Lo2 PDF

Módulo I
Optimización
Universidad Pontificia ICAI
I OPTIMIZACIÓN
I.2. Modelos de optimización
I.2.1. Modelo y modelado

Modelo. Esquema teórico, generalmente en forma matemática, de un sistema
o de una realidad compleja (por ejemplo, la evolución económica de un país),
que se elabora para facilitar su comprensión y el estudio de su
comportamiento. DICCIONARIO DE LA LENGUA ESPAÑOLA. REAL
ACADEMIA ESPAÑOLA.
Un modelo es una representación matemática simplificada de una realidad

compleja. Modelar es la acción de construir un modelo, de encorsetar la
realidad. Implica la relación entre dos figuras (no necesariamente encarnadas
por personas únicas sino por equipos): el modelador (encargado de la
especificación y desarrollo del modelo) y el experto sobre la realidad (conocedor
del problema real). La mayoría de las veces, el desarrollo de un modelo puede
involucrar a un equipo multidisciplinar compuesto por matemáticos,
estadísticos, ingenieros, economistas, psicólogos, etc. que aportan diferentes
perspectivas y conocimiento en la representación de la realidad. Un modelo debe
equilibrar la necesidad de contemplar todos los detalles con la factibilidad de
encontrar técnicas de solución adecuadas.
Un modelo es, en definitiva, una herramienta de ayuda a la toma de
decisiones. Por esta razón, sus resultados deben ser inteligibles y útiles. Modelar
se puede entender simultáneamente como ciencia y como arte. Es una ciencia
pues se basa en un conjunto de procesos estructurados: análisis y detección de
las relaciones entre los datos, establecimiento de suposiciones y aproximaciones
en la representación de los problemas, desarrollo o uso de algoritmos específicos
de solución. Es un arte porque materializa una visión o interpretación de la
realidad no siempre de manera unívoca. Cada persona imprime su estilo en el
modelo mismo y en la especificación, en el desarrollo y en la documentación.
Características tales como elegancia o simplicidad pueden atribuirse a un
modelo. El desarrollo de un modelo es una creación hecha con ayuda de ciencias
básicas o herramientas de apoyo.
Entre los beneficios explícitos o implícitos, tanto para el modelador como
para el experto, derivados del proceso de modelado además del modelo en sí
mismo, se pueden mencionar:
 Ayuda a establecer un diálogo con intercambio de información entre el

modelador y el experto
31/10/2010 11
I.3 FORMULACIÓN DE PROBLEMAS DE OPTIMIZACIÓN
 Organiza los datos, la información disponible sobre el sistema

 Organiza, estructura y mejora la comprensión del sistema
 Internaliza la estructura organizativa de la empresa
 Permite compartir supuestos y resultados entre el modelador y el experto
 Proporciona un entorno ágil para el análisis y la sensibilidad
 Indica la dirección de mejora en las decisiones
En este capítulo se tratará exclusivamente de modelos de optimización, es

decir, aquellos donde existe un conjunto de variables de decisión que deben
maximizar/minimizar una función objetivo sometidas a un conjunto de
restricciones. Los modelos de programación lineal son más utilizados que todos
los otros tipos de optimización juntos y abarcan cualquier tipo de actividad
humana como micro y macroeconomía, finanzas, marketing, economía de la
energía, organización de la producción, planificación de la operación, selección
de procesos, asignación de tareas, ingeniería química, forestal, agrónoma,
comercio internacional, desarrollo económico, etc. Como referencias generales de
modelado de problemas de optimización que se pueden utilizar en la enseñanza
de pregrado o postgrado cabe citar a [Schrage, 1997] y [Williams, 1999].
I.2.2. Etapas en el desarrollo de un modelo

Las etapas que componen el ciclo de vida de un modelo son las siguientes:
Identificación del problema
Consiste en la recolección y análisis de la información relevante para el
problema, en el intercambio de información entre el modelador y el experto, en
establecer una relación simbiótica y una estrecha coordinación entre ambos.
Los problemas reales suelen estar definidos en términos vagos e imprecisos.
Se debe hacer la tarea de traducción o interpretación en frases precisas,
convertibles en ecuaciones matemáticas. En esta etapa se establecen y
documentan los supuestos realizados que en etapas posteriores deberán ser
validados.
Esta etapa es fundamental para que las soluciones proporcionadas, las
conclusiones obtenidas sean útiles, las decisiones adoptadas sean correctas. Los
datos suelen ser vitales para conseguir un realismo o aplicabilidad en las
soluciones. A menudo representan el cuello de botella del proceso de modelado.
Especificación matemática y formulación
Escritura matemática del problema de optimización, definiendo sus variables,
sus ecuaciones, su función objetivo, sus parámetros. En esta etapa se analiza el
tamaño del problema, la estructura de la matriz de restricciones, su tipo (LP,
12 31/10/2010
I OPTIMIZACIÓN
MIP, NLP). Es una etapa de creación donde se debe prestar especial atención a
la precisión en la formulación y a la escritura de las ecuaciones que describen el
problema.
En LP la elección de una formulación de un problema, aunque importante,
no afecta de manera significativa la resolución del mismo. Sin embargo, en NLP
o MIP la elección de la formulación es crucial. Pueden existir diversas
alternativas de modelado que afectan de manera fundamental en la resolución
del mismo, existiendo un desarrollo cada vez mayor en la reformulación de
problemas. En problemas MIP la calidad de una formulación se mide por la
cercanía entre la envoltura convexa del poliedro de soluciones enteras factibles y
la del poliedro del problema MIP relajado linealmente. En el apartado I.6.5.2 se
explica en más detalle algunas técnicas de reformulación de problemas MIP.
La caracterización de un problema LP según su tamaño resulta difícil y ha
sufrido un gran cambio desde los recientes desarrollos de algoritmos simplex
mejorados y, sobre todo, desde la aparición de los métodos de punto interior. En
la tabla 1.1 se propone una clasificación de tipos de problemas LP según su
tamaño. Esta clasificación debe ser tomada como guía o referencia relativa
actual pero téngase en cuenta que los tamaños relativos de los problemas
cambiarán conforme evolucionen los códigos de optimización. Actualmente se
puede afirmar que los códigos de optimización lineal implantan algoritmos muy
eficientes, son fiables y numéricamente robustos y están ampliamente
disponibles.
Restricciones Variables
Caso ejemplo 100 100
Tamaño medio 10000 10000
Gran tamaño 100000 100000
Muy gran tamaño > 100000 > 100000
Tabla 1.1 Tipos de problemas LP según su tamaño.
En lo referente a MIP o NLP ni siquiera se pueden dar criterios generales de

tamaño ya que la dificultad de resolución no tiene por qué estar ligada al
tamaño del problema, puede ser incluso preferible reformular un problema
aunque aumenten las dimensiones, para lograr una resolución más eficiente.
Resolución
Se trata de implantar un algoritmo de obtención de la solución numérica
(muy próxima a la matemática) óptima o cuasióptima. El algoritmo puede ser
de propósito general (método simplex) o específico. Puede haber diferentes
31/10/2010 13
I.3 FORMULACIÓN DE PROBLEMAS DE OPTIMIZACIÓN
métodos de solución de un problema o diferentes implantaciones de un mismo

método. El tiempo de resolución de un problema también puede depender
drásticamente de cómo esté formulado.
La solución óptima debe ser suficientemente satisfactoria, debe ser una guía
de actuación para el experto.
Verificación, validación y refinamiento
Esta etapa conlleva la eliminación de los errores en la codificación, es decir,
conseguir que el modelo haga lo que se ha especificado matemáticamente en la
etapa anterior mediante su escritura en un lenguaje informático (depurar y
verificar). Es necesario comprobar la validez de las simplificaciones realizadas a
través de los resultados obtenidos, incluso contrastando éstos con situaciones
reales ya transcurridas (validar) o comprobando que los resultados son
coherentes con respecto a lo que sucedería en la realidad.
Esta etapa de verificación, validación y comprobación da lugar a nuevas
necesidades de refinamiento en el modelado para mejorar la capacidad de
representación del sistema. Por ejemplo, eliminar la linealidad y hacer el modelo
no lineal o hacer el modelo estocástico si la realidad lo fuera. Además, también
se puede abordar el refinamiento matemático en la formulación del problema
para hacerla más eficaz.
Interpretación y análisis de los resultados
Esta etapa consiste en proponer soluciones. Permite conocer en detalle el
comportamiento del modelo al hacer un análisis de sensibilidad en los
parámetros de entrada, estudiar diferentes escenarios plausibles de los
parámetros, detectar soluciones alternativas cuasióptimas pero suficientemente
atractivas, comprobar la robustez de la solución óptima.
Implantación, documentación y mantenimiento
Ésta es una etapa fundamental del desarrollo de un modelo para garantizar
su amplia difusión. La documentación ha de ser clara, precisa y completa. El
manual de usuario debe incluir la especificación técnica funcional, matemática e
informática. El propio código debe incluir una buena documentación para
facilitar la tarea del mantenimiento. Piénsese que la mayor parte del ciclo de
vida de un modelo no está en el desarrollo sino en la fase de uso y
mantenimiento.
En esta etapa se incluye también la tarea de formación para los usuarios del
modelo.
14 31/10/2010
I OPTIMIZACIÓN
I.2.3. Referencias
Schrage, L. (1997) Optimization Modeling with LINDO. Duxbury Press.
Williams, H.P. (1999) Model Building in Mathematical Programming. 4th
Edition. John Wiley and Sons.
31/10/2010 15

Lo2 PDF

Cargado por

Copyright:

Formatos disponibles

Lo2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lo2 PDF

Cargado por

Copyright:

Formatos disponibles

Módulo I

I.2. Modelos de optimización

I.2.1. Modelo y modelado

Un modelo es una representación matemática simplificada de una realidad

 Ayuda a establecer un diálogo con intercambio de información entre el

 Organiza los datos, la información disponible sobre el sistema

En este capítulo se tratará exclusivamente de modelos de optimización, es

I.2.2. Etapas en el desarrollo de un modelo

Tabla 1.1 Tipos de problemas LP según su tamaño.

En lo referente a MIP o NLP ni siquiera se pueden dar criterios generales de

métodos de solución de un problema o diferentes implantaciones de un mismo

También podría gustarte