ASPECTOS GENERALES DE PROGRAMACION LINEAL

Tema 2 PROGRAMACIN MATEMTICA

1. Introduccin. Relacin con la Programacin Lineal Continua

2. Aplicaciones. Medida de la eficiencia productiva mediante modelos de anlisis envolvente de datos (DEA). 3. Formulacin de problemas de programacin entera y mixta. Aplicaciones.
4. Algoritmos de solucin 5. Implementacin informtica 6. Estudios de casos reales de aplicacin

1. Introduccin. Programacin Lineal Continua Objetivos: minimizar o maximizar una funcin lineal en la presencia de restricciones lineales del tipo desigualdad o igualdad. Llamamos vector factible al conjunto de valores que satisfacen todas las restricciones. Resolucin: consiste en encontrar aquel valor del vector factible que minimiza/maximiza la funcin objetivo solucin ptima.

Formulacin del problema

Funcin objetivo:

Max(Min) Z=c1x1+c2x2+..+cnxn

Restricciones (limitaciones del conjunto de soluciones) s.a a11x1+a12x2+..+a1nxn = b1

a21x1+a22x2+..+a2nxn = b2
................................................. am1x1+am2x2+..+ammxn = bm Otras restricciones caractersticas del tipo de variables x1,x2,...xn 0

Variables de decisin (incgnitas) xj (j=1,2,....n)

Recursos disponibles (datos) b1,b2,...bm Coeficientes tecnolgicos aij , cj (i=1,2,..,m: j=1,2,....,n)

Ejemplo1 X1 cantidad de producto 1 X2 cantidad de producto 2

Planta

Capacidad usada
Producto 1 Producto 2
0 2 2

Capacidad disponible

1 2 3

1 0 3

4 12 18

Ganancia

Lupita est preocupada por su sobrepeso y el costo de la comida diaria, ella sabe, que para bajar de peso, debe consumir a lo ms, 1350 kcaloras, pero requiere de un mnimo de 500 mgr de vitamina A, 350 mgr. de Calcio, 200 mgr. de proteinas y 150 mgr de minerales. Con los alimentos de la tabla, formula el PL que resolvera la dieta de Lupita.

ALIMENTO

PORCION

VITAM. A

CALCIO

PROTEINAS

MINERALES

COSTO

KALORIAS

LECHE

1 TAZA

105

75

50

35

$5

60

HUEVO

2 PIEZAS

75

80

50

15

$7

50

ESPINACAS

1 RACION

100

125

78

$2

CHULETAS

2 CHULETS

25

10

55

$45

175

PESCADO

1 MOJARRA

150

50

100

50

$60

150

PASTEL

2 REB.

30

05

08

$50

200

Ejercicio 2

Horario

mnimo camareros
4

La cadena de restaurantes California, que trabaja 24 h. al da, ha abierto un nuevo restaurante en Las Palmas, y por ello requiere contratar camareros. El administrador ha dividido las 24 horas en varios turnos. Si cada camarero trabaja 3 horarios consecutivos, formular el problema de P.L. que determine el mnimo nmero de camareros por contratar.

0-3

3-6

6-9

9-12

12-15

15-18

14

18-21

10

21-24

Ejercicio 3

Una empresa determinada tiene disponible un milln de euros para invertir. El gerente tiene a su cargo, la dficil tarea de decidir en cuales de los cinco proyectos siguientes desea invertir:
PROYECTO COSTO UTILIDAD

Si el elegir un proyecto implica, pagar el costo total del mismo, formular el modelo P.L. que defina la mejor inversin para la empresa.

500000

325000

200000

122000

195000

095000

303000

111000

350000

150000

Mtodos de resolucin: Mtodo Grfico

Muy fcil de utilizar pero slo es aplicable a problemas con dos variables. Max Z= X1+1.4X2 S.a X1+0.5X26, X1,X20 0.5X1+X26, X1+X27 1.4X1+X29

13 12 11 10 9 8 X2_1 7 6 5 4 3 2 1 0 0 2 4 6 8 10 12 14 X2_2 X2_3 X2_4

Resolver grficamente el problema de P.L del Ejemplo1: Max Z=3x1+5x2 s.a.

x14
2x2 12

3x1+2x2 18
x1,x20

Mtodos de resolucin: Mtodo Simplex

Suposiciones: 1. 2. 3. El conjunto formado por las restricciones es convexo La solucin siempre ocurre en un punto extremo Un punto extremo siempre tiene dos puntos adyacentes

Mtodo: Encontrar una solucin inicial factible y calcular su valor en la la funcin objetivo Examinar un punto extremo adyacente al encontrado en la etapa 1 y calcular el nuevo valor de Z. Si el Z mejora repetir la etapa 2. Caso contrario examinar otro punto. Regla de parada: cuando no existe ningn extremo adyacente que mejore la solucin, nos hallamos en el ptimo.

Programacin Lineal Entera

De aplicacin cuando las variables de decisin han de ser enteras (nmero de personal a contratar). Debemos indicar qu variables ha de tomar valores enteros

El Mtodo Simplex no garantiza un solucin factible adecuada al problema

Algoritmo de Bifurcacin y Acotamiento ABA

Primeramente aplicamos el M. Simplex para obtener una solucin inicial. Si esta es entera (final)
Caso contrario aplicamos ABA: cada iteracin de ABA escoge un variable que presenta solucin no entera y divide el problema en dos sub-problemas aadiendo a cada uno de ellos una nueva restriccin (valor superio/inferior). Cada sub-problema se resuleve aplicando el M. Simplex

Programacin Lineal Binaria

De aplicacin cuando las variables de decisin slo pueden tomar dos valores Xi (0,1) Ejercicio 3 Max Z=325x1+122x2+95x3+11x4+150x5

s.a 500x1+200x2+195x3+303x4+350x51000
Resolucin: Mediante el algoritmo ABA modificado, sujeto a Xi (0,1)

Programacin Multiobjetivo
En muchas ocasiones, el decisor se enfrenta a situaciones en donde existen varios objetivos a maximizar o minimizar: Ejemplo: Podemos querer maximizar el bienestar de la poblacin minimizando los costes de implantacin de una determinada poltica El enfoque multiobjetivo busca el conjunto de soluciones eficientes o pareto ptimas Max Max s.a Z1=2x1-x2+95x3+11x4+150x5 Z2=-x1+5x2 x1+x28 -x1+x23 x16, x24 , x1,x20

Anlisis Envolvente de Datos (DEA)