NTP- Determinación de Cloruros en suelos y agregados (1) (1).pptx
Clase 1 de modelos matematicos para todo ingeniero
1. CINF105 – Optimización
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge
Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo
Gatica, Mtr. Alex González
Universidad Andrés Bello et al.
Primer semestre de 2024
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 1 / 39
2. Unidad 1.
Introducción.
Basado en el capı́tulo 1 del libro “Investigación de Operaciones” de Hamdy
Taha.
Se consideran aspectos de experiencia docente y materiales utilizados por
los académicos.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 2 / 39
3. ¿Dónde está la optimización?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 3 / 39
4. ¿Dónde está la optimización?
ver
http://www.phpsimplex.com/casos_reales.htm
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 4 / 39
5. Orı́genes
Primeros intentos de uso detectados en las ciencias económicas. Me-
diados del siglo XVIII (P.Quesnay, 1759 y K. Walras, 1874)
Inicio formalmente aceptado: II Guerra Mundial.
Leer paper Jesús González y Gustavo Gatica.
Recordar la máquina enigma y orı́gen de la Ciencia de la Computación.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 5 / 39
6. Optimización viene de ... la Investigación de Operaciones?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 6 / 39
7. Optimización viene de ... la Investigación de Operaciones?
Es una rama de las Matemáticas aplicadas.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 6 / 39
8. Optimización viene de ... la Investigación de Operaciones?
Es una rama de las Matemáticas aplicadas.
La Enciclopédica Británica la define como “la aplicación de métodos
cientı́ficos a la administración y gestión de organizaciones mili-
tales, gubernamentales, comerciales e industriales”.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 6 / 39
9. Optimización viene de ... la Investigación de Operaciones?
Es una rama de las Matemáticas aplicadas.
La Enciclopédica Británica la define como “la aplicación de métodos
cientı́ficos a la administración y gestión de organizaciones mili-
tales, gubernamentales, comerciales e industriales”.
Dentro de sus disciplinas están, por ejemplo,
Programación dinámica.
Teorı́a de colas.
Ruteo vehicular.
Simulación.
Teorı́a de juegos.
Control de inventarios.
Revenue management.
Programación Matemática u Optimización.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 6 / 39
10. Factores de Impulso
Finales década del 50, ya se han desarrollado muchas técnicas de IO,
en particular, Programación Lineal, programación dinámica, teorı́a de
colas, inventarios entre otros.
En 1947, el Dr. G. Dantzing publica el método SIMPLEX, para solución
de modelos de Programación Lineal.
Quienes mandan generalmente mueven las manos y dicen, He consi-
derado todas las alternativas. Pero eso es casi siempre basura. Lo más
probable es que no pudiesen estudiar todas las combinaciones. Entre-
vista The College Mathematical Journal, 1986.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 7 / 39
11. Dantzig
George Bernard Dantzig nació el 8 de Noviembre de 1914 en Pórtland,
Oregon, USA. Muere el 13 de Mayo de 2005 a los 90 años
Dantzig inventó el método simplex en 1947, siendo aún la herramienta
principal en casi todas las aplicaciones de la programación lineal.
En palabras del propio Dantzig: ”El tremendo poder del Método Sim-
plex me sorprende constantemente”. Citando el simple ejemplo del pro-
blema de asignación (70 personas para 70 tareas) y el enorme poder
computacional que se requerirı́a para analizar todas las permutaciones
y seleccionar la solución óptima, observó lo siguiente: sólo toma un mo-
mento encontrar la solución óptima usando una computadora personal
y un paquete que maneje el método simplex estándar.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 8 / 39
12. ¿Dónde está la Verdad?.... Cuál es el trabajo?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 9 / 39
13. Cómo hacer el trabajo
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 10 / 39
14. ¿Cuál es la metodologı́a de la Investigación de
Operaciones?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 11 / 39
15. ¿Cuál es la metodologı́a de la Investigación de
Operaciones?
Está centrada en la modelación.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 11 / 39
16. ¿Cuál es la metodologı́a de la Investigación de
Operaciones?
Está centrada en la modelación.
Un modelo es una aproximación de la realidad, con distintos niveles de
abstracción.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 11 / 39
17. ¿Cuál es la metodologı́a de la Investigación de
Operaciones?
Está centrada en la modelación.
Un modelo es una aproximación de la realidad, con distintos niveles de
abstracción.
Los pasos son,
Definición del problema.
Construcción del modelo.
Resolución del modelo.
Validación del modelo.
Implementación y control del modelo.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 11 / 39
18. ¿Cuál es el trabajo?
Revisar el libro de Bernal!!!
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 12 / 39
19. Definición del problema
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 13 / 39
20. Definición del problema
Se busca identificar el sistema en estudio, los objetivos y las alternativas
de decisión disponibles.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 13 / 39
21. Definición del problema
Se busca identificar el sistema en estudio, los objetivos y las alternativas
de decisión disponibles.
La identificación del sistema incluye desarrollar un modelo conceptual
del sistema (identificar componentes y relaciones, lı́mites, fronteras,
etc.).
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 13 / 39
22. Definición del problema
Se busca identificar el sistema en estudio, los objetivos y las alternativas
de decisión disponibles.
La identificación del sistema incluye desarrollar un modelo conceptual
del sistema (identificar componentes y relaciones, lı́mites, fronteras,
etc.).
La determinación de los objetivos debe estar alineada con los reque-
rimientos del solicitante (empresa, gobierno, personas).
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 13 / 39
23. Definición del problema
Se busca identificar el sistema en estudio, los objetivos y las alternativas
de decisión disponibles.
La identificación del sistema incluye desarrollar un modelo conceptual
del sistema (identificar componentes y relaciones, lı́mites, fronteras,
etc.).
La determinación de los objetivos debe estar alineada con los reque-
rimientos del solicitante (empresa, gobierno, personas).
Las alternativas de decisión sirven para saber qué se podrá modificar
respecto a la situación actual.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 13 / 39
24. Definición de Modelo
Representación abstracta del mundo real o de una porción del mundo
real de nuestro interés, mas simple y manipulable a efectos de análisis
y que necesariamente debe ser representativo del sistema bajo estudio
según el objetivo de este último.
Cómo se clasifica:
Fı́sico
Análogo.
Matemático
Descriptivos
Normativos
Optimizables
Determinı́sticos
Probabilı́sticos (Incertidumbre)
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 14 / 39
25. Definición de Modelo
Simple
Robusto
Fácil de usar
Fácil de comunicar
Adaptativo
Completo en los puntos principales
Rico en valor de la razón costo / beneficio
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 15 / 39
26. Proceso de Construcción de Modelos
Revisar el libro de Bernal!!!
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 16 / 39
27. Construcción del modelo
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 17 / 39
28. Construcción del modelo
Un modelo es una representación idealizada de una situación u objeto
concreto con un objetivo concreto.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 17 / 39
29. Construcción del modelo
Un modelo es una representación idealizada de una situación u objeto
concreto con un objetivo concreto.
Los modelos de IO poseen los siguientes elementos.
Parámetros.
Variables de decisión.
Restricciones.
Función objetivo.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 17 / 39
30. Construcción del modelo
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 18 / 39
31. Construcción del modelo
Parámetros: también llamadas variables exógenas. Son las decisiones
que son o han sido tomadas fuera del ámbito del sistema considerado.
Para efectos del modelo, son datos.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 18 / 39
32. Construcción del modelo
Parámetros: también llamadas variables exógenas. Son las decisiones
que son o han sido tomadas fuera del ámbito del sistema considerado.
Para efectos del modelo, son datos.
Variables de decisión: también llamadas variables endógenas. Son las
decisiones que deben ser tomadas. Son las que definen la respuesta
entregada por el modelo.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 18 / 39
33. Construcción del modelo
Parámetros: también llamadas variables exógenas. Son las decisiones
que son o han sido tomadas fuera del ámbito del sistema considerado.
Para efectos del modelo, son datos.
Variables de decisión: también llamadas variables endógenas. Son las
decisiones que deben ser tomadas. Son las que definen la respuesta
entregada por el modelo.
Restricciones: expresan las relaciones que deben cumplirse entre
las decisiones tomadas para el problema. Se expresan como funciones
de las variables y los parámetros.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 18 / 39
34. Construcción del modelo
Parámetros: también llamadas variables exógenas. Son las decisiones
que son o han sido tomadas fuera del ámbito del sistema considerado.
Para efectos del modelo, son datos.
Variables de decisión: también llamadas variables endógenas. Son las
decisiones que deben ser tomadas. Son las que definen la respuesta
entregada por el modelo.
Restricciones: expresan las relaciones que deben cumplirse entre
las decisiones tomadas para el problema. Se expresan como funciones
de las variables y los parámetros.
Función objetivo: también llamada medida de efectividad. Mide la
‘bondad’ de las decisiones en términos del cumplimiento de un objetivo.
Es una función de las variables de decisión y parámetros.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 18 / 39
35. Espacio de Soluciones
Depende de lo complejo del problema.
Se puede representar gráficamente
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 19 / 39
36. ¿Por qué son tan difı́ciles de resolver?
Complejidad: La dificultad de un problema (con tamaño n) está definida
con base en el número de operaciones básicas [f(n)] necearı́as para
resolverlo en el peor de los casos.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 20 / 39
37. ¿Por qué son tan difı́ciles de resolver?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 21 / 39
38. Qué elementos están presentes... el flujo
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 22 / 39
39. ¿De qué modelos estamos hablando?
Modelo determinı́stico.
Es un modelo estático.
Es un modelo que no suboptimiza.
Hay temas avanzados en IO, que pueden romper estas limitaciones.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 23 / 39
40. ¿Algunos tips para generar modelos
No debe generar un modelo complicado cuando uno simple es sufi-
ciente.
El problema NO debe ajustarse al modelo o método de solución.
La fase deductiva de la modelación debe realizarse rigurosamente.
Los modelos se deben validar antes de su implantación.
Nunca debe pensarse que el modelo es el sistema real.
Los modelos no pueden reemplazar al tomador de decisiones,
sólo auxiliarlos.
Uno de los primeros beneficios de la modelación reside en el desarrollo
del modelo.
Un modelo es tan bueno o tan malo como la información con la que
trabaja.
Los modelos no pueden reemplazar al tomador de decisiones
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 24 / 39
41. Palabras de Cierre
Es muy difı́cil procurar una solución verdadera para un problema mal
formulado... para formular lo mejor es la matemática
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 25 / 39
42. Ejemplos de modelos de Investigación de operaciones
Problema: Diseñar la red de una aerolı́nea.
Función objetivo: maximizar
utilidad de la compañı́a.
Variables: ubicación de aeropuertos
de combinación, vuelos directos a
habilitar, precio a cobrar, etc.
Parámetros: distancia entre
ciudades, demanda, costos de todo
tipo, etc.
Restricciones: reglas de captura,
deben existir vuelos de conexión
para que los pasajeros puedan
viajar, etc.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 26 / 39
43. Aplicaciones de Investigación de operaciones
Problema: Zonificar la operación de una empresa en la Región
Metropolitana.
Función objetivo: minimizar
distancia dentro de cada zona.
Variables: a qué zona pertenece
cada celda.
Parámetros: distancia entre celdas,
demanda, costos de todo tipo.
Restricciones: cada celda le
pertenece a una zona, debe
contener a ciertos puntos, las zonas
deben ser idealmente compactas,
etc.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 27 / 39
44. Aplicaciones de Investigación de operaciones
Problema: programar cirugı́as lectivas en quirófanos.
Función objetivo: minimizar costos
totales de los quirófanos.
Variables: cuándo y a qué
quirófano se asigna una cirugı́a.
Parámetros: cirugı́as a programar,
duración de éstas, recursos
requeridos, etc.
Restricciones: tiempo disponible
por quirófano, tiempos de limpieza,
disponibilidad para cirugı́as de
emergencia, etc.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 28 / 39
45. Aplicaciones de Investigación de operaciones
Problema: determinar horario semanal.
Función objetivo: ¿ninguno,
minimizar ventanas, minimizar horas
extra?.
Variables: cuándo y a qué
actividades realizar.
Parámetros: duración de
actividades, metas de actividades,
datos de ventanas horarias, etc.
Restricciones: tiempo por dı́a y
semana, respetar ventanas horarias,
cumplimiento de metas, etc.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 29 / 39
46. Construcción del modelo
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 30 / 39
47. Construcción del modelo
Cuando se le dan valores a las variables, se obtiene una solución del
problema.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 30 / 39
48. Construcción del modelo
Cuando se le dan valores a las variables, se obtiene una solución del
problema.
Si la solución cumple todas las restricciones, se le llama solución fac-
tible.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 30 / 39
49. Construcción del modelo
Cuando se le dan valores a las variables, se obtiene una solución del
problema.
Si la solución cumple todas las restricciones, se le llama solución fac-
tible.
Aquella solución que es la mejor en términos de la función objetivo, es
la solución óptima del problema (pueden ser varias).
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 30 / 39
50. Construcción del modelo
Cuando se le dan valores a las variables, se obtiene una solución del
problema.
Si la solución cumple todas las restricciones, se le llama solución fac-
tible.
Aquella solución que es la mejor en términos de la función objetivo, es
la solución óptima del problema (pueden ser varias).
Un ejemplo, próxima clase!
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 30 / 39
51. Restricciones del Dominio
Se establece el valor factible de las variables de decisión. Para fines de
la programación lineal se establece que todas las variables deben tomar
valores positivos.
En caso de formular problemas en donde sea necesario valores negativos
en las variables se emplean las variable irrestrictas.
Las restricciones usuales son de no negatividad, enteros o binarios.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 31 / 39
52. Primer problema de Optimización
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 32 / 39
53. Primer problema de Optimización
Reddy Mikks es una empresa que produce pinturas de interior y exterior desde
dos materias primas M1 y M2. La siguiente tabla muestra los datos básicos del
problema.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 32 / 39
54. Primer problema de Optimización
Reddy Mikks es una empresa que produce pinturas de interior y exterior desde
dos materias primas M1 y M2. La siguiente tabla muestra los datos básicos del
problema.
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 32 / 39
55. Primer problema de Optimización
Reddy Mikks es una empresa que produce pinturas de interior y exterior desde
dos materias primas M1 y M2. La siguiente tabla muestra los datos básicos del
problema.
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Una investigación de mercado revela que la demanda diaria de pintura de interior
no puede exceder la de la pintura de exterior por más de una tonelada. Además la
demanda diaria máxima de pintura de interior es 2 toneladas.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 32 / 39
56. Primer problema de Optimización
Reddy Mikks es una empresa que produce pinturas de interior y exterior desde
dos materias primas M1 y M2. La siguiente tabla muestra los datos básicos del
problema.
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Una investigación de mercado revela que la demanda diaria de pintura de interior
no puede exceder la de la pintura de exterior por más de una tonelada. Además la
demanda diaria máxima de pintura de interior es 2 toneladas.
Determine las cantidades de cada pintura a producir diariamente, para maximizar
la utilidad total diaria.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 32 / 39
57. Primer problema de Optimización
Para este problema,
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
58. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
59. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
60. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
61. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
62. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
3 (Restricciones) ¿Qué condiciones deben cumplir las decisiones que to-
memos?
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
63. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
3 (Restricciones) ¿Qué condiciones deben cumplir las decisiones que to-
memos?
No sobrepasar la disponibilidad de M1.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
64. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
3 (Restricciones) ¿Qué condiciones deben cumplir las decisiones que to-
memos?
No sobrepasar la disponibilidad de M1.
No sobrepasar la disponibilidad de M2.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
65. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
3 (Restricciones) ¿Qué condiciones deben cumplir las decisiones que to-
memos?
No sobrepasar la disponibilidad de M1.
No sobrepasar la disponibilidad de M2.
Condiciones de la investigación de mercado.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
66. Primer problema de Optimización
Para este problema,
1 (Variables) ¿Qué decisiones deben tomarse?
Cuánto producir de cada tipo de pintura (en toneladas).
2 (Función objetivo) ¿Cómo medimos la “bondad” de las decisiones to-
madas?
Por la utilidad que genera para la empresa
3 (Restricciones) ¿Qué condiciones deben cumplir las decisiones que to-
memos?
No sobrepasar la disponibilidad de M1.
No sobrepasar la disponibilidad de M2.
Condiciones de la investigación de mercado.
Dominio de la producción (no negativo).
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 33 / 39
67. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
68. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
69. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
70. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
71. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
72. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
73. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
74. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
75. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
76. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
77. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
78. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
79. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
80. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1: −x1 + x2 ≤ 1 (3)
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
81. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1: −x1 + x2 ≤ 1 (3)
Investigación de mercado,
parte 2:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
82. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1: −x1 + x2 ≤ 1 (3)
Investigación de mercado,
parte 2: x2 ≤ 2 (4)
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
83. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1: −x1 + x2 ≤ 1 (3)
Investigación de mercado,
parte 2: x2 ≤ 2 (4)
Naturaleza de las va-
riables de decisión:
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
84. Primer problema de Optimización
Ton. de MP por ton. de Disponibilidad
Materia prima Pint. de ext. Pint. de int. diaria (ton.)
M1 6 4 24
M2 1 2 6
Util. por ton. 5 4
Variables.
x1: toneladas de pintura de
exterior a producir
x2: toneladas de pintura de in-
terior a producir
Función objetivo.
Z = max 5x1 + 4x2
Restricciones.
Disponibilidad M1:
6x1 + 4x2 ≤ 24 (1)
Disponibilidad M2: x1 + 2x2 ≤ 6
Investigación de mercado,
parte 1: −x1 + x2 ≤ 1 (3)
Investigación de mercado,
parte 2: x2 ≤ 2 (4)
Naturaleza de las va-
riables de decisión:
x2 ≥ 0 (5), x1 ≥ 0 (6)
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 34 / 39
85. Primer problema de Optimización
¿Cómo encontrar solución? Gráficamente!
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 35 / 39
86. Primer problema de Optimización
¿Cómo encontrar solución? Gráficamente!
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 35 / 39
87. Primer problema de Optimización
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 36 / 39
88. Primer problema de Optimización
máx Z = 5x1 +4x2
s.a. 6x1 +4x2 ≤ 24 (1)
x1 +2x2 ≤ 6 (2)
−x1 +x2 ≤ 1 (3)
x2 ≤ 2 (4)
x2 ≥ 0 (5)
x1 ≥ 0 (6)
x∗
1 = 3, x∗
2 = 1,5, z∗
= 21
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 36 / 39
89. Primer problema de Optimización
máx Z = 5x1 + 4x2
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
90. Primer problema de Optimización
máx Z = 5x1 + 4x2
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
91. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
92. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
93. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
C ⇒ x1 = 1, x2 = 2, Z = 13
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
94. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
C ⇒ x1 = 1, x2 = 2, Z = 13
D ⇒ x1 = 2, x2 = 2, Z = 18
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
95. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
C ⇒ x1 = 1, x2 = 2, Z = 13
D ⇒ x1 = 2, x2 = 2, Z = 18
E ⇒ x1 = 3, x2 = 1,5, Z = 21
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
96. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
C ⇒ x1 = 1, x2 = 2, Z = 13
D ⇒ x1 = 2, x2 = 2, Z = 18
E ⇒ x1 = 3, x2 = 1,5, Z = 21
F ⇒ x1 = 4, x2 = 0, Z = 20
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
97. Primer problema de Optimización
máx Z = 5x1 + 4x2
A ⇒ x1 = 0, x2 = 0, Z = 0
B ⇒ x1 = 0, x2 = 1, Z = 4
C ⇒ x1 = 1, x2 = 2, Z = 13
D ⇒ x1 = 2, x2 = 2, Z = 18
E ⇒ x1 = 3, x2 = 1,5, Z = 21
F ⇒ x1 = 4, x2 = 0, Z = 20
Como E tiene la mayor evaluación de la función objetivo, es la solución
óptima del problema. x∗
1 = 3, x∗
2 = 1,5, z∗ = 21.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 37 / 39
98. En resumen
Para modelar un problema se requiere definir,
Datos del problema, que no pueden manipularse (parámetros).
Las decisiones posibles (variables).
Una medida de cuán buenas son las decisiones que se toman (función
objetivo).
Las condiciones que se deben cumplir (restricciones).
Luego, el modelamiento corresponde llevar esto a expresiones matemáti-
cas.
Los problemas con 2 variables pueden resolverse gráficamente.
Próxima clase: otro modelo, y su generalización estructurada.
Lectura muy recomendada
Revisar el archivo “Capı́tulo 1 OVV”.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 38 / 39
99. En resumen
La Investigación de Operaciones es una rama de las matemáticas apli-
cadas.
Aplica métodos cientı́ficos a la toma de decisiones.
Nos enfocaremos en la optimización o programación matemática.
Primero en formular modelos matemáticos, y luego resolverlos.
Vimos un ejemplo de como formular un primer modelo de optimización.
PhD. Armin Lüer-Villagra, PhD. Daniel Morillo-Torres, PhD. Jorge Sabattin, Marcelo Mercado, PhD. Rodrigo Linfati, PhD. Gustavo Gat
CINF105 – Optimización Primer semestre de 2024 39 / 39