Вы находитесь на странице: 1из 60

RECURSOS HIDRULICOS DISEO Y ANLISIS: OPTIMIZACIN

HH 333 H

ING. JUAN CABRERA

OPTIMIZACIN (1)

Mayora de problemas en mundo real tienen varias soluciones y algunos tienen infinitas soluciones. Propsito de optimizacin es encontrar o identificar mejor solucin posible, entre todas las soluciones potenciales para un problema dado.

Para ello, se selecciona valores de variables interrelacionadas (variables de diseo o de decisin), poniendo atencin a un slo objetivo diseado para cuantificar desempeo y medir calidad de decisin (Funcin objetivo).

OPTIMIZACIN (2)

Objetivo es maximizado o minimizado (dependiendo de formulacin) sujeto a restricciones que pueden limitar seleccin de valores de variables de diseo. Asumiendo que un problema de optimizacin est definido de alguna manera, mtodos de optimizacin se clasifican en: Mtodos analticos: uso del clculo diferencial (insuficiente para problemas no lineales); Mtodos numricos: algoritmos (procedimientos iterativos); Otros: mtodos grficos, mtodos experimentales, estudio de casos.

OPTIMIZACIN (3)

Casi siempre, inters en optimizacin se centra en solucin de problemas reales, los que deben ser representados matemticamente.
Optimizacin de representacin matemtica de procesos reales presenta 2 tipos de dificultades:
1. Formulacin del modelo matemtico (representatividad)

(funcin a ser optimizada funcin objetivo);


2. Tcnica de solucin:
Existencia de varios extremos locales y globales;

Se supone que coeficientes y variables del modelo

(funcin objetivo) no son variables aleatorias;


Errores de redondeo de aritmtica punto flotante.

PROBLEMAS MATEMTICOS DE OPTIMIZACIN (1)

Consisten en maximizacin o minimizacin de funciones algebraicas de una o ms variables. Seleccin de variables pueden estar restringidas por ecuaciones o inecuaciones algebraicas llamadas restricciones, de forma tal que objetivo no es encontrar mejor valor posible sino mejor valor permitido por restricciones.

FRMULA GENERAL DE UN PROBLEMA DE OPTIMIZACIN

Encontrar x tal que se


maximice o minimice una

funcin objetivo f(x),


sujeto a restricciones: gi(x) = bi Donde: x es un vector de n (i = 1,, m)

gj(x) bj (j = m,, k)

variables independientes.

EJEMPLOS DE OPTIMIZACIN EN INGENIERA


1. 2.

3.
4.

5. 6. 7.

Diseo de un avin para un mnimo peso y mxima resistencia; Trayectorias ptimas de vehculos espaciales; Diseo de estructuras con mnimo costo; Diseo de proyectos de abastecimiento de agua, como en presas, para mitigar dao por inundacin mientras se obtiene mxima generacin de potencia; Diseo de bombas y equipos de transferencia de calor para mxima eficiencia; Anlisis estadstico y modelado con un mnimo error (e.g., redes neuronales); Redes de tuberas ptimas;

PROGRAMACIN LINEAL (1)

Maximizar o Minimizar una variable dependiente que est en funcin de otras independientes, las mismas que estn sujetas a varias restricciones.

Las variables dependientes por lo general son objetivos econmicos (beneficios, produccin, costos, etc).
La asuncin de linealidad entre la variable dependiente y las independientes es esencial; esto es, se asume que la ecuacin es de la forma:

Z C1 X1 C2 X 2 ............ CnXn

PROGRAMACIN LINEAL (2)

Z C1 X1 C2 X 2 ............ CnXn

donde Z es la variable dependiente y X1, X2 ...... Xn son las variables independientes que afectan el valor de Z.

La ecuacin anterior es denominada funcin objetivo y los coeficientes C1, C2, ...., Cn son las constantes

PROGRAMACIN LINEAL (3)

En la prctica se asume que todas las restricciones de las variables independientes tienen la forma de desigualdades lineales. Las variables X1, X2, ....... Xn estn sujetas a algunas restricciones de la forma: A11X1 + A12X2 + + A1nXn B1 A21X1 + A22X2 + .. ..+ A2nXn B2 Am1X1 + Am2X2 + ... .+ AmnXn Bm

donde, los coeficientes Aji son constantes, Bj limita o restringe a Z, como resultados de la restriccin de las variables independientes Xi.

PROGRAMACIN LINEAL (4)

Para resolver un problema de PL, independientemente del mtodo a utilizar, se debe definir primero: - Las variables de decisin; - La funcin objetivo; - La restricciones.

MTODOS DE SOLUCIN
Para solucionar un problema de programacin lineal, existen varios mtodos siendo los ms comunes y usados los siguientes: - Mtodo Grfico - Mtodo Algebraico o mtodo Simplex

MTODO GRFICO
Es prctico cuando en el problema hay solo dos variables o en algunos casos hasta tres variables. Sin considerar el nmero de restricciones, el problema con dos variables siempre puede ser representado en un plano o en un espacio de dos dimensiones, lo cual simplifica el anlisis; pero, cuando existen ms de tres variables involucradas en el problema, este mtodo no es recomendado.

MTODO GRFICO : PASOS (1)

El mtodo grfico en el caso de dos variables sigue los siguientes pasos:


1. Dibujar el recinto limitado por las restricciones

del problema. 2. Representar grficamente la funcin objetivo igualada a cero: mx + ny =0 3. Desplazar paralelamente la recta mx + ny = 0 hacia la derecha y/o hacia la izquierda, hasta que pase por cada uno de los vrtices del recinto (regin factible).

MTODO GRFICO : PASOS (1)

El ptimo mximo ser el vrtice de la regin factible cuya recta tenga mayor ordenada en el origen (ms alejado hacia la derecha si la recta es creciente).

El ptimo mnimo el vrtice cuya recta tenga menor ordenada en el origen (ms alejado hacia la izquierda).

PROBLEMA 1

Resolver: Funcin objetivo: mx 5A + 6B sujeto a : 3A + 5B 30 2A + 3B 12 A + 5B 15 4A + B 8

SOLUCIN PROBLEMA 1

Graficamos las restricciones. Para ello graficamos los puntos (0,B), y (A,0) en cada una de ellas:
PUNTO 1 (A=0) A B 0 0 0 0 PUNTO 2 (B=0) A B 10 6 15 2

RESTRICCIONES restriccin 1 restriccin 2 restriccin 3 restriccin 4

6 4 3 8

0 0 0 0

SOLUCIN PROBLEMA 1

SOLUCIN PROBLEMA 1

LA SOLUCIN PTIMA EL VALOR PTIMO

: A=1.2 y B=3.2 : 25.2

PROBLEMA 2

Resolver: Funcin objetivo: mx 3A + 7B sujeto a: 6A + 11B 66 2A + B 10 0.5A + 0.4B 6 A+ B 4

SOLUCIN PROBLEMA 2

Graficamos las restricciones. Para ello graficamos los puntos (0,B), y (A,0) en cada una de ellas:
PUNTO 1 (A=0) A B 0 0 0 0 PUNTO 2 (B=0) A B 11 5 12 4

RESTRICCIONES restriccin 1 restriccin 2 restriccin 3 restriccin 4

6 10 15 4

0 0 0 0

SOLUCIN PROBLEMA 2

NO hay solucin

PROBLEMA 3
Una compaa fabrica dos productos, A y B. Cada uno de los productos tiene que procesarse en los departamentos de maquinado y terminado. En la siguiente tabla se presentan las horas requeridas en cada departamento para fabricar una unidad de producto y las horas disponibles en cada departamento:
Departamento

Maquinado Acabado

Horas por unidad de producto A B 1 2 1 0.5

Horas disponibles 200 125

Adems la escasez de materiales para el producto B limita su produccin a un mximo de 75 unidades. Por fabricar y vender una unidad de A se obtiene una utilidad de $4, y por cada unidad de B se obtiene una utilidad de $3.

SOLUCIN PROBLEMA 3

Las variables de decisin: A : nmero de productos tipo A fabricados B : nmero de productos tipo B fabricados

Para maximizar ganancias, la funcin objetivo ser: MAX Z=4A + 3B


Las restricciones sern: POR MAQUINADO : POR ACABADO : POR ESCASEZ : NO NEGATIVIDAD :

A+2B 200 A+0.5B 125 B 75 X1, X20

SOLUCIN PROBLEMA 3

Las restricciones sern:

PUNTO 1 (A=0) RESTRICCIONES restriccin 1 restriccin 2 restriccin 3 A 0 0 0 B 100 250 75

PUNTO 2 (B=0) A 200 125 200 B 0 0 75

SOLUCIN PROBLEMA 3

SOLUCIN PROBLEMA 3

LA SOLUCIN PTIMA: A=100 y B=50 EL VALOR PTIMO : 550

PROBLEMA 4
Se dispone de 80 unidades de agua para regar caa y pastos. La tierra total disponible es de 150Ha. LA caa necesita 0.8 unidades de agua/Ha y rinde $40/Ha de beneficio. El pasto necesita de 0.4 unidades de agua/Ha y rinde $30/Ha de beneficio. Determine las hectreas de tierra que deben sembrarse de caa y de pasto, de tal manera que pueda obtenerse el mximo beneficio por la cosecha.

SOLUCIN PROBLEMA 4

Las variables de decisin: x1 : hectreas de caa x2 : hectreas de pasto Para maximizar ganancias, la funcin objetivo ser: MAX Z=40x1 + 30x2

Las restricciones sern: 0.8x1 + 0.4x2 80 unidades de agua x1 + x2 150 hectreas de tierra x1, x20

SOLUCIN PROBLEMA 4

Las restricciones sern:


PUNTO 1 (x1=0) PUNTO 2 (x2=0) x1 200 150 100 150 x2 0 0

RESTRICCIONES restriccin 1 restriccin 2

x1 0 0

x2

SOLUCIN PROBLEMA 4

LA SOLUCIN PTIMA: x1=50 y x2=100 EL VALOR PTIMO : $ 5000

SOLUCIN PROBLEMA 4: LINGO

MTODO SIMPLEX
El

mtodo Simplex es un mtodo secuencial de optimizacin y puede ser empleado, tanto para maximizar como para minimizar una respuesta es considerado uno de los mtodos bsicos. mtodo smplex resuelve la programacin lineal en iteraciones. Cada iteracin desplaza la solucin a un nuevo punto esquina que tiene potencial de mejorar el valor de la funcin objetivo. El proceso termina cuando ya no se pueden obtener mejoras.
mtodo tiene un rango muy amplio de aplicacin y utilizacin. Su aplicacin es un problema iterativo muy usado por la mayora de programas o paquetes de cmputo.

El

El

MTODO SIMPLEX: PASOS


Paso 1: Transformar el problema de PL a su forma estndar (restricciones en forma de ecuaciones) para luego escribirlo en un formato de tabla.

La forma estndar del problema de PL, tiene las siguientes propiedades:


a. Todos las restricciones son ecuaciones con un lado derecho no negativo. b. Todos las variables son no negativas. c. La funcin objetivo puede ser del tipo de maximizacin o de minimizacin.

MTODO SIMPLEX: PASOS


Paso 2: Elija una solucin bsica inicial, generalmente es el problema escrito en su forma estndar. Paso 3: Genere nuevas soluciones bsicas factibles utilizando las condiciones de optimidad y factibilidad hasta que se obtenga la solucin ptima. Este paso supone que la solucin ptima existe y esta acotada.

CMO CONVERTIR DESIGUALDADES A ECUACIONES?

Una desigualdad del tipo se convierte a una ecuacin aumentando su lado izquierdo una variable de holgura (superavit). Ejemplo : es equivalente a: x1 + 2 x2 3 x1 + 2x2 + S1 = 3

Una desigualdad del tipo se convierte a una ecuacin restando su lado izquierdo una variable de holgura.

Ejemplo: es equivalente a:

3x1 + x2 5 3x1 + x2 S1 = 5

PROBLEMA 6

Maximizar Sujeto a:

Z = f(x1,x2) = 3x1 + 2x2 2x1 + x2 18 2x1 + 3x2 42 3x1 + x2 24

x1 0 , x2 0

SOLUCIN PROBLEMA 6
1. Convertir las desigualdades en igualdades:

2x1 + x2 + s1 = 18
2x1 + 3x2 + s2 = 42 3x1 + x2 + s3 = 24

SOLUCIN PROBLEMA 6

2. Igualar la funcin objetivo a cero y agregar la variables de holgura del sistema anterior:
Z - 3 x1 - 2 x2 = 0 Cuando minimizamos se toma el valor (+) positivo de Fo para convertirlo en negativo y cuando maximizamos tomamos el valor (-) negativo de Fo para convertirlo en positivo.

SOLUCIN PROBLEMA 6
3. Escribir el tablero inicial simplex: Una fila para cada restriccin y la ltima fila con los
coeficientes de la funcin objetivo:
Tablero Inicial

Base

Variable de decisin X1 X2 1
3 1

Variable de holgura S1 1
0 0

Solucin

S2 0
1 0

S3 0
0 1

S1
S2 S3

2
2 3

18
42 24

-3

-2

SOLUCIN PROBLEMA 6
4. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base A. Para escoger la variable de decisin que entra en la base, (FLECHA ROJA SUPERIOR), observamos la ultima fila (correspondiente a la funcin objetivo) y escogemos la variable con el coeficiente ms negativo (en valor absoluto), en este caso, la variable x1 de coeficiente 3 (si existiesen dos o ms coeficientes iguales, se elige cualquiera de ellos). Si en la ltima fila no existiese coeficientes negativos, significa que se ha alcanzado la solucin ptima.

SOLUCIN PROBLEMA 6
La columna de la variable que entra en la base se llama columna pivote (en color azulado).

B. Para encontrar la variable de holgura que tiene que salir de la base, (FLECHA ROJA IZQUIERDA) se divide cada trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir.

SOLUCIN PROBLEMA 6
El trmino de la columna pivote (3) que en la divisin anterior d lugar al menor cociente positivo (8), indica la fila de la variable de holgura que sale de la base, S 3. Esta fila se llama fila pivote (en color azulado).
Iteracin No. 1

Base

Variable de decisin
X1 X2 1 3 1

Variable de holgura
S1 1 0 0 S2 0 1 0 S3 0 0 1

Solucin

Operacin

S1 S2 S3

2 2 3

18 42 24

18/2 = 9 42/2 = 21 24/3 = 8

-3

-2

SOLUCIN PROBLEMA 6
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base.

C.En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, 3, este indica que la variable de decisin X1 entra y la variable de holgura S3 sale.

5. Encontrar los coeficientes del nuevo tablero simplex.


Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los coeficientes de la fila por el pivote operacional 3, ya que este se debe convertir en 1. Mediante reduccin gaussiana hacemos ceros los restantes trminos de la columna pivote, obteniendo los nuevos coeficientes para el nuevo tablero.
Resultado de Iteracin No. 1
Base Variable de decisin X1 S1 S2 X1 0 0 1 X2 1/3 7/3 1/3 Variable de holgura S1 1 0 0 S2 0 1 0 S3 -2/3 -2/3 -1/3 2 26 8 f(S1) 2 f(X1) f(S2) 2 f(X1) (1/3) X1 Solucin Operacin

-1

24

f(Z) + 3 f(X1)

En la ltima fila hay un numero negativo, -1; esto significa que no hemos llegado an a la solucin ptima. Repetimos el proceso: A. La variable que entra en la base es x2, por ser la columna pivote que corresponde al coeficiente -1 B. Para definir la variable que sale o la fila pivote, dividimos los trminos de la columna solucin entre los trminos de la nueva columna pivote: como el menor cociente positivo es 6, tenemos que la fila pivote y la variable de holgura que sale es S1. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Y se opera de forma anloga a la anterior iteracin

Iteracin No. 2

Base

Variable de decisin X1 X2
1/3 7/3 1/3 -1

Variable de holgura S1
1 0 0 0

Solucin

Operacin

S2
0 1 0 0

S3
-2/3 -2/3 -1/3 1 2 26 8 24 2/(1/3) = 6 26/(7/3) = 78/7 8/(1/3) = 24

S1 S2 X1 Z

0 0 1 0

Resultado de Iteracin No. 2


Base Variable de decisin X1 X2 S2 X1 0 0 1 X2 1 0 0 Variable de holgura S1 3 -7 -1 S2 0 0 0 S3 -2 4 1 6 12 6 3X2 f(S2) (7/3) f(X2) f(X1) (1/3) f(X2) Solucin Operacin

-1

30

f(Z) + f(X2)

Como en los elementos de la ltima fila hay uno negativo, -1, repetimos el proceso:
A. La variable que entra en la base es S3, por ser la variable que corresponde al coeficiente -1

B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6] y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es S2.
C. El elemento pivote, que ahora hay que hacer 1, es 4.

Iteracin No. 3
Base Variable de decisin X1 X2 Variable de holgura S1 S2 S3 Solucin Operacin

X2 S2
X1

0 0
1

1 0
0

3 -7
-1

0 0
0

-2 4
1

6 12
6

No se toma por ser negativo 12/4 = 3


6/1 = 6

-1

30

No se toma por ser negativo

Resultado de Iteracin No. 3

Base

Variable de decisin
X1 X2 1 0

Variable de holgura
S1 -1/2 S2 0 S3 0

Solucin

Operacin

X2

12

f(X2) + 2 f(S3)

S3
X1

0
1

0
0

-7/4
-3/4

0
0

1
0

3
3

(1/4) S3
f(X1) f(S3)

5/4

33

f(Z) + f(S3)

Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. Los solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33.
Tablero Final Base Variable de decisin X1 X2 S3 X1 Z 0 0 1 0 X2 1 0 0 0 Variable de holgura S1 -1/2 -7/4 -3/4 5/4 S2 0 0 0 0 S3 0 1 0 0 12 3 3 33 Solucin

SOLUCIN PROBLEMA 6: LINGO

PROBLEMA 7

Maximizar: Z = 3x1 + 2x2 + 5x3 Sujeta a: x1 + 2x2 + x3 430 3x1 + 0x2 + 2x3 460 x1 + 4x2 + 0x3 420 x1, x2, x3 0

SOLUCIN PROBLEMA 7
1. Convertir las desigualdades en igualdades: x1 + 2x2 + x3 +S1 = 430 3x1 + 0x2 + 2x3 +S2 = 460 x1 + 4x2 + 0x3 +S3 = 420

2.

Igualar la funcin objetivo a cero:


Z - 3x1 - 2x2 - 5x3 =0

SOLUCIN PROBLEMA 7
3 y 4. Escribir el tablero inicial simplex y detectar los pivotes:
Base Tablero Inicial Variable de decisin Variable de holgura Solucin

X1
S1 S2 1 3

X2
2 0

X3
1 2

S1
1 0

S2
0 1

S3
0 0 430 460 430/1 460/2

S3
Z

1
-3

4
-2

0
-5

0
0

0
0

1
0

420
0

no
no

SOLUCIN PROBLEMA 7
5. Encontrar los coeficientes del nuevo tablero simplex.
Se dividen todos los coeficientes de la fila por el pivote operacional 2, para que se convierta en 1, y se realiza una reduccin gaussiana.
Primera Iteracin
Base Variable de decisin Variable de holgura Solucin

X1
S1 x3 S3 -0.5 1.5 1

X2
2 0 4

X3
0 1 0

S1
1 0 0

S2
-0.5 0.5 0

S3
0 0 1 200 230 420 200/2 no 420/4

4.5

-2

2.5

1150

no

SOLUCIN PROBLEMA 7

Se repite el procedimiento hasta contar solamente con coeficientes positivos en Z:


Segunda Iteracin Base Variable de decisin
X1 x2 x3 S3 Z -0.25 1.5 2 4 X2 1 0 0 0 X3 0 1 0 0

Variable de holgura
S1 0.5 0 -2 1 S2 -0.25 0.5 1 2 S3 0 0 1 0

Soluci n

100 230 20 1350

PROBLEMA 7
En la excavacin de un canal de drenaje se dispone de dos mototrallas, cada una de las cuales presenta los siguientes parmetros:
Rendimiento/da (m3/da) Terreno Terreno Duro Blando 80 140 100 150 Costo/Unidad de volumen ($/m3) Terreno Terreno Duro Blando 25 15 40 20

Mototralla A B

De acuerdo con el proyecto de organizacin de la construccin se deben excavar diariamente como mnimo 200 m3 de ambos tipos de terreno as como 20 m3 de terreno duro. Formule y construya el modelo matemtico de Programacin Lineal que minimice los costos de excavacin diarios.

PROBLEMA 8
Se quiere construir una presa flexible para lo cual dentro de las diversas obras se requiere 6300 m3 de material fino, 1890 m3 de enrocado y 495 m3 de hormign. Si se tiene las canteras A, B y C que proveen un material adecuado en cantidad y calidad para material fino, enrocado y hormign respectivamente cuyas distancias en forma correspondiente son de 30 km, 40 km y 60 km. Se desea especificar el nmero de volquetes para optimizar costos. Datos adicionales: Informacin sobre los tipos de volquete
Tipo Volquete Unidades Volumen (m3) Rendimiento Horas diarias de trabajo Alquiler diario (S/.) P 80 10 81% 13 850 Q 100 12 80% 13 900 R 50 14 80% 10 950

PROBLEMA 8
Los volquetes al llegar a la cantera tienen un tiempo de espera y con el de llenado hacen 6 minutos; en cancha el tiempo de maniobras es de 3 minutos. Las caractersticas de la ruta a cada cantera permite desarrollar las siguientes velocidades:
Cantera Velocidad Cargado (Km./Hr.) Velocidad Vaco (Km./Hr.) A 20 30 B 30 45 C 45 60

TAREA
Elaborar una hoja de excel que desarrolle el mtodo Simplex en forma tabular (4 variables). Trabajo individual. Fecha de entrega: hasta la medianoche del jueves 5 de diciembre. Enviar al correo rhidalgouni@gmail.com