Tema 08

Estads7ca
Tema 8. Programacin lineal y mtodos de op7mizacin
Mara Dolores Fras Domnguez

Jess Fernndez Fernndez
Carmen Mara Sordo
Departamento de Matem.ca Aplicada y
Ciencias de la Computacin
Este tema se publica bajo Licencia:
Crea.ve Commons BY-NC-SA 3.0
Esta unidad est basada en material elaborado por
ngel Cobo Ortega, Universidad de Cantabria
TEMA8:Programacinlinealymtodosde
optimizacin
Introduccinalaoptimizacin
Problemasdeoptimizacin
Elvectorgradiente.Anlisisgeomtrico.
Programacinlineal
Caractersticas
Resolucingeomtrica
Resolucinmediantesoftwareespecializado:LINGO
Estematerialestbasadoenmaterialelaborado
porngelCoboOrtega,UniversidaddeCantabria
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Objetivosdeltema
Reconocerlaimportanciadelaoptimizacinenlos
distintoscamposdelaingeniera.
Identificar las componentes principales de un
problemadeoptimizacin.
Analizar el caso particular de la programacin
lineal.
Saber utilizar software de apoyo a la toma de
decisiones.
Optimizacinenlaingeniera
Ingeniera:
Crear sistemas de ingeniera competitivos no slo en

trminos de funcionamiento sino tambin en trminos de
productividad,servicio,ciclodevida,...
Necesidades:
Uso de metodologas de diseo rigurosas y de carcter

cuantitativo que puedan complementar a la intuicin y la
facetacreativanocuantitativadelprocesodediseo.
OPTIMIZACIN:Bsquedadelamejorsolucin
aunproblemadado.
Minimizacinymaximizacin
Ejemplos:Problemasdelocalizacin,asignacin,confeccin
decalendarios,rutasdevehculos,
Metodologa
Desarrollodeun
modelomatemtico
Definicindel
problema
Validacinde
lasolucin
Resolucindel
modelomatemtico
Implementacin:
Tomadedecisiones
Algoritmosexactos:producenlasolucinexactadelproblema
Algoritmos aproximados: producen la solucin aproximadad del
problemamediantealgnprocesoiterativo.
Heursticas:obtienenbuenassolucionesentiemposrazonables.
Programas
matemticos
Minimizarcostes,tiempo
deproduccin,riesgodela
inversin,plazode
entrega,...
Maximizarlosbeneficios,nivel
deventas,satisfaccindel
cliente,resistenciadelos
materiales,...
Ambosproblemassonenelfondoequivalentes:Maxf(x)=Min(f(x))
v a lo r
m x im o
f(x )
p u n to
m x im o
p u n to
m n im o
D
v a lo r
m n im o
-f(x )
Elpuntoenelque
unafuncinalcanza
sumximoesel
mismoenelquesu
funcinopuesta
alcanzaelmnimo,
siendolosvalores
ptimosrespectivos
opuestos.
Elementosdetodoproblemaoptimizacin
La programacin matemtica consiste por tanto en el clculo de
mximos y mnimos de funciones de varias variables sometidas a un
conjuntoderestricciones.
Variablesdedecisinx=(x1,x2,...,xn)
Variablesreales,enteras,binariasobooleanas
Funcinobjetivof(x)=f(x1,x2,...,xn)
Regin factible o espacio de soluciones factibles
delimitadoporlasrestricciones:DconjuntoenR n
Restricciones
Lasrestriccionesdelimitanlareginfactible.
Escasezderecursos,limitacionestecnolgicas,restriccionesde
diseo
Tiposderestricciones
Problemasnorestringidos
Restriccionesdeigualdad
h(x)=0
Lagrange
Optimizacin
clsica
Restriccionesdedesigualdad
g(x)0
aixibi
KarushKuhnTucker
Programacin
matemtica
Programacinlineal
Restricciones
Ejemplo
Restricciones
Ejemplo
pi:nmerodebarriles
producidosenelprocesoi
Tcnicasclsicasdeoptimizacin
Anlisisdecondicionesdeoptimalidad:
Condiciones necesarias: Permiten seleccionar los posibles

mximos y mnimos, (pueden existir puntos que las verifican sin ser
mximosomnimos).
Condiciones suficientes: Permiten asegurar con total certeza

quesehaencontradounextremo.
La mayora de las tcnicas estn basadas en el

clculodiferencial:
Noaplicablesamuchostiposdeproblemas
Dificultad de obtencin de soluciones exactas en
muchoscasosMtodosnumricos
Problemticadelosptimoslocales
Elproblemadelosptimoslocales
valor
mnimo
local
f(x0)
valor
mnimo
global
x0
mnimo global
estricto
x0
mnimo local
estricto
x0
mnimo local no
estricto
Espreferibleunptimoglobalaunolocal,perodesgraciadamente,
lamayoradelastcnicasdeoptimizacinlocalizanptimoslocales
ytienendificultadesparareconocerlaglobalidad.
Cond.deoptimalidadconf.diferenciables
Condicionesnecesarias:
Problemassinrestricciones:
Todoptimotieneasociadounvectorgradientenulo
Problemasrestringidos:
Condicionessuficientes:
Clasificacindematrizhessianas
Ejemplo
Candidato
aptimo
Lamatrizhessianaesdef.pos.,
porloqueelpuntoesun
mnimo.
Ejemplo
Matlabtip
f=inline('2*x.^2+y.^2+2*x.*y+xy+2')
dens=50;
x=y=linspace(5,5,dens);
[xx,yy]=meshgrid(x,y);
zz=f(xx,yy);
surf(xx,yy,zz,'EdgeColor','none');
xlabel('x');ylabel('y')
holdon
contour3(xx,yy,zz,'w')
scatter3(1,3/2,f(1,3/2),'w')
Candidato
aptimo
Lamatrizhessianaesdef.pos.,
porloqueelpuntoesun
mnimo.
Ejemplo
Siaadimos
una
restriccin
Candidato
aptimo
Lamatrizhessianaesdefinidapositivaparatodo(x,y)y,porlo
queelpuntoesunmnimo.
Anlisisgeomtrico
En casos muy sencillos y de pocas dimensiones
(1 2), se puede resolver el problema de
optimizacindeformagrfica.
Representandolareginfactible
Representando las curvas de nivel y el vector
gradiente.
Localizandoelptimodentro(oenlosbordes)dela
reginfactible.
Elpapeldelvectorgradiente
Los vectores gradientes son ortogonales

con las curvas de nivel (curvas f(x,y)=cte,
quepermitenrepresentarfuncionesdedos
variablesenelplano).
Siempre sealan sobre el dominio la
direccin de ms rpido crecimiento de la
funcin.
"Huyen" de los mnimos y se sienten
"atrados"porlosmximos.
0.5
-0.5
-1
-1
-0.5
0.5
Elpapeldelvectorgradiente
Ejemplo
Ejercicio
Contenidos
Introduccinalaoptimizacin
Elvectorgradiente.Anlisisgeomtrico.
Programacinlineal
Caractersticas
Resolucingeomtrica
Resolucinmediantesoftwareespecializado:LINGO
ProgramacinLineal
La programacin lineal es instrumento habitual en
empresas.
UnadelasramasdelaOptimizacinmsdesarrollada
yconmayornmerodeaplicacionesprcticas
Orgenesdelaprogramacinlineal:
Economistas de la URSS: modelos lineales para

aumentar la eficiencia en la organizacin y
planificacindelaproduccin
Segunda Guerra Mundial: Proyecto SCOOP
(ScientificComputationofOptimalPrograms)
Dantzig:mtodoSimplex
http://www.ormstoday.org/orms1207/history.html
Programaslineales
Funcin objetivo
Restricciones
lineales
Caractersticas:
Todoptimoesglobal.
Lascondicionesnecesariasdeprimerordensonsuficientes.
Si hay dos soluciones distintas, tambin lo es cualquier

combinacinlinealconvexa.
Programaslineales
Funcin objetivo
Restricciones
lineales
Ventajas:
Fcilesdedefiniryformular.
Se trabaja de forma eficiente con un nmero elevado de variables
dedecisin.
Se adaptan mejor al tratamiento algortmico con computadores
(rpidezdeclculo).
Anlisisgeomtrico
100
80
60
40
El espacio D de soluciones
factibles es un poltopo con
un nmero finito de
vrtices.
Es recomendable que sea
acotado para garantizar la
existencia de un ptimo.
20
D
20
40
60
80
100
En programacin lineal habitualmente no

se consideran restricciones estrictas
Casoa=20,b=60
100
80
60
40
Elgradientemarcaladireccin
de crecimiento, y por tanto de 20
bsquedadelmximo
D
20
40
60
80
100
ElmximosealcanzaenelvrticeA=(0,80)
Valormximodelafuncinf(0,80)=4800
Casoa=30,b=60
100
80
60
40
20
D
20
40
60
80
100
El mximo se alcanza en los vrtices A=(0,80) y B=(40,60) y en todos los

puntosqueestnentodoelladoquedeterminan.
Elvalordelafuncinentodoselloses4800
Elproblematieneportantoinfinitassoluciones
Casoa=50,b=60
100
80
60
40
20
D
20
40
60
80
100
ElmximosealcanzaenelvrticeB=(40,60)
Valormximodelafuncinf(40,60)=5600
Anlisisgeomtrico
Deduccin de propiedades:
Todo ptimo es global y siempre se alcanza en la frontera de D

(alguna restriccin se satura).
Si existe ptimo, ste se alcanza, al menos, en un vrtice de D.
Si varios puntos son ptimos, tambin lo es cualquier
combinacin lineal convexa.
Resolucin:
Localizar los vrtices de D.
Calcular la funcin objetivo sobre todos los vrtices
Elegir aqul sobre el que la funcin alcance el menor o el mayor

valor.
Noaconsejableparaproblemasdegrandesdimensiones.
Ejercicio
MtodoSimplex
Formulacinestndardeprogramaslineales:
Objetivo: encontrar el vrtice ptimo sin

tener que calcularlos todos.
Vrtice
Separtedeunvrticeinicial.
inicial
Sinoesptimo,encontrarunvrtice
adyacentequedisminuyaelvalordelafuncin
objetivooque,porlomenos,noaumente.
Repetirelprocesohastaencontrarunvrtice
quenopuedasermejorado.
Vrtice
ptimo
Elproblemadeltransporte
Unaempresadisponedemfbricasparaproducirunnicoproducto
quehadedistribuirseanmercadosdiferentes,siendoCijelcoste,por
unidaddeproducto,desdelafbricaFialmercadoMj
Fbricas
F1
Mercados
C11
M1
F2
M2
Fm
Mn
Cmn
Objetivosdelaempresa:
1.Disearpolticadesuministrosqueminimicecostesdetransporte(c ij).
2.Nosobrepasarloslmitesdeproduccindecadaunadesusfbricas(pi).
3.Atenderlademandadecadaunodelosmercados(d j).
Unaempresadisponedemfbricasparaproducirunnicoproducto
quehadedistribuirseanmercadosdiferentes,siendoCijelcoste,por
unidaddeproducto,desdelafbricaFialmercadoMj.
Fbricas
F1
Mercados
C11
M1
F2
M2
Fm
Mn
Cmn
Variablesdedecisin:unidadestransportadasdesdecadafbricaacadamercado(xij)
Funcinobjetivo:minimizarelcostetotaldeltransporte
Restricciones:Atenderlademandadecadamercado(dj)
Nosobrepasarlascapacidadesdeproduccindecadafbrica(pi)
Ejemplo
Una empresa multinacional dedicada a la fabricacin de electrodomsticos
recibeunpedidode8.000hornosy12.000cocinas.
Para hacer frente al pedido en un plazo de un mes debe producir los
electrodomsticosencuatrofbricasdiferentes.
El objetivo que se plantea la empresa es la planificacin ptima de la
produccindelpedido.
Fbrica 1
Fbrica 2
Fbrica 3
Fbrica 4
Capacidad de produccin
mensual de hornos
5000
7000
3000
Capacidad de produccin
mensual de cocinas
4000
6000
8000
Coste de produccin por unidad

de horno
25
30
20
Coste de produccin por unidad

de cocina
20
20
25
Coste por unidad de

electrodomstico del envo
hasta el destino
10
13
12
Ejemplo
VARIABLESDEDECISIN(xij):
Planteamientodel
problema
X2H=hornosproducidosenlaFbrica2
X2C=cocinasproducidasenlaFbrica2
X4C=cocinasproducidasenlaFbrica4
FUNCINOBJETIVO(COSTESTOTALES):
Prod=20X1C+25X2H+20X2C+30X3H+20X4H+25X4C
Trans=10X1C+13(X2H+X2C)+12X3H+9(X4H+X4C)
COSTETOTAL=30X1C+38X2H+33X2C+42X3H+29X4H+34X4C
LIMITACIONESORESTRICCIONES:
Capacidadesdeproduccinencadafbrica:
X1C<=4000; X2H<=5000; X2C<=6000
X3H<=7000; X4H<=3000; X4C<=8000
Necesidaddesatisfacerelpedido:
X2H+X3H+X4H>=8000;
X1C+X2C+X4C>=12000
Nonegatividaddelasvariables:
X2H,X3H,X4H,X1C,X2C,X4C>=0
Resolucindeprogramas
linealesconsoftwarede
investigacinoperativa
UsodelprogramaLingo
http://www.lindo.com
Ejemplo
Resolucindelproblemaanteriorconunsoftwarede
Investigacinoperativa:Lingo
(http://www.lindo.com)
Lingo es un software especfico para

resolver problemas de optimizacin,
tanto lineales como no lineales
Ejemplo
Solucin:
Optimal solution found at step:
Objective value:
Variable
X1C
X2H
X2C
Valores
de las
X3H
variables
X4H
de
X4C
Value
4000.000
5000.000
6000.000
0.00000E+00
3000.000
2000.000
Row
1
R1
R2
R3
R4
R5
R6
PEDIDO_HORNOS
PEDIDO_COCINAS
Slack or Surplus
663000.0
0.0000000E+00
0.0000000E+00
0.0000000E+00
7000.000
0.0000000E+00
6000.000
0.0000000E+00
0.0000000E+00
decisin
2
663000.0
Reduced Cost
0.0000000E+00
0.0000000E+00
0.0000000E+00
4.000000
0.0000000E+00
0.0000000E+00
Dual Price
1.000000
4.000000
0.0000000E+00
1.000000
0.0000000E+00
9.000000
0.0000000E+00
-38.00000
-34.00000
Valor ptimo
Costes reducidos:
indican la
modificacin a
aplicar a los
coeficientes de la
funcin objetivo
para que la variable
pase a ser no nula
Precios duales:
miden la
sensibilidad del
valor ptimo ante
cambios en los
trminos de la
derecha de las
restricciones
Holguras en las
restricciones

Tema 08

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema 08

Uploaded by

Copyright:

Available Formats

Estads7ca

Tema 8. Programacin lineal y mtodos de op7mizacin

Mara Dolores Fras Domnguez

Crear sistemas de ingeniera competitivos no slo en

Uso de metodologas de diseo rigurosas y de carcter

Condiciones necesarias: Permiten seleccionar los posibles

Condiciones suficientes: Permiten asegurar con total certeza

La mayora de las tcnicas estn basadas en el

Los vectores gradientes son ortogonales

Economistas de la URSS: modelos lineales para

Si hay dos soluciones distintas, tambin lo es cualquier

En programacin lineal habitualmente no

El mximo se alcanza en los vrtices A=(0,80) y B=(40,60) y en todos los

Todo ptimo es global y siempre se alcanza en la frontera de D

Localizar los vrtices de D.

Calcular la funcin objetivo sobre todos los vrtices

Elegir aqul sobre el que la funcin alcance el menor o el mayor

Objetivo: encontrar el vrtice ptimo sin

Coste de produccin por unidad

Coste de produccin por unidad

Coste por unidad de

Lingo es un software especfico para

You might also like