Cur So 1

CONSTRUYENDO MODELOS DE
PROGRAMACION MATEMATICA EN
INGENIERIA Y CIENCIA
por
E. CASTILLO
Departamento de Matemática Aplicada

y Ciencias de la Computación
Universidad de Cantabria
Universidad de Castilla-La Mancha
ESPAÑA
1
Introducción
La programación matemática es una técnica de modelización

nuy potente. Cuando se resuelve un problema hay que con-
siderar las siguientes etapas :
1. Identificar las posibles decisiones a tomar.
2. Determinar qué decisiones son admisibles (conjunto de
restricciones).
3. Calcular los costes asociados a cada decisión (función
objetivo).
Todo problema de programación requiere cuatro elementos

básicos:
1. El conjunto de datos.
2. El conjunto de variables que intervienen en el problema,
junto con sus respectivos dominios de definición.
3. El conjunto de restricciones del problema que definen el
conjunto de soluciones factibles.
4. La función a optimizar (minimizada o maximizada).
2
Problema del Transporte I
Sean m orı́genes y n destinos, y supóngase que se desea

enviar las cantidades u1, . . . , um, de un producto, de cada
uno de los m orı́genes, y que se desea enviar las cantidades
v1, . . . , vn, a cada uno de los n destinos. El problema con-
siste en determinar las cantidades xij , a ser enviadas del
origen i al destino j, tales que minimicen el coste de trans-
porte.
Los cuatro elementos principales del problema del transporte
son:
1. Datos:
m: el número de orı́genes.
n: el número de destinos.
ui: la cantidad a enviar desde el origen i.
vj : la cantidad a recibir en el destino j.
cij : el coste de enviar una unidad de producto desde el
origen i al destino j.
2. Variables:
xij : la cantidad a enviar desde el origen i al destino j.
Se supone que estas variables son no-negativas, es
decir
xij ≥ 0; i = 1, . . . , m; j = 1, . . . , n. (1)
3
Problema del Transporte II
3. Restricciones: Las restricciones de este problema son:

n
P
xij = ui; i = 1, . . . , m,
j=1
m
P
(2)
xij = vj ; j = 1, . . . , n,
i=1
El primer conjunto de condiciones establece que la can-
tidad total enviada desde el origen i debe ser igual a
la suma de las cantidades que van desde dicho origen a
todos los destinos j = 1, . . . , n.
El segundo conjunto de restricciones establece que la can-
tidad total recibida en el destino j debe ser igual a la
suma de las cantidades procedentes de todos los orı́genes
i = 1, . . . , m.
Puede observarse que hay dos grupos de restricciones. El
primero (1) se refiere a las restricciones de las varia-
bles, y el segundo (2) a las restricciones del problema.
4. Función a maximizar. En el problema del trans-
porte se está interesado en minimizar el coste total del
transporte (suma de los costes de transporte de todas las
unidades), es decir, se
Minimiza m Xn
X
Z= cij xij . (3)
i=1 j=1
Una vez identificados los cuatro elementos, se está en condi-

ciones de resolver el problema.
4
Problema del Transporte III
Sea el problema de la figura con m = 3 orı́genes, n = 3

dstinos, y u1 = 2, u2 = 3, u3 = 4; v1 = 5, v2 = 2, v3 = 2.
u1 u2 u3
x13 x31
x21 x23
x22 x33
x12 x32
x11
v1 v2 v3
En este caso, el sistema (2) resulta

 
 x11 
 
 
   x12   
 
1 1 1 0 0 0 0 0 0   
  2 
  x13 
   
  
0
 0 0 1 1 1 0 0 0   

3
 
  x21 
   
  
0
 0 0 0 0 0 1 1 1  
  
 4
 
Cx = 


  x22  = 





 = a, (4)


1

0 0 1 0 0 1 0 0   

5
 
   x23   
    
0

1 0 0 1 0 0 1 0   

2
 
   x31   
 
0 0 1 0 0 1 0 0 1  
 2
 x32 

 
x33
xij ≥ 0; i, j = 1, 2, 3.
Si se minimiza
Z = x11 +2x12 +3x13 +2x21 +x22 +2x23 +3x31 +2x32 +x33.
El mı́nimo de la función objetivo es 14, que corresponde a:
x = (2, 0, 0, 1, 2, 0, 2, 0, 2)T .
5
El Problema de la
Planificación de la Producción I
Un fabricante fabrica un producto cuya demanda fluctúa en

el tiempo, tal como se muestra en la figura.
600
500
400
300
200
100
1 2 3 4 5 6 7 8 9 10 11 12
Time
Hay dos posibles alternativas de fabricación:

1. Producción Variable. El fabricante puede producir
cada mes el número exacto de unidades requeridas por
la demanda. Sin embargo, este tipo de fabricación no es
eficiente.
2. Producción Constante. El fabricante enfrentado
con demanda fluctuante puede sobreproducir en periodos
de baja demanda y almacenar el sobrante para usarlo en
periodos de alta demanda. Por ello, la producción puede
hacerse constante, compensando la infraproducción con
pasada sobreproducción. Sin embargo, debido al coste
de almacenamiento, tal solución puede ser no deseable si
conduce a sobrantes excesivos.
6
El Problema de la
Planificación de la Producción II
Problemas de esta naturaleza ilustran las dificultades que

surgen cuando en un problema hay objectivos en conflicto.
Nuestro objetivo aquı́ consiste en diseñar un plan de pro-

ducción que maximice los beneficios tras consideración de
los costes de producción y almacenamiento.
Los cuatro elementos principales en el problema de la plan-
ificación de la producción son:
1. Datos:
n: el número de meses que se consideran.
s0: la cantidad de producto disponible en almacén al
comienzo del periodo considerado.
dt: el número de unidades demandadas en el mes t.
smax
t : la capacidad del almacén.
at: el precio de venta en el mes t.
bt: el coste de producción en el mes t.
ct: el coste de almacenamiento en el mes t.
2. Variables:
xt: el número de unidades producidas durante el mes t,
st: el número de unidades almacenadas durante el mes
t.
7
El Problema de la
Planificación de la Producción III
3. Restricciones. Puesto que la demanda dt, en el mes t,

debe ser igual al incremento de almacenamiento st−1 −st,
más la producción xt, en el mes t, la capacidad del al-
macén no puede ser excedida, y las demandas dt, can-
tidades almacenadas, st, y la producción xt, deben ser
no-negativas, resultan las restricciones siguientes:
st−1 + xt − st = dt; t = 1, 2, . . . , n.
st ≤ smax
t ; t = 1, 2, . . . , n. (5)
st, xt, dt ≥ 0.
4. Función a minimizar. Una posibilidad consiste en
maximizar el beneficio teniendo en cuenta los costes de
producción y el almacenamiento. Esto implica
Maximizar
n
X
Z= (atdt − btxt − ctst). (6)
t=1
Si el periodo es corto, at, bt y ct pueden ser considerados

constantes, es decir, at = a, bt = b y ct = c.
Una alternativa, consiste en minimizar el coste de alma-

cenamiento, es decir
Minimizar n
X
Z= c t st . (7)
t=1
8
El Problema de la
Planificación de la Producción Iv
Sea la demanda de la tabla adjunta y un almacen con ca-

pacidad ilimitada y cantidad inicial s0 = 2.
Tiempo Demanda
1 2
2 3
3 6
4 1
Entonces, el sistema (5) resulta
 
 s1 
 
 
 s 
 2 
    
−1 0 0 0


1 0 0 0   s3 




0 
    
1 −1 0 0

 0 1 0 0   s4  
 3 
Cx = 
   =

  = a,
0 1 −1 0



0 0 1 0   x1  


6 
    
0 0 1 −1 0 0 0 1  x2  1
 
 
 x3 
 
 
x4
st, xt ≥ 0; t = 1, 2, 3, 4
Si at = 3, bt = 1, ct = 1, el problema consiste en:
Maximizar
Z = 36 − x1 − x2 − x3 − x4 − s1 − s2 − s3 − s4, (8)
resultando
Z = 26; (s1, s2, s3, s4, x1, x2, x3, x4) = (0, 0, 0, 0, 0, 3, 6, 1)T .
9
El problema de la dieta I
El problema de la dieta consiste en determinar las cantidades

de diferentes nutrientes que satisfacen unas condiciones de
nutrición mı́nimas a un coste mı́nimo.
Los cuatro elementos principales son:
1. Datos:
m: El número de nutrientes,
n: el número de comidas diferentes,
aij : la cantidad de nutriente i por unidad de comida j,
bi: la cantidad mı́nima de nutriente i requerida,
cj : el coste de la unidad de comida j.
2. Variables: Las variables implicadas en este problema
son:
xj : la cantidad a comprar de comida j.
3. Restricciones: La cantidad total del nutriente i es la
suma de las cantidades del mismo en todas las comidas
y las cantidades deben ser no negativas, se tiene:
n
X
aij xj ≥ bi; i = 1, . . . , m (9)
j=1
xj ≥ 0; j = 1, . . . , n.
4. Función a minimizar: Se minimiza el coste, es decir

Minimizar n
X
Z= cj xj . (10)
j=1
10
El problema de la dieta II
Considérense los nutrientes de la tabla adjunta.

Nutriente Cantidad Maı́z Avena Maı́z Salvado Linaza
requerida A B
DN 74.2 78.6 70.1 80.1 67.2 77.0
DP 14.7 6.50 9.40 8.80 13.7 30.4
Ca 0.14 0.02 0.09 0.03 0.14 0.41
Ph 0.55 0.27 0.34 0.30 1.29 0.86
Las restricciones (9) resultan

 
 x1 
   
 78.6 70.1 80.1 67.2 77.0   
 
 74.2 
  x2 
  
  

 6.50 9.40 8.80 13.7 30.4   
  
 14.7 
 
  x3  ≥   , (11)
  

    


0.02 0.09 0.03 0.14 0.41     0.14 
 
   x4   
 
0.27 0.34 0.30 1.29 0.86   0.55
x5
x1, x2, x3, x4, x5 ≥ 0.
Considerando los costes:
c1 = 1, c2 = 0.5, c3 = 2, c4 = 1.2 and c5 = 3.
el problema consiste en:
Minimizar Z = x1 + 0.5x2 + 2x3 + 1.2x4 + 3x5,

sometido a (11), resultando
Z = 0.793, en el punto (0, 1.530, 0, 0.023, 0).
Esto significa que sólo necesitamos avena y salvado.
11
Problema de la red de transporte I
Supóngase una red de transporte (conducción hidráulica,

ferrocarril, carreteras, etc.) a través de la cual se desea en-
viar un cierto material (aceite, grano, vehı́culos, mensajes,
etc.) de un conjunto de nodos de la red, llamados nodos
fuente, a un conjunto de puntos de destino, llamados no-
dos sumideros. Además de éstos, la red contiene nodos
intermedios, donde no tienen lugar ni entradas ni salidas
de material. Sea xij el flujo que va del nodo i al nodo j
(positiva en la dirección i → j, y negativa en otro caso).
Los cuatro elementos de este problemas son:
1. Datos:
G: el grafo G = (N , A) que define la red de transporte,
donde N es el conjunto de nodos, y A es el conjunto
de enlaces.
n: el número de nodos de la red.
fi: la entrada (positiva) o la salida (negativa) de material
en el nodo i.
fij : la capacidad máxima del enlace que va del nodo i al
nodo j.
cij : el coste de enviar una unidad de material del nodo i
al nodo j.
2. Variables: Las variables de este problema son:
xij : el flujo que va del nodo i al nodo j.
12
Problema de la red de transporte II
3. Restricciones: Imponiendo la condición de con-

tinuidad del flujo en todos los nodos, y las restricciones
de capacidad en todos los enlaces se obtienen las restric-
ciones:
Restricciones de continuidad:
P
(xij − xji) = fi; i = 1, . . . , n; (12)
j
Restricciones de capacidad:
−fij ≤ xij ≤ fij ; ∀i < j. (13)
4. Función a minimizar: El coste total es

X
Z= cij xij . (14)
ij
Por tanto, se minimiza (14) sometido a (12) y (13).

Los problemas de redes de transporte son muy comunes
en ingenierı́a. De hecho, las redes de abastecimiento de
agua, los sistemas de comunicaciones, y otros, conducen a
problemas de redes de transporte como el descrito aquı́.
Además de resolver los correspondientes problemas de mi-

nimización, puede intersar conocer el conjunto de todas las
soluciones factibles y cómo cambia ésta cuando se produce
el fallo de algunos enlaces.
13
Problema de la red de transporte III
Sea el problema de transporte de la figura.

f2
2
x12 x24
f1 x14 f4
1 4
x13 x34
3
f3
El sistema de ecuaciones (12) y (13) resulta
 
 
 x12   
 1 1 1 0 0  
 f1 

 

 x13  

 

−1 0 0 1 0  
 

 f2 

 

 x14  = 
 ,



0 −1 0 0 1  




 f3 
   x24  
 
0 0 −1 −1 −1 
  f4
x34 (15)
xij ≤ fij ; ∀i < j,
−xij ≤ fij ; ∀i < j.

donde se supone que fij = 4, ∀i < j, y
(f1, f2, f3, f4) = (7, −4, −1, −2).
14
Problema de la red de transporte IV
Supóngase que cij = 1; ∀i, j. El problema de optimización

es:
Minimizar
Z = x12 + x13 + x14 + x24 + x34,
sometido a (15).
Usando un programa de ordenador adecuado se obtiene la

solución z = 5 en los puntos:
     
 x12 
 


0  

4 
 −1 
     
x
 13 






3 






     
 x14  = λ  4  + (1 − λ)  4  ; 0 ≤ λ ≤ 1.
     
     
     
 −4 
     
 x24 
   


0 

     
x34 2 −2
Esto significa que existen infinitas soluciones, todas ellas con

el mismo valor de la función objetivo, Z = 5.
15
Problema de la cartera de valores I
Un inversor posee bi acciones de la compañı́a Ai, i =

1, 2, ..., m. Las cotizaciones de estas acciones son vi.
Supóngase que se pueden predecir los dividendos que se pa-
garán a fin del año que comienza, y los valores de las di-
ferentes acciones: Ai pagará un dividendo di y tendrá una
nueva cotización wi.
Nuestro objetivo consiste en ajustar la cartera, es decir, el
número de acciones de cada compañı́a, de forma que se maxi-
micen los dividendos. Nuestras incógnitas son xi, el cambio
en el número de acciones de la compañı́a Ai con respecto
al número de acciones que ya se poseı́an. Puesto que ori-
ginalmente se tenı́an bi, tras el ajuste se poseerán bi + xi,
respectivamente.
Los principales elementos del problema de la cartera son:
1. Datos:
m: el número de empresas.
bi: el número de acciones de la empresa i.
vi: la cotización actual de la acción de la empresa i.
di: el dividendo a pagar a fin de año por la empresa i.
wi: el nuevo valor de la acción de la empresa i.
2. Variables:
xi: la modificación en el número de acciones de la em-
presa i.
16
Problema de la cartera de valores I
3. Restricciones: Las condiciones para una cartera equi-

librada son:
El número de acciones de cada empresa es no-negtivo
bi + xi ≥ 0. (16)
La cartera debe ser compensada sin abusar de una única

acción. Además, tras el cambio debe poseerse una frac-
ción r de las acciones que ya se poseı́an:
r(Pj vj (bj + xj )) ≤ vi(bi + xi); ∀i. (17)
El valor total de la cartera permanece constante (no se

invierte ni se vende):
X
vj xj = 0. (18)
j
Para protegerse de la inflación, el valor futuro debe ex-

ceder en un cierto porcentaje su valor actual:
X X
wj (bj + xj ) ≥ (1 + s) vj bj . (19)
j j
4. Función a minimizar: Se maximizan los dividendos,

es decir, el problema consiste en:
Maximizar:
X
Z = dj (bj + xj ). (20)
j
sometido a las restricciones anteriores.
17
Problema de la cartera de valores II
Considérese el caso de 75 acciones de A1, 100 de A2 y 35

de A3, con valores de $20, $20 y $100, respectivamente.
Además, se sabe que: A1 no pagará dividendos con un nuevo
valor de $18, A2 pagará $3 por acción y el nuevo valor será
$23, y A3 pagará $5 por acción con un nuevo valor de $102.
Si se elige r = 0.25 y s = 0.03, las restricciones son:
xA ≥ −75,
xB ≥ −100,
xC ≥ −35,
0.25 [20(75 + xA ) + 20(100 + xB ) + 100(35 + xC )] ≤ 20(75 + xA ),
0.25 [20(75 + xA ) + 20(100 + xB ) + 100(35 + xC )] ≤ 20(100 + xB ),
0.25 [20(75 + xA ) + 20(100 + xB ) + 100(35 + xC )] ≤ 100(35 + xC ),
20xA + 20xB + 100xC = 0,
18(75 + xA ) + 23(100 + xB ) + 102(35 + xC ) ≥ 1.03(20(175) + 3500).
(21)
que tras algunas simplificaciones resultan
xA ≥ −75,
xB ≥ −100,
xC ≥ −35,
15xA − 5xB − 25xC ≥ 250,
(22)
−5xA + 15xB − 25xC ≥ −250,
−5xA − 5xB + 75xC ≥ −1750,
20xA + 20xB + 100xC = 0,
18xA + 23xB + 102xC ≥ 270.
La solución del problema es:
Z = $612.5 y xA = 12.5, xB = 75, xC = −17.5.
18
Problema del andamio I
Un andamio es un sistema con tablones y cuerdas conecta-

dos para soportar una carga dada. El problema consiste en
determinar la carga que puede soportar sin romperse.
Los principales elementos son:
1. Datos:
I: conjunto de cargas.
S: conjunto de cuerdas.
B: conjunto de tablones.
Ts: máxima carga admisible en la cuerda s ∈ S.
Ωb: conjunto de cargas aplicadas en el punto medio del
tablón b. Nótese que Ωb ⊂ I y consiste en una carga
simple o en otro caso es vacı́o.
Ψb: conjunto de cuerdas que soportan el tablón b. Ψb es
un subconjunto de S (dos elementos).
Θb: conjunto de cuerdas soportadas por el tablón b.
dli: distancia de la carga i al extremo izquierdo del tablón
en que actúa.
drs: distancia de la cuerda s al extremo izquierdo del
tablón b que soporta. s ∈ Ψb.
2. Variables: Las variables de este problema son:
xi: La carga i.
ts: tensión en cuerda s producida por las cargas xi, i ∈ I.
19
Problema del andamio II
3. Restricciones: La condición de equilibrio de fuerzas

actuantes sobre cada viga conduce al conjunto de ecua-
ciones
X X X
ts = xi + ts
s∈Ψb i∈Ωb x∈Θb
para cada b ∈ B, y la condición de equilibrio de mo-
mentos (tomados respecto al extremo izquierdo de cada
tablón) resulta
X X X
drsts = dlixi + drsts
para cada tablón b ∈ B. Además, no se debe superar la

máxima tensión en cada cuerda
0 ≤ ts ≤ Ts
para cada s ∈ S, y la no-negatividad de cada carga i:
xi ≥ 0.
1. 4. Función a minimizar: El problema consiste en

maximizar la carga total:
X
xi .
i
20
Problema del andamio III
A x1
B
Beam 1
2.00
C D
E
Beam 2
2.00
x2 F
Beam 3
10.00 2.00
Sea el andamio de la figura, con cargas x1 y x2, que se

aplican en el centro de los tablones 2 y 3 respectivamente.
Las cuerdas A y B soportan una carga máxima de 300; C y
D, 200; y E y F, 100.
La condición de equilibrio de fuerzas actuando sobre cada
tablón conduce a las ecuaciones
tE + tF = x2,
tC + tD = tF , (23)
tA + tB = x1 + tC + tD ,
y las condiciones de equilibrio de momentos (con respecto a
E, C y A, respectivamente) conducen a
10tF = 5x2,
8tD = 6tF , (24)
10tB = 5x1 + 2tC + 10tD .
21
Problema del andamio IV
Resolviendo estas ecuaciones se llega a

tF = x2/2, tE = x2/2,
tD = 3x2/8, tC = x2/8, (25)
tB = 2x2/5 + x1/2, tA = x2/10 + x1/2.
Finalmente, considerando que las fuerzas van hacia abajo,
resulta:
x2/2 ≤ 100, 3x2/8 ≤ 200,
x2/8 ≤ 200, x1/2 + 2x2/5 ≤ 300, (26)
x1/2 + x2/10 ≤ 300, x 1 , x2 ≥ 0.
De hecho, algunas restricciones son más restrictivas que
otras. Por tanto, se pueden reducir a:
0 ≤ x2 ≤ 200,
4x2 + 5x1 ≤ 3000, (27)
x1 ≥ 0.
El problema consiste en maximizar la carga total:
x1 + x2 .
La solución es:
Z = 640 en el punto x1 = 440; x2 = 200.
Las tensiones correspondientes en las cuerdas son:
tA = 240; tB = 300; tC = 25; tD = 75; tE = 100; tF = 100.
22
Problema de distribución de energı́a I
Los generadores de energı́a, ası́ como las demandas de la

misma se sitúan en una red energética. El objetivo de
este problema consiste en decidir la energı́a a producir por
cada generador de forma tal que se satisfagan las diferentes
condiciones técnicas de la red y los generadores, ası́ como
las demandas, al mı́nimo coste.
Cada lı́nea de transmisión de una red de energı́a transmite

energı́a de un bus a otro. La energı́a transmitida es propor-
cional a la diferencia de los ángulos de estos buses (de forma
similar a que el agua que fluye en una tuberı́a que conecta
dos tanques es proporcional a la diferencia de alturas del
agua en ambos). La constante de proporcionalidad tiene un
nombre divertido “susceptibilidad”. La potencia transmi-
tida desde el bus i al j a través de la lı́nea i − j es por
tanto
Bij (δi − δj ), (28)
donde Bij es la susceptibilidad de la lı́nea i − j, y δi y δj los
ángulos de los buses i y j, respectivamente.
Por razones fı́sicas, la cantidad de energı́a transmitida a
través de una lı́nea tiene un lı́mite. Este lı́mite está rela-
cionado con consideraciones térmicas o de estabilidad. Por
tanto, una linea energética debe ser operada de forma tal
que su lı́mite de transmisión no sea excedido.
23
Problema de distribución de energı́a II
Esta condición puede formularse como

−P ij ≤ Bij (δi − δj ) ≤ P ij , (29)
donde P ij es la capacidad de transmisión de la lı́nea i − j.
Debe notarse que la potencia transmitida es proporcional a
la diferencia de ángulos y no, a un ángulo dado.
Por tanto, puede fijarse el valor de un ángulo arbitrario a 0,
y tomarlo como origen. Es decir, para un bus arbitrario k:
δk = 0, (30)
Una consecuencia que se deriva de esta posibilidad de fijar
arbitrariamente un origen es que los ángulos son variables
no restringidas en signo.
La potencia generada por un generador es una magnitud
positiva limitada inferiormente, debido a las condiciones de
estabilidad (de forma similar a la de un coche, que no puede
moverse a una velocidad inferior a un cierto lı́mite), y supe-
riormente, debido a lı́mites térmicos (similarmente a la de un
coche que no puede moverse a más de una cierta velocidad
máxima). Las restricciones anteriores conducen a:
P i ≤ pi ≤ P i , (31)
donde pi es la potencia producida por el generador i, y P i
y P i son constantes positivas que representan, respectiva-
mente, el mı́nimo y el máximo de las potencias generadas
por el generador i.
24
Problema de distribución de energı́a III
En todo bus, la potencia que entra debe ser igual a la po-

tencia que sale (ley de la conservación de la energı́a), que
puede escribirse como
X
Bij (δi − δj ) + pi = Di, ∀i, (32)
j∈Ωi
donde Ωi es el conjunto de buses conectados a través de las

lı́neas al bus i y Di la demanda asociada al bus i.
Como se ha indicado anteriormente, la potencia transmitida
a través de toda lı́nea es limitada, por tanto
−P ij ≤ Bij (δi − δj ) ≤ P ij , ∀j ∈ Ωi, ∀i. (33)
25
Problema de distribución de energı́a IV
Principales elementos del problema
1. Datos:
n: el número de generadores.
P i: la mı́nima energı́a de salida asociada al generador i.
P i: la máxima energı́a de salida asociada al generador i.
Bij : la susceptancia de la lı́nea i − j.
P ij : la capacidad máxima de transmisión de la lı́nea i − j.
Ci: el coste de producir energı́a en el generador i.
Ωi: el conjunto de buses conectados a través de lı́neas al
bus i.
Di: la demanda asociada al bus i.
2. Variables:
pi: la energı́a producida por el generador i.
δi: el ángulo del bus i.
δk = 0
j∈Ωi Bij (δi − δj ) + pi
P
= Di i = 1, 2, . . . , n.
−P ij ≤ Bij (δi − δj ) ≤ P ij ; ∀j ∈ Ωi, i = 1, 2, . . . , n.
P i ≤ pi ≤ P i; i = 1, 2, . . . , n.
4. Función a minimizar: El coste total de producción:
Minimizar n
X
z= ci pi , (34)
i=1
26
Problema de distribución de energı́a V
Considérese el sistema de la figura.

1 2
0.15 ≤ P1 ≤ 0.6 B12 = 2.5 cost = 7
cost = 6 P12 = 0.3
B13 = 3.5 B23 = 3.0

P13 = 0.5 P23 = 3.0
generator
3
bus
demand
0.85
El generador del bus 1 produce un coste 6 y sus lı́mites infe-
riores y superiores son, respectivamente, 0.15 y 0.6. El coste
de producción del generador del bus 2 es 7 y sus lı́mites de
potencia son, respectivamente, 0.1 y 0.4. La lı́nea 1-2 tiene
una susceptancia 2.5 y un lı́mite de transmisión máximo de
0.3, la lı́nea 1-3 tiene una susceptancia de 3.5 y un lı́mite
de transmisión de 0.5, y, finalmente, la lı́nea 2-3 tiene una
susceptancia de 3.0 y un lı́mite de transmisión de 0.4. Este
sistema tiene una demanda simple localizada en el bus 3 con
un valor de 0.85. Se considera un periodo de una hora, y se
toma como origen el bus 3.
27
Problema de distribución de energı́a VI
El problema, para este ejemplo, puede escribirse como
Minimizar
6p1 + 7p2 (35)
sometido a
δ3 = 0
3.5(δ3 − δ1) + 2.5(δ2 − δ1) + p1 = 0
3.0(δ3 − δ2) + 2.5(δ1 − δ2) + p2 = 0
3.5(δ1 − δ3) + 3.0(δ2 − δ3) = 0.85
0.15 ≤ p1 ≤ 0.6 (36)
0.10 ≤ p2 ≤ 0.4
−0.3 ≤ 2.5(δ1 − δ2) ≤ 0.3
−0.4 ≤ 3.0(δ2 − δ3) ≤ 0.4
−0.5 ≤ 3.5(δ1 − δ3) ≤ 0.5
Las variables de optimización son p1, p2, δ1 y δ2.
La solución óptima requiere que el generador 1 produzca

0.565 y el generador 2 produzca 0.285.
28
Variables binarias
Problema de la mochila I
Una clase importante de problemas de programación lineal

es el que utiliza variables binarias, que toman sólo los valores
cero y uno. Un problema clásico de variables binarias es el
de una persona que tiene que preparar una mochila con una
serie de elementos que tienen una cierta utilidad para ella,
eligiendo los elementos sin exceder su capacidad, de forma
que se maximice la utilidad.
El problema consta de los elementos siguientes:
1. Datos:
n: el número de objetos.
aj : el peso del objeto j.
cj : la utilidad del objeto j.
b: la capacidad de la mochila.
2. Variables:


 1 si el objeto j se mete en la mochila

xj =  (37)
0 en otro caso.
3. Restricciones: La capacidad de la mochile no debe
excederse: n
X
aj xj ≤ b.
j=1
4. Función a maximizar: Se maximiza la utilidad:

n
X
Maximizar Z = cj xj .
j=1
29
El problema del armador
Un armador tiene un barco con una capacidad de 700 ton.

La empresa transporta contenedores de diferentes pesos en
una cierta ruta. En el próximo viaje el propietario puede
embarcar alguno de los containers siguientes:
Contenedores c1 c2 c3 c4 c5 c6 c7 c8 c9 c10
Peso 100 155 50 112 70 80 60 118 110 55
El decisor determinará la carga de forma que se maximice
la carga transportada.
Este problema puede formularse mediante variables bina-
rias:


 1 si se embarca el contenedor j

xj = 
0 en otro caso.
El objetivo es maximizar la carga transportada, es decir
Maximizar
Z = 100x1 + 155x2 + 50x3 + 112x4 + 70x5
+80x6 + 60x7 + 118x8 + 110x9 + 55x10
sometido a que no se sobrepase su capacidad:
100x1 + 155x2 + 50x3 + 112x4 + 70x5 + 80x6
+60x7 + 118x8 + 110x9 + 55x10 ≤ 700
La solución óptima consiste en embarcar los contenedores:
c1, c3, c4, c5, c6, c7, c8, c9. EL valor óptimo de la carga es
700 Tn., lo que implica barco lleno.
30
Identificación de sı́ntomas relevantes I
Sea D = {D1, D2, . . . , Dn} un conjunto de enfermedades,

y supóngase que los médicos, cuando diagnostican es-
tas enfermedades utilizan un conjunto de sı́ntomas
S = {S1, S2, . . . , Sm}. Supóngase que se quiere identi-
ficar un subconjunto mı́nimo de sı́ntomas Sa ⊂ S, tal que
se puedan distinguir todas las enfermedades de las demás.
Encontrar este subconjunto es importante porque minimiza
el coste del diagnóstico y su rapidez.
El problema consta de los siguientes elementos:

1. Datos:
D: el conjunto de enfermedades.
S: el conjunto de sı́ntomas.
n: el número de enfermedades (cardinal de D).
m: el número de sı́ntomas (cardinal de S).
cij : el nivel del sı́ntoma j asociado a la enfermedad i.
a: el mı́nimo nivel de discrepancia requerido (a explicar).
2. Variables:



 1 si el sı́ntoma j pertenece a Sa
xj =  (38)
0 en otro caso
31
Identificación de sı́ntomas relevantes II
3. Restricciones: El subconjunto Sa debe ser suficiente

para una distinción clara de todas las enfermedades:
m
X
xj d(cij − ckj ) > a; ∀i, k ∈ {1, . . . , n}, i 6= k,
j=1
(39)
donde d(x) es una medida de discrepancia que mide la
distancia entre las enfermedades Di y Dk en función de
los sı́ntomas de Sa, y a > 0 es el nivel de discrepancia
que se desea. Nótese que cuanto mayor sea el valor de a,
mayor será el número de sı́ntomas requerido (cardinal de
Sa). Hay varias opciones posibles para la función d(x):
Opción 1. Se mide la discrepancia mediante:
d1(x) = |x| (40)
Si |cij − ckj | = 0; ∀j y algún i 6= k implica que Sa no
puede distinguir entre Di y Dk .
Opción 2. Se asigna valores 0 y 1 a las distancias:



 1 if x 6= 0
d2(x) =  (41)
0 if x = 0
Opción 3. Se excluyen las variables con valores in-
definidos:


 d2 (x)
 si cij 6= 0 y ckj 6= 0
d3(x) =  (42)
0 en otro caso
32
Identificación de sı́ntomas relevantes III
Con la Opción 2 el valor

m
X
xj d2(cij − ckj )
j=1
coincide con el número de sı́ntomas, en S0, que toman di-

ferentes valores para las enfermedades Di y Dk , y a es el
mı́nimo correspondiente, asociado a cualquier par de enfer-
medades (Di, Dk ). Esto significa que aunque se ignoren
a − 1 sı́ntomas todavı́a puede diferenciarse cualquier par de
enfermedades (Di, Dk ).
Con la Opción 3 se eliminan del cómputo los sı́ntomas con
valores indefinidos.
4. Función a minimizar: Se minimiza el número de
sı́ntomas seleccionados:
m
X
Minimizar Z = xj .
j=1
Una vez obtenido S0 se pueden determinar los sı́ntomas re-

levantes asociados a la enfermedad i, mediante
m
X
Minimizar Z = xj ,
j=1
sometido a
m
X
xj d(cij − ckj ) > a; k ∈ {1, 2, . . . , n}, i 6= k. (43)
j=1
33
Identificación de sı́ntomas relevantes IV
Sea el conjunto de enfermedades D = {D1, D2, D3, D4, D5}

y el conjunto de sı́ntomas S = {S1, S2, . . . , S8}. Supóngase
que los valores de los sı́ntomas asociados a las diferentes
enfermedaes son los de la Tabla (Caso 1).
Caso 1
Enfermedad Sı́ntoma
S1 S 2 S3 S 4 S 5 S6 S7 S8
D1 2 3 1 1 1 2 1 2
D2 1 1 1 1 3 1 2 1
D3 3 4 2 3 2 2 3 2
D4 2 2 2 2 2 1 2 3
D5 1 1 1 2 1 1 1 2
Caso 2
Enfermedad Sı́ntoma
S1 S 2 S3 S 4 S 5 S6 S7 S8
D1 2 3 1 1 1 2 1 2
D2 1 0 1 1 3 1 2 1
D3 3 4 2 3 2 2 3 2
D4 2 0 2 2 2 1 2 3
D5 1 1 1 2 1 1 1 2
m
P
Minimizando la suma Z = xj sometida a (39), con
j=1
d(x) = d1(x) y d(x) = d2(x), y dos valores de a, se ob-
tienen los conjuntos de variables en la Tabla.
34
Identificación de sı́ntomas relevantes V
Valor de a
Conjunto de datos d(x) 1 3
(Caso 1) d1(x) 2,5 2,3,4,5
(Caso 1) d2(x) 2,5 1,2,4,5,7
(Caso 2) d3(x) 1,5 1,4,5,6,7
El conjunto de sı́ntomas {2, 5} es suficiente para distinguir
las 5 enfermedades, según d1 y d2. Sin embargo, si a = 3,
resultan {2, 3, 4, 5} y {1, 2, 4, 5, 7}, respectivamente. Si se
ignoran dos sı́ntomas, el diagnóstico es todavı́a posible.
Si una enfermedad tiene sı́ntomas indefinidos (indicado por
0), como en el caso 2, se usa d(x) = d3(x), y los conjun-
tos son {1, 5} y {1, 4, 5, 6, 7}, respectivamente. Nótese que
ahora el sı́ntoma 2, con valores indeterminados para alguna
enfermedad, se elimina de dicho conjunto.
La Tabla siguiente muestra los sı́ntomas relevantes para el
Caso 1 con a = 1. Nótese que para el Caso 1, el sı́ntoma
2 es suficiente para identificar las enfermedades D1, D3 y
D4, y que el sı́ntoma 5 es suficiente para identificar la en-
fermedad D2. Sin embargo, se necesitan los sı́ntomas 2 y 5
para identificar la enfermedad D5.
Enfermedad Sı́ntomas relevantes del Caso 1
D1 {2}
D2 {5}
D3 {2}
D4 {2}
D5 {2, 5}
35
El problema de la Academia I
La Academia de Ingenierı́a con m miembros va a seleccionar

r nuevos miembros de un conjunto de J candidatos. A
cada miembro se le permite apoyar desde un mı́nimo de 0
a un máximo de r candidatos. Los r candidatos con mayor
número de apoyos serán incorporados a la Academia.
Antes del proceso final de selección, se hace un tanteo para
conocer el grado de apoyo de cada candidato. En este proce-
so cada miembro puede asignar los puntos {10, 8, 3, 1} a un
máximo de cuatro candidatos, pero no tiene por qué asignar
todas las puntuaciones.
Se conoce sólo la suma de las puntuaciones recibidas por
cada candidato. El problema consiste en conocer el mı́nimo
y el máximo número de apoyos de cada candidato, basados
en los resultados del tanteo, suponiendo que asignar pun-
tos a un candidato significa apoyarle para la entrada en la
Academia.
El problema consta de los siguientes elementos:
1. Datos:
I: el número de miembros de la Academia de Ingenierı́a.
r: el número de miembros a incorporar.
J: el número de candidatos.
S: el número de puntuaciones posibles.
ps: la puntuación s.
Cj : la puntuación total asociada al candidato j.
36
El problema de la Academia II
2. Variables:
xijs: una variable binaria que toma el valor 1 si el miembro
i assigna la puntuación ps al candidato j. En otro
caso, toma el valor 0.
3. Restricciones:
• Cada miembro puede asignar como máximo una pun-
tuación a cada candidato:
S
X
xijs ≤ 1; ∀i ∈ {1, 2, . . . , I}, j ∈ {1, 2, . . . , J}.
s=1
• Cada miembro puede asignar la puntuación ps como

mucho a un candidato:
J
X
xijs ≤ 1; ∀i ∈ {1, 2, . . . , I}, s ∈ {1, 2, . . . , S}.
j=1
• La puntuación total obtenida por cada candidato

debe ser el valor dado:
I
X S
X
psxijs = Cj ; ∀j ∈ {1, 2, . . . , J}.
i=1 s=1
4. Función a optimizar: La función objetivo consiste

en minimzar y maximizar el número de miembros que
apoyan a cada candidato:
I
X S
X
Zj = xijs, j ∈ {1, 2, . . . , J}. (44)
i=1 s=1
37
El problema de la Academia III
Supóngase que la Academia tenga 20 miembros y que van a

ser elegidos r = 4 nuevos miembros entre J = 8 candidatos.
Se dispone de la información de Tabla adjunta, es decir,

las puntuaciones totales recibidas por cada candidato en el
tanteo.
Candidato
1 2 3 4 5 6 7 8
71 14 139 13 137 18 24 8
Si se minimiza y se maximiza (44) para todos los candidatos,

se obtienen los resultados de la tabla siguiente.
Candidato
Apoyos 1 2 3 4 5 6 7 8
Mı́nimo 8 3 15 2 15 2 3 1
Máximo 20 14 20 13 20 18 20 8
Actual 15 6 17 4 19 7 6 1
Puntuación 71 14 139 13 137 18 24 8
38
El problema de la Academia IV
Puntuaciones recibidas (no disponible)
Candidato
Miembro 1 2 3 4 5 6 7 8
1 3 10 8 1
2 1 10 8 3
3 1 3 10 8
4 3 10 8 1
5 3 8 10 1
6 1 10 8 3
7 10 8 3 1
8 3 10 1 8
9 8 3 10 1
10 3 10 1 8
11 8 1 10 3
12 10
13 10 8
14 10 1 3 8
15 3 10 8 1
16 10 1 8 3
17 1 3 10 8
18 1 3 8 10
19 1 10 3 8
20 8 1 10 3
Puntuación total 71 14 139 13 137 18 24 8
Número de apoyos 15 6 17 4 19 7 6 1
39
El problema de la Academia IV
Candidato
Apoyos 1 2 3 4 5 6 7 8
Mı́nimo 8 3 15 2 15 2 3 1
Máximo 20 14 20 13 20 18 20 8
Actual 15 6 17 4 19 7 6 1
Puntuación 71 14 139 13 137 18 24 8
1. Sólo los candidatos 3 y 5 tienen al menos 15 apoyos
garantizados. El siguiente, el candidato 1, sólo tiene 8.
2. No está claro que los candidatos 3 y 5 entren en la
Academia, ya que los candidatos 6, 1 y 7 tienen un
máximo de 18, 20 y 20 apoyos, y pueden obtener sólo
15, 16 ó 17.
3. Para conocer, antes de la votación final, si el candidato
3 entrará en la Academia, es necesario añadir nuevas
restricciones al problema. Por ejemplo, añadiendo que
el número total de apoyos de los candidatos 1, 5, 6 y 7
sean mayores que el número de apoyos del candidato 3:
I S I S
P P
xi1s ≥ P P
xi3s,
i=1 s=1 i=1 s=1
I P S I P S
P
xi5s ≥ P
xi3s,
i=1 s=1 i=1 s=1
I P S I P S
P
xi6s ≥ P
xi3s,
i=1 s=1 i=1 s=1
I P S I P S
P
xi7s ≥ P
xi3s.
i=1 s=1 i=1 s=1
Puesto que esto conduce a un problema no factible. el

candidato 3 entrará en la Academia.
40
Problema del horario I
Este ejemplo consiste en asignar aulas y horas de clase de

las asignaturas de un programa académico dividido en blo-
ques (cursos). Se supone que se dispone de nc aulas y nh
horas disponibles en cada una de ellas para enseñar ns asig-
naturas. Estas asignaturas están agrupadas: (i) por bloques
académicos, y (ii) por profesores.
La variable binaria v(s, c, h) es igual a 1 si la asignatura s
se imparte en el aula c a la hora h, y 0 en otro caso.
Se denota por Ω el conjunto de todas las asignaturas, por Ωi
el conjunto de las ni asignaturas impartidas por el profesor
i, y por ∆b el conjunto de las nb asignaturas agrupadas en
el bloque académico b. Los ı́ndices s, c, h, i y b indican,
respectivamente, asignatura, aula, hora, profesor y bloque.
El problema consta de los elementos siguientes:
1. Datos:
nc: el número de aulas.
nh: el número de horas de clase disponibles.
ns: el número de asignaturas.
ni: el número de profesores.
nb: el número de bloques académicos (cursos).
Ω: el conjunto de todas las asignaturas a impartir.
Ωi: conjunto de asignaturas impartidas por el profesor i.
∆b: conjunto de asignaturas del bloque académico b.
41
Problema del horario II
2. Variables:
v(s, c, h): variable binaria que toma el valor 1 si la
asignatura s se imparte en el aula c en la hora h.
3. Restricciones:
(a) Todo profesor imparte todas sus asignaturas:
X nc
X
n
X h
v(s, c, h) = ni, ∀i. (45)
s∈Ωi c=1 h=1
(b) Todo profesor imparte como mucho una asignatura

cada hora:
X nc
X
v(s, c, h) ≤ 1, ∀h, ∀i. (46)
s∈Ωi c=1
(c) Toda asignatura es impartida una vez:

nc
X
n
X h
v(s, c, h) = 1, ∀s, (47)
c=1 h=1
(d) En toda combinación aula-hora se imparte como mu-

cho una asignatura:
X
v(s, c, h) ≤ 1, ∀c, ∀h. (48)
s∈Ω
(e) Cada hora se imparte no más de un bloque

académico:
X nc
X
v(s, c, h) ≤ 1, ∀h, ∀b. (49)
s∈∆b c=1
42
Problema del horario III
4. Función a minimizar: Formular una función a

minimizar no es fácil. Sin embargo, en este ejemplo se
considera una función objetivo muy simple. El objetivo
es conseguir un horario compacto, por lo que puede ser
formulado como
Minimizar
X nc
X
n
X h
(c + h) v(s, c, h),
s∈Ω c=1 h=1
sometido a las restricciones (45)-(48).
Se ha elegido esta función objetivo porque penaliza las
variables v(s, c, h) que toman valor 1 para altos valores
de c y h. Por ello, trata de compactar las aulas y las
horas. Cuanto menor sea el número del aula y la hora
mejor resultado.
Sea el caso de nc = 3 aulas, nh = 5 horas, ns = 8
asignaturas, ni = 2 profesores y nb = 2 bloques. Sea
Ω = {a1, a2, . . . , a8} y
Ω1 = {a1, a2, a8}; Ω2 = {a3, a4, a5, a6, a7}
∆1 = {a1, a2, a3, a4}; ∆2 = {a5, a6, a7, a8}.
La solución se da en las tablas que siguen.
43
Problema del horario III
h=1 h=2 h=3 h=4 h=5

c = 1 a7 a6 a3 a4 a5
c = 2 a2 a1 a8 – –
c=3 – – – – –
El horario del profesor 1 es:
h=1 h=2 h=3 h=4 h=5
c=1 – – – – –
c = 2 a2 a1 a8 – –
c=3 – – – – –
El horario del profesor 2 es:
h=1 h=2 h=3 h=4 h=5
c = 1 a7 a6 a3 a4 a5
c=2 – – – – –
c=3 – – – – –
El horario del bloque 1 es:
h=1 h=2 h=3 h=4 h=5
c=1 – – a3 a4 –
c = 2 a2 a1 – – –
c=3 – – – – –
El horario del bloque 2 es:
h=1 h=2 h=3 h=4 h=5
c = 1 a7 a6 – – a5
c=2 – – a8 – –
c=3 – – – – –
44
Modelos de localización discreta I
En este ejemplo se describe uno de los modelos de lo-

calización discreta, que consiste en decidir donde instalar
establecimientos entre un conjunto finito de posibles lugares,
teniendo en cuenta las necesidades de los clientes a servir, y
optimizando ciertos criterios económicos. Normalmente, el
establecimiento de una actividad económica implica costes
importantes que no dependen del nivel de producción.
El problema es aplicable a un gran número de casos. Por

ejemplo, cuando hay que instalar varias plantas en algunos
puntos de un sistema de transporte para maximizar el ben-
eficio, minimizando los costes de producción y transporte.
La Figura adjunta muestra una solución al problema de lo-

calización de plantas que suministran un servicio a un de-
terminado conjunto de clientes.
Actual location
Temptative location
City
C6
C1
L2 C4 L5
C7
C2 L3 C5 L6
L1
C3 L4
45
Modelos de localización discreta II
Los elementos principales de este problema son:

1. Datos:
I: un conjunto {1, . . . , n} de n clientes.
J: un conjunto {1, . . . , m} de m lugares donde pueden
instalarse las plantas.
fj : el coste fijo de abrir una planta en j ∈ J.
cij : el beneficio producido por la venta al cliente i de una
unidad producida en la planta j. Normalmente, cij
depende de los costes de producción en la planta j, la
demanda y el precio de venta al cliente i y los costes
de transporte entre el cliente i y la planta j.
uj : la capacidad de la planta situada en j.
bi: la demanda del cliente i.
son:
yj : variable binaria para modelar la apertura de la planta
en el lugar j:



 1 si se abre la planta j,
yj =  (50)
0 en otro caso.
xij : la cantidad de producto enviada desde la planta j al
cliente i.
46
Modelos de localización discreta IiI

Se debe satisfacer la demanda de cada cliente:
X
xij = bi, ∀i ∈ I. (51)
j∈J
Puesto que cada cliente i no puede ser servido desde j,

a menos que una planta sea situada en j, resultan las
restricciones:
X
xij ≤ uj yj , ∀j ∈ J. (52)
i∈I
Estas desigualdades lineales tienen en cuenta que el

cliente i puede ser servido desde j si la planta se instala
en el nodo j, ya que yj = 0 implica que xij = 0, ∀i y
yj = 1 da la restricción Pi∈I xij ≤ uj que significa que el
nivel de producción de la planta j no puede exceder su
capacidad.
Además las restricciones de la variables son:
yj ∈ {0, 1}, ∀j ∈ J, (53)
xij ≥ 0 ∀i ∈ I, ∀j ∈ J. (54)
4. Función a optimizar: En la formulación de este pro-

blema se
X X X
Maximiza Z = cij xij − fj yj . (55)
i∈I j∈J j∈J
47
Modelos de localización discreta IV
Una compañı́a desea construir plantas para suministrar a 7

ciudades un cierto producto. La demanda de estas ciudades
se estima basándose en factores demográficos y caracterı́sti-
cas sociales (ver Tabla)
Ciudad Demada Ciudad Demada
C1 1.5 C2 2.0
C3 3.0 C4 4.0
C5 2.5 C6 1.0
C7 2.0
Un estudio ha sugerido elegir 6 lugares para estas plantas.
Se supone que todas las plantas tienen las mismas carac-
terı́sticas. La capacidad de producción de cada planta es
6 unidades y el coste de inversión se ha estimado en 10
unidades monetarias por el periodo de estudio. La tabla ad-
junta muestra el beneficio obtenido al vender, a la ciudad i,
una unidad producida en una plnata situada en el lugar j.
Ciudades (Ci)
Lugares (Lj ) C1 C2 C3 C4 C5 C6 C7
L1 4.0 4.5 2.5 0.5 1.0 0.5 −3.5
L2 4.0 4.5 2.5 4.2 3.5 1.5 −0.5
L3 3.5 5.0 4.0 3.5 4.5 1.5 0.0
L4 1.3 3.0 5.0 3.3 5.5 1.8 1.3
L5 0.5 1.0 1.5 5.0 4.0 5.5 3.0
L6 −1.0 0.0 1.5 3.3 4.0 4.5 2.0
48
Modelos de localización discreta V
El problema es:
7
X 6
X 6
X
Maximizar Z = cij xij − 10yj
i=1 j=1 j=1
sometido a
6
P 6
P 6
P
x1j = 1.5; x2j = 2.0; x3j = 3.0;
j=1 j=1 j=1
6
P 6
P 6
P
x4j = 4.0; x5j = 2.5; x6j = 1.0; (56)
j=1 j=1 j=1
6
P
x7j = 2.0;
j=1
6
P
xij ≤ 6yj ; j = 1, . . . , 7 (57)
i=1
yj ∈ {0, 1}; j = 1, . . . , 6
(58)
xij ≥ 0; i = 1, . . . , 7; j = 1, . . . , 6,
donde (56) y (57) son las restricciones de demanda y capaci-
dad de producción, respectivamente.
La solución de este problema está dibujada en la figura ante-
rior y consiste en construir tres plantas en los lugares L2, L4
y L5, y la distribución de producción de la Tabla:
Ciudades
Lugares C1 C2 C3 C4 C5 C6 C7
L2 1.5 2.0 1.0
L4 3.0 2.5
L5 3.0 1.0 2.0
49
Explotación conjunta de unidades térmicas I
El coste de arranque de una central térmica tras haber esta-

do parada más de dos dı́as es aproximadamente la mitad del
coste de un apartamento de 100 m2 en un barrio distinguido.
Por tanto, la planificación de arranques y paradas de una
central térmica debe hacerse cuidadosamente. El problema
que se plantea consiste en determinar, para un cierto perio-
do, los horarios de arranque y parada de cada unidad, de
forma que se satisfaga la demanda eléctrica y se minimicen
los costes totales de operación, al tiempo que se satisfagan
las condiciones técnicas y de seguridad.
Un periodo tı́pico es el de un dı́a dividido en horas. Si
se denotan los intervalos temporales por k, el periodo de
planificación consiste en los intervalos temporales
k = 1, 2, . . . , K, (59)
donde K es, tı́picamente, igual a 24.
El coste de arranque es una función exponencial del tiempo
que la unidad lleva parada, pero será considerado constante
(esto es una simplificación razonable en la mayorı́a de los
casos). Cada vez que se arranca una unidad, se incurre en
un coste de arranque, que se puede expresar como
Cj yjk , (60)
donde Cj es el coste de arranque de la unidad j e yjk es una
variable binaria que es igual a 1 si la unidad j se arranca al
comienzo del periodo k y 0, en otro caso.
50
Explotación conjunta de unidades térmicas II
El coste de parada puede, similarmente, expresarse mediante

Ej zjk , (61)
donde Ej es el coste de parada de la unidad j y zjk es una
variable binaria igual a 1 si la unidad j se para al comienzo
del periodo k, y 0, en otro caso.
Los costes de explotación consisten en un coste fijo
Aj vjk , (62)
donde Aj es el coste fijo de la unidad j, y vjk es una va-
riable binaria igual a1, si la unidad j está activa durante el
periodo k, y 0, en otro caso, y un coste variable, que puede
ser considerado proporcional a la potencia de salida de la
unidad, es decir,
Bj pjk , (63)
donde Bj es el coste variable de la unidad j y pjk su potencia
de salida durante el periodo k.
Las unidades térmicas no pueden operar por debajo de una
cierta potencia de salida ni por encima de otra dada. Estas
condiciones técnicas se pueden expresar mediante las res-
tricciones:
P j vjk ≤ pjk ≤ P j vjk , (64)
donde P j y P j son las mı́nimas y máximas potencias de
salida de la unidad j, respectivamente.
51
Explotación conjunta de unidades térmicas III
El miembro izquierdo de estas restricciones expresa que la

unidad está activa durante el periodo k (vjk = 1), y que
la potencia de salida debe estar por encima del mı́nimo.
Analogamente, el miembro de la derecha expresa que la
unidad j está activa durante el periodo k, y (vjk = 1) que su
potencia de salida debe ser inferior a su máximo. Si vjk = 0
esta restricción implica pjk = 0.
De un periodo al siguiente, una unidad no es capaz de au-
mentar su potencia por encima de un cierto incremento;
llamado el lı́mite de rampa de subida. Esto se escribe me-
diante
pjk+1 − pjk ≤ Sj , (65)
donde Sj eel máximo incremento posible de la unidad j.
Para el primer intervalo del periodo de planificación las res-
tricciones anteriores resultan:
pj1 − Pj0 ≤ Sj , (66)
donde Pj0 es la potencia de salida de la unidad j justo antes
de comenzar el periodo de planificación.
Similarmente, una unidad no puede reducir su potencia de
salida por encima de un cierto máximo decremento, que se
llama el lı́mite de rampa de bajada. Por tanto,
pjk − pjk+1 ≤ Tj , (67)
donde Tj es el decremento máximo en rampa de bajada de
la unidad j.
52
Explotación conjunta de unidades térmicas IV
Para el primer intervalo del periodo de planificación, la res-

tricción anterior resulta
Pj0 − pj1 ≤ Tj . (68)
Una unidad que está activa puede pararse pero no arran-
carse, y análogamente, una unidad que está parada puede
arrancarse, pero no pararse. Esto puede expresarse median-
te
yjk − zjk = vjk − vjk−1. (69)
Para el primer intervalo éstas resultan:
yj1 − zj1 = vj1 − Vj0, (70)
donde Vj0 es una variable binaria que es igual a 1 si la unidad
j está conectada el periodo anterior, y 0, en otro caso.
En todo intervalo se debe satisfacer la demanda, por tanto
J
X
pjk = Dk , (71)
j=1
donde J es el número de unidades y Dk la demanda en el

intervalo temporal k.
Por razones de seguridad, la potencia de salida disponible
debe exceder a la demanda en un cierto valor. Esto se for-
mula asÍ:
J
X
P j vjk ≥ Dk + Rk , (72)
j=1
donde Rk es la cantidad de reserva (sobre la demanda) en
el intervalo k.
53
Explotación conjunta de unidades térmicas V
Los principales elementos del problema son:

1. Datos:
K: el número de intervalos temporales
Cj : el coste de arranque de la unidad j
Ej : el coste de parada de la unidad j
Aj : el coste fijo de la unidad j
Bj : el coste variable de la unidad j
P j : la mı́nima potencia de salida de la unidad j.
P j : la máxima potencia de salida de la unidad j.
Sj : el máximo incremento en rampa de subida de la
unidad j.
Pj0: la potencia de salida de la unidad j justo antes del
primer intervalo del periodo de planificación.
Tj : el máximo decremento en rampa de bajada de la
unidad j.
Vj0: una constante binaria igual a 1, si la unidad j está
activa en el periodo precedente al primero, y 0, en
otro caso.
J: el número de unidades.
Dk : la demanda en el intervalo k.
Rk : la reserva requerida (sobre la demanda) in el intervalo
k.
54
Explotación conjunta de unidades térmicas VI

son:
yjk : una variable binaria igual a 1 si la unidad j se arranca
al comienzo del intervalo k y 0, en otro caso.
zjk : una variable binaria igual a 1 si la unidad j se para
al comienzo del intervalo k, y 0, en otro caso.
vjk : una variable binaria igual a 1 si la unidad j está activa
durante el intervalo k y 0, en otro caso.
pjk : la potencia de salida de la unidad j en el intervalo k.
2. Restricciones:
Cada unidad en cada instante debe operar por encima de
su mı́nima potencia de salida y por debajo de su máxima:
P j vjk ≤ pjk ≤ P j vjk ∀j, k. (73)
Deben satisfacerse las condiciones de rampa de subida:

pjk+1 − pjk ≤ Sj , ∀j, k = 0, · · · , K − 1, (74)
donde
pj0 = Pj0.
Deben satisfacerse las condiciones de rampa de bajada:
pjk − pjk+1 ≤ Tj , ∀j, k = 0, · · · , K − 1. (75)
55
Explotación conjunta de unidades térmicas VII
La lógica de estados (arranque y parada) debe ser satisfecha:

yjk − zjk = vjk − vjk−1, ∀j, k = 1, · · · , K, (76)
donde
vj0 = Vj0, ∀j.
Se debe satisfacer la demanda en cada intervalo temporal:
J
X
pjk = Dk , ∀k. (77)
j=1
Se deben satisfacer las condiciones de seguridad:

J
X
P j vjk ≥ Dk + Rk , ∀k. (78)
j=1
1. Función a minimizar: Se minimizan los costes

totales, es decir,
Minimizar
K
X J
X
Z= [Aj vjk + Bj pjk + Cj yjk + Ej zjk ] . (79)
k=1 j=1
El problema (73)-(79) es una forma simplificada del proble-

ma general. Debe indicarse que se trata de un problema de
programación lineal binario entero-mixto.
56
Explotación conjunta de unidades térmicas VIII
Sea una planificación para tres horas, con demandas de 150,

500 y 400, reservas de 15, 50 y 40, respectivamente. Se
consideran tres unidades, cuyos datos se dan a continuación
Unidad 1 2 3
Máxima potencia de salida 350 200 140
Mı́nima potencia de salida 50 80 40
Lı́mite en rampa de subida 200 100 100
Lı́mite en rampa de bajada 300 150 100
Coste fijo 5 7 6
Coste de arranque 20 18 5
Coste de parada 0.5 0.3 1.0
Coste variable 0.100 0.125 0.150
Se supone que todas las unidades están paradas antes del
periodo de planificación.
Las potencias de salida óptimas de cada unidad son:
Hora
Unidad 1 2 3
1 150 350 320
2 — 100 080
3 — 050 —
Total 150 500 400
El coste mı́nimo resultante es 191.
57
Problema del paquete postal
Sea el paquete postal en forma de paralelepı́pedo de dimen-

siones x, y y z de la figura adjunta. Para satisfacer los
requerimientos del servicio de correos debe cumplir:
1. la altura más el perı́metro de la base no puede exceder
de 108 cm.:
z + 2x + 2y ≤ 108;
2. las dimensiones no pueden ser negativas:
x, y, z ≥ 0,
Se buscan las dimensiones que maximizan su volumen. Por

tanto, el problema consiste en
Maximizar V (x, y, z) = xyz.
sujeto a las condiciones anteriores.
58
Problema de la tienda
h
b
2a
Una tienda de campaña (ver figura adjunta) consiste en una
base cuadrada de lados 2a, cuatro paredes verticales de al-
tura b, y un techo de forma piramidal de altura h. Si se da el
volumen total de la tienda V y la altura total H, encontrar
los valores óptimos de a, b y h de forma que se necesite un
mı́nimo de tela para construirla.
El objetivo es minimizar la superficie total de la tienda que
es la suma de las paredes más el techo, por tanto se trata de
√
Minimar S(a, b, h) = 4(2ab + a h2 + a2).
Las restricciones se refieren al volumen total y la altura total,
es decir:
V = 4a2(b + h/3)
H = b + h.
Además las variables deben ser no negativas, es decir,
a ≥ 0; b ≥ 0; h ≥ 0.
59
La bombilla
α 30 cm
Una bombilla se va a colocar en el centro de un cı́rculo de

radio 30 cm. Suponiendo que la intensidad de la luz en un
punto del cı́rculo es proporcional a la raı́z cuadrada del seno
del ángulo con el que el rayo incide tal punto, y a la inversa
de la distancia a la bombilla, determinar la altura óptima de
la bombilla para que la intensidad en el borde del cı́rculo sea
lo mayor posible. Se desea maximizar la intensidad de la luz
en los puntos de la circunferencia de radio 30 cm. Sea I la
intensidad, medida en las unidades apropiadas, que depende
del seno del ángulo formado por el rayo de luz y el horizonte,
En el triángulo de la figura se ve que
h
sin α = √ 2
.
h + 900
Por tanto se puede escribir
h1/2
I(h) = k 2 ,
(h + 900)1/4
donde k > 0 es una constante de proporcionalidad. Esta
expresión debe ser maximizada respecto a h, considerando
la única restricción h ≥ 0.
60
Punto de una superficie más cercano al origen
Para encontrar el punto de la superficie xyz = 1 que está

más cercano al origen de coordenadas se minimiza la función
distancia: r
D(x, y, z) = x2 + y 2 + z 2,
sometido a la condición de que el punto esté en la superficie,
es decir, a
xyz = 1.
La solución la da el punto
(1, 1, 1).
61
El coste de mover arena, de un lugar a otro, en una caja
de dimensiones x, y y z (ver figura) es de $2 por viaje. Si
los costes del material para construir el fondo y los lados
de la caja son tres y dos veces, respectivamente, los costes
del resto, encontrar el coste mı́nimo de una caja para trans-
portar 50 m3 de arena.
x
Si la altura de la caja es z, el coste de la misma resulta

k(3(2xy) + 2(2xz) + 2yz),
donde k > 0 es una constante de proporcionalidad. Además
hay que añadir el coste de transporte, que es:
50
2 .
xyz
El coste total a minimizar resulta:
50
C(x, y, z) = k(3(2xy) + 2(2xz) + 2yz) + 2 ,
xyz
que, además, deberá estar sometido a las restricciones
x, y, z ≥ 0.
62
La ménsula
Se quiere diseñar una ménsula con sección rectangular y

longitud dada de forma que tenga un peso mı́nimo y una
deformación limitada cuando se la somete a una carga ver-
tical en su extremo. Se supone que el material de la viga
tiene un peso especı́fico dado.
L
y
x
Sean x e y la anchura y el canto de la viga (ver Figura)

que se buscan. Sean L, F , S y ρ la longitud, la carga
en el extremo, la deformación máxima admisible, y el peso
especı́fico, respectivamente, es decir, los datos del problema.
El objetivo es minimizar el peso
W (x, y) = ρLxy.
Puesto que, según la Resistencia de Materiales, la flecha en
L3
el extremo de la ménsula es F3EI , donde E es el módulo de
xy 3
elasticidad de la viga, e I = es el momento de inercia de
12
la sección transversal de la viga, se debe minimizar W (x, y)
sometido a las restricciones
4F L3
3
≤ S, x, y ≥ 0.
Exy
63
Estructura de dos barras I
x x
2 1
3
F
45
Los datos del problema son:
γ: el peso especı́fico del material de las barras.
E: el módulo de elasticidad del material de las barras.
F : la carga aplicada en el punto 3, formando un ángulo de
45 grados con el eje Y ;
S0: la máxima tensión admisible.
D0: el máximo desplazamiento admisible en el punto 3.
h: la altura de la estructura.
Las dos variables de diseño a determinar son:
x: la distancia de los puntos fijos al eje Y ;
z: las áreas de las secciones transversales de las barras.
D: el desplazamiento del punto 3.
S 1: la tensión en el punto 1.
S 2: la tensión en el punto 2.
W : el peso total de la estructura.
64
Estructura de dos barras II
Se trata de diseñar la estructura de dos barras de la figura,

para satisfacer tres objetivos: un peso mı́nimo, que las
tensiones máximas no superen un valor dado, y que el
desplazamiento del punto 3 no exceda un cierto valor.
Por tanto, se quiere
Minimizar
√
W (x, z) = 2γ x2 + h2z, (80)
sometido a
F (h2 + x2)3/2(h4 + x4)1/2
D(x, z) = √ 2
≤ D0
2
Eh 2 2 √ xz
F (x + h) x2 + h2
S 1(x, z) = √ ≤ S0
2 2h xz
√
F (h − x) x2 + h2
S 2(x, z) = √ ≤ S0
2 2h xz
x, z ≥ 0
65
Columna I
Se trata de diseñar una columna de altura dada y sección

rectangular para soportar una masa en su parte alta. Por
una parte se trata de minimizar la cantidad de materi-
al a usar maximizando la frecuencia natural de vibración
transversal. Por tanto, hay que encontrar las dimensiones
óptimas tales que se evite el fallo debido a compresión y
pandeo.
M
y
x
Los datos de este problema son:

M : la masa a soportar por la columna.
H: la altura de la columna.
D: la densidad del material de la columna.
E: el módulo de elasticidad del material a utilizar.
S: la máxima tensión admisible (fuerza por unidad de su-
perficie).
Las variables de diseño son las dimensiones, x e y, de la
sección transversal de la columna.
66
Columna II
El primer objetivo consiste en minimizar la masa total

W (x, y) = DHxy.
El segundo objetivo consiste en maximizar la frecuencia de
vibración transversal, que, según la Mecánica elemental, es:
 
3 1/2


Exy 



 .
4H (M + 140 DHxy) 
3 33
Las restricciones que deben satisfacerse se refieren a las ten-

siones. Por otra parte, la tensión no debe superar la tensión
máxima admisible S y debe ser menor que la de pandeo. La
tensión de compresión es: Mxyg donde g es la aceleración de
2 2
la gravedad. La tensión de pandeo es π48H Ey
2 . En conjunto,
pues deben satisfacerse las restricciones:
Mg M g π 2Ey 2
≤ S, ≤ 2
, x, y ≥ 0.
xy xy 48H
Suponiendo que ambos objetivos tienen el mismo peso, debe
minimizarse
 
1/2
 
 

 Exy 3 

DHxy − 




33




,
 3  
4H M +
  DHxy 
140
sometida a las restricciones anteriores.
67
El andamio I
A x1
B
Beam 1
2.00
C D
E
Beam 2
2.00
x2 F
Beam 3
10.00 2.00
En este ejemplo se considera una versión modificada del

modelo tratado anteriormente.
Esencialmente, permitiremos que los datos li, las distancias
de los puntos de aplicación de las cargas xi aplicadas sobre
la viga o tablón b (i ∈ Ωb) que sean variables en vez de cons-
tantes. Además se necesita lb, la longitud total del tablón
b ∈ B, las distancias rs a las cuerdas. Las restricciones
asociadas a esta nueva situación son:
P
ts = P xi + P ts, b ∈ B,
P
rsts = P
xlixi + P
rsts, b ∈ B,
0 ≤ ts ≤ Ts, s ∈ S, (81)
0 ≤ li ≤ lb, i ∈ Ωb,
0 ≤ xi .
68
El andamio II
Si se aplican las cargas x1 y x2 a distancias l1 y l2 de los

extremos izquierdos de los tablones 1 y 3, respectivamente,
las ecuaciones de equilibrio resultan
tE + tF = x2 ,
10tF = l2x2,
tC + tD = tF ,
(82)
8tD = 6tF ,
tA + tB = x1 + tC + tD ,
10tB = 2tC + 10tD + x1l1.
Si se expresan las tensiones en las cuerdas en función de las
variables independientes del problema queda:
tF = x2l2/10 ≤ 100,
tE = x2 − x2l2/10 ≤ 100,
tD = 3x2l2/40 ≤ 200,
tC = x2l2/40 ≤ 200,
(83)
tB = x1l1/10 + 2x2l2/25 ≤ 300,
tA = x1 − x1l1/10 + x2l2/50 ≤ 300.
0 ≤ l1, l2 ≤ 10,
0 ≤ x 1 , x2
que son no lineales, es decir, es un problema ni lineal.
La solución es:
Z = 700 para x1 = 500; x2 = 200; l1 = 4.4; l2 = 5.0
tA = 300; tB = 300; tC = 25; tD = 75; tE = 100; tF = 100.
69
Redes eléctricas I
Las redes eléctricas se extienden a través de diferentes

paı́ses y continentes para suministrar energı́a a industrias,
empresas y hogares.
Los voltı́metros miden tensiones con una determinada pre-

cisión. Medidas de tensión están disponibles en casi todo
bus “i”, y se denotan por v̂i; su calidad se denota por el
parámetro σiv . Cuanto más pequeño sea el valor de σiv ,
mayor será la precisión de la medida.
Medidas de potencia activa están disponibles en ambos

extremos de los buses de una lı́nea de potencia. La medida
de la potencia activa que sale del bus k hacia el bus l
de la lı́nea k − l se denota por p̂kl y tiene una precisión
p
σkl . Analogamente, las medidas de potencia reactiva están
disponibles a ambos lados de cualquier lı́nea y se denotan
q
por q̂kl con una precisión σkl .
Además de la potencia activa, la potencia reactiva viaja

también a través de las lı́neas de potencia. La potencia re-
activa es una variable que depende de las magnitudes de las
tensioness. Si hay suficiente potencia reactiva disponible, la
magnitud del perfil de tensiones es buena, si no, la magni-
tud del perfil de tensiones disminuye. Finalmente, si hay
más de la energı́a reactiva suficiente, la magnitud del perfil
de tensiones crece.
70
Redes eléctricas II
El estado del circuito de potencia queda determinado por

las tensiones de los buses. La tensión en un bus es una
variable compleja, que se expresa generalmente en forma
polar. El módulo de este complejo suministra la magnitud
de la tensión, y su argumento es una medida de la altura
relativa del bus.
Cuanto mayor sea la altura de un bus, mayor es el flujo de

potencia activa de este bus a otros buses conectados a él.
Para conocer el estado de la red de potencia es necesario

conocer las variables de estado. Generalmente se conoce un
número de medidas mayor que el necesario para determinar
es estado de la red. Sin embargo, las medidas disponibles
no son exactas. Una forma racional de operar consiste en
utilizar todos los datos disponibles para estimar el estado
del circuito.
Las tensiones (variables de estado) en la red se denotan por

vi6 δi i ∈ Ω, donde vi es la magnitud de la tensión, δi el
ángulo de la tensión, y Ω el conjunto de buses de la red.
Debe indicarse que puede tomarse como origen el ángulo de
la tensión de cualquier bus, por tanto, δm = 0, donde m es
un bus arbitrario.
71
Redes eléctricas III
Los ingenieros eléctricos han encontrado que la potencia ac-

tuva que va del bus k al bus l puede calcularse mediante la
fórmula
vk2 vk vl
pkl (vk , vl , δk , δl ) = cos θkl − cos(θkl + δk − δl ), (84)
zkl zkl
donde pkl es la poitencia activa que va del bus k al bus
l, y zkl 6 θkl es una constante compleja relacionada con los
parámetros fı́sicos de la lı́nea k − l.
Los ingenieros eléctricos han encontrado también que la po-

tencia reactiva que va del bus k al bus l a través de la lı́nea
k − l puede calcularse mediante la fórmula
vk2 vk vl
qkl (vk , vl , δk , δl ) = sin θkl − sin(θkl + δk − δl ). (85)
zkl zkl
72
Redes eléctricas IV
Los prinmcipales elementos de este problema son:

1. Datos:
v̂i: la magnitud de la tensión medida en el bus i.
σiv : el nivel de calidad de la medida de la tensión.
p̂kl : la medida de la potencia activa que sale del bus k
hacia el bus l de la lı́nea k − l.
q̂kl : la medida de la potencia reactiva que sale del bus k
hacia el bus l de la lı́nea k − l.
p
σkl : el grado de precisión de p̂kl .
q
σkl : el grado de precisión de q̂kl .
Ω: el conjunto de buses de la red.
Ωk : el conjunto de buses conectados al bus k.
zk`: la impedancia asociada a la lı́nea k − l.
θk`: el ángulo de la impedancia asociada a la lı́nea k − l.
2. Variables:
vi: la tensión en el bus i.
δi: el ángulo de la tensión en el bus i.
73
Redes eléctricas V
1. Función a minimizar: Para estimar el estado de la

red de potencia (es decir, para determinar los valores de
las variables de estado) mediante la minimización del
error cuadrático de todas las medidas con respecto a su
valor real, se debe resolver el problema siguiente:
Minimizar
P 1
i∈Ω σ v (vi − v̂i)2 + Pk∈Ω,l∈Ωk σ1p (pkl (vk , vl , δk , δl ) − p̂kl )2
i kl
+ Pk∈Ω,l∈Ωk σ1q (qkl (vk , vl , δk , δl ) − q̂kl )2

kl
donde Ωk es el conjunto de buses conectados al bus k,
y pkl (vk , vl , δk , δl ) y qkl (vk , vl ,están dadas en (84) and
(85)).
1 1 1
Nótese que los factores v
, p y q pesan los errores
σi σkl σkl
según las calidades de las medidas realizadas.
74
Redes eléctricas VI
Considérese una red de potencia de dos buses y una única

lı́nea que los conecta. La lı́nea está caracterizada por la
constante z126 θ12 = 0.156 90◦. Las medidas de las tensiones
en los buses 1 y 2 son, respectivamente, 1.07 y 1.01. Las
medidas de potencia activa en ambos extremos de la lı́nea
son 0.83 y 0.81, respectivamente, y las medidas de potencia
reactiva en ambos extremos son 0.73 y 0.58. Se toma como
origen de ángulos el bus 2, y se supone que todas las medidas
tienen idénticas precisiones.
El problema de estimación del circuito de potencia se for-
mula como sigue::
Minimizar
(v1 − 1.07)2 + (v2 − 1.01)2 + ( 0.15
1
v1v2 sin δ1 − 0.83)2
1
+(− 0.15 v1v2 sin δ1 − 0.81)2 + ( 0.15
1 2
v1 − 0.15
1
v1v2 cos δ1 − 0.73)2
1 2
+( 0.15 v2 − 0.15
1
v1v2 cos δ1 − 0.58)2
sin restricciones.
La solución del problema es:
v1? = 1.045 .
v2∗ = 1.033.
δ1? = 0.002.
75
Flujo Optimo de potencia I
El propósito de una red de transmisión de potencia consiste

en transmitir potencia de los generadores a los consumi-
dores. El objetivo de un diseño óptimo de flujo de potencia
es el de encontrar la producción de cada generador tal que
se satisfagan las demandas al mı́nimo coste, al tiempo que
se satisfacen las restricciones de la red.
Además de suministrar la energı́a, las magnitudes de las

tensiones deben alcanzar niveles aceptables. La potencia
reactiva tiene que transmitirse a través de la red y la de-
manda de potencia reactiva tiene que ser satisfecha.
La potencia activa neta (generación menos demanda) que

alcanza un bus puede expresarse en función de todas las
tensioness y ángulos de la red.
n
X
pGi − PDi = vi yik vk cos(δi − δk − θik ),
k=1
donde pGi es la generación de potencia activa en el bus i, PDi
es la demanda de potencia activa en el bus i, vi la magnitud
de la tensión, δi el ángulo del bus i, yik el módulo, y θik
el argumento de la constante compleja que depende de la
topologı́a y la estructura fı́sica de la red, y n el número de
buses de la red.
76
Flujo Optimo de potencia II
Análogamente, la potencia reactiva neta que llega a un bus

se puede expresar como una función de todas las tensioness
y ángulos de la red
n
X
qGi − QDi = vi yik vk sin(δi − δk − θik ),
k=1
donde qGi es la generación de potencia reactiva en el bus i,
y QDi la demanda de potencia reactiva en el bus i.
La magnitud de la tensión en cualquier bus está limitada

inferior y superiormente
V i ≤ vi ≤ V i ,
donde V i es el lı́mite inferior en el bus i, y V i el superior.
Los generadores pueden producir potencia por encima de un
lı́mite inferior y por debajo de uno superior
P Gi ≤ pGi ≤ P Gi,
donde P i es la mı́nima potencia activa de salida del genera-
dor i y P i la máxima.
Similarmente, los generadores pueden producir potencia re-
activa entre dos lı́mites, uno inferior y uno superior, es decir,
QGi ≤ qGi ≤ QGi,
donde Qi es la mı́nima potencia reactiva de salida del gene-
rador i, y Qi la máxima.
77
Flujo Optimo de potencia III
Los elementos principales del problema
1. Datos:
n: el número de buses en la red.
(yik , θik ): una constante compleja dada por su magnitud yik , y
su argumento θik , que depende de la topologı́a y la
estructura fı́sica de la red.
PDi: la demanda de potencia activa en el bus i.
QDi: la demanda de potencia reactiva en el bus i.
V i: el lı́mite inferior de la tensión en el bus i.
V i: el lı́mite superior de la tensión en el bus i.
P i: la potencia activa de salida mı́nima en el generadori.
P i: la potencia activa de salida máxima en el generador i.
Qi: la potencia reactiva de salida mı́nima en el generador
i.
Qi: la potencia reactiva de salida máxima en el generador
i.
Ci: el coste de producción de una unidad de potencia
activa usando el generador i.
2. Variables:
vi: la tensión en el bus i.
δi: el ángulo en el bus i.
pGi: la generación de potencia activa en el bus i.
qGi: la generación de potencia reactiva en el bus i.
78
Flujo Optimo de potencia IV
1. Restricciones:
Restricciones de balance de energı́a activa:
n
X
pGi−PDi = vi Yik vk cos(δi−δk −Θik ), ∀i = 1, 2, · · · , n.
k=1
Restricciones de balance de energı́a reactiva:

n
X
qGi−QDi = vi Yik vk sin(δi−δk −Θik ), ∀i = 1, 2, · · · , n.
k=1
Lı́mites de variables:
V i ≤ vi ≤ V i, ∀i = 1, 2, · · · , n,
P Gi ≤ pGi ≤ P Gi, ∀i = 1, 2, · · · , n,
QGi ≤ qGi ≤ QGi, ∀i = 1, 2, · · · , n.
Lı́mites de ángulos:
−π ≤ δi ≤ π, ∀i = 1, 2, · · · , n.
Se elige el origen de ángulos en el bus k:

δk = 0.
2. Función a optimizar:
Si Ci es el coste de producir una unidad de potencia
activa usando el generador i, el problema es
n
X
Minimizar CipGi.
i=1
sometido a las restricciones anteriores.
79
Flujo Optimo de potencia V
(Ejemplo)
Considérese una red de potencia que contiene 3 buses y 3

lı́neas, con los parámetros de la red:
y11 = 22.97, θ11 = −1.338,
y22 = 21.93, θ22 = −1.347,
y33 = 20.65, θ33 = −1.362,
y12 = y21 = 12.13, θ12 = θ21 = 1.816,
y13 = y31 = 10.85, θ13 = θ31 = 1.789,
y23 = y32 = 9.81, θ23 = θ32 = 1.768.
El bus 1 es un bus de generación con lı́mites inferior y
superior de potencia activa de 0 y 3, respectivamente, y
de -1 y 2, para potencia reactiva. Los lı́mites inferior y
superior de potencia activa del generador 2 son, 0 y 3,
respectivamente, y los de potencia reactiva -1 y 2. El bus
3 es un bus de carga con una demanda de 4.5 y 1.5. Los
lı́mites inferior y superior de la tensión en los buses 2 y 3
son 0.95 y 1.10, respectivamente, y para el bus 1 son 0.95 y
1.13, respectivamente.
El coste de producción del generador del bus 1 es 6 y del

generador del bus 2 es 7. Considérese un periodo de 1 hora
y supóngase que la ángulo del tensión de referencia se sitúa
en el bus 3. Entonces el problema se puede plantear como:
Minimizar 6pG1 + 7pG2
80
Flujo Optimo de potencia VI
(Ejemplo)
sometido a:
0 = pG1 − 22.97v12 cos(1.338) − 12.13v1v2 cos(δ1 − δ2 − 12.127)
−10.85v1v3 cos(δ1 − δ3 − 10.846),
0 = pG2 − 21.93v22 cos(1.347) − 12.13v2v1 cos(δ2 − δ1 − 12.127)
−9.81v2v3 cos(δ2 − δ3 − 9.806),
0 = −4.5 − 20.65v32 cos(1.362) − 10.85v3v1 cos(δ3 − δ1 − 10.846)
−9.81v3v2 cos(δ3 − δ2 − 9.806),
0 = qG1 − 22.97v12 sin(1.338) − 12.13v1v2 sin(δ1 − δ2 − 12.127)
−10.85v1v3 sin(δ1 − δ3 − 10.846),
0 = qG2 − 21.93v22 sin(1.347) − 12.13v2v1 sin(δ2 − δ1 − 12.127)
−9.81v2v3 sin(δ2 − δ3 − 9.806),
0 = −1.5 − 20.65v32 sin(1.362) − 10.85v3v1 sin(δ3 − δ1 − 10.846)
−9.81v3v2 sin(δ3 − δ2 − 9.806),
0.95≤ v1 ≤ 1.13,
0.95≤ v2, v3 ≤ 1.10,
0 ≤ pG1, pG2 ≤ 3,
−1 ≤ qG1, qG2 ≤ 2,
−π ≤ δ1, δ2 ≤ π,
δ3 = 0.
La solución local que se obtiene usando GAMS es:
pG1 = 3.000 pG2 = 1.759 qG1 = 1.860 qG2 = 0.746

v1 = 1.130 v2 = 1.100 v3 = 0.979 δ1 = 0.190
δ2 = 0.174
81
El problema de la matriz equilibrada I
Ingenieros, estadı́sticos, sociólogos y otras personas usan

información experimental que se presenta en forma de
tablas de contingencia. Estas tablas usan dos criterios (por
m filas y n columnas) para clasificar los elementos que
intervienen. Por ello, un elemento puede ser clasificado
en una de la m × n celdas. El contenido de estas celdas
puede variar en el tiempo, y el problema consiste en es-
timar el contenido de éstas. Con este objetivo, se puede
usar un método de muestreo. Sin embargo, esto es caro si
se repite frecuentemente. Por ejemplo, supóngase que se
está interesado en conocer la emigración interior y cómo
cambia en el tiempo. Entonces, se puede trabajar con un
censo cada diez años, pero no puede hacerse cada año. Sin
embargo, se puede tener información sobre la migración
neta anual en cada ciudad. El problema que se trata
aquı́ resuelve el problema de la actualización de tablas de
contingencia basándose en los totales de las filas y columnas.
Se considera una aplicación al problema del transporte, que

consiste en encontrar una matriz T , m × n, que tiene sumas
dadas por filas y columnas. Un ejemplo práctico que se
puede resolver usando este modelo es el problema de pre-
decir la matriz T de distribución de viajes en una ciudad.
Seguidamente se discute esta aplicación.
82
El problema de la matriz equilibrada II
Las sumas de filas ri y columnas cj , que dan el número de vi-

ajes generados en la zona i, y el número de viajes con destino
en la zona j, respectivamente, conducen a las restricciones
n
X
Tij = ri, i = 1, . . . , m, (86)
j=1
m
X
Tij = cj , j = 1, . . . , n, (87)
i=1
donde Tij es el contenido de la celda i − j. En este caso, el
número de viajes de la zona i a la zona j.
Estos dos conjuntos de restricciones reflejan nuestro

conocimiento sobre la generación y el destino en las zonas
del área bajo estudio. Se está interesado sólo en las entradas
de la matriz que se pueden interpretar como viajes, por lo
que se necesita introducir las restricciones adicionales::
Tij ≥ 0, i = 1, . . . , m; j = 1, . . . , n.
Una medida usual es la función de mı́nimos cuadrados pon-

derada m X n
X
ωij (Tij − tij )2, (88)
i=1 j=1
donde ωij (los pesos) son escalares positivos dados.
83
El problema de la matriz equilibrada III
Alternativamente, si no hay información previa, se puede

maximizar la función de entropı́a
m
X n
X
Z=− Tij (log Tij − 1). (89)
i=1 j=1
En algunos casoss, se puede disponer de información adi-

cional en la forma de previos o viejos valores de los elemen-
tos de la matriz, que se denotan por tij . El problema puede
replantearse con esta información y una función objetivo
revisada como
Maximizar
m
X n
X
Z=− Tij log Tij /tij − Tij + tij . (90)
i=1 j=1
Nótese que Z ≤ 0 y cuando Tij = tij ; ∀i, j, Z = 0. Además.

cuanto mayor sea la discrepancia entre Tij y tij , menor será
el valor de Z.
Esta función objetivo es una medida que da la distancia en-
tre las entradas observadas {tij } y las predicciones de salida
{Tij }.
Otra función que puede ser usada para mejorar la calidad
del ajuste es el coste total de viaje del sistema, C. La res-
tricción siguiente establece que las estimaciones reproducen
este tiempo
m X
X n
Tij cij = C, (91)
i=1 j=1
donde cij es el coste de transporte desde i a j.
84
El problema de la matriz equilibrada IV
Los principales elementos de este problema son:

1. Datos:
ri: el número de viajes generados en la zona i.
cj : el número de viajes con destino en la zona j.
tij : los viajes observados desde i a j.
2. Variables:
Tij : la predicción de viajes de i a j.
3. Restricciones:
n
X
Tij = ri, i = 1, . . . , m, (92)
j=1
m
X
Tij = cj , j = 1, . . . , n, (93)
i=1
Tij ≥ 0, i = 1, . . . , m; j = 1, . . . , n. (94)
4. Función a minimizar:
Cualquiera de las funciones en (89), (90), (88), o (91).
85
El problema de la matriz equilibrada V
(Ejemplo)
Una pequeña área puede dividirse en cuatro zonas y un

pequeño estudio ha revelado que la matriz de viajes es la
siguiente:
tij
1 2 3 4 ri
1 – 60 275 571 906
2 50 – 410 443 903
3 123 61 – 47 231
4 205 265 75 – 545
cj 378 386 760 1061 2585
Los movimientos futuros estimados entre zonas y las esti-
maciones de futuros viajes totales para cada zona se dan en
la Tabla siguiente
Zonas Estimados para el futuro Estimados para el futuro

orı́genes destinos
(ri) (cj )
1 12000 6750
2 10500 7300
3 3800 1000
4 7700 9950
86
El problema de la matriz equilibrada VI
(Ejemplo)
En este problema se desprecian las variables intrazonas, es

decir, las variables Tii i = 1, . . . , 4 se han eliminado de la
formulación del problema.
Se han usado dos tarados. El primero está basado en la

función de entropı́a, y la solución se da en la Tabla siguiente
Tij
1 2 3 4 ri
1 1997.893 4176.466 5825.642 12000
2 1364.381 5293.379 3842.240 10500
3 2322.858 1195.024 282.118 3800
4 3062.761 4107.084 530.156 7700
cj 6750 7300 10000 9950 34000
Las siguientes estimaciones se obtuvieron usando el método
de los mı́nimos cuadrados con ωi = 1. La solución es la que
sigue.
Tij
1 2 3 4 ri
1 1700.324 4253.616 6046.060 12000
2 1250.923 5484.550 3764.527 10500
3 2396.886 1263.701 139.413 3800
4 3102.191 4335.975 261.835 7700
cj 6750 7300 10000 9950 34000
87
El problema del tráfico I
El problema de la planificación de tráfico es muy importante

y puede tratarse mediante programación matemática.
El modelo clásico de transporte usado en las aplicaciones
más importantes consta de cuatro etapas:
1. Fase de generación de viajes. Esta etapa comien-
za por considerar un sistema en red con zonas, y una
base de datos de cada zona de estudio. Estos datos, que
incluyen información sobre la actividad económica, so-
cial, educacional, recreacional, centros comerciales, etc.,
se usan para estimar los viajes generados y con destino
en cada zona del estudio.
2. Fase de distribución. La fase siguiente consiste en
la distribución de estos viajes a destinos particulares, es
decir, su distribución espacial, conduciendo a una matriz
de viajes.
3. División modal. En esta fase se distribuyen los viajes
entre diferentes modos de transporte. Se obtienen las
matrices orı́genes-destinos para cada modo de tranporte.
Sus elementos dan los números de viajes asociados a cada
modo de transporte para cada par origen-destino ω.
4. Asignación. Finalmente, la última etapa requiere la
asignación de estos viajes a la red de transporte. En
este ejemplo se asignan vehı́culos privados a la red de
transporte.
88
El problema del tráfico II
Se debe introducir un principio que gobierna el compor-

tamiento de los usuarios en su elección de la ruta de la red
de transporte. Wardrop (1952) fué el primero en enunciar
formalmente este principio, que afirma:
“Bajo condiciones de equilibrio, el tráfico se autodis-
tribuye en redes congestionadas de tal forma que
ningı́n viajante individual pueda reducir su coste me-
diante el cambio de rutas.”
Este principio ha sido utilizado como plataforma para cons-
truir modelos de asignación equilibrada. Un corolario de este
principio es que si todos los viajantes perciben los costes de
la misma forma, bajo condiciones de equilibrio, el tráfico
se autoajusta en redes congestionadas de forma tal que to-
das las rutas utilizadas entre un par O-D tienen idénticos
y mı́nimos costes, mientras que todas las rutas no usadas
tienen costes mayores o iguales.
Beckman et al. (1956) formularon el siguiente principio de
optimización para expresar la condición de equilibrio deriva-
da del primer principio de Wardrop.
Este modelo predice el nivel de utilización de los diferentes
arcos de la red. Por ello, puede ser utilizado para responder
a preguntas como: ¿Que sucederı́a en el nivel de servicio de
la red si se construye una nueva carretera o se modifica la
capacidad de una existente?
89
El problem del tráfico III
Principales elementos de este problema
1. Datos:
(A, N ): un grafo dirigido (A, N ), que puede verse como un
modelo de la red de carreteras. El conjunto de arcos
A del grafo representa los enlaces de la red, tales como
carreteras, autovı́as, calles, etc. El conjunto de nodos
N del grafo representa puntos de intersección o los
llamados centroides que representan zonas de estudio
(orı́genes y destinos).
W : el conjunto de pares orı́genes-destinos.
dω : matriz dato, que representa el número de viajes en
coche desde i a j, para cualquier par origen-destino
ω = (i, j). La matriz de orı́genes-destinos {dω }ω∈W
se obtiene en la fase de división modal.
Ca(fa): una función de coste que da el retraso en el arco
a ∈ A, para cada arco (i, j) ∈ A, como una fun-
ción del flujo total fa en ese arco a. Se supone que
los vehı́culos utilizan cualquier carretera. Por tanto,
la carretera se congestiona gradualmente y el retraso
en ella aumenta.
Rω : el conjunto de rutas simples asociadas a ω = (i, j).
2. Variables:
hr : el flujo en la ruta r.
fa: el flujo en el enlace a.
90
El problema del tráfico IV
1. Restricciones:
El número de usuarios de un par origen-destino ω es
la suma de todos los usuarios en todas las rutas que
satisfacen tal par:
X
hr = dω , ∀ω ∈ W. (95)
r∈Rω
Los flujos deben ser no-negativos:

hr ≥ 0, ∀r ∈ Rω , ∀ω ∈ W. (96)
El flujo de cada enlace a es la suma de todas las rutas
que lo usan:
X X
δa,r hr = fa ∀a ∈ A,
w∈W r∈Rω
donde δa,r = 1 si r ∈ Rω contiene el arco a.

2. Función a minimizar: Se minimiza la función:
X Z
fa
Z = 0 Ca(x)dx. (97)
a∈A
donde Ca, es una función que da el tiempo de viaje asociado

al enlace a. Un función usual es:
Ca(fa) = c0a + ba(fa/ka)na . (98)
donde Ca(fa) es el tiempo de viaje en el enlace a para un
flujo fa, c0a es el tiempo asociado a enlace libre, ka es la
capacidad práctica del enlace, y na es una constante.
91
El problem del tráfico V
Considérese el ejemplo de la figura adjunta y supóngase que

hay 4000 viajes de A a B, y 2500 viajes de A a C. Las rutas
disponibles para satisfacer el par de demanda ω1 = (A, B)
son r1 = a1, r2 = a2 − a4, y r3 = a3 − a4, y las rutas para el
par ω2 = (A, C) son r4 = a2 and r5 = a3. En este ejemplo
W = {w1, w2}, y Rω1 = {r1, r2, r3} y Rω2 = {r4, r5}. Las
variables de flujo en las rutas son h1, . . . , h5, y las de flujo
en lı́nea f1, . . . , f4.
Bypass
a1
a2 a4
B
A a3 C
Town-Centre
La formulación del problema para este caso es:
4 Z
X fai
Minimizar Z = 0 Cai (x)dx (99)
i=1
sometido a
h1 + h2 + h3 = 4000, h4 + h5 = 2500,
h1 = f1, h2 + h4 = f2,
h3 + h5 = f3, h2 + h3 = f4,
h1, . . . , h5 ≥ 0.
92
El problem del tráfico VI
En este ejemplo se ha utilizado la función (98).

Nótese que
 
Z Z x na
fa fa 0  
0 Ca (x)dx = 0 ca + ba dx
 
ka
 n +1
a
0 b a f
 a
= cafa +  
n a + 1 ka
Los parámetros utilizados son los de la Tabla siguiente:
Parámetros para las funciones BPR
Enlace ka c0a ba na
1 500 5 1 4
2 400 7 1 4
3 400 10 1 4
4 500 2 1 4
La solución se da en la Tabla:
Flujos en enlaces Flujos en rutas
a1 3845.913 r1 3845.913
a2 2354.419 r2 154.087
a3 299.667 r3 0.000
a4 154.087 r4 2200.333
r5 299.667
93

Cur So 1

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Cur So 1

Загружено:

Авторское право:

Доступные форматы

CONSTRUYENDO MODELOS DE

Departamento de Matemática Aplicada

La programación matemática es una técnica de modelización

Todo problema de programación requiere cuatro elementos

Sean m orı́genes y n destinos, y supóngase que se desea

3. Restricciones: Las restricciones de este problema son:

Una vez identificados los cuatro elementos, se está en condi-

Sea el problema de la figura con m = 3 orı́genes, n = 3

En este caso, el sistema (2) resulta

Un fabricante fabrica un producto cuya demanda fluctúa en

Hay dos posibles alternativas de fabricación:

Problemas de esta naturaleza ilustran las dificultades que

Nuestro objetivo aquı́ consiste en diseñar un plan de pro-

3. Restricciones. Puesto que la demanda dt, en el mes t,

Si el periodo es corto, at, bt y ct pueden ser considerados

Una alternativa, consiste en minimizar el coste de alma-

Sea la demanda de la tabla adjunta y un almacen con ca-

El problema de la dieta consiste en determinar las cantidades

4. Función a minimizar: Se minimiza el coste, es decir

Considérense los nutrientes de la tabla adjunta.

Las restricciones (9) resultan

Minimizar Z = x1 + 0.5x2 + 2x3 + 1.2x4 + 3x5,

Supóngase una red de transporte (conducción hidráulica,

3. Restricciones: Imponiendo la condición de con-

4. Función a minimizar: El coste total es

Por tanto, se minimiza (14) sometido a (12) y (13).

Además de resolver los correspondientes problemas de mi-

Sea el problema de transporte de la figura.

xij ≤ fij ; ∀i < j,

−xij ≤ fij ; ∀i < j.

Supóngase que cij = 1; ∀i, j. El problema de optimización

Usando un programa de ordenador adecuado se obtiene la

Esto significa que existen infinitas soluciones, todas ellas con

Un inversor posee bi acciones de la compañı́a Ai, i =

3. Restricciones: Las condiciones para una cartera equi-

La cartera debe ser compensada sin abusar de una única

El valor total de la cartera permanece constante (no se

Para protegerse de la inflación, el valor futuro debe ex-

4. Función a minimizar: Se maximizan los dividendos,

sometido a las restricciones anteriores.

Considérese el caso de 75 acciones de A1, 100 de A2 y 35

Un andamio es un sistema con tablones y cuerdas conecta-

3. Restricciones: La condición de equilibrio de fuerzas

para cada tablón b ∈ B. Además, no se debe superar la

1. 4. Función a minimizar: El problema consiste en

Sea el andamio de la figura, con cargas x1 y x2, que se

Resolviendo estas ecuaciones se llega a

Los generadores de energı́a, ası́ como las demandas de la

Cada lı́nea de transmisión de una red de energı́a transmite

Esta condición puede formularse como

En todo bus, la potencia que entra debe ser igual a la po-

donde Ωi es el conjunto de buses conectados a través de las

Considérese el sistema de la figura.

B13 = 3.5 B23 = 3.0

El problema, para este ejemplo, puede escribirse como

Las variables de optimización son p1, p2, δ1 y δ2.

La solución óptima requiere que el generador 1 produzca

Una clase importante de problemas de programación lineal

4. Función a maximizar: Se maximiza la utilidad:

Un armador tiene un barco con una capacidad de 700 ton.

Sea D = {D1, D2, . . . , Dn} un conjunto de enfermedades,

El problema consta de los siguientes elementos:

3. Restricciones: El subconjunto Sa debe ser suficiente

Con la Opción 2 el valor