UNIVERSIDAD DE CONCEPCION

FACULTAD DE INGENIERIA AGRICOLA

DEPARTAMENTO DE RECURSOS
HIDRICOS
Publicaciones para apoyo docente
Ricardo Matta Canga.

USO DE GAMSIDE
El Sistema General de Modelacin Algebraica (General Algebraic Modeling
System GAMS) esta diseado especficamente para modelar problemas de
optimizacin tanto lineales, no lineales o de enteros mezclados. El sistema es
especialmente til para problemas que sean grandes y complejos. GAMS esta
disponible en versiones para computadores personales, estaciones de trabajo,
bases de datos y sper computadores.
GAMS le permite al usuario concentrarse en el problema a modelar haciendo
que el planteamiento del problema sea simple. El sistema se toma el trabajo en
los detalles que consumen ms tiempo de maquinas especificas e
implementacin de software.
GAMS es especialmente til para problemas nicos que sean grandes y
complejos que pueden necesitar muchas revisiones antes de establecer el
modelo final. El sistema modela problemas en una manera compacta y natural.
El usuario puede cambiar la formulacin del problema con facilidad, cambiar de
un tipo de solucin a otro y hasta convertir el problema de lineal a no lineal sin
problemas.
Qu es GAMSIDE?
Generalizad Algebraic Modeling System + Integrated Development
Environment.
Esta versin de GAMS es una interfase grfica para Windows.

GAMS es usado en dos etapas:

Primera, se usa un editor de texto para crear un archivo.gms que tiene las
instrucciones GAMS.
Segunda, se usa un comando que ejecuta estas instrucciones, realiza los
clculos, resuelve y genera un archivo.lst con los resultados.
Para realizar estas etapas se utiliza el GAMSIDE.
Existen dos versiones de GAMSIDE, la que se utilizar en este taller es
gratuita, tiene limitaciones en el nmero de variables, restricciones y modelos
que dispone, sin embargo son suficientes para los modelos que se utilizan
habitualmente en Ingeniera Agrcola.

1. Instale GAMSIDE en su computador.

Para bajar Gams http://www.gams.com o ejecutar setup.exe de archivos
comprimidos.
Por defecto se crea carpeta GAMS22.3 en Archivos de Programas, una
carpeta gamsdir, una subcarpeta projdir en Mis Documentos y un icono de
acceso directo.

2. Abra el programa con el icono correspondiente

3. Seleccione File - Proyect - New Proyect. El propsito de un Nuevo Proyecto

es determinar donde y como sern guardados los archivos asociados al
modelo. Defina nombre de Proyecto (Taller1, por ejemplo) y localizacin en
subcarpeta projdir. Debe copiar los archivos.gms en esta subcarpeta.

4. Una vez creado el proyecto debe crear un nuevo archivo.gms o abrir alguno
existente. Para efectos de este taller sea abrir un archivo existente.
Seleccione File Open, Surco1.gms en este caso. Por defecto se abrir la
ventana donde se cre el proyecto
Observe la extensin *.gms del archivo, este es el archivo para editar el
modelo, lalo y revselo, luego podr modificarlo segn nuevas restricciones.
Recorra el men principal y observar que se han habilitado algunos comandos
para editar el modelo surco1.gms. En Anexo una breve explicacin de los
principales comandos de edicin.

6. Ejecute el archivo seleccionando File Run , aparecer una ventana no

active process
En esta ventana leer detalles sobre la compilacin, generacin y ejecucin del
modelo. Adems la factibilidad de la solucin y resultado de la funcin objetivo.
Abra (open Log) o cierre (close) la ventana.

7. Maximice ventana de atrs y seleccione Surco1.lst este es el archivo de

resultados del modelo, recrralo en su totalidad especialmente la seccin Solve
Summary . En Anexo una breve explicacin de los principales comandos de
resultados.

8. Ahora puede realizar modificaciones en Surco1.gms y guardar como (File Save as) Surco2.gms, por ejemplo.

ANEXO
1. Comandos bsicos de GAMS:
* para comentarios, no computable, se puede ubicar en cualquier lugar del
modelo.
$ TITLE reconoce como ttulo lo escrito en la lnea y se imprime en todas las
pginas del archivo .LST.
VARIABLES, se utiliza para declarar y asignar el tipo de las variables de
decisin y acepta cualquier letra, excepto los acentos.
EQUATIONS, utilizada para declarar y definir las ecuaciones de la funcin
objetivo y restricciones, acepta cualquier letra, excepto acentos.
MODEL, expresin que define el modelo, el que puede tener cualquier nombre.
SOLVE, expresin que resuelve el modelo definido en MODEL.
OPTION DECIMALS=0, permite obtener resultados sin decimales en comando
DISPLAY.
DISPLAY, muestra el valor primal (.L) y marginal dual (.M) de las variables
con los nombres definidos en VARIABLES; es una expresin optativa y en
archivo.gms se escribe: DISPLAY X.L, X.M;
Una vez formulado y guardado su modelo, ejectelo, por defecto el archivo de
resultados archivo.lst se guardar en la misma carpeta de archivo.gms.
Para observar donde estn los errores o ver los resultados abra archivo.lst en
la pgina SOLVE SUMMARY.
***OBJETIVE VALUE 5300.000 Este es el valor de la funcin objetivo.
EXIT-OPTIMAL SOLUTION
encontrada.

FOUND Corresponde al tipo

de

solucin

--- EQU. Corresponde a los valores obtenidos en la funcin objetivo y

restricciones:
La columna LOWER indica el valor ms bajo del recurso que podra utilizar en
el modelo.
La columna LEVEL indica la cantidad de recurso utilizado por el modelo.
La columna UPPER indica la cantidad de recurso disponible en el modelo.
La columna MARGINAL es la Solucin Dual o Precio Sombra y es la tasa o
cantidad en que se incrementa la funcin objetivo, si se aumenta en una unidad
la cantidad del recurso disponible en alguna restriccin.
El Punto (.) significa que el valor es cero.
EPS significa que el valor es muy cercano a cero.
---VAR. Corresponde a los valores obtenidos en las variables de decisin.
Las columnas LOWER y UPPER indican el rango que se puede lograr de las
variables de decisin.
La columna LEVEL indica el valor o la cantidad de la variable de decisin
correspondiente.

La columna MARGINAL para las variables indica que es una variable bsica si
aparece un punto (.). Si aparece una cifra, esta indica el aumento y/o
disminucin de funcin objetivo, si se obliga al modelo a producir una unidad
de esa variable, es decir X2.LO=1.
La forma de limitar las variables de decisin es con el uso de la extensin .LO o
UP:
X1.LO=3 significa que el modelo debe considerar como resultado 3 o ms
unidades.
X1.UP=20 significa que el modelo debe considerar como resultado 20 o menos
unidades.
En programacin no lineal, especialmente, es conveniente que el modelo
resuelva el problema dentro de los lmites de las variables, para esto es
necesario que se asigne al modelo un valor inicial de la siguiente forma X1.L=3,
esto permite a SOLVER iniciar los clculos desde 3 unidades de la variable de
decisin.
***REPORT SUMMARY

0 NONOPT (no ptima)

0 INFEASIBLE (no factible)
0 UNBOUNDED (ilimitada)

En este breve informe el cero (0) indica que la solucin es ptima, factible y
limitada, en caso contrario aparece la cantidad de filas y/o columnas (recuerde
algoritmo Simples) cuya solucin no es ptima, no es factible o es ilimitada.

2. DISEO OPTIMO DEL RIEGO POR SURCOS.

INTRODUCCION
La agricultura es la actividad que consume mayor cantidad de agua, sin
embargo la eficiencia de su utilizacin es la mas baja. El propsito de este
trabajo es analizar los mtodos de aplicacin de agua y desarrollar modelos de
optimizacin para sistemas de riego superficial que mejore la eficiencia del uso
del agua y aumente las utilidades del manejo agrcola.
MATERIALES Y METODOS.
El desarrollo de un modelo para el diseo ptimo de un sistema de riego
superficial requiere que las relaciones entre las variables de diseo y la utilidad,
sean conocidas. Para encontrar estas relaciones se debe considerar la
programacin del riego, requerimientos de agua del cultivo, las variables de
diseo del mtodo de riego, el rendimiento del cultivo, el costo del riego, las
relaciones entre los parmetros del riego y las variables de diseo y las
relaciones entre los parmetros del riego y las utilidades.
Como se mencionaba al principio, el objetivo de un diseo de riego es
maximizar las utilidades. La funcin objetivo seleccionada est compuesta de
una funcin exponencial y relaciones matemticas entre la eficiencia de
distribucin del requerimiento de agua del cultivo y las variables de diseo,
sobre la base que la eficiencia de distribucin del requerimiento de agua es la
distribucin del agua en el suelo.

*Modelo de optimizacin del riego superficial Versin GAMS

$TITLE OPTIMIZACION DEL RIEGO POR SURCOS
*
*VARIABLES y ECUACIONES
VARIABLES
Q Caudal
FE Longitud del surco
TCO Tiempo de corte
NF Nmero de surcos
NR Nmero de corridas
NS Nmero de set
P Utilidad;
EQUATIONS
MOF Funcin objetivo
DIS Volumen infiltracin mnimo
WAT Agua disponible
LFI Longitud del surco
ARE Superficie irrigada
TIM Tiempo de riego por set
AFM Eficiencia mxima
AFI Eficiencia mnima;
MOF..
DIS..
WAT..
LFI..
ARE..
TIM..
AFM..
AFI..

P=E=(Q**0.706)*(FE**(-0.645))*(TCO**0.809)*1000;
Q*(FE**(-1.02))*(TCO**0.26)=G=25.0;
Q*NF=L=32000.0;
FE*NR=E=800.00;
FE*NF*NS=G=20000.0;
TCO*NS=L=1200.0;
((Q**0.706)*(FE**(-0.645))*(TCO**0.809))/7.75=L=100;
((Q**0.706)*(FE**(-0.645))*(TCO**0.809))/7.75=G=20;

*LMITES DE LAS VARIABLES

Q.LO = 700.0;
Q.UP = 1300.0;
FE.LO = 50.0;
FE.UP = 800.0;
TCO.LO = 1.0;
TCO.UP = 1200.0;
NF.LO = 1.0;
NF.UP = 400.0;
NR.LO = 1.0;
NR.UP = 16.0;
NS.LO = 1.0;
NS.UP = 400.0;
MODEL SURCO/ALL/;
SOLVE SURCO USING NLP MAXIMIZING P;
DISPLAY P.L, Q.L, FE.L, TCO.L, NF.L, NR.L, NS.L;

RESULTADOS Y DISCUSION.
El modelo de optimizacin considera todos los factores para el diseo del
sistema. Esta representacin de la realidad permite utilizar este modelo para el
diseo de riego por surcos y bordes. El diseo de criterio usado en el modelo
para riego por surcos y bordes es el requerimiento crtico de agua que ha sido
determinado sobre la base del mximo requerimiento en un riego durante la
temporada y la mayor evapotranspiracin del cultivo.
Variados sistemas diseados pueden ser examinados variando el tiempo
disponible diario para regar, la cantidad de agua de riego disponible en el
campo, la menor superficie para regar en un da, el nmero de bloques de riego
por da, el nmero de surcos por bloque y el valor de alguna de las variables de
diseo.
El modelo de optimizacin entrega el valor ptimo de las variables de diseo: el
caudal de entrada, la longitud de surcos o bordes, el tiempo de riego y
adicionalmente el ancho del borde para un sistema de riego por bordes, para
las condiciones dadas.
La ejecucin del modelo para un riego por surcos en un campo de 32 hectreas
(400 metros por 800 metros) de maz en Chilln se observa en Tabla 1.

TABLA 1. Datos de entrada y Resultados de un riego por surcos en maz.

Recursos ( Datos de entrada)
Disponibles
Caudal mnimo (ml/s)
700
Longitud total de surcos
800.0
(m)
Area mnima de riego
20000
(m)
Tiempo riego (min)
1200
Mxima eficiencia de
100
riego (%)
Mnima eficiencia de
20
riego (%)
Variables (Resultados)
Caudal no erosivo por surco (l/s)
Longitud del surco (m)
Tiempo de riego (min)
Surcos por bloque o set
Nmero de corridas
Nmero de bloques o set
Eficiencia
de
distribucin
requerimientos (%)
Utilidad ($)

1.3
200
306
25
4
4
de 67
519101

Para el caso estudiado, los resultados indican que el tiempo de riego es la

variable de diseo ms crtica. Que el caudal tiene un efecto menor en la
funcin objetivo que el tiempo de riego. Que el valor de la funcin objetivo se
incrementa si los valores de tiempo de riego y caudal se aumentan. La longitud
de surco tiene menor efecto sobre la funcin objetivo. Los resultados tambin
indican que la disponibilidad de agua y el tiempo disponible para el riego son
factores importantes en el proceso de diseo.
CONCLUSIONES
El modelo para diseos ptimos de surcos y bordes en maz fue desarrollado
para condiciones de campo existentes en Chilln y Davis (California). El diseo
de criterio usado en el modelo de optimizacin fue el requerimiento crtico de
agua del cultivo. Las variables de diseo del modelo son: el caudal de entrada
al surco, la longitud de surcos y bordes, el tiempo de riego y el ancho del borde
en un sistema de riego por bordes. El modelo entrega los valores ptimos de
las variables de diseo. Adems el modelo puede ser usado para: (1) Examinar
el efecto de los recursos disponibles (agua, tiempo de riego, mano de obra,
etc.) sobre las utilidades de la gestin agrcola. (2) Comparar diferentes tipos
de manejo del riego y (3) Analizar las condiciones normales de manejo de un
sistema de riego y los cambios necesarios para enfocar la ejecucin del
sistema en funcin de los objetivos de la gestin agrcola del predio.
Finalmente, las soluciones del modelo pueden obtenerse utilizando
programacin no lineal que permite el anlisis de sensibilidad.

3. MODELO SIMPLE DE OPTIMIZACION EN CULTIVOS

*Modelo simple de distribucin de cultivos en potreros de diferente superficie
$TITLE 1 Optimizacin del modelo
$OFFUPPER
VARIABLES
X1 Remolacha Parcela 1
X2 Maiz Parcela 1
X3 Trigo Parcela 1
X4 Remolacha Parcela 2
X5 Maiz Parcela 2
X6 Trigo Parcela 2
X7 Remolacha Parcela 3
X8 Maiz Parcela 3
X9 Trigo Parcela 3
Z Funcin Objetivo;

EQUATION
ZZ Funcin objetivo
P1 Superficie parcela 1
P2 Superficie parcela 2
P3 Superficie parcela 3
C1 Superficie remolacha
C2 Superficie maz
C3 Superficie trigo
A1 Agua parcela 1
A2 Agua parcela 2
A3 Agua parcela 3
S1 Social 1
S2 Social 2
S3 Social 3;
ZZ..Z=E=X1*400+X2*300+X3*200+X4*400+X5*300+X6*200+X7*400+X8*300+
X9*200;
P1..X1+X2+X3=L=400;
P2..X4+X5+X6=L=600;
P3..X7+X8+X9=L=300;
C1..X1+X4+X7=L=600;
C2..X2+X5+X8=L=500;
C3..X3+X6+X9=L=376;
A1..X1*10+X2*8+X3*3=L=600 ;
A2..X4*10+X5*8+X6*3=L=800;
A3..X7*10+X8*8+X9*3=L=375;
S1..(600*X1+600*X2+600*X3)-(400*X4+400*X5+400*X6)=E=0;
S2..(300*X4+300*X5+600*X6)-(600*X7+600*X8+600*X9)=E=0;
S3..(400*X7+400*X8+400*X9)-(300*X1+300*X2+300*X3)=E=0;
X1.LO=0;
X2.LO=0;
X3.LO=0;
X4.LO=0;
X5.LO=0;
X6.LO=0;
X7.LO=0;
X8.LO=0;
X9.LO=0;
MODEL PRATICO/ALL/;
SOLVE PRACTICO USING LP MAXIMIZING Z;