OPTIMIZACIN RESTRINGIDA

I.- INTRODUCCION

Muchos mtodos de optimizacin de problemas con

restricciones (univariables y multivariables) involucran
la resolucin de un problema de optimizacin en una
dimensin.
Los mtodos analticos imponen demasiadas
restricciones a las funciones objetivos. Adems, no
siempre es posible resolver el sistema de ecuaciones
analticamente. Por este motivo se desarrollaron los
mtodos numricos.
Existen dos tipos de mtodos numricos, a saber:
Mtodos directos: slo utilizan los valores de las
funcin objetivo.
Mtodos indirectos: utilizan las condiciones
necesarias, las derivadas (analticas o
numricas) y la funcin objetivo.
Los mtodos indirectos requieren el clculo de las
derivadas primeras y segundas. Sin embargo, muchas
veces obtener las derivadas es una tarea difcil, y hasta
es posible que ni siquiera se conozca la forma analtica
de la funcin objetivo. Esto plantea la necesidad de
contar con mtodos capaces de trabajar nicamente
con los valores (experimentos) de la funcin objetivo.
Estos son los mtodos de bsqueda directa.
La obtencin de un valor de la funcin objetivo
significar en algunos casos evaluar un modelo
matemtico, mientras que en otros significar realizar
un experimento. Sea como sea, siempre ser
conveniente llegar al ptimo realizando la menor
cantidad de evaluaciones. Esa es la misin de los
mtodos de bsqueda directa, a partir de los resultados
de las evaluaciones realizadas, sugerirn el siguiente

experimento de forma tal de aumentar la velocidad de

convergencia. Es decir, que estos mtodos disearn
un adecuado plan de experiencias. El plan de
experiencias puede ser secuencial o simultneo.
Cuando disponemos de un equipo por
un tiempo limitado, puede ser que nos veamos
obligados a realizar una serie de experimentos
simultneos. Estos experimentos son independientes,
los experimentos realizados no influyen sobre la forma
de realizar el siguiente. Un mejor enfoque es el plan de
experiencias secuencial. Este mtodo analiza los
resultados obtenidos en un experimento para sugerir la
forma de realizar el prximo.
II.-OBJETIVOS:

Hallar el beneficio mximo que se puede obtener de

un problema
Determinar cuantos kilos de semilla se necesitara
Determinar la cantidad de abono k se usara en la
produccin
III.-MATERIALES Y METODOS:

Un problema planteado
sobre optimizacin
restringida para desarrollar el trabajoel trabajo
Una computadora
Hoja de calculo Excel herramienta (solver)
Apuntes de clase

IV.-MARCO TERICO:

Optimizacin.En matemticas la optimizacin o programacin

matemtica intenta dar respuesta a un tipo general de

problemas matemticos donde se desea elegir el mejor

entre un conjunto de elementos. En su forma ms simple,
el problema equivale a resolver una ecuacin de este
tipo:

Donde x = (x1,...,xn) es un vector y representa variables

de decisin, f(x) es llamada funcin objetivo y representa
o mide la calidad de las decisiones (usualmente nmeros
enteros o reales) y es el conjunto de puntos o
decisiones factibles o restricciones del problema.
Algunas veces es posible expresar el conjunto de
restricciones como solucin de un sistema de
igualdades o desigualdades.

Un problema de optimizacin trata entonces de tomar

una decisin ptima para maximizar (ganancias,
velocidad, eficiencia, etc.) o minimizar un criterio
determinado (costos, tiempo, riesgo, error, etc). Las
restricciones significan que no cualquier decisin es
posible.

Tipos de optimizaciones
Segn el nivel de generalidad que tome el problema, ser la
resolucin que se plantee.
Optimizacin clsica
Si la restriccin no existe, o es una restriccin de igualdad,
con menor o igual nmero de variables que la funcin
objetivo entonces, el clculo diferencial, da la respuesta, ya

que solo se trata de buscar los valores extremos de una

funcin.
Optimizacin con restricciones de desigualdad optimizacin no clsica
Si la restriccin contiene mayor cantidad de variables que la
funcin objetivo, o la restriccin contiene restricciones de
desigualdad, existen mtodos en los que en algunos casos
se pueden encontrar los valores mximos o mnimos.
Si tanto restricciones como funcin objetivo son lineales
(Programacin lineal o PL), la existencia de mximo
(mnimo), esta asegurada, y el problema se reduce a la
aplicacin de unos simples algoritmos de lgebra lineal
elemental los llamados mtodo simplex; y mtodo dual. Sin
embargo, si estas condiciones no se cumplen, existen, las
llamadas condiciones de Khun -Tucker, las cuales en
algunos casos, pueden ser utilizables, para probar
encontrar puntos crticos, mximos o mnimos. Sin
embargo, esta es un rea an muy poco desarrollada de la
matemtica, frecuentemente, las condiciones de KuhnTucker fallan, o no son suficientes, para la existencia de
extremos.
Optimizacin estocstica
Cuando las variables del problema (funcin objetivo y/o
restricciones) son variables aleatorias el tipo de
optimizacin realizada es optimizacin estocstica.
Optimizacin con informacin no perfecta
En este caso la cantidad de variables, o ms an la funcin
objetivo puede ser desconocida o tambin variable. En este
campo, la matemtica conocida como matemtica borrosa,
est realizando esfuerzos, por resolver el problema. Sin
embargo, como el desarrollo de esta rea de la matemtica
es an demasiado incipiente, son escasos los resultados
obtenidos.

V.- METODOLOGA

Nos agenciamos de un problema propuesto para poder

resolverlo mediante la optimizacin
Pasamos los datos a la hoja de calculo relacionamos
las celdas de acuerdo a los procedimientos que se
tiene que hacer
Vamos a datos para encontrar la herramienta solver y
ah escogemos las celdas adecuadas para k podamos
encontrar la optimizacin

VI.- RESULTADOS Y DESCUSION

Celda
Nombre
$C$3
B(x,y)

Celda
$A$3
$B$3

Nombre
kilos de
semilla
kilos de
abono

Valor
original
240

Valor
final
241

Valor
original

Valor
final

2,2

3,8

Microsoft Excel 12.0 Informe

de lmites
Hoja de clculo: [metodos.xlsx]Informe
de lmites 1
Informe creado: 14/12/2011 04:36:39
a.m.

Celda
$C$3

Celda
$A$3
$B$3

Celda
objetivo
Nombre
B(x,y)

Celdas
cambiantes
Nombre
kilos de
semilla
kilos de
abono

Igual
241

Igual
2,2
3,8

optimizacion
Segn el problema el objetivo ez maximizar B(x,y)=I(x,y)-C(x)-C(y)=5z-10x-20y
kilos de
semilla
2,2

kilos de abono

B(x,y)

3,8

241

Beneficio
maximo

El agriculto debe utilizar 2.2 kg de semilla y 3.8 kg

de abono por metro cuadrado , para obtener un
beneficio maximo de 241

VII.- CONCLUSIONES Y RECOMENDACIONES

CONCLUSIONES. El beneficio mximo que se puedo obtener del

problema es de 241
Determinamos que los kilos d semilla que
necesitara son 2.2 kilos

se

 Determinamos que la cantidad de abono k se usara en

la produccin es de 3.8 kilos e abono por metro
cuadrado
RECOMENDACIONES. Se recomienda resolver el problema mediante el uso
de solver ya que te facilita en tiempo y procedimiento
Tener presente las celdas objetivos tanto al operar
para las formulas como al momento de solucionar
mediante solver

VIII.-BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Optimizaci%C3%B3n_(matem
%C3%A1tica)
http://www.fio.unicen.edu.ar/usuario/cgely/q13-0/Apuntes/unidad4.pdf
http://www.fio.unicen.edu.ar/usuario/cgely/q13-0/Apuntes/unidad4.pdf