utilizar y
cu
al debe ser el nivel de producci
on, de manera que se obtenga la mayor utilidad posible.

Soluci
on:

Variables de decisi
on :
x11 : kg de petr
oleo liviano que se debe utilizar en la producci
on de gasolina corriente.
x12 : kg de petr
oleo liviano que se debe utilizar en la produccion de gasolina especial.
x21 : kg de petr
oleo pesado que se debe utilizar en la produccion de gasolina corriente.
x21 : kg de petr
oleo pesado que se debe utilizar en la producci on de gasolina especial.
Restricciones:

Densidad Gasolina Corriente: entre 0,7 y 0,75. Recordemos que masa = densidad
volumen. Luego, el volumen de petr oleo liviano utilizado en la producci
on de gasolina
corriente: x11 /0, 65.
La restricci
on:
   
x11 x21 x11 x21
0, 7 + x11 + x21 0, 75 +
0, 65 0, 85 0, 65 0, 85
Densidad Gasolina Especial: entre 0,7 y 0,75.
Volumen de petr
oleo liviano utilizado en la producci
on de gasolina especial: x12 /0, 65.

8
La restricci
on:
   
x12 x22 x12 x22
0, 7 + x11 + x21 0, 75 +
0, 65 0, 85 0, 65 0, 85

Octanaje Gasolina Corriente: mnimo 85 octanos.


Volumen de petroleo liviano utilizado en la produccion de gasolina especial: x11 /0, 65.
La restricci
on:
 
x11 x21 x11 x21
85 + 70 + 102
0, 65 0, 85 0, 65 0, 85
Octanaje Gasolina Corriente: mnimo 85 octanos.
Volumen de petr
oleo liviano utilizado en la produccion de gasolina corriente: x11 /0, 65.
 
x12 x22 x12 x22
94 + 70 + 102
0, 65 0, 85 0, 65 0, 85
Disponibilidad de petr
oleo liviano: hasta 800 barriles de 40 kg.

x11 + x21 = 800 40


Disponibilidad de petr
oleo pesado: hasta 600 barriles de 50 kg.

x12 + x22 = 600 50


Naturaleza de las Variables:

x11 , x12 , x21 , x22


x11 , x12 , x21 , x22 0

Funci
on Objetivo:
Beneficios: notemos que los datos de Precio por barril y Litros por barril:
" # 
US 
Barriles US
Lts
=
Barriles
Lts

y dado que las variables est


an en kilos, utilizamos la f
ormula de la densidad:
   
25 x11 x21 30 x12 x22
+ + +
60 0, 65 0, 85 60 0, 65 0, 85

Costos: en forma an
aloga dado que las variables estan en kilos, utilizamos la f
ormula
de la densidad:
15 20
(x11 + x12 ) + (x21 + x22 )
40 50
Luego se busca:
     
25 x11 x21 30 x12 x22 15 20
max + + + (x11 + x12 ) + (x21 + x22 )
60 0, 65 0, 85 60 0, 65 0, 85 40 50

9
P3 Una empresa transnacional exportadora de frutas que opera en America del Sur desea de-
terminar un plan de distribuci on de la fruta desde las plantas empacadoras hasta los centros
de distribuci
on, para el perodo de verano. Las plantas se encuentran ubicadas en Rancagua,
San Pablo y Bogot a. El mercado se ha agrupado en cuatro regiones, siendo cada una de ellas
atendida por un distribuidor. Los centros de distribuci on estan localizados en Santiago, Ro
de Janeiro, Quito y Caracas. Adem as, Lima y Mendoza pueden funcionar como puntos in-
termedios de distribucion. En la tabla se senalan los costos unitarios de transporte en M $$,
los requerimientos de cada regi on y la producci
on de fruta en las plantas, para el perodo de
verano. Se busca formular un modelo de programaci on lineal que permita minimizar los costos
de transporte.

Org/Dest Stgo Ro de Janeiro Quito Caracas Lima Mendoza Produc. Capac.


Rancagua 3 20 30 30 10 6 300 0
San Pablo 15 5 35 40 20 12 250 0
Bogota 45 25 10 12 25 30 200 0
Santiago 0 15 30 48 12 10 0 0
Lima 12 22 8 30 0 15 0 150
Mendoza 10 15 12 35 15 0 0 180
Requerimientos 120 300 80 200 0 0 - -

Soluci
on:

Definiremos los siguientes conjuntos:


Plantas (P ) = {Rancagua, San P ablo, Bogota}

Puntos Intermedios (P I) = {Lima, M endoza}

Centros de Distribuci
on (CD) = {Santiago, Rio de Janeiro, Quito, Caracas}

Orgenes (O) = (P ) (P I) = {Rancagua, San P ablo, Bogota, Lima, M endoza}

Destinos (D) = (P I)(CD) = {Santiago, Rio de Janeiro, Quito, Caracas, Lima, M endoza}

Variables:
xij = toneladas de fruta que van de la ciudad i a la ciudad j. Con i (O) y j (D)
Restricciones:
Para toda planta i, no puede salir m
as fruta de la que se produce, cpi capacidad
productiva de la planta i.
X
i (P ), xij cpi
j(D)

Ejemplo: para i (P ), i = Rancagua


X
xRancagua,j 300
j(D)

10
Para todo punto intermedio j, lo que entra no puede superar la capacidad de alma-
cenamiento, cai capacidad de almacenamiento del punto intermedio i
X
j (P I), xij caj
i(O)

Ejemplo: para j (P I), j = Lima


X
xi,Lima 150
i (O)

Conservaci
on de Flujo: para todo punto intermedio, no puede salir m
as fruta de la
que entra
X X
z (P I), xiz xzj 0
i(O) j(D)

Ejemplo: para z (P I), z = M endoza


X X
xi,M end xM end,j 0
i(O) j(D)

Satisfacer la Demanda.
X
j (CD), xij = dj
i(O)

Ejemplo: para j (CD), j = Stgo


X
xi,Stgo = 120
i(O)

Naturaleza de las Variables:

i (O), j (CD) xij 0


Funci
on Objetivo: X X
min xij ctij
i(O) j(D)

Donde ctij corresponde a los costos de transporte entre dos ciudades indicados en la tabla.

P4 Considere que Ud. es propietario de una empresa de delivery OptiPizza la cual atiende clientes
durante 16 horas diarias. En esta empresa Ud. posee M trabajadores a su cargo dedicados
a repartir el producto. Se propone organizar un sistema de turnos que satisfaga la demanda.
Consideraremos que un turno corresponde a un bloque de 8 horas continuas de trabajo que
comienza en la hora i y termina en la hora i + 8, por supuesto siempre es posible que dos
o mas turnos se crucen. Suponga que la demanda por hora es conocida y est a dada por Di
(Entregas/hora), i = 1, . . . , 16. Suponga adem
as que cada empleado satisface s
olo un pedido
por hora y que no puede trabajar mas de 8 horas diarias.

a) Plantee un modelo de optimizacion lineal entero que permita encontrar la distribucion


de los empleados por turno de modo que la cantidad de turnos sea mnima y se satisfaga
la restricci
on de demanda.

11
Indicacion: Considere yi {0, 1} que indica si empieza un turno en la hora i o no.
Considere adem as xi el n
umero de empleados que entran en la hora i.
b) Como cambia el modelo anterior si cada empleado tarda tres horas para satisfacer un
pedido.
c) Siguiendo las normas laborales, usted decide imponer que el 20 % de sus empleados trabaje
horas extra (10 horas en lugar de 8). Reformule el modelo inicial para considerar este caso.

a) Soluci
on:
Variables de decisi
on :
yi = 1 si empieza un turno en la hora i, 0 en caso contrario.
xi = cantidad de empleados que entran en la hora i.
qi = cantidad de empleados trabajando en la hora i.
Naturaleza de las Variables: xi , qi , yi {0, 1}, i = 1, 16

Restricciones:
Relacion de Variables:
i
X
qi = x i {9..,16}
=i7
i
X
qi = x i {1..,8}
=1
Relaci
on de Variables:
xi M yi
Cantidad de Trabajadores:
16
X
xi M
i=1
Satisfacer la Demanda: qi Di

No pueden entrar trabajadores despues de la hora 10: yi = 0 i {10..,16}

Funci
on Objetivo:
16
X
min yi
i=1
b) La siguiente restricci
on cambia:
Satisfacer la Demanda:
i
X
x Di1 Di2 Di i {9..,16},
=i7
i
X
x Di1 Di2 Di i {3..,8},
=1
x1 D1 , x2 + x1 D1 D2

12
c) Es necesario agregar una nueva variable

x+
j = N
umero de empleados que entran en la hora j, y que trabajan 10 horas

Adem
as es necesario agregar algunas restricciones y cambiar otras
Restricci
on de porcentaje:
9
X 9
X
x+
j = 0,2 (xj + x+
j )
j=1 j=1

Restricci
on Logica: La empresa cierra a la hora 16, por lo tanto no hay horas extras
en el turno 8 y 9

xj + x+
j M yi j = 1, . . . , 9
x+
8 =0
x+
9 =0

Restriccion de Demanda:
min{j,9} min{j,7}
X X
xi + x+
i Dj j = 1, . . . , 16
i=max{1,j7} i=max{1,j9}

Total de empleados:
9
X
xj + x+
j M
j=1

Naturaleza de las variables:

xj , x+
j {0, 1, . . . , M } j = 1, . . . , 9
yj {0, 1}

a) Otra alternativa de soluci


on

Variables: yi = 1 si empieza un turno en la hora i, 0 en caso contrario.


xi = cantidad de empleados que entran en la hora i.

Naturaleza de las Variables: xi , yi {0, 1}, i

Restricciones:
Relaci
on de Variables:

xi M yi
Cantidad de Trabajadores:
16
X
xi M
i=1

13
Satisfacer la Demanda:
x1 D1
x1 + x2 D2
x1 + x2 + x3 D3
x1 + x2 + x3 + x4 D4
x1 + x2 + x3 + x4 + x5 D5
x1 + x2 + x3 + x4 + x5 + x6 D6
x1 + x2 + x3 + x4 + x5 + x6 + x7 D7
x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 D8
x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 D9
x3 + x4 + x5 + x6 + x7 + x8 + x9 D10
x4 + x5 + x6 + x7 + x8 + x9 D11
x5 + x6 + x7 + x8 + x9 D12
x6 + x7 + x8 + x9 D13
x7 + x8 + x9 D14
x8 + x9 D15
x9 D16

No pueden entrar trabajadores despues de la hora 10: yi = 0 i {10..,16}

Funci
on Objetivo:
16
X
min yi
i=1

b) La siguiente restricci
on cambia:
Satisfacer la Demanda:
i
X
x Di Di1 Di2 i {9..,16},
=i7
i
X
x Di Di1 Di2 i {3..,8},
=1
x1 D1 x2 + x1 D1 D2 .

P5 Suponga que usted es el due no de un laboratorio farmaceutico que produce un u


nico producto
y sabe que debe satisfacer la demanda que enfrenta para los pr oximos T meses. Esta demanda
la ha estimado en Dt unidades para el mes t.
La empresa tiene un costo fijo de funcionamiento K para cada mes y un costo unitario de
producci
on de ct . Si decide no producir en un mes no se debe incurrir en el costo fijo, pero
entonces no se puede almacenar producto en bodega durante ese mes.
Adem as, cuenta con una capacidad m axima de producci on de Qmax unidades igual para todos
los perodos, y en cualquier perodo puede decidir cambiar la tecnologa de producci on que
est on a cat , con cat < ct ; y
a siendo utilizada, lo cual modificara los costos unitarios de producci
la capacidad m axima de la empresa a Qmax . La implantaci on de esta nueva tecnologa obliga
a la empresa a invertir un monto I.
Cabe destacar que una vez que se ha realizado el cambio tecnol ogico no es posible regresar a
la tecnologa original, la inversi
on es realizada una u
nica vez. Adicionalmente, para satisfacer

14
la demanda usted posee convenios con la competencia que le permiten comprar unidades del
mismo producto terminado a un precio de P , con P > ct para todo t.
Con esta informacion formule un modelo de programaci on lineal entera mixta que permita
determinar las acciones que se deben realizar a lo largo del perodo de planificaci
on con el fin
de minimizar los costos en que debe incurrir la empresa para satisfacer la demanda.

Soluci
on:

Variables:
t : 1 si se decide producir en el mes t, 0 sino.
xt : cantidad de unidades producidas con la tecnologa antigua en el perodo t.
wt : cantidad de unidades producidas con la tecnologa nueva en el perodo t.
t : 1 si se decide cambiar la tecnologa en el perodo t.
yt : cantidad de unidades compradas a la competencia.
zt : cantidad de unidades en bodega al final del periodo t.

Naturaleza de las Variables: xt , wt , yt , zt , t , t {0, 1}, t {1...T }


Restricciones:
Cambiar a lo m
as una vez de tecnologa en el horizonte de evaluaci
on:
T
X
t 1
t=1

Satisfacer la demanda:

zt1 + xt + wt + yt Dt t {2...T }
Inventario:

zt = zt1 + xt + wt + yt Dt t {2...T }
Condici
on inicial almacenamiento:

z1 = x1 + w1 + y1 D1
Almacenar s
olo si se produce:

zt t M M >> 1 t {1...T }
Producir solamente si se decide hacerlo:

xt + wt Dt t t {1...T }
No sobrepasar capacidad con tecnologa antigua:
t
X
xt Qmax (1 ) t {1...T }
=1

15
No sobrepasar capacidad con tecnologa nueva:
t

X
xt Qmax t {1...T }
=1

Funci
on Objetivo:
T
X
min (K t + P yt + ct xt + cat wt + I t )
t=1

P6 Una empresa familiar se dedica al cultivo de remolacha, trigo y maravilla en 3 parcelas de su


propiedad.
El rendimiento agrcola de cada parcela est
a limitado tanto por la cantidad de tierra cultivable
como por la cantidad de agua asignada para regado por la comisi on de aguas. Los datos
entregados por este organismo son:

Parcela Tierra Cultivable [ha] on de Agua [ m3 ]


Asignaci
Parcela 1 400 600
Parcela 2 600 800
Parcela 3 300 375

Por otro lado, por distintas razones, la instituci


on superior de agricultura ha establecido un
n
umero m aximo de hectareas que pueden destinarse a cada uno de estos cultivos en las 3
parcelas en conjunto. Los datos asociados son:

Especie Consumo de Agua Cuota M axima Ganancia Neta


[m3 /ha] [ ha] [$/ ha]
Remolacha 3 600 400
Trigo 2 500 300
Maravilla 1 325 100

Si en cada parcela se sembrar


a la misma proporci on de tierra cultivable y es posible cultivarse
cualquier combinacion de especies, formule un plan que permita determinar el n umero de
hect
areas que se debe dedicar al cultivo de las distintas especies en cada parcela, de modo de
maximizar la ganancia neta total para todas las parcelas.
Soluci
on:
Variables de Decisi
on
xi : Cantidad [ha] de remolacha a cultivar en la parcela i (i = 1, 2, 3)
yi : Cantidad [ha] de trigo a cultivar en la parcela i (i = 1, 2, 3)
zi : Cantidad [ha] de maravilla a cultivar en la parcela i (i = 1, 2, 3)

Restricciones
Restricci
on de Tierra disponible por parcela
Parcela 1: x1 + y1 + z1 400
Parcela 2: x2 + y2 + z2 600
Parcela 3: x3 + y3 + z3 300

16
Restricci
on Disponibilidad de agua por parcela
Parcela 1: 3x1 + 2y1 + 1z1 600
Parcela 2: 3x2 + 2y2 + 1z2 800
Parcela 3: 3x3 + 2y3 + 1z3 375

Restricci
on de Cuota M axima de cultivo por especie
Remolacha: x1 + x2 + x3 600
Trigo: y1 + y2 + y3 500
Maravilla 3: z1 + z2 + z3 325

Restricci
on de misma proporci on de tierra cultivable
Parcela 1= Parcela 2: (x1 + y1 + z1 )/400 = (x2 + y2 + z2 )/600
Parcela 2= Parcela 3: (x2 + y2 + z2 )/600 = (x3 + y3 + z3 )/300
Parcela 3= Parcela 1: (x3 + y3 + z3 )/300 = (x1 + y1 + z1 )/400

Naturaleza de las variables

xi , yi , zi , xi , yi , zi 0 , i = 1, 2, 3 .
Funci
on Objetivo

F = 400(x1 + x2 + x3 ) + 300(y1 + y2 + y3 ) + 100(z1 + z2 + z3 ) .

El problema de optimizaci
on consiste en maximizar F bajo las restricciones definidas
previamente.

P7 Un comerciante compra az ucar a granel y vende al detalle. Para venderla tiene dos alternativas:
envases de 1 kilo y envases de 5 kilos. El precio de venta es $300 y $250 por kilo respectivamente,
y en el mercado del azucar al detalle se pueden vender 20.000 kilos en envases de 1 kilo y 17.000
en envases de 5 kilos. Debido a un contrato anterior se deben entregar 5.000 kilos en envases
de 5 kilos a un determinado cliente. El comerciante se puede abastecer de az ucar desde dos
proveedores. El primero puede vender hasta 15.000 kilos a un precio de $90 por kilo, y el
segundo ofrece la cantidad de az ucar que el comerciante desee, pero a un precio de $110 por
kilo y debido a requerimientos de sus distribuidores el comerciante debe vender menos del tercio
del azucar en envases de 1 kilo.
Si el precio de los envases y el proceso de envasado son nulos y el comerciante no tiene az
ucar
almacenada y vende toda el az ucar que compra, formule un problema de programacion lineal
que permita al comerciante decidir cual es el mejor plan de abastecimiento y ventas de modo
de obtener el mayor beneficio en su negocio.
solucion:

Variables de Decisi
on:
xa : cantidad de az
ucar vendida en envases de 1 kilo.
xb : cantidad de az
ucar vendida en envases de 5 kilos.
y1 : cantidad de az
ucar comprada a proveedor 1.
y2 : cantidad de az
ucar comprada a proveedor 2.

Restricciones:

17
No vender m
as az
ucar en envases de 1 kilo que lo que acepta el mercado.
xa 20.000
No vender m
as az
ucar en envases de 5 kilos que lo que acepta el mercado.
xb 17.000
Satisfacer, al menos, el contrato contrado.
xb 5.000
Relacionar la cantidad de az
ucar que se compra con la que se vende.
y1 + y2 = xa + xb
No comprar m
as de lo permitido al cliente 1.
y1 15.000
Cumplir con la condicion de vender menos del tercio del az
ucar en envases de 1 kilo.
xa + xb
xa
3
Naturaleza de las variables.
xa , xb , y1 , y2 , xa , xb , y1 , y2 0 .
Funci
on Objetivo:
F = (300xa + 250xb ) (90y1 + 110y2 )
El problema consiste en maximizar F bajo las restricciones dadas en el item anterior.
P8 Una Compa na Naviera posee una dotacion de barcos para el transporte de carga general.
Cada uno de los barcos posee 3 bodegas: una en la proa, otra en el centro y otra en la popa.
La capacidad m axima de estas bodegas son las siguientes

Bodega Peso [tons] Volumen [ m3 ]


Proa 2.000 100.000
Centro 3.000 135.000
Popa 1.500 30.000

A uno de los barcos se le asigno la carga de tres productos, pudiendo aceptar la totalidad o
parte de la carga y los datos de los productos est
an dados en la siguiente tabla:

Producto Cantidad Tara Utilidad


[tons] [m3 /ton] [$/ ton]
Producto 1 6.000 60 12
Producto 2 4.000 60 16
Producto 3 2.000 25 10

Para mantener la linea de flotaci


on, la proporci
on entre el peso de la carga y la capacidad de
toneladas en cada bodega debe ser la misma.
Formule un plan que permita distribuir la carga del barco para obtener el m
aximo de utilidad
total.

Soluci
on:

18
Variables de Decision:
xi,j : cantidad de toneladas del producto i a almacenar en la bodega j, donde usamos la
asignacion
j = 1 proa , j = 2 centro , j = 3 popa .

Restricciones:
Toneladas disponibles de cada producto.
3
X
j = 1, x1,j 6.000,
j=1
3
X
j = 2, x2,j 4.000,
j=1
3
X
j = 3, x3,j 2.000.
j=1

Capacidad en toneladas de las bodegas


3
X
j = 1, xi,1 2.000,
i=1
X3
j = 2, xi,2 3.000,
i=1
3
X
j = 3, xi,3 1.500.
i=1

Capacidad de volumen de cada bodega

j = 1, 60x1,1 + 50x2,1 + 25x3,1 100.000


j = 2, 60x1,1 + 50x2,1 + 25x3,1 135.000,
j = 3, 60x1,1 + 50x2,1 + 25x3,1 30.000.

Lnea de Flotaci
on
3
X 3
X
3.000 xi,1 = 2.000 xi,2 ,
i=1 i=1
X3 X3
1.500 xi,1 = 2.000 xi,3 ,
i=1 i=1
3
X 3
X
1.500 xi,2 = 3.000 xi,3 .
i=1 i=1

Observe que hay una condici on redundante.


Naturaleza de las variables.

xi,j , xi,j 0 , i = 1, 2, 3 , j = 1, 2, 3 .

19
Funci
on Objetivo:
3
X 3
X 3
X
F = 12 x1,j + 16 x2,j + 10 x3,j .
j=1 j=1 j=1

El problema consiste en maximizar F bajo las restricciones anteriores.

P9 Un estudio de grabaciones debe producir un programa radial de una hora de grabaci on, com-
pletando totalmente los 60 minutos. En el programa, no debe haber m as de 3 discursos y 5
temes musicales en total. El tiempo asignado para discursos debe ser no menos que 1/8 del
tiempo asignado a m usica. La diferencia entre los 60 min. y los temes o discursos debe ser
completada con comentarios, los cuales no pueden durar m as de 12 minutos en total.
Si los discursos duran 5 minutos y los temes musicales 8 minutos, determine la cantidad de
discursos e temes de modo que se minimice el tiempo de los comentarios en la grabaci
on.
Soluci
on: Seguimos el formato usual y obtenemos

Variables de Decision:
d : cantidad de discursos.
m : cantidad de temes musicales.

Restricciones:
Relaci
on entre los tiempos de discursos e temes musicales

m 5d .

Duraci
on de los comentarios

0 60 8m 5d 12 .

Naturaleza de las variables.

d {0, 1, 2, 3} , m {0, 1, 2, 3, 4, 5} .

Funci
on Objetivo:
F = 60 5d 8m
El problema consiste en minimizar F bajo las restricciones dadas en el item anterior.

P10 Considere el problema de un granjero que se especializa en plantaciones de trigo, maz y re-
molacha en sus 500 acres de tierra. Durante el invierno, el debe decidir cu
antos acres dedicar
a cada cultivo.
El granjero sabe que se necesitan al menos 200 toneladas de maz y 240 toneladas de trigo
para alimentar el ganado. Estas cantidades pueden ser cultivadas en la granja o compradas
a un vendedor externo. En caso de que la produccion de trigo y maz exceda las necesidades
de alimentaci
on del ganado, la producci
on por sobre lo requerido se vende en el mercado. Los
precios de venta son US$ 170 y US$ 150 por tonelada de maz y trigo respectivamente. Los
precios de compra son un 40 % superior debido al margen del intermediario y los costos de
transporte.
Por su parte, la remolacha se vende a US$ 36 d
olares por tonelada, sin embargo, el gobierno
impone una cuota m axima de produccion de remolacha. El exceso de remolacha por sobre la

20
cuota de producci
on se vende a un precio de US$ 10 por tonelada. La cuota del granjero para
el pr
oximo a
no es de 6000 toneladas.
Basado en su experiencia, el granjero sabe que el rendimiento de las tierras es de 2.5, 3 y 20
toneladas por acre de maz, trigo y remolacha respectivamente. La tabla 1 resume estos datos
y los costos de plantaci
on de cada cultivo.

Maz Trigo Remolacha


Rendimiento (Ton/Acre) 2.5 3 20
Costo de Plantaci
on (US$/Acre) 150 230 260
Precio Venta (US$) 170 150 36 bajo 6000 Ton / 10 sobre 6000 Ton
Precio Compra (US$) 238 210
Requerimiento Mnimo (Unds) 200 240
Tabla 1

Plantee un modelo para resolver el problema del granjero que busca maximizar sus ganacias.
Para ello debe decidir cu
antos acres dedicar a cada cultivo, cu
anto trigo o maz compra o vende
y cu
antas toneladas de remolacha vende a precio alto o bajo.
Soluci
on:

Variables de decisi
on:
x1 = acres destinados a maz.
x2 = acres destinados a trigo.
x3 = acres destinados a remolacha.
w1 = toneladas de maz vendidas.
w2 = toneladas de trigo vendidas.
y1 = toneladas de maz compradas.
y2 = toneladas de trigo compradas.
z1 = toneladas de remolacha vendidas a precio bajo.
z2 = toneladas de remolacha vendidas a precio alto.
Restricciones:
Disponibilidad de tierras:
x1 + x2 + x3 500
Requerimientos de maz:
2,5x1 + y1 w1 200
Requerimientos de trigo:
3x2 + y2 w2 240
Cuota m
axima de remolacha a precio alto:

z1 6000

Relaci
on entre las variables de remolacha:

z1 + z2 20x3

Naturaleza de las variables:


xi , yi , wi , zi 0 i

21
Funci
on Objetivo:

max 150x1 230x2 260x3 238y1 + 170w1 210y2 + 150w2 + 36z2 + 10z1

P11 El dise
no de minas de tajo abierto para la extracci
on de mineral se realiza a traves de un
modelo de bloques como el que se muestra a continuaci
on.
En este modelo, cada bloque (i, j), con i {1...n} y j {1...m}, se caracteriza por la cantidad
de mineral en el (mij ) (en [ton mineral/ton extraida]) y el costo de extracci
on (cij ) (en [$/ton
extraida]).
Plantee un modelo de programacion lineal que permita decidir que bloques extraer de modo
que las utiidades sean maximas, si el precio del mineral es p (en [$/ton mineral]) y el
angulo
de talud m
aximo es 45 .
Nota: que el aximo sea 45 significa que la profundidad de una columna no
angulo de talud m
puede ser mas de un bloque mayor que la profundidad de las columnas vecinas.
Soluci
on:

Variables de decision:
xij que vale 1 si el bloque (i, j) es extrado, 0 en caso contrario.
Restricciones:

n
X n
X
1 xij xi(j+1) 1, j {1...(m 1)}
i=1 i=1
n
X n
X
xi1 1, xim 1
i=1 i=1

Naturaleza: xij {0, 1}.


Funci
on Objetivo: X
max (p mij cij )xij
i,j

P12 Una prospera compa na de comercializaci


on de Mermelada necesita decidir cuales de las cuatro
bodegas disponibles utiliza para atender los pedidos de tres areas geograficas. Las bodegas
est
an ubicadas en respectivas cuatro ciudades: Santiago, Talca, Chillan, Concepcion; y las area
geogr
aficas que serviran se denominan como 1, 2 y 3.
Cada Bodega puede albergar, como m
aximo, K unidades (contenedores) por semana.
El costo fijo semanal de mantener abierta cada bodega es ci con i= en Santiago, Talca, Chillan,
Concepcion. La demanda semanal requerida por cada area es dj con j= en 1,2,3. Los costos de
transporte entre cada bodega y area son tij por unidad transportada.

a) Plantee un modelo lineal que permita seleccionar las bodegas a utilizar, minimizando el
costo total del sistema y satisfaciendo la demanda semanal.
b) Que restricci
on agregara para describir la siguiente situaciones
1) Si la bodega de Santiago es abierta, la bodega de Talca debe ser abierta tambien.
2) Si se abre la bodega de Talca no se puede abrir Chill
an.

22
3) Si la bodega de Talca es abierta, la de Concepci
on no puede ser abierta y, si la bodega
de Concepcion es abierta, la bodega de Talca no puede ser abierta.
4) No se pueden abrir todas y hay que abrir al menos una de ellas.
5) Se abren las bodegas de Santiago y Chill an o ninguna de las dos.

Soluci
on:

a) Formulaci
on del modelo
Variables de decision:
xi que vale 1 si la bodega i es abierta, 0 en caso contrario.
yij cantidad transportada de la bodega i al area j.
Restricciones:
Capacidad X
yij K xi i
j

Demanda X
yij = dj j
i

Naturaleza
xi {0, 1} yij 0
Funci
on objetivo X X
min xi ci + tij yij
i i,j

b) Restricciones adicionales
1) Si la bodega de Santiago es abierta, la bodega de Talca debe ser abierta tambien:
xtalca xsantiago
2) Si se abre Talca no se puede abrir Chillan: xtalca 1 xchillan
3) Si la bodega de Talca es abierta, la de Concepcion no puede ser abierta y, si la bodega
de Concepci on es abierta, la bodega de Talca no puede ser abierta: xtalca + xconce = 1
4) No se pueden abrir todas y hay que abrir al menos una de ellas:

1 xsantiago + xtalca + xchillan + xconce 3

5) Se abren las bodegas de Santiago y Chill


an o ninguna de las dos: xchillan = xsantiago

P13 Una persona dispone de un capital de 10 millones de pesos que puede invertir en acciones
de las sociedades A, B y C, en una cooperativa agraria, en dos fondos de inversion colectiva
E y F, en una P oliza de Seguros de vida, en Bonos del Estado, en Cedulas Hipotecarias, o
tenerlo en cuenta corriente. Los rendimientos brutos obtenidos son los que se muestran en
la tabla adjunta. Algunas de las inversiones no tienen una rentabilidad asegurada, ya que
los posibles beneficios est
an sujetos a variaciones del mercado, por lo que esa persona les ha
asociado de forma subjetiva, un cierto riesgo valorado en una escala de 0 a 10 puntos. Las
inversiones en acciones, bonos y cedulas se las administra y custodia su banco cobrandole una
comision del 0,35 % sobre el valor de la inversi on efectuada, mientras que por la gestion y
custodia de los fondos de inversion le cobran un 1 % de la inversi on. Sobre los rendimientos
brutos percibidos tendra que pagar un impuesto total del 35 %, pero algunas de las inversiones
efectuadas est
an sujetas a desgravaciones fiscales, segun los tipos recogidos en la tabla. Con

23
objeto de aprovechar al m aximo las desgravaciones fiscales, a esa persona le interesa invertir en
el seguro de vida, bonos y cedulas unas cantidades tales que la desgravaci on fiscal total debida
a esos tres conceptos en conjunto no rebase el lmite de los 7500 pesos. En la p oliza del seguro
de vida quiere invertir quiere invertir entre 1000 y 2500 pesos. Al menos un mill on de pesos
lo quiere colocar entre los fondos de inversion colectiva E y F y, adem as, el riesgo medio de
las inversiones sujetas a este (acciones, cooperativa y fondos) ponderado por las respectivas
inversiones, no quiere que rebase el lmite de 3. C omo deber a realizar las inversiones para
maximizar el rendimiento neto?
Observaci on: Rendimiento neto =Rendimiento Bruto Impuestos Gastos(gesti
on admi-
nistraci
on, custodia, etc.) + Desgravaci
on fiscal.

Inversi
on Rendimientos Riesgo Desgravaci
on fiscal
Brutos % Estimado
Sociedad A 20 5 10 % sobre rendimientos brutos
Sociedad B 15 2 10 % sobre rendimientos brutos
Sociedad C 30 10 10 % sobre rendimientos brutos
Cooperativa Agraria 10 1 5 % sobre rendimientos brutos
Fondo E 15 1 No hay
Fondo F 20 3 No hay
Seguro de Vida No hay No hay 15 % de la inversion efectuada
Bonos del Estado 7 No hay 5 % de la inversi
on efectuada
Cedulas Hipotecarias 5 No hay 10 % de la inversion efectuada
Efectivo en C/C 1 No hay No hay

Cuadro 1.1: Tabla de inversiones

Soluci
on

Se formulara un modelo lineal (No es necesario, no se pide un modelo en particular).


Sea i {1, 2, . . . , }. Denotaremos por xi a la cantidad de dinero a invertir en la inversion
i, donde:
Inversi
on 1: Sociedad A
Inversi
on 2: Sociedad B
Inversi
on 3: Sociedad C
Inversi
on 4: Cooperativa Agraria
Inversi
on 5: Fondo E
Inversi
on 6: Fondo F
Inversi
on 7: Seguro de vida
Inversi
on 8: Bonos del estado
Inversi
on 9: Cedulas Hipotecarias
Inversi
on 10: Efectivo en cuenta corriente

Naturaleza de las variables de decisi


on xi :

Posiblemente, xi
{0}, i = 1, . . . , 10, sea la opci
on mas adecuada, sobre to-
do cuande se usa como unidad de medida el peso y por el tipo de moneda existente.

Alternativamente, xi 0, xi , xi = 1, . . . , 10, es otra opcion si se quiere usar
como unidad de medida millon de pesos.

Finalmente, xi 0, xi , i = 1, . . . , 10, es la mejor en terminos te oricos para

24
demostrar existencia de
optimos por ejemplo y en la pr
actica para la implementaci
on
de un algoritmo eficiente.

Aqui aceptaremos la tercera opci


on, y la unidad sera el peso

Restricciones:
Cantidad total a invertir
10
X
xi 10000000
i=1

Desgravaci
on total fiscal total en seguro de vida, bonos y cedulas.

0,15 x7 + 0,05 x8 + 0,1x9 7500


Cotas de inversi
on para seguro de vida.

1000 x7 2500
Inversi
on minima en fondos.

x5 + x6 1000000
Riesgo inversiones
5 x1 + 2 x2 + 10 x3 + x4 + x5 + 3 x6
3
x1 + x2 + x3 + x4 + x5 + x6
(Observacion: de la restricci
on anterior x5 + x6 > 0, entonces el cuociente esta
bien definido)

2 x1 x2 + 7 x3 2 x4 2 x5 0
Funci
on objetivo: La funci
on objetivo se obtiene a partir de los rendimientos brutos,
impuestos, gastos y desgravaci
on.

Rendimiento bruto = 0,2x1 +0,15x2 +0,3x3 +0,1x4 +0,15x5 +0,2x6 +0,07x8 +0,05x9 +0,01x10

Impuestos = 0,35 (Rendimiento bruto)

Gastos = 0,0035 (x1 + x2 + x3 + x8 + x9 ) + 0,01 (x5 + x6 )

Desgravacion = 0,1(0,2x1 +0,15x2 +0,3x3 )+0,05(0,1x4 )+0,15x7 +0,05x8 +0,1x9

Funci
on objetivo:

F (x1 , x2 , . . . , x10 ) = Rendimiento bruto Impuestos Gastos + Degravacion

25
P14 Se le ha encomendado al Ministerio de Transporte la mision de disminuir la emisi
on de conta-
minantes por parte de las micros de la capital. Para efectos de esta pregunta asuma que hay
s
olo un contaminante que se mide en toneladas y que la meta propuesta consiste en disminuir
la emisi
on de contaminantes en H toneladas en los proximos T a nos.
Para conseguir ahorros en emisi on de contaminante una micro debe cambiar su tecnologa
de combusti
on. Existen J tecnologas distintas y si la micro i se cambia a la tecnologa j, el
maximo ahorro posible es Vij por a
no.
Si bien el maximo ahorro posible es Vij , puede ser conveniente ahorrar menos (en emisi on de
contaminante), ya que existe un costo variable asociado al ahorro de contaminante que depende
de cuanto se ahorra. Por la primeras Uij toneladas de contaminantes ahorradas por la micro i
con la tecnologa j en el perodo t se incurre en un gasto bijt (por tonelada). Por sobre Uij se
debe gastar hijt por tonelada, con hijt mayor que bijt .
Si el cambio de tecnologa se hace en el perodo t, la respectiva empresa due
na de la micro debe
desembolsar un monto fijo (inversi on) de cijt pesos (solo en el perodo t). Cada micro puede
cambiar de tecnologa a lo m as una vez durante los T a nos y cada empresa k puede gastar un
maximo de Mk pesos en inversiones de este tipo. En total en Santiago hay I micros y se conoce
Sk , el subconjunto de micros que pertenecen a la empresa k.
Construya un modelo lineal mixto que determine cu anto debe ahorrar cada micro en cada
perodo (y con que tecnologa) de manera que se cumpla la meta de ahorro en emisi
on de
contaminante y se minimicen los costos totales.
Indicaciones:
- El monto Mk es s
olo aplicable a los costos fijos (inversiones en cambio de tecnologa).
- Si j corresponde a la tecnologa actual que posee la micro i, entonces Vij vale cero.

Soluci
on:
Variables:
(
1 si la micro i se cambia a la tecnologa j el periodo t,
ijt =
0 si no.
xijt = toneladas de contaminante ahorradas por la micro i en el periodo t usando la tecnologa
j.
yijt = toneladas de contaminante ahorradas por sobre Uij , para la micro i con tecnologa j en
el periodo t.
Restricciones:
El ahorro est
a acotado por la tecnologa de la micro:
t
X
xijt Vij ij i I, j J, t T.
=1

La meta es ahorrar H toneladas:


XXX
xijt H.
iI tT jJ

26
Una micro se puede cambiar de tecnologa solo una vez:
XX
ijt 1 i I.
tT jJ

Presupuesto de inversi
on: X XX
ijk Mk k K.
iSk tT jJ

Cantidad ahorrada a por sobre Uij :

(xijt Uij ) yijt i, j, t.

Naturaleza:
xijt , yijt 0, ijt {0, 1} i, j, t.
Funci
on objetivo:
XXX
Minimizar cijt ijt + bijt (xijt yit ) + hijt yijt .
tT iI jJ

en forma equivalente:
XXX
Minimizar cijt ijt + bijt xijt + (hijt bijt ) yit .
tT iI jJ

Notamos que, dado que los costos son positivos y por un argumento de optimalidad, se satisface
que en la soluci optima yijt = (xijt Uij ) cada vez que se sobrepasa el nivel de ahorro definido
on
por Uij . En cambio, si xijt Uij se cumple que yijt = 0.
Observaciones: En caso que se interprete el enunciado como la cantidad ahorrada por sobre
Uij tiene un costo de hij por cada tonelada desde 0 hasta xijt ser
a necesario introducir variables
adicionales.
Variable auxiliar:
(
1 si la cantidad ahorrada por la micro i usando tecnologa j en el periodo t es mayor a Uij
ijt =
0 si no

Costo de la cantidad ahorrada: Consideremos, x+


ijt y xijt que definen el ahorro por sobre o bajo
Uij respectivamente, para el periodo t.

xijt = x+
ijt + ijt Uij + xijt ,
0 x+
ijt ijt (Vij Uij ),
0 x
ijt (1 ijt )Uij

Con esto la Funci


on objetivo resulta
XXX
Minimizar cijt ijt + x +
ijt bijt + hijt (xijt + ijt Uij ).
tT iI jJ

27