Documente Academic
Documente Profesional
Documente Cultură
1NTRODUCCION
optimizacin es la ciencia del rea de las matemticas aplicadas que, estudia
principalmente la caracterizacin y dererrninacin de fas "mejores" soluciones a ciertos
modelos matemticos, los cuales generalmente corresponden a situaciones de la realidad o del
mundo real_ Este estudio considera entre otras cosas, la bsqueda de criterios de optirnalid.d
para dichos problemas, la proposicin de algoritmos de solucin. anlisis de las propiedades
de estos algoritmos y la experimentacin computacional con problemas de prueba y de la vida
real. En la vasta literatura relacionada con el tema se ha usado eI trmino "programacin"
corno sinnimo del trmino optimizacin y fue usado originalmente para referirse a la
optimizacin en el sentido de planificacin optimal corno por ejemplo: Programadn Lineal,
Programacin No-Lineal, Programacin Entera, Programacin Estocstica, Programacin
Dinmica, Programacin Geomtrica. Programacin Multi-Objetivo, Programacin de Metas
u Objetivos, entre otros.
(U
donde f g i , g 2 ,...,
se denominan las
Un vector x e X que satisface cada una de las restricciones se llamar solucin factible
del problema. El conjunto formado por todas las soluciones factibles se /lama Dominio o
Regin Factible. que denotaremos por D.
(x)
tal que
(x) Vx e D.
En este caso SP recibe el nombre de solucin ptima del problema.
A modo de ejemplo, consideremos el siguiente problema sencillo de programacin No-
Lineal:
Min
x2 t 3<0
x2 1 O
l
Suponiendo a priori que este problema admite solucin ptima, podemos resolverlo en
'roma geomtrica. En efecto. las curvas de nivel asociados a la funcin objetivo son
Cabe sealar que este medio de resolucin es muy particular ya que, slo podr
aplicarse, en general, a problemas sencillos en dos variables. Adems, aunque el problema
est compuesto por dos variables, puede contener cierta naturaleza de no diferenciabilidad ya
sea en la funcin objetivo o en alguna restricciones, entonces la resolucin por curvas de nivel
ser un poco ms compleja. Por ejemplo, basta definir el siguiente problema:
Min
(x 1 ,x 2 )eR 2
La distancia entre los dos pivotes esta fijada en 2s. El problema de diseo es elegir la
altura de la estructura, el espesor y el dimetro promedio de los tubos de acero de modo que la
estructura soporte una carga de 2W mientras se minimiza el peso total de la estructura.
Denotemos d dimetro promedio de los tubos, el espesor de los tubos y la altura de la
estructura por: x l , x 2 y x 3 , respectivamente_ Luego el peso de la estructura viene dado
(2
por: 27z -pxi
s + xt2
d o n d e p e s l a d e n s i d a d d e i t u b o d e a c e r o , S e t i en en l as
siguientes restricciones:
a)
x 3 5 b 1 ( l i m i t a c i n d e es p a c i o )
b)
1
h3 xl x-, .x (la tensin por compresin en los tubos no debe exceder la
c ) Y s
3
tensin permitida por el materia')
d)
,11y 2 ,x )
(2
2\
-x, x +x I (la altura, dimetro y espesor deben elegirse de tal [
xi x2 i s- -x33=bl5o
x 1 -th 2 x 2 O
xl x2 3
3/
rAv .71(S +x-2 )-b
2
,
( 2 ""
- 2'. ro<0
Izo
1 3 3c
A:
>0 x >0
1
-2
2-
>O
3-
Max
Ax < b
x> O
donde c.xeR n heR m , A=fa i ,a. y ....,a n I es una matriz de orden m x n. Este
problema puede interpretarse como un modelo de asignacin de recursos, En efecto.
supongamos que se tienen m recursos representado por el vector h. La columna a de
A, representa la actividad j, y la variable x
11
Ax=
=I
ix
<b
x= E
.1=1
ixi
Adems el problema puede ser interpretado como encontrar la mejor forma de asignar
los recursos definidas por el vector b a las distintas actividades disponibles de modo que el
beneficio total sea maximizado.
Para algunos problemas prcticos el modelo deterministico anterior no es adecuado,
debido a que los coeficientes de la funcin (lineal) de beneficio: c i ,c2,...,e n no son
constantes conocidas sino que son variables aleatorias. Luego, supondremos que el vector e
es un vector aleatorio con media (71 )/ y matriz de convarianza y .
5
Eri consecuencia la fui ci6n objetivo, denotada por z , ser entonces una variable
Max e x
Ax
x>O
el cual es un problema de Programacin Lineal. Por otra parte, si queremos miminizar la
Min x t
vx
Ax <
x>O
el cual es un problema de Programacin Cuadrtica.
Notacin:
: "equivalente a"
h)
(x)
xED
xD
DcR n
DcR n
Q2) ..31.11n u
P2) Min
xG D
1(x)P
Dqien
xED,uER
D Rn
c)
P. 3 ) M i n
(x) Q3 ) 23di n p
x GD
1(-10=P
xED,I1GR
Dcir
d)
P4 )
fri(x)
x D L.?
R"
Q4 ) Mi" P
M x P,1 = 1 , . , n 1
xeD,pER
DcRn
P5)
in
x Di
DR
(:).5) Min
=
7
f(x)5,tii
xeD,
D c
f)
Rla
P 6 ) Mb? f (x)
XE
DcR'
Q 6 ) . ir a g( f ( x ) )
xD
DcRn
d on d e g f ( D ) - - R
g(t)
D cerrado y acotado.
,D cerrado.
Teorema 2.3
Sea el problema 11 del teorema 2.1,
,19 cerrado,
D
entonces el problema P admite solucin ptima.
donde q(x)=--
entonces
R"
Luego:
/i/ 2 xt Qx+ clx. )/ 9
C112 1x112
4
11 X
_---) GO
x12
= q(x)
- > + 0
xcD
En consecuencia. el problema Q) admite solucin ptima (1:mica).
Ejercicio 2.5
Sea el problema:
P)
+ 2 x3
Ejercicio 2.6
Considere el problema;
P) linmaxiVx2 4-y2 , + 1
y
ykO
a)
b)
Teorema 3.1
jtc punto de minirrio local de
f'
)( x x) t o (! .7"c
Con him
(I)
=O
=O
>C fi
f (x)f()
_i
'01)+ o (I x x
entonces f 'cc)
I_ entonces 1 .1 ()
Anlogamente, x
O.
f (x)
a<x<IP
=a ,f+1 (i)?.: O
ii)
C ==, f (x).0
iii)
Nota: Si
()I) sO y f (:?)10
R"
Vt(5e). O y D2.
12
sernidefinida positiva.
3?
xlk)
f(x)
D:h.(x).0
1=1..p
Definicin 3.6
O. Se dice que d define una direccin tangente a D en . si existe
Sea dE R"
x(0)
xr(0)--=d
iii)
x(1) ED
13
Teorema 3.7 (Condicin necesaria de.ter. orden para mnimo local de P))
:c punto de mnimo local de P) (V/ (x))/ d = O para toda diseccin d tangente a
.
L.) en ,Tc
Demostracin:
Sea d una direccin tangente a D en x Entonces existe un camino diferencia.ble
x(.) tal que:
i)
x(0)=1.
ii)
xr(0)=1.1
iii)
x(t) D ,
fO
Definicin 3.8
Un punto factible .x:e D se dice regular si el conjunto de todas las direcciones tangentes
Lema 3.10
Sin las restricciones del problema P) son continuamente diferenciables en x y se
.(x)V. J, I
regular.
Teorema 3.11 (Lagrange. Condicin Necesaria de ler. orden)
14
h1 (x) = O
f (x)
Demostracin:
r regular
T(D.,.:7c1)
(1 e R n/V.h. j(7.)-V d O
= 1- P
Nota: =
--= ?V f(7c) 1 + d O En
de rango completo.
-]
c,
i5
con . f,_g i ,
, funciones diferenciadles.
Definicin 3.12
Sea d E R " d T
x(0)=;z
ii)
x0')ED
iii)
x1(0) .d
Vi
,fO
Lema 3.13
(x()
r(k)
Definicin 3.16
A
.1
L
l l i a S i
e
P O
i
37 S {Vg (
V)
regular.
16
i/i Vgi(x)=. O
=I
i Vf(3:7)+
ii)
g 1(70=0
iii)
i =I, rt?
Demostracin:
x punto de mnimo local de
ci O
Definiendo:
I "-
Pi
I(x)
pi -1 0 , r 1(jc)
17
4. APLICACIONES
Uno de los principales objetivos de la Optimizacin consiste en poder formular y
resolver los ms diversos problemas que permiten la toma de decisiones ptimas o eficientes.
Una gran cantidad de problemas reales conciernen a la toma de decisiones en sistemas cada
vez ms complejos y especializados, que necesariamente requieren del uso de metodologias
adecuadas para la formulacin matemtica de estos problemas y, conjuntamente, de mtodos y
herramientas de resolucin, corno los que provee la optimizacin. Entre otros, principalmente
relacionados con problemas abordados por la Investigacin de Operaciones, podemos
mencionar las siguientes aplicaciones problemas de planificacin financiera, problemas de
logstica de la produccin y distribucin, problemas de planificacin de sistemas generacin y
distribucin elctrica, problemas de telecomunicaciones y diseo de redes y problemas de
programacin de horarios. En lo que sigue, se describe dos problemas relacionados con estas
reas de aplicacin. Se contempla una breve descripcin del problema y la formulacin
matemtica del mismo.
Eetx, +
Estyt
x1 + 11.1 - lt =
x, I'vliy,
xtk O, lt
O, yt
0,1}
t=1,,,T.
futuras que slo es posible incorporar al modelo a travs de distintos escenarios o de una
distribucin de probabilidades.
Minimizar
s_a,
x,
I,'
Ti seo.,
It s
xt
wiy,
+ Esieu P,(EfLzt)
t=-1
N , zE5 E N .
Xt k. O, 45
O, III
O, y, E {O.1 1
t--=1,...,T; SEO,
donde ahora algunas de las variables de decisin son por escenarios, corno es el caso de la
variable del nivel de inventario del producto al final del periodo $t$ bajo el escenario $s$ y
una nueva variable de decisin ${z_t}^s$ correspondiente al nivel de unidades de faltante del
producto en el periodo $t$ bajo el escenario $s$, con el respectivo costo unitario de faltante
en el periodo $t$, En este nuevo modelo, la funcin objetivo corresponde al costo esperado
de produccin ms un costo esperado de faltante, este ltimo permite penalizar el
incumplimiento de las eventuales demandas no satisfechas mediante el uso de una variable de
20
recurso para el nivel de faltante. Por ltimo, el modelo incluye un conjunto de restricciones,
escritas como ${I_t}^s \in \mathbb{N}, {z-t}^s \in \mathbb{N}$,conocidas en la literatura
como resiricciones de no-onticipatividad. Estas restricciones dan politicas de produccin
implementable.s en el siguiente sentido: si dos escenarios diferentes $s$ y $s'$ son
idnticos hasta el periodo $T$, entonces para cada variable de decisin definida por
escenarios. las respectivas decisiones deben ser idnticas para cada $t$ con $1 \leq t \leq \tau$.
En nuestro modelo debe entonces cumplirse que ${I_t}^s = {I_t}^{s}$ y ${z_t}^s = {z_t}^{s}
$ para cada par de escenarios $s$ y $s'$ que coincidan hasta el periodo $\tau$ y con $1 \leq t
\leq \tau \leq T$.
Algunas referencias de inters en problemas del mbito de la planificacin de la
produccin bajo condiciones de incertidumbre, utilizando modelos como las aqu presentados,
son los artculos de Escudero et al. [Es93], Escudero y Kamesan [Es92] y Albornoz y
Contesse [A199].
4.2. Problema de Despacho Econmico de un Sistema de Generacin de Potencia
Elctrica.
Uno de los principales problemas abordados en la planificacin de un sistema
interconectado de potencia elctrica consiste en la administracin eficiente de las unidades
generadoras del Sistema. La adecuada resolucin de este problema permite por ejemplo la
fijacin de tarifas entre las empresas generadoras y distribuidoras de un sistema, decidir la
Este ltimo permite la obtencin de los niveles ptimos de generacin de potencia en cl corto
plazo de modo de satisfacer en todo momento los requerimientos de demanda en ese periodo,
mediante una determinada cura de duracin de carga que consta de nes intervalos (intervalos
en los cuales a su vez se ha subdividido el tiempo asociado a cada etapa), que equivale a
conocer la demanda (mxima) de potencia requerida en cada uno de dichos intervalos, En
canto, las variables de decisin del modelo de despacho econmico son: PI-11 la potencia
generada por La central hidroelctrica h del nodo i durante d intervalo j, para ie [1, ...
he {1,...,nhi} y j
k un nodo comunicado
falla producida.
La funcin objetivo a minimizar del modelo de despacho econmico corresponde. a la
suma de los costos totales de generacin y de falla del sistema, dada por:
z=
Ei cvii
PI1-1;1.1+
Ef
Ej
].
donde evi, representa el costo variable de energa para la central trmica t del nodo i,
para i E { 1.N) y te {1,....nti}, cwif es el costo variable de energa de falla en el nodo i en el
,