Problemas Histoticos de Optimizacion:

Problema de la dieta(Stigler).
Problema del transporte(Koopman).

INTEGRANTES:

 Chambi Parqui Dani

 Vilca Masco Gustavo
 Huillca Quispe Miguel
 Cuchuyrume Mamani Nestor
 Del Carpio Mendoza Julio
 George Stigler
George Stigler nació en Seattle, en el estado de Washington el 17 de enero del 1911,
hijo de Joseph Stigler, inmigrante de Alemania y Elizabeth, inmigrante de Hungría.
En 1931, se graduó de la Universidad de Washington y estudió un año en
Northwestern University, cerca de Chicago, cuando decidió que quería dedicar sus
estudios y su carrera a las económicas como profesor universitario
(George Joseph Stigler; Renton, 1911 - Chicago, 1991) Economista estadounidense.
Miembro destacado, junto con Milton Friedman, de la llamada Escuela de Chicago,
defendió la libre competencia y profundizó en las teorías de la producción, de los
oligopolios, de la información y de las estructuras industriales. En 1982 fue
galardonado con el Premio Nobel de Economía.
Stigler era hijo de unos emigrantes centroeuropeos que viajaron a Estados Unidos a
finales del siglo XIX. Estudió en una escuela pública y más tarde en la Universidad de
Washington, en la que se graduó en 1931. Ingresó luego en la Universidad de
Northwestern, en la que obtuvo una maestría en dirección de empresas, y prosiguió
su formación en la Universidad de Chicago, donde permaneció hasta 1936 y recibió
las influencias del pensamiento de Frank Hyneman Knight.
PRINCIPALES TRABAJOS Y CONTRIBUCIONES
Profesor Stigler inició sus investigaciones en la teoría
de precios, en 1938, y continuó estos estudios
evaluando la curva de demanda en los oligopolios y
estableció que estos precios no movían de forma
estable, incluyendo el análisis de lo que se llaman
'sticky prices' donde los precios no reaccionan
facilmente a cambios en demanda. En estos estudios,
durante los años 1940, cuestionó las teorías del
mercado eficiente y su falta de funcionamiento
eficiente en algunas situaciones.
En 1950 propuso el 'método de supervivencia' para
determinar el tamaño eficiente de las empresas evaluando
las empresas y los sectores en base a los que sobreviven y
crecen, incluyendo el análisis de la estructura de precios y
la integración vertical de empresas. Colaboró mucho con
la National Bureau of Economic Research (NBER), donde ya
estaba integrada Anna Schwartz.
A lo largo de su carrera, profesor Stigler publicó muchas
publicaciones destacadas incluyendo las siguientes, que
siguen el camino de sus tres grandes intereses, las
estructuras industriales, el comportamiento de los
mercados y los impactos de la regulación y de la
participación de los gobiernos en las economías:
El impacto de George Stigler hoy en día

La contribución del Profesor Stigler fue numeroso y ha

influido en posteriores estudios sobre la estructura
óptima de las economias, los funcionamientos de los
mercados y el impacto y los costes de la regulación,
donde cuestionó la efectividad de la regulación en el
mantenimiento bajo de los precios. Fue el primero que
demostró que la regulación de sectores no resultaba con
el control de los monopolios o de los oligopólios pero,
mucho peor, llegaba a la influencia decisiva de los
reguladores por parte de las empresas siendo reguladas.
En estos momentos de la participación cada vez más
importante en las economías de los gobiernos, el
trabajo del profesor Stigler es muy importante para
entender el impacto y las consecuencias de esta
creciente participación. Un análisis muy importante
en estos momentos cuando muchos están esperando
que la actuación de los gobiernos en la economía nos
salve la vida economía.
 Problema de la Dieta:
El problema de la dieta, conocido por este nombre, fue uno de los
primeros problemas sobre optimización, motivado por el deseo del ejercito
americano de asegurar unos requerimientos nutricionales al menor coste.
El problema fue analizado y resuelto por George Stigler usando la
programación lineal en 1947.
 El problema de la dieta" de Stigler

 Objetivo:
Encontrar la combinación de alimentos de costo mínimo que permita
satisfacer nueve requerimientos nutricionales básicos de una persona de
peso promedio.

 Motivación:
Reducir costos en el abastecimiento de tropas.
Hablemos de matemática: 

Un problema de programación lineal es un problema de optimización donde:  Se

pretende maximizar o minimizar (Mínimo costo o máximo beneficio  por ejemplo)

 A la expresión  matemática de nuestro problema le llamaremos función objetivo.

(función costo o función  rentabilidad por ejemplo).

 A nuestros parámetros les llamaremos restricciones.(no mas de , solo una  vez ,

no superior a ,por ejemplo). Cada una de las restricciones será una ecuación
lineal o una desigualdad lineal en las variables de decisión.

 Llamaremos Región Factible  a un área  donde  todas las líneas  constituidas por 
las restricciones  crean una figura que las cumple y hallaremos  una respuesta
posible  en cada intersección de ellas  determinando  la mínima o máxima.

  A este punto es difícil entender  que es  el simplex y como funciona. Pero
veamos  el primer problema  de la dieta  planteado  por  el matemático Stigler:
 Ejemplo
 Se propone alimentar el ganado de una granja con la dieta más económica posible. Dicha dieta debe
contener cuatro tipos de nutrientes identificados como A, B, C, y D. Estos componentes se encuentran
en dos tipos de piensos M y N. La cantidad, en gramos, de cada componente por kilo de estos piensos
viene dada en la tabla siguiente:

 La dieta diaria de un animal debe estar compuesta por al menos 0.4Kg del componente A, 0.6Kg del
componente B, 2Kg del componente C, y 1.7Kg del componente D. El compuesto M cuesta 0.2 S./Kg y el
compuesto N 0.08 S./Kg. ¿Qué cantidades de piensos M y N se deben adquirir para que el gasto en
comida sea el menor posible?

 Se pretende mezclar los tipos de pienso para obtener una dieta equilibrada que contenga las
cantidades diarias recomendadas de cada nutriente para los animales.
 Determinar las variables de decisión y expresarlas algebraicamente. En este caso:
 X1: cantidad de pienso M en Kg
 X2: cantidad de pienso N en Kg
 Determinar las restricciones y expresarlas como ecuaciones o inecuaciones
dependientes de las variables de decisión. Dichas restricciones se deducen de la
composición requerida para la dieta diaria (en Kg):
 Componente A: 0.1·X1 + 0·X2 ≥ 0.4
 Componente B: 0·X1 + 0.1·X2 ≥ 0.6
 Componente C: 0.1·X1 + 0.2·X2 ≥ 2
 Componente D: 0.2·X1 + 0.1·X2 ≥ 1.7
 Expresar todas las condiciones implícitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso, la única restricción es que las
cantidades de pienso que forman la dieta no pueden ser negativas:
 X1 ≥ 0
 X2 ≥ 0
 Determinar la función objetivo:
 Minimizar Z = 0.2·X1 + 0.08·X2
Existe alguna solución posible para el problema, para calcularla.

La solución óptima es Z = 1.52

X1 = 4
X2 = 9
 Reseña Historica
• Formalmente este problema aparece en 1941 cuando F.L
Hitchcock publica una solucion analitica para este problema y su
desarrollo aparece a finales de los años 40 cuando Koopmans
realiza su tesis doctoral sobre los problemas de embarque de la
marina holandesa.

• A partir de ese momento el campo de aplicación del problema del

transporte empieza a crecer de una forma muy rápida, no solo en
aplicaciones militares sino también en el campo de la
producción, la distribución, las finanzas,etc.
Reseña Historica
 Se trata de uno de los primeros problemas que se formularon como
problemas de programacion entera
 El problema consiste en determinar cuantas unidades de producto
deben enviarse desde el origen i hasta el destino j de Forma que se
minimize el costo del envio y por descontado garantize la demanda
de los destinos y no exediendo de la capacidad de los origenes.
El problema se puede plantear
matematicamente como:
Condiciones
 Unacondicion nesesaria y suficiente para que el problema del
transporte tenga solucion es que la oferta total sea igual a la
demanda total.

 elproblema de transporte tiene una solucion fiable acotada si ai

y bj lo estan.

 lamatriz A de coeficientes de orden m+n filas y m*n columnas,

tiene un rango igual a n+m-1.

 la matriz A es un matriz unimodular

El problema de transporte

koopman
 Introducción

El problema de transporte (PT) consiste básicamente en

transportar mercancías desde varios orígenes (como pueden ser,
fábricas) a varios destinos (por ejemplo, almacenes y bodegas).

Sin embargo, el modelo se pude aplicar también en situaciones

prácticas como lo son el control de inventarios, la programación
del empleo y la asignación de personal entre otros.
Definición y aplicación del modelo de
transporte
El objetivo del problema es minimizar el costo total de envío de
un producto (o productos) desde los centros de suministro a los
centros de demanda bajo las siguientes restricciones:

cada centro de demanda (destino) recibe su requerimiento;

los envíos desde un centro de suministro (fuente) no exceden su
capacidad disponible.
Definición y aplicación del modelo de
transporte
El modelo de transporte busca determinar como transportar una
mercancía desde varias fuentes a varios destinos. Entre los
datos que requiere el modelo están:
1. Nivel de oferta en cada fuente y la cantidad de demanda en
cada destino.
2. El costo de transporte unitario de la mercancía de cada origen
a cada destino.
Un origen o un destino se
Origen Destino representa por un nodo.

C11; X11 El arco que une una fuente con un

a1 1 1 b1 destino representa la ruta por la
cual se transporta la mercancía.
a2 2 2 b2 Xij - cantidad de unidades a enviar
desde el origen i al destino j.
La cantidad de la oferta en el origen i
ai y la demanda en el destino j es bj.
am m n bm El costo de transporte unitario entre
Cmn; Xmn el origen i y el destino j es Cij.
Modelo Matemático del Problema de
Transporte
Forma estándar
Función Objetivo: m n
Z   cij xij  min
i 1 j 1
Sujeto a:
la suma de los envíos no puede ser mayor que la oferta
n

x
j 1
ij  ai
la suma de los envíos debe satisfacer la demanda
m

x
i 1
ij  bj
condición de no negatividad
xij  0
Este modelo implica que el total de la oferta debe ser cuando menos igual a
la cantidad demandada.
Modelo general de PL que representa al
modelo de Transporte
m n
minimizar Z   cij xij
i 1 j 1

n
sa
x
j 1
ij  si i=1,2,...,m
m

x
i 1
ij  dj j=1,2,...,n
xij  o para toda i y j
Algoritmos Específicos

Regla de la esquina noroeste (MEN)

Método por aproximación de Vogel (MAV)
Método del costo mínimo (MCM)
Método del paso secuencial y
DIMO (método de distribución modificada)
Descripción de los algoritmos

La regla de la esquina noroeste, el método de aproximación de Vogel y el

método del costo mínimo son alternativas para encontrar una solución
inicial factible.

El método del escalón y el DIMO son alternativas para proceder de una
solución inicial factible a la óptima.

Por tanto, el primer paso es encontrar una solución inicial factible, que
por definición es cualquier distribución de ofertas que satisfaga todas las
demandas
Descripción de los algoritmos

Una vez obtenida una solución básica factible, el algoritmo

procede paso a paso para encontrar un mejor valor para la función
objetivo.

La solución óptima es una solución factible de costo mínimo

Para aplicar los algoritmos, primero hay que construir una tabla
de transporte.
Aplicaciones del modelo de Transporte
El Modelo de Transporte no sólo es aplicable al movimiento de
productos, sino que también, como modelo se puede aplicar a
otras áreas tales como:

 Planificación de la Producción
 Control de Inventarios
 Control de Proveedores
 Otras
 Problema 2

Una empresa debe producir una cantidad suficiente de dos artículos para cumplir
con las ventas contratadas para los próximos tres meses. Los dos productos
comparten las mismas instalaciones de producción y cada unidad de ambos
requieren la misma capacidad de producción. Las capacidades de producción y
almacenamiento disponibles cambian cada mes, por lo cual puede valer la pena
producir más de alguno o ambos artículos en ciertos meses y almacenarlos hasta
que sean necesarios.
 Para cada uno de los tres meses, las segunda columna de la
siguiente tabla da el número máximo de unidades de los dos
artículos combinados que pueden producir en horas normales
(HN) y en horas extras (HE). Para cada producto, las columnas
subsecuentes dan 1) el número de unidades necesarias para la
venta contratada, 2) el costo en miles de dólares por unidad en
horas normales, 3) el costo en miles de dólares por unidad en
horas extras y 4) el costo en miles de dólares de almacenar cada
unidad adicional que se guarda para el siguiente mes. En cada
caso, las cifras de los dos productos se separaron con una
diagonal, con el valor del artículo 1 a la izquierda y el del artículo
2 a la derecha.
Planteamiento General
Como el problema tiene costos diferentes, en el producto 1 y en
el producto 2, además en los tiempos extras de cada producto,
entonces se deben de ingresar fuentes,que representen el
tiempo normal y otra que represente el tiempo extra para el
producto uno y otras dos fuentes para el producto 2 que
representen el tiempo normal y el tiempo extra; esto es por
cada mes. Para las demandas se debe de ingresar un destino
para el producto 1 y otro para el producto 2, por cada mes.
Gráfica
El grafo queda de la siguiente manera, el color rojo representa el
mes 1, el amarillo el mes 2 y el verde el mes 3, aquí se puede
visualizar como crece el modelo por el tiempo extra y el tipo de
producto.
El modelo de programación lineal se extiende, ya que por cada
nodo se tiene una restricción. A continuación se muestra como
queda el modelo de programación lineal.
Min z = 15x11+16x13+17x15+18x21+19x23+20x25+16x32+18x34+20x36+20x42+22x44+24x46+17x53+
19x55+20x63+22x65+15x74+16x76+18x84+19x86+19x95+22x105+17x116+22x126
S. a
Interpretación
De esta manera se distribuye el plan de trabajo para los próximos 3 meses con un
costo de $423 mil dólares.
Conclusión
-
El modelo de transporte es un modelo que nos ayuda a plantear de
forma sencilla los diferentes problemas de transporte, así como sus
diferentes aplicaciones como planeación de producción, asignación,
etc.
Al momento de resolver el planteamiento, por el método simplex,
el modelo encuentra una solución óptima, encontrando primero la
solución inicial, como punto de partida para acercarse a la solución
inicial.