PROGRAMACION LINEAL La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a travs de un sistema

de inecuaciones lineales, optimizando la funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. HISTORIA En los siglos XVII y XVIII, grandes matemticos como Newton, Leibnitz, Bernouilli y, sobre todo, Lagrange, que tanto haban contribuido al desarrollo del clculo infinitesimal, se ocuparon de obtener mximos y mnimos condicionados de determinadas funciones. Posteriormente el matemtico francs Jean Baptiste-Joseph Fourier (1768-1830) fue el primero en intuir, aunque de forma imprecisa, los mtodos de lo que actualmente llamamos programacin lineal y la potencialidad que de ellos se deriva. En 1941-1942 se formula por primera vez el problema de transporte, estudiado independientemente por Koopmans y Kantarovitch, razn por la cual se suele conocer con el nombre de problema de Koopmans-Kantarovitch. Tres aos ms tarde, G. Stigler plantea otro problema particular conocido con el nombre de rgimen alimenticio optimal. Mucha gente sita el desarrollo de la programacin lineal entre los avances cientficos ms importantes de la mitad del siglo XX, y debemos estar de acuerdo con esta afirmacin si tenemos en cuenta que su impacto desde 1950 ha sido extraordinario. Se han escrito decenas de libros de texto sobre la materia y los artculos publicados que describen aplicaciones importantes se cuentan ahora por cientos. De hecho, una proporcin importante de todo el clculo cientfico que se lleva a cabo en computadoras se dedica al uso de la programacin lineal y a tcnicas ntimamente relacionadas. (Esta proporcin se estim en un 25%, en un estudio de la IBM). Un modelo de programacin lineal proporciona un mtodo eficiente para determinar una decisin ptima, (o una estrategia ptima o un plan ptimo) escogida de un gran nmero de decisiones posibles. En todos los problemas de Programacin Lineal, el objetivo es la maximizacin o minimizacin de alguna cantidad. METODOS DE SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL Existen tres mtodos de solucin de problemas de programacin lineal:

Mtodo grfico o de las rectas de nivel. Las rectas de nivel dan los puntos del plano en los que la funcin objetivo toma el mismo valor. Mtodo analtico o de los vrtices. El siguiente resultado, denominado teorema fundamental de la programacin lineal, nos permite conocer otro mtodo de solucionar un programa con dos variables: En un programa lineal con dos variables, si existe una solucin nica que optimice la funcin objetivo, sta se encuentra en un punto extremo (vrtice) de la regin factible acotada, nunca en el interior de dicha regin. Si la funcin objetivo toma el mismo valor ptimo en dos vrtices, tambin toma idntico valor en los puntos del segmento que determinan. En el caso de

que la regin factible no es acotada, la funcin lineal objetivo no alcanza necesariamente un valor ptimo concreto, pero, si lo hace, ste se encuentra en uno de los vrtices de la regin

Esquema prctico. Los problemas de programacin lineal pueden presentarse en la forma estndar, dando la funcin objetivo y las restricciones, o bien plantearlos mediante un enunciado. TIPOS DE SOLUCIONES Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de solucin que presentan. stos pueden ser:

FACTIBLES. Si existe el conjunto de soluciones o valores que satisfacen las restricciones. Estas a su vez pueden ser: con solucin nica, con solucin mltiple (si existe ms de una solucin) y con solucin no acotada (cuando no existe lmite para la funcin objetivo). NO FACTIBLES. Cuando no existe el conjunto de soluciones que cumplen las restricciones, es decir, cuando las restricciones son inconsistentes. CONSTRUCCION DE LOS MODELOS DE PROGRAMACION LINEAL De forma obligatoria se deben cumplir los siguientes requerimientos para construir un modelo de Programacin Lineal:

Funcin objetivo. (FO): Debe haber un objetivo (o meta o blanco) que la optimizacin desea alcanzar. Restricciones y decisiones: Debe haber cursos o alternativas de accin o decisiones, uno de los cules permite alcanzar el objetivo. La FO y las restricciones son lineales. Deben utilizarse solamente ecuaciones lineales o desigualdades lineales. Modelo standard de Programacin Lineal Optimizar Z = C1X1+ C1X2 +.+ Cn Xn). Funcin objetivo. Sujeta a a11X1+ a11X2 +..+ a1nXn) b1 a21X1+ a21X2 +..+ a2nXn) b1 Restricciones am1X1+ am1X2 +..+ amnXn) bm Debiendo ser X1 0, X2 0, .. Xn 0 Donde : Xj : variables de decisin, j = 1,2.., n. n : nmero de variables. m : nmero de restricciones. aij , bi , cj constantes, i = 1,2.., m.

Pasos para la construccin del modelo

Definir las variables de decisin. Definir el objetivo o meta en trminos de las variables de decisin. Definir las restricciones. Restringir todas las variables para que sean no negativas.

VARIABLES Las variables son nmeros reales mayores o iguales a cero. En caso que se requiera que el valor resultante de las variables sea un nmero entero, el procedimiento de resolucin se denomina Programacin entera. RESTRICCIONES Las restricciones pueden ser de la forma:

Tipo 1:

Tipo 2:

Tipo 3: Donde:

A = valor conocido a ser respetado estrictamente; B = valor conocido que debe ser respetado o puede ser superado; C = valor conocido que no debe ser superado; j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones); a; b; y, c = coeficientes tcnicos conocidos; X = Incgnitas, de 1 a N; i = nmero de la incgnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N < M. Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede no tener sentido una optimizacin.

Los tres tipos de restricciones pueden darse simultneamente en el mismo problema. FUNCIN OBJETIVO La funcin objetivo puede ser:

Donde:

= coeficientes son relativamente iguales a cero.

PROGRAMACIN ENTERA En algunos casos se requiere que la solucin ptima se componga de valores enteros para algunas de las variables. La resolucin de este problema se obtiene analizando las posibles alternativas de valores enteros de esas variables en un entorno alrededor de la solucin obtenida considerando las variables reales. Muchas veces la solucin del programa lineal truncado esta lejos de ser el ptimo entero, por lo que se hace necesario usar algn algoritmo para hallar esta solucin de forma exacta. El ms famoso es el mtodo de 'Ramificar y Acotar' o Branch and Bound por su nombre en ingls. El mtodo de Ramificar y Acotar parte de la adicin de nuevas restricciones para cada variable de decisin (acotar) que al ser evaluado independientemente (ramificar) lleva al ptimo entero. APLICACIONES La programacin lineal constituye un importante campo de la optimizacin por varias razones, muchos problemas prcticos de la investigacin de operaciones pueden plantearse como problemas de programacin lineal. Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en el desarrollo de las matemticas lo suficientemente importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las ideas de programacin lineal han inspirado muchos de los conceptos centrales de la teora de optimizacin tales como la dualidad, la descomposicin y la importancia de la convexidad y sus generalizaciones. Del mismo modo, la programacin lineal es muy usada en la microeconoma y la administracin de empresas, ya sea para aumentar al mximo los ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la mezcla de alimentos, la gestin de inventarios, la cartera y la

gestin de las finanzas, la asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc. Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin de agua. Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con afluencias caracterizadas por corresponder a una determinada frecuencia. Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras hidrulicas; Solucin de problemas de transporte.

EJEMPLO Este es un caso curioso, con solo 6 variables (un caso real de problema de transporte puede tener fcilmente ms de 1.000 variables) en el cual se aprecia la utilidad de este procedimiento de clculo. Existen tres minas de carbn cuya produccin diaria es:

La mina "a" produce 40 toneladas de carbn por da; La mina "b" produce 40 t/da; y, La mina "c" produce 20 t/da.

En la zona hay dos centrales termoelctricas que consumen:

La central "d" consume 40 t/da de carbn; y, La central "e" consume 60 t/da

Los costos de mercado, de transporte por tonelada son:

De "a" a "d" = 2 monedas De "a" a "e" = 11 monedas De "b" a "d" = 12 monedas De "b" a "e" = 24 monedas De "c" a "d" = 13 monedas De "c" a "e" = 18 monedas

Si se preguntase a los pobladores de la zona cmo organizar el transporte, tal vez la mayora opinara que debe aprovecharse el precio ofrecido por el transportista que va de "a" a "d", porque es ms conveniente que los otros, debido a que es el de ms bajo precio. En este caso, el costo total del transporte es:

Transporte de 40 t de "a" a "d" = 80 monedas Transporte de 20 t de "c" a "e" = 360 monedas Transporte de 40 t de "b" a "e" = 960 monedas Total 1.400 monedas.

Sin embargo, formulando el problema para ser resuelto por la programacin lineal se tienen las siguientes ecuaciones:

Restricciones de la produccin:

Restricciones del consumo:

La funcin objetivo ser:

La solucin de costo mnimo de transporte diario resulta ser:

Xb-d = 40 resultando un costo de 12 x 40 = 480 monedas Xa-e = 40 resultando un costo de 11 x 40 = 440 monedas Xc-e = 20 resultando un costo de 18 x 20 = 360 monedas Total 1.280 monedas.

120 monedas menos que antes.