INSTITUTO UNIVERSITARIO POLITCNICO

SANTIAGO MARIO
EXTENSIN PORLAMAR
ESCUELA: ING.SISTEMAS

Tcnicas de Optimizacin Clsica

Realizado por:
Ernesto Lenin Fonseca Almerida
C.I 20.324.428

Porlamar, Mayo del 2016

INTRODUCCIN
La optimizacin proporciona un esquema conceptual que facilita el difcil proceso
de estructuracin, anlisis y sntesis, inherente a todo problema de decisin; contribuyendo,
as, al diseo de mejores soluciones para problemas de carcter tanto tcnico, como
econmico y social."
Podemos decir que optimizar es sinnimo de buscar lo mejor, tambin de alcanzar
la ganancia mxima o tener la prdida mnima.
Se busca la optimizacin en cualquier actividad, sean stas empresariales, cientficas
o polticas, formalizando y cuantificando, mediante procedimientos matemticos, la forma
de alcanzar lo mejor en una circunstancia o problema bien definido. La optimizacin como
herramienta efectiva para estructurar, analizar y sintetizar una gran variedad de problemas
de decisin.

Tcnicas de Optimizacin Clsica

Las tcnicas de optimizacin son herramientas matemticas que tienen como
objetivo la maximizacin de beneficios, digamos de la eficiencia de un proceso o la
minimizacin de esfuerzos o prdidas, digamos de las prdidas de un material para elaborar
un producto. Dado que la medida de un esfuerzo requerido, medida de prdidas o medida
de beneficios puede expresarse como una funcin (funcin objetivo) de varias variables, el
proceso de optimizacin se puede definir como el proceso de bsqueda de aquellas
variables que minimizan o maximizan el valor de la funcin.
Para la utilizacin de esta herramienta es necesario conocer su metodologa
cientfica, as como poseer conocimientos mnimos de Matemticas, Estadstica
Matemtica y en especial de lgebra Lineal.
En este proceso existe una secuencia de pasos para llegar a la obtencin de los objetivos
propuestos:
No es conveniente saltar ningn paso.
Observacin
Se analiza el fenmeno como tal, las interrelaciones que tiene, las posibles variables, el
sistema organizativo bajo el cual se encuentra el fenmeno, se escuchan los criterios de
expertos, se analiza el cumplimiento de las premisas fundamentales de las tcnicas de
optimizacin, que son:

Alternativa de decisin.
Condiciones de linealidad o no.
Mnimas condiciones organizativas.

Se define conceptualmente cul es el problema a resolver, se enuncian los

objetivos y se establecen hiptesis, se consulta la bibliografa especializada. Se realizan
contactos inter-especialistas y por ltimo se elabora una ficha con un pequeo historial
resumen de toda la observacin realizada.

Formulacin
Es un problema secuencial, se empieza con una formulacin inicial basado en lo
anterior y se perfecciona en la medida en que se plantea el problema y se obtienen las
primeras soluciones. Muchas veces el anlisis del resultado incide en la formulacin. sta
tiene dos aspectos: general y concreto.
La formulacin general se utiliza en publicaciones cientficas, en ponencias y eventos.

Un ejemplo de formulacin concreta son los estudios de casos y los informes de

tesis as como los informes ejecutivos que se entregan a los directivos de empresas una vez
culminado el trabajo.
La formulacin del problema consta de los siguientes aspectos:
a) Fenmeno que se aborda.
b) Lugar y tiempo.
c) Pequea descripcin de lo que se quiere lograr.
d) Posibilidades de obtener la informacin y de solucionar el problema.
e) Los objetivos principales y secundarios

Planteamiento Matemtico
Es una respuesta a la formulacin del problema
I) Planteamiento Matemtico General.
El planteamiento matemtico general consta de ndices, variables, parmetros,
restricciones y funcin objetiva.
Este planteamiento se utiliza en publicaciones, eventos, o cuando se tiene una idea
de cmo se podr modelar un fenmeno dado. El aspecto de las variables, restricciones y
funcin objetivo se trata bajo los mismos lineamientos del planteamiento concreto de
trabajo.
Los parmetros se definen con la misma rigurosidad que las variables (cualitativa y
cuantitativamente y tiempo). Los ndices reflejan las diferentes combinaciones que se
pueden dar con las variables.
II) Planteamiento Matemtico.
Se utiliza en el proceso de aplicacin y al igual que la formulacin es secuencial. Puede ser
corregido o perfeccionado cundo se tiene la solucin del problema.
Consta de tres momentos:
a) Definicin de la variable.- Puede hacerse una a una o de forma general (si la cantidad de
variables a definir es grande), y a su vez incluye tres aspectos:

aspecto cualitativo: qu es la variable?

aspecto cuantitativo: en qu unidad se mide?

definicin temporal: qu perodo de tiempo abarca?

La variable representa el elemento incgnito en el problema.

Este momento es esencial en el planteamiento del problema, pues una mala
definicin de las variables repercute en la solucin y proporciona un disparate.
b) Planteamiento de las restricciones. Lo fundamental de este paso es cuidar la
homogeneidad que debe existir entre el trmino de la derecha y la expresin de la
izquierda, la cual est compuesta por varios elementos, los que deben ser homogneos,
para que al sumarse permita una lgica comparacin.
En este sentido el signo de la restriccin es un aspecto clave. Si se desea que la
suma de la expresin de la izquierda sea como mnimo el valor de la derecha, el signo
ser mayor o igual, tambin se utiliza el menor o igual si se desea que la expresin de la
izquierda sea cuando ms el valor de la derecha. Si se aspira a que sean exactamente
iguales se utilizar el smbolo de igualdad.
c) Planteamiento de la funcin objetivo. Debe reflejar de una forma clara el objetivo
del problema. Si es mximo o si es mnimo en muchos casos su planteamiento es
relativamente fcil, en otros se llega a travs de una secuencia de expresiones
algebraicas que finalmente deben hacerse corresponder con el objetivo deseado. En
ocasiones, la funcin objetiva se plantea en forma ponderada de una variable y haciendo
caso omiso del valor numrico encontrado al final.
Solucin, anlisis y correccin de resultados
Teniendo en cuenta el desarrollo de los sistemas informticos, es posible acceder
fcilmente a softwares profesionales para dar solucin a los modelos matemticos
diseados. De igual manera, disear sistemas informticos especiales es otra prctica
comn en estos tiempos. En este sentido, este punto se ha ido por encima de la
formulacin y del planteamiento. Una vez obtenida la solucin se requiere hacer
determinadas comprobaciones que confirmen los resultados. Estas comprobaciones
repercuten en la formulacin y planteamiento del problema y en la verificacin de los
parmetros utilizados, los cuales ya han sido determinados previamente mediante una
base informtica preestablecida, es decir; mediante la estadstica o los criterios de un
experto incluso mediante las tcnicas borrosas.
La solucin de un problema no debe ser comentada hasta tanto no se haya
verificado la validez y adaptacin al campo de aplicacin, en caso contrario esto puede
ser perjudicial en la introduccin de los resultados.
Validacin
En la prctica se lleva a cabo mediante los juegos de implementacin definidos en
la Teora de Lewin - Shein. Estos juegos se desarrollan simulando algunos de los
componentes del sistema bajo estudio, y utilizando como herramienta de simulacin los
resultados obtenidos (Juego; proceso simulador de resultado).

Introduccin de resultados
La introduccin implica la estrategia o accin en el sistema que ha sido modelado
y que va a tener en cuenta los resultados obtenidos. Claro que la dinmica productiva
muchas veces en muy rpida pero para introducir los resultados en la prctica se hacen
necesario su seguimiento de manera que se pueda corregir cualquier alteracin que surja
en el proceso.
EXTREMOS NO RESTRINGIDOS Y EXTREMOS RESTRICTOS.
Extremos no Restrictos:
Consiste en buscar un extremo de una funcin no sobre cualquier punto de su
dominio sino sobre un subconjunto del dominio de la funcin que puede expresarse
como variedad diferenciable. Ms concretamente consiste en encontrar un mximo (o un
mnimo) sujeto a la condicin de que el punto donde se produce pertenezca a un cierto
conjunto:
Sea f: A R n R con A abierto de R n y sea X A. Se considera la restriccin
f X: X R x 7 f(x)
Extremos Restrictos:
Es un procedimiento para encontrar los mximos y mnimos de funciones de
mltiples variables sujetas a restricciones. Este mtodo reduce el problema restringido
con n variables a uno sin restricciones de n + k variables, donde k es igual al nmero de
restricciones, y cuyas ecuaciones pueden ser resueltas ms fcilmente. El mtodo dice que
los puntos donde la funcin tiene un extremo condicionado con k restricciones, estn entre
los puntos estacionarios de una nueva funcin sin restricciones construida como
una combinacin lineal de la funcin y las funciones implicadas en las restricciones, cuyos
coeficientes son los multiplicadores.
Sea f: D R n R un campo escalar y x0 un punto que pertenece a una bola
contenida en D. Diremos que f tiene un mximo local en x0 si f(x0) f(x) para todo x
perteneciente a una cierta bola de centro x0.
Formulacin de problemas de optimizacin.
Cuando se ha decidido o hecho indispensable aplicar la optimizacin en un proceso
industrial se han de requerir tres componentes bsicas para la formulacin del problema en
trminos matemticos:

El modelo matemtico que rige el problema, adems de una definicin de las

variables del proceso que pueden ser manipuladas o controladas.
Un modelo econmico para el proceso. Esto quiere decir una ecuacin que incluye
las utilidades obtenidas con la venta del producto y los costos asociados al proceso

productivo, o sea, materia prima, costos de operacin, costos de administracin,

gastos generales, etc.
Un procedimiento de optimizacin para la manipulacin de las variables
independientes del proceso, que maximice las utilidades o minimice los costos
determinados por el modelo econmico, restringido por el modelo del proceso.

En el siguiente diagrama simplificado de optimizacin y control en la industria, se

desea mostrar la relacin de las actividades del proceso controlado y los niveles de
optimizacin.
Debido a la complejidad de las grandes empresas, los modelos del proceso se deben
simplificar, usando ecuaciones de simulacin para mantener los costos de programacin y
el uso del computador dentro de los lmites razonables. Sin embargo, dentro de cada
proceso en particular es posible crear modelos ms detallados para especificar condiciones
de operacin ptimas, es decir, temperaturas, precisiones, mano de obra, energa, etc., para
asegurar una operacin ptima en la unidad.
Existen diferentes tcnicas de optimizacin, las cuales tienen dos divisiones muy claras:
Una es la programacin matemtica cuyo objetivo es ubicar el mejor punto x(x1,.....,
xn) que optimice el modelo econmico.
La otra, muestra los mtodos variacionales, cuyo objetivo es ubicar la mejor funcin
y(x) que optimice el modelo econmico del proceso.
Optimizacin.
Programacin matemtica: Mtodos variacionales
Objetivo: encontrar el mejor punto
Mtodos
Analticos

Programacin geomtrica Clculo de variaciones

Programacin lineal Programacin dinmica (continua)
Programacin dinmica (discreta) Principio del mximo (continuo)
Programacin no lineal
Tcnicas de bsqueda
Principio del mximo (discreto)
Programacin cuadrtica
Programacin separable
Programacin convexa

Programacin entera
Programacin combinacional
Programacin heurstica

Al resolver un problema de optimizacin, la estructura y complejidad de las

ecuaciones son importantes, ya que la mayor parte de los procedimientos de programacin
matemtica pueden hacer uso de la forma especial de los modelos econmicos y del
proceso (ecuaciones de restriccin). Por ejemplo: Programacin lineal (donde todas las
ecuaciones son lineales) y la programacin geomtrica (todas las ecuaciones son
polinomios).
La siguiente figura nos muestra un mtodo para enfrentar los problemas de
optimizacin, incorporando los conocimientos especiales de cada tcnica de optimizacin.

Teora clsica del mximo y del mnimo.

Esta teora estudia los mtodos para encontrar los puntos extremos de una funcin.
En particular se desea determinar el valor de las n variables independientes x1,....., xn de
una funcin en un punto extremo.
Es necesario tener en cuenta algunas condiciones necesarias y suficientes para
determinar puntos extremos, un teorema fcil de comprender es el de Weierstrass, el cual
garantiza la existencia de puntos extremos, y dice:
"Toda funcin continua en un dominio cerrado posee un valor mximo y uno mnimo,ya
sea en el interior o en el contorno del dominio"
Este teorema nos dice que no se requiere que la funcin tenga derivadas continuas
para que exista un mximo o un mnimo.
No es necesario que todos los puntos estacionarios sean mximos o mnimos
locales, ya que puede haber puntos de inflexin o puntos de montura.
Una vez localizados los mximos y mnimos locales, es necesario comparar
individualmente cada punto para determinar los valores mximos y mnimos absolutos.
Para establecer si un punto estacionario es un mximo o un mnimo local, se
resolver un desarrollo en series de Taylor alrededor del punto estacionario.
X0 : f(x) = f(x0) + f '(x0)(x- x0) + 1/2 f'' (x0)(x- x0)2 + ....
En donde: f '(x) = dy/dx con x = x0
La ecuacin se puede simplificar a:
f(x) = f(x0) + 1/2 f'' (x0)(x- x0)2
Para saber si x0 es un mximo o un mnimo local, examinando el valor de la
segunda derivada, debido a que (x- x0)2 es siempre positivo, resultando:
Si f ( x0) > 0 entonces f(x0) es mnimo.
Si f ( x0) < 0 entonces f(x0) es mximo.

Si f ( x0) = 0 entonces no hay informacin.

Para este ltimo caso, ser necesario examinar las derivadas de orden superior,
entonces en general: f '(x0) = f ''(x0) = ...= f n-1(x0) = 0
Y f n (x0) 0 , por lo tanto el desarrollo en series de Taylor queda:
f(x) = f(x0) + 1/n! f n (x0)(x - x0)n
Cuando n es par, (x - x0)n es siempre positivo y el resultado es:
Si f n (x0) > 0 , f(x0) es mnimo.
Si f n (x0) < 0 , f(x0) es mximo.
Si n es impar, (x - x0)n es negativa al variar x desde x< x0 hacia x> x0 resultando un punto
de inflexin.
Programacin lineal.
Este trmino no se refiere a la programacin computacional, sino a algn
procedimiento a seguir en un plan.
Desde el punto de vista de la programacin matemtica, el problema de
programacin lineal puede formularse como:
max { c1x1 + .....+ cnxn }
sujeto a :
a11x1 + .... + a1nxn <= b1
......................................
am1x1 + .... + amnxn <= bm
x1 >= 0 , ....... , xn >= 0
O bien, en notacin vectorial:
Max cx
Sujeto a : Ax <= b
x >= 0
en que:
XT = (x1,....., xn) c = (c1... cn)

A= a11............. a1n bT = (b1..... bm)

......................

am1............. amn
Con ci , bj , aij R (i = 1.....n , j = 1......m)
X = { x/ Ax <= b , x >= 0}
Estructura de un problema de programacin lineal.
Primero haremos una consideracin de carcter general, vlida tanto para modelos
no lineales como lineales:
Naturaleza de los parmetros empleados en la construccin de los modelos. Los datos
que caracterizan el problema, como son en un modelo de programacin lineal los valores
asignados a los parmetros aij , bi y cj , derivan de observaciones reales y como tales estn
sujetos, en general, a un cierto grado de incertidumbre.
Linealidad del modelo. La naturalidad con que formulamos nuestro problema, en
trminos de un programa lineal, se debe en buena medida, a la presencia de los dos
ingredientes bsicos de la linealidad: proporcionalidad y superposicin.
Proporcionalidad: es apreciada en dos aspectos. Al decir que si se requieren aij horas de
maquinaria i para producir una unidad de producto j, se requerirn aijxj horas para producir
xj unidades de producto j, y al establecer que si el beneficio asociado con la produccin de una
unidad de j es cj , el beneficio de xj unidades es cj xj . Sin embargo, aunque esta afirmacin parece
ser bastante razonable, hay dos observaciones que ilustrarn sus limitaciones:

A).- Problemas de la inversin inicial: como casi siempre la produccin de un determinado

producto requiere de una inversin inicial, con lo cual, si ci es el beneficio unitario y xi el
nmero de unidades producidas, el beneficio correspondiente a este nivel de produccin
ser :
0 si xi = 0
ci (xi) =

-K + ci xi si xi > 0
en que K(k>0) es el costo de la inversin. Si k=0, tenemos ci (xi) = ci xi como en el
problema de programacin lineal, pero si k>0, la proporcionalidad ya no es vlida. El
ci (xi) as definido tiene una discontinuidad en el origen.
B).- Rendimientos de escala: en algunos casos el costo (o utilidad) puede estar asociado con
el nivel de produccin de un determinado producto y por lo tanto, al no existir la
proporcionalidad, no es posible formular el modelo directamente en trminos de una
programacin lineal.
Superposicin: o aditividad, se refiere al hecho de que la suma de los recursos empleados
por cada actividad es igual al uso total del recurso. O sea, el nmero total de horas de uso
de la mquina i corresponde a la suma de las horas empleadas por cada producto en esta
misma mquina durante su proceso de fabricacin. La aditividad implica que no se gana ni
se pierde nada por la fabricacin simultnea de varios productos.
Existe un mtodo computacional que no depende de la dimensin del problema para
su funcionamiento. Este mtodo recibe el nombre de mtodo simplex.
Mtodo simplex.
Con l se puede resolver un problema de programacin lineal de cualquier
dimensin.
Es un algoritmo que salta de un vrtice, formado por la interseccin de las
ecuaciones de restriccin, a otro, de manera que siempre aumente el valor de la funcin
objetivo.
El procedimiento a seguir en la solucin de un problema de programacin lineal es:
1. Formule el problema en un formato adecuado para la programacin lineal, usando
ecuaciones de restriccin lineales y funcin objetivo lineal.
2. Introduzca las variables de holgura necesarias manteniendo siempre positivo el lado
derecho de todas las ecuaciones.
3. Escoja una base inicial posible. Si todas las ecuaciones de restriccin son desigualdades del
tipo menor que, se pueden usar las variables de holgura.
4. Manipule algebraicamente las ecuaciones de manera que la funcin objetivo quede
expresada en funcin de las variables no bsicas. Esto determina el valor de la funcin
objetivo para las variables en la base.
5. Examine la funcin objetivo y escoja la variable que tenga el mayor coeficiente positivo
para introducirla en la base (en el caso de maximizacin). Si no hay coeficientes positivos,
quiere decir que se ha alcanzado el ptimo.
6. Examine las ecuaciones de restriccin y escoja una para eliminar la variable que ser
introducida en la base. El criterio a usar es que ninguno de los trminos del lado derecho se

haga negativo. Esto es necesario para asegurar que todas las variables de la nueva base sean
positivas.
7. Realice la misma eliminacin en la funcin objetivo para sacar la nueva variable
perteneciente a la base. La funcin objetivo debe tener solamente variables que no estn en
la base. Esto determina el nuevo valor de la base.
8. Repita los pasos 5, 6 y7 hasta que todos los coeficientes en la funcin objetivo a maximizar
sean negativos.

CONCLUSIN

Los mtodos de optimizacin son una rama de las matemticas con el objetivo de
realizar un proceso de toma de decisiones por medio del uso de modelos matemticos,
estadsticos y algoritmos. Frecuentemente trata del estudio de complejos sistemas reales,
con la finalidad de mejorar (u optimizar) su funcionamiento.
Las Tcnicas de Optimizacin, conjuntamente con los sistemas informticos, se han
convertido en una poderosa herramienta para el diagnstico y solucin de mltiples
problemas complejos, presentes en las Ciencias de la Administracin, convirtindose en
elemento decisivo para la toma de decisiones.