Escolar Documentos
Profissional Documentos
Cultura Documentos
OPTIMIZACIÓN 1ERsemestre
SEMESTRE2017
2016
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
• Función objetivo:
‒ Métrica para medir una solución y compararla con otras (ej.: Ingresos, Utilidades,
Costos, Ocupación, Tiempo, etc.)
• Restricciones:
‒ Limitaciones del problema/ sistema (ej.: el costo incurrido no debe superar el
presupuesto definido, no se pueden sembrar más hectáreas de las disponibles, etc.)
𝐌𝐈𝐍𝐱 𝐨 𝐌𝐀𝐗 𝐱 𝐟 𝐱
𝐬. 𝐚.
𝐱∈𝐒
En este curso en particular….
𝐠 𝐢 𝐱 ≤ 𝟎, 𝐢 = {𝟏. . 𝐦}
𝐒→
𝐱 ∈ ℝ, ℤ
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
𝐌𝐈𝐍𝐱 𝐨 𝐌𝐀𝐗 𝐱 𝐟 𝐱
𝐬. 𝐚.
𝐠 𝐢 𝐱 ≤ 𝟎, 𝐢 = {𝟏. . 𝐦}
𝐱 ∈ ℝ, ℤ
Cuando el modelo es lineal…
‒ f x, y, z = 5x + 6y + z (sí)
‒ 5x + 6y + z ≤ 10 (sí)
‒ 7y + 8𝐲𝐳 + 9x ≤ 10 (no)
‒ f x, y = 8𝐲 𝟐 + 10x (no)
• Ejemplos de restricciones:
3x + 7y − 7z
≤6
8𝑦 + 2𝑧
No es lineal, sin embargo si 8𝑦 + 2𝑧 > 0 o 8𝑦 + 2𝑧 < 0 para todas las soluciones posibles
del modelo de programación, entonces se puede linealizar:
𝐢=𝟏
𝐬. 𝐚.
𝐧
𝐚𝐣𝐢 𝐱 𝐢 = 𝐛𝐣 ∀𝐣 ∈ 𝐉=
𝐢=𝟏 Restricciones
𝐧 principales
𝐚𝐣𝐢 𝐱 𝐢 ≤ 𝐛𝐣 ∀𝐣 ∈ 𝐉≤
𝐢=𝟏
𝐱𝐢 ≥ 𝟎 ∀𝐢 ∈ 𝐈 +
𝐱𝐢 ≤ 𝟎 ∀𝐢 ∈ 𝐈 − Restricciones de
variables
𝐱 𝐢 𝐥𝐢𝐛𝐫𝐞 ∀𝐢 ∈ 𝐈 𝐥
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 10
…PARA FACILITAR EL USO DE ALGORITMOS DE SOLUCIÓN, LOS MODELOS
DE LP SE ESCRIBEN EN LA FORMA ESTÁNDAR
NO EXHAUSTIVO
Forma Estándar
𝐌𝐀𝐗 𝐱 𝐜𝐢 𝐱 𝐢
𝐢=𝟏
𝐬. 𝐚.
𝐧
𝐚𝐣𝐢 𝐱 𝐢 = 𝐛𝐣 ∀𝐣 ∈ 𝐉
𝐢=𝟏
𝐱𝐢 ≥ 𝟎 ∀𝐢 ∈ 𝐈
¿Cómo lo hacemos con los modelos lineales que no cumplen con esa forma?
• Problemas de minimización
Siempre se puede
• Restricciones con desigualdades llevar a la Forma
Estándar
• Variables de decisión negativas o libres
NO EXHAUSTIVO
• Minimización:
n n
MINx ci xi → MAX x − ci xi
i=1 i=1
• Desigualdades:
𝐧 𝐧
𝐚𝐣𝐢 𝐱 𝐢 ≤ 𝐛𝐣 → 𝐚𝐣𝐢 𝐱 𝐢 + 𝐡𝐣 = 𝐛𝐣 , 𝐡𝐣 ≥ 𝟎
Se crea la
𝐢=𝟏 𝐢=𝟏
𝐧 𝐧
variable de
holgura hj
𝐚𝐣𝐢 𝐱 𝐢 ≥ 𝐛𝐣 → 𝐚𝐣𝐢 𝐱 𝐢 − 𝐡𝐣 = 𝐛𝐣 , 𝐡𝐣 ≥ 𝟎
𝐢=𝟏 𝐢=𝟏
Forma Canónica
𝐌𝐀𝐗 𝐱 𝐜𝐢 𝐱 𝐢
𝐢=𝟏
𝐬. 𝐚.
𝐧
𝐚𝐣𝐢 𝐱 𝐢 ≤ 𝐛𝐣 ∀𝐣 ∈ 𝐉
𝐢=𝟏
𝐱𝐢 ≥ 𝟎 ∀𝐢 ∈ 𝐈
𝐌𝐀𝐗 𝐱 𝐜 ′ 𝐱
𝐬. 𝐚.
𝐀𝐱 ≤ 𝐛
𝐱≥𝟎
𝐜𝟏 𝐱𝟏 𝐚𝟏𝟏 … 𝐚𝟏𝐧 𝐛𝟏
𝐜 = ⋮ ,𝐱 = ⋮ ,𝐀 = ⋮ ⋱ ⋮ ,𝐛 = ⋮
𝐜𝐧 𝐱𝐧 𝐚𝐦𝟏 … 𝐚𝐦𝐧 𝐛𝐦
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
400
300
Si el problema tiene
solución acotada, 200 Región I*=3,1 MM
entonces siempre al Factible
menos 1 vértice será 100
solución óptima I=2,4 MM
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 18
EN ALGUNAS OCASIONES EL GRÁFICO NOS PUEDE ENGAÑAR, SIN QUE SE
PUEDA RESOLVER A SIMPLE VISTA NO EXHAUSTIVO
ILUSTRATIVO
x2
Forma 1
900
Evaluar esas soluciones en los puntos candidatos
800
¿Cómo me
700 aseguro
aseguro
de haber
de
escogido
escoger el
elóptimo
óptimo
600 entre estos 2
puntos?
500
En A:
400 Ing = 3.000*100+8.000*350 = 3.100.000
A
300 B
En B:
200 Región I*=3,1 MM
Factible Ing = 3.000*200+8.000*300 = 3.000.000
100
I=2,4 MM
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 19
OTRA FORMA
NO EXHAUSTIVO
ILUSTRATIVO
x2
Certificado de optimalidad (Forma Canónica):
900
puntos?
500
Para este caso en particular, en el
punto A:
400
Restricciones activas R1 y R 3
A
300 B 2 0 3M
𝛻R1 = , 𝛻R 3 = , 𝛻Ing =
4 1 8M
200 Región I*=3,1 MM
Factible Por lo tanto:
100 2 0 3M λ = 1,5 M
λ1 + λ3 = → 1
I=2,4 MM 4 1 8M λ3 = 2,0 M
x1 Lo que implica que λ , λ ≥ 0, por lo
1 3
100 200 300 400 500 600 700 800 900 que el punto A es el óptimo
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 20
¿QUÉ SIGNIFICA EL CERTIFICADO DE OPTIMALIDAD?
NO EXHAUSTIVO
ILUSTRATIVO
x2
Certificado de optimalidad (Forma Canónica):
900
500 𝛻R 3 𝛻𝐼𝑛𝑔
𝛻R1
𝛻𝐼𝑛𝑔
400
𝛻R1
A 𝛻R 2
300 B
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 21
RESUMEN DEL MÉTODO GRÁFICO
NO EXHAUSTIVO
Para problemas realmente pequeños (~2 variables) la solución óptima se puede obtener de
forma gráfica usando los siguientes pasos:
1. Determinar la región factible usando las restricciones – cada restricción genera un semi-
plano
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
• Solución:
‒ Elección de valores de las variables de solución
• Solución factible:
‒ Solución que satisface todas las restricciones
• Región factible:
‒ Conjunto formado por todas las soluciones factibles
• Valor de la función objetivo:
‒ Valor de la función objetivo evaluada en una solución
• Solución óptima:
‒ Solución factible cuyo valor en la función objetivo no puede mejorarse
• Valor óptimo:
‒ Valor de la función objetivo evaluada en la solución óptima
900
800
700
Solución factible
600
(vértice)
500 Solución
optima
400 Solución no
factible
300
Infinitas soluciones
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
• ¿Cuánto puede subir o caer el precio del perfume para que la solución óptima siga siendo
la misma?
• ¿Cuánto estaría dispuesto a pagar por los 40 gramos extra de estabilizador? ¿y por los
300 gramos extra de intensificador?
• ¿Cuánto estaría dispuesto a pagar por una nueva tecnología que permitiera que la
elaboración de los 100ml de perfume requiriesen solo 2 gramos de fragancia en vez de 4?
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 33
¿CUÁNTO PODRÍA AUMENTAR Y DISMINUIR EL STOCK DE FRAGANCIA
PARA QUE LA NATURALEZA DE LA SOLUCIÓN SIGA SIENDO LA MISMA?
ILUSTRATIVO
x2
900 Debemos ver cuales son el máximo y mínimo valor que puede tener el stock
del recurso de la fragancia para que en la solución óptima se sigan
800 intersectando las restricciones 1 y 3
Lo único que cambia al desplazar la recta es el intercepto, la pendiente se
700 mantiene constante. Por lo tanto, debemos buscar la ecuación de la recta que
tiene la misma pendiente que la restricción 1 pero que pasa por el punto D =
600 ത 350) y lo mismo para la que pasa por el punto C = (0; 350)
(183, 3;
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 34
¿HASTA CUÁNTO PAGARÍA POR UNA TECNOLOGÍA QUE PERMITE USAR 2
EN VEZ DE 4 GRAMOS DE FRAGANCIA EN EL PERFUME?
ILUSTRATIVO
x2
400
A
300 B
200 Región
Factible
100
x1
100 200 300 400 500 600 700 800 900
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 35
PROBLEMA PROPUESTO
Fabricación de Cerveza – Producción Óptima
ILUSTRATIVO
• Las bodegas de la empresa tienen capacidad para 480 kilos de cebada y 160 kilos de
levadura
• La cerveza ámbar entrega una utilidad de $13 por litro, mientras que la negra de $23 por
litro
• ¿Cuál es la estrategia óptima de producción? ¿Cuánto se está dispuesto a pagar por un
kilo más de cada recurso? ¿Cuánto puede variar la utilidad por cada cerveza para que la
solución optima siga siendo la misma? ¿Qué ocurre si la cantidad de cebada disponible
disminuye a la mitad? ¿Qué ocurre si la cantidad de levadura disponible cae en 20 kilos?
¿Qué ocurre si ahora la cerveza Negra requiere de 10 kilos de cebada para producir un
litro en vez de los 15 kilos originales?
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos
ILUSTRATIVO
• Para funcionar, un hospital necesita tener una cantidad mínima de enfermeras cada día.
Requerimiento señalado en la siguiente tabla:
• Por reglas laborales, cada enfermera debe trabajar 5 días consecutivos y luego tener 2
días de descanso
• Definir un modelo de programación que permita minimizar la cantidad de enfermeras
contratadas satisfaciendo las necesidades mínimas diarias
ILUSTRATIVO
Parámetros
• Sea di la cantidad de enfermeras requeridas el día i [#], i = 1. . 7
dt = 14; 13; 15; 16; 19; 18; 11
Variables de decisión
• Sea xi la cantidad de enfermeras que comienzan su turno el día i [#], i = 1. . 6
Restricciones (1/2)
• El total de enfermeras disponibles para trabajar el día i deben ser al menos las requeridas
Domingo: x7 + x6 + x5 + x4 + x3 ≥ 11
Sábado: x6 + x5 + x4 + x3 + x2 ≥ 18
Viernes: x5 + x4 + x3 + x2 + x1 ≥ 19
Jueves: x4 + x3 + x2 + x1 + x7 ≥ 16
Míercoles: x3 + x2 + x1 + x7 + x6 ≥ 15
Martes: x2 + x1 + x7 + x6 + x5 ≥ 13
Lunes: x1 + x7 + x6 + x5 + x4 ≥ 14
• La cantidad de enfermeras que comienzas su turno un día no pueden ser negativas
xi ≥ 0, ∀i = 1. . 7
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 39
SOLUCIÓN - PLANIFICACIÓN DE FUERZA DE TRABAJO (2/3)
ILUSTRATIVO
Restricciones (2/2)
• La cantidad de enfermeras que comienzan a trabajar un día debe ser un número entero
xi ∈ Z0+ , ∀i = 1. . 7
Función Objetivo
• Minimizar el total de enfermeras contratadas
7
ILUSTRATIVO
Modelo
7
Datos/ Parámetros:
Variables de Decisión
Función Objetivo
Contratadas [#] 22
Restricciones
ILUSTRATIVO
• Un inversionista, Mr. Haugh, tiene $ 9.000.000 para invertir en distintos fondos de su AFP
para su jubilación. Por simplicidad, asumimos que Mr. Haug tiene solo tres opciones de
inversión: bonos de renta fija (fondo E), acciones bursátiles de mediano riesgo (C), y
acciones bursátiles de alto riesgo (A). Los retornos anuales y su desviación estándar son:
• Mr. Haugh, como la mayoría, es una persona adversa al riego y por tanto quiere imponer
algunas restricciones en su portafolio de bonos y acciones. Primero, la cantidad invertida
en bonos tiene que al menos igualar la cantidad invertida en ambos tipos de acciones. Más
aún, Mr. Haugh quiere que el riesgo promedio (medido como el promedio ponderado de las
desviaciones estándar) de el portafolio sea menor o igual a 4%. Finalmente, Mr. Haugh
quiere que al menos 10% de su dinero sea invertido en acciones de alto riesgo
• Formule y un modelo de programación lineal que maximice el retorno de el portafolio y que
satisfaga todas las restricciones requeridas
ILUSTRATIVO
Parámetros
• Sea ri el retorno esperado del fondo i [%], i = 1. . 3, r t = 5; 10; 15
• Sea σi la desviación estándar del fondo i [%], i = 1. . 3, σt = 0; 5; 10
• Sea B el presupuesto disponible para invertir [$], B = 9.000.000
• Sea bσ el riesgo máximo aceptable para el portafolio [%], bσ = 4
• Sea bA la mínima cantidad permitida para invertir en acciones de alto riesgo [%], bσ = 10
Variables de decisión
• Sea xi la cantidad la cantidad invertida en el fondo i [$], i = 1. . 3
Restricciones (1/2)
• El total invertido no puede ser mayor al presupuesto disponible
x1 + x2 + x3 ≤ 9.000.000
• El riesgo ponderado del portafolio no debe superar el limite definido
0x1 + 5x2 + 10x3
≤ 4 → −4x1 + x2 + 6x3 ≤ 0
x1 + x2 + x3
ILUSTRATIVO
Restricciones (2/2)
• Al menos el 10% del presupuesto total debe ser invertido en acciones de alto riesgo
x3 ≥ 9.000.000 ∙ 0,1 → x3 ≥ 900.000
• La cantidad invertida en bonos debe ser al menos la cantidad invertida en ambos tipos de
acciones
x1 ≥ x2 + x3 (x1 ≥ x2 ; x1 ≥ x3 )
• No se puede invertir una cantidad negativa en un fondo
x1 , x2 , x3 ≥ 0
Función Objetivo
• Maximizar el retorno esperado del portafolio
MAX x Retorno Esperado = 0,05x1 + 0,10x2 + 0,15x3
Modelo
MAX x Retorno Esperado = 0,05x1 + 0,10x2 + 0,15x3
s. a.
Presupuesto: x1 + x2 + x3 ≤ 9.000.000
Riesgo: −4x1 + x2 + 6x3 ≤ 0
Fondo A: x3 ≥ 900.000
Fondo E: x1 ≥ x2 + x3 ó x1 ≥ x2 ; x1 ≥ x3
No negatividad: x1 , x2 , x3 ≥ 0
Preprarado por Sebastián Varas Kittel / Wilfredo Yushimito 45
EL MODELO ANTERIOR SE PUEDE RESOLVER FÁCILMENTE USANDO
SOLVER EN EXCEL (PRÓXIMA SEMANA APRENDERÁN A USARLO)
ILUSTRATIVO
Gestión de Portafolio
• Programación lineal
• Método gráfico
• Sensibilidad
• Próximos pasos