P1 PPL
Resuelva el siguiente problema utilizando branch and bound. No resuelva más de 4 ramas.
max 5𝑥1 + 3𝑥2 𝑠. 𝑡. 3𝑥1 + 2𝑥2 ≤ 10 𝑥1, 𝑥2 ≥ 0, 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
P0
Z=16,66..
X1=3,33..
X2=0
X 1≤3 X 1≥4
P1 P2
Z=16.5 Z=16,6.. La solución es inviable
X 1=3 X1=3,3.. por lo que se termina
X 2=0,5 X2=0 por esta rama.
X2≤0 X 2≥1
P1,1 P1,2
Z=16,33..
Z=15 X1=2,66..
X1=3 X2=1
X2=0
P1,2,1 X 1≤2 X 1≥3 P1,2,2
Z=16
SOLUCION NO
X1=2
FACTIBLE
X2=2
La solución más óptima para la resolución del problema se encuentra en Z=16, X 1=2 y X2=2
Tableau
Para P0
Para P1
Para P2
base x1 x2 S1 S2 R
Z -5 -3 0 0 0 F1+5F2
S1 3 2 1 10 F2/3
S2 1 0 0 -1 4 F3-F2
BASE X1 X2 S1 S2 R
Z 0 0,33 1,67 0,00 16,67
S1 1 0,67 0,33 0,00 3,33
S2 0 -0,67 -0,33 -1,00 0,67
Para P1,1
PARA P1,2
Para P1,2,1
P2 Modelación
Mencione 3 problemas de minería que podría resolverse con técnicas de optimización lineal, no
lineal y discreta respectivamente. Comente sobre el aporte de técnicas alternativas como
simulated annealing y algoritmos genéticos.
Problema optimización lineal: en este podría abordarse la planificación para open pit en una
minería a rajo teniendo en cuenta el modelo de bloques que este presenta, con la finalidad de
obtener el mayor beneficio o Van en el proyecto.
Problema optimización no lineal: dentro del procesamiento del mineral se deben utilizar
bastantes químicos los cuales se comportan la mayor parte como parábolas en relación a su
comportamiento con respecto al mineral, para esto es una buena opción la utilización de
ecuaciones con el fin de que la utilización del químico en cuestión (ejemplo un floculantes) se
comporte de la mejor manera, de este el objetivo es encontrar el optimo requerido del producto.
Problema de optimización discreta: estos puede ser de gran ayuda para obtener la cantidad de
maquinarias optimas requerida para el buen funcionamiento de la minera.
simulated annealing son de gran ayuda en la optimización puesto que hace un recorrido dentro
del problema teniendo una aproximación al valor optimo, todo esto para solucionar problemas de
gran envergadura hace que exista un parámetro valido en la resolución, por otro lado algoritmos
genéticos cumplen la función d3e entregar los pasos a seguir para la resolución del problema
determinado mostrando pasos típicos dentro del sistema, siendo más reales.
P3 No lineal.
Para un conjunto de pares de datos (𝑋𝑖, 𝑖), con 𝑖 = 1,…,𝑛, se plantea el modelo 𝑌 = 𝐵0 + 𝐵1𝑋.
Desarrolle 𝐵0 y 𝐵1 de mínimos cuadrados ordinarios.
P4 Definiciones
Defina en no más de una línea, los siguientes conceptos:
i) Problema de optimización lineal
ii) Variable discreta
iii) Relajación
iv) Variable de Holgura
v) Restricción activa
vi) Gradiente
vii) Algoritmo genético
viii) Función multiobjetivo
ix) Vínculo entre Lerch y Grossman y Problema del Flujo Máximo.
P5 Simplex
Para el siguiente problema, dibuje la región factible y resuelva utilizando un tableau.
max𝑥1 + 2𝑥2 + 3𝑥3
𝑠.𝑡.𝑥1 + 2𝑥2 + 3𝑥3 ≤ 10
−𝑥1 + 2𝑥2 − 3𝑥3 ≤ 5
𝑥1 − 2𝑥2 + 3𝑥3 ≥ 2
𝑥1,2,𝑥3 ≥ 0,𝑒𝑛𝑡𝑒𝑟𝑜𝑠
base X1 X2 X3 S1 S2 S3 R
Z -1 -2 -3 0 0 0 0
S1 1 2 3 1 10
S2 -1 2 -3 0 1 0 5
S3 1 -2 3 0 0 -1 2 F4/3
base X1 X2 X3 S1 S2 S3 R
Z -1 -2 -3 0 0 0 0 F1+3F3
S1 1 2 3 1 0 0 10 F2-3F4
S2 -1 2 -3 0 1 0 5 F3+3F4
S3 1/3 - 2/3 1 0 0 - 1/3 2/3
BASE X1 X2 X3 S1 S2 S3 R
Z 0 -4 0 0 0 -1 2 F1+4F2
S1 0 4 0 1 0 1 8 F2/4
S2 0 0 0 0 1 -1 7
S3 1/3 - 2/3 1 0 0 - 1/3 2/3 F4+2/3F2
BASE X1 X2 X3 S1 S2 S3 R
Z 0 -4 0 0 0 -1 2 F1+4F2
S1 0 4 0 1 0 1 8 F2/4
S2 0 0 0 0 1 -1 7
S3 1/3 - 2/3 1 0 0 - 1/3 2/3 F4+2/3F2
La solución optima obtenida se encuentra con z=10, x1=0 , x2=2, x3=2.
P6 Modelación
Plantee un problema de optimización en contexto minero, incluyendo datos, objetivos, aplicación.
No lo desarrolle ni lo resuelva.