Optimizacin y Programacin Lineal

Programacin Lineal: Modelacin y Conceptos

Departamento de Matemticas

ITESM

Programacin Lineal: Modelacin y Conceptos

- p. 1/43

Introduccin
En esta lectura daremos una introduccin a la modelacin de problemas mediante programacin lineal; pondremos nfasis en las etapas que componen la modelacin. Cerraremos estos ejemplos con algunos conceptos generales sobre el tipo de problemas que nos interesa resolver.
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 2/43

Ejemplo 1: Compaa de pinturas

La compaa de pinturas Manchita produce tres tipos de pintura adicionando a una pintura base cuatro productos o aditivos qumicos (Q1 a Q4 ). Se tiene abundante pintura base disponible y cuyo costo ya fue cubierto. La compaa desea determinar la cantidad de toneladas de cada tipo de pintura que debe producir de manera que maximice la ganancia total. Las nicas restricciones se deben a la disponibilidad de los aditivos qumicos requeridos. Las ganancias obtenidas por las toneladas de pintura producida aparecen en la tabla siguiente.
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 3/43

Kg. de aditivo qumico requerido por tonelada Aditivo Q1 Q2 Q3 Q4 Ganancia por tonelada 15,000 25,000 19,000 Pintura interior 1 2 1 0 Pintura exterior 2 1 5 0 Pintura especial 2 1 1 1 disponible 2 kg 1 kg 3 kg 0.8 kg

Programacin Lineal: Modelacin y Conceptos

- p. 4/43

 Solucion

En la metodologa de solucin a los problemas de investigacin de operaciones, el primer paso consiste en establecer las acciones a tomar por la empresa para alcanzar sus objetivos. En este caso, la compaa tiene como meta determinar el plan productivo de mxima ganancia. En este caso, tal plan se determina indicando el nmero de toneladas de cada pintura que debe producir. Esto dene lo que se conoce como las variables de : decision s x = nmero de toneladas de pintura interior s y = nmero de toneladas de pintura exterior s z = nmero de toneladas de pintura especial

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 5/43

 objetivo. El siguiente paso es determinar la funcion sta debe ir acorde con la meta de la empresa y debe estar en funcin de las variables de decisin: La compaa desea maximizar la ganancia. Un elemento clave en los modelos de programacin lineal es el supuesto de aditividad: La ganancia total de la compaa es la suma de las ganancias por separado de la venta de cada uno de los productos. Esto descartara momentneamente situaciones donde las ganancias estn condicionadas ante ventas combinadas de productos. Otro supuesto importante es el de proporcionalidad: La contribucin de cada producto es directamente proporcional a la cantidad de producto.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 6/43

Si suponemos que toda la pintura producida es vendida, por aditividad

Ganancia Ganancia total Ganancia Ganancia

Pintura Interior

Pintura Exterior

Pintura Especial

y por proporcionalidad
Ganancia Pintura Interior Precio venta Total toneladas

= =

por tonelada pintura interior

pintura interior

x 15, 000 dlares ton

Programacin Lineal: Modelacin y Conceptos

- p. 7/43

Ganancia Pintura Exterior

Precio venta

Total toneladas

= =

por tonelada pintura exterior

pintura exterior

25, 000 dlares y ton

Precio venta Total toneladas por tonelada pintura especial

Ganancia Pintura Especial

= =

pintura especial

z 19, 000 dlares ton

Finalmente, el objetivo queda Max w = 15 x + 25 y + 19 z (en miles de dlares)

Programacin Lineal: Modelacin y Conceptos

- p. 8/43

El siguiente paso es determinar las restricciones que son condicionamientos a los valores que deben cumplir las variables de decisin. En general, los condicionamientos pueden ser muy diversos y podran estar asociados a los recursos de la empresa, a las demandas del mercado o bien controles de calidad, por citar algunos ejemplos. En nuestro ejemplo, los recursos disponibles referentes a los aditivos qumicos son los que condicionan el plan productivo.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 9/43

Nuevamente, como en la funcin objetivo, las dos suposiciones de aditividad y proporcionalidad son una exigencia en los modelos de programacin lineal: para cada aditivo, s el total consumido es la suma de lo consumido por separado en cada producto y s el total consumido por cada producto es directamente proporcional a la cantidad de producto El sentido comn indica que, para el aditivo 1, se debe cumplir:
Total utilizado aditivo 1 Total

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

disponible aditivo 1

Programacin Lineal: Modelacin y Conceptos

- p. 10/43

Bajo el supuesto de aditividad se tiene: Total utilizado = aditivo 1 Total utilizado aditivo 1 en pintura interior + Total utilizado aditivo 1 en pintura exterior + Total utilizado aditivo 1 en pintura especial

Bajo el supuesto de proporcionalidad se tiene Total utilizado aditivo 1 en pintura interior = = Total requerido aditivo 1 por tonelada en pintura interior kg 1 ton (x) Total toneladas pintura interior

Programacin Lineal: Modelacin y Conceptos

- p. 11/43

Total utilizado aditivo 1 en pintura exterior = =

Total requerido aditivo 1 por tonelada en pintura exterior kg 2 ton (y ) Total requerido = aditivo 1 por tonelada en pintura especial kg 2 ton (z ) Total toneladas pintura especial Total toneladas pintura exterior

Total utilizado aditivo 1 en pintura especial =

Programacin Lineal: Modelacin y Conceptos

- p. 12/43

Resumiendo, las restricciones quedan: s Aditivo 1: kg kg kg x+2 y+2 z 2 kg 1 ton ton ton s Aditivo 2: kg kg kg 2 x+1 y+1 z 2 kg ton ton ton s Aditivo 3: kg kg kg x+5 y+1 z 3 kg 1 ton ton ton s Aditivo 4: kg kg kg 0 x+0 y+1 z 0.8 kg ton ton ton Si regresamos a la naturaleza de nuestro problema, razonamos que las cantidades de pintura a producir deben ser mayor o igual que cero: por tanto, x 0, y 0 y z 0.

Programacin Lineal: Modelacin y Conceptos

- p. 13/43

En trminos puramente matemticos, el problema de la empresa Manchita consiste en determinar x, y y z para maximizar la funcin: f (x, y, z ) = 15 x + 25 y + 19 z sujeto a las condiciones: x + 2y + 2z 2x + y + z x + 5y + z z con x, y, z 0 2 2 3 0. 8

Programacin Lineal: Modelacin y Conceptos

- p. 14/43

Ejemplo 2: Compaa maquiladora

Una compaa fabrica dos tipos de productos, el tipo A y el tipo B. Un producto A se vende en $27 y requiere materia prima por un costo de $10. El costo de mano de obra de cada producto A es de $14. Por otro lado, un producto B se vende en $21 y requiere materia prima por un costo de $9. El costo de mano de obra de cada producto B es de $10. La manufactura de los productos A y B requiere dos tipos de labor: carpintera y acabado. Cada producto A requiere 2 horas de acabado y 1 de carpintera, mientras que un producto B requiere 1 hora de acabado y 1 hora de carpintera. Cada semana la campaa dispone de 100 horas para acabado y 80 horas para carpintera. Mientras que la demanda de productos B es ilimitada, se estima que la compaa vende a lo ms 40 productos A por semana. La compaa desea hacer un plan de produccin semanal que maximice la ganancia.
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 15/43

 Solucion 1 Variables de decision

s s

x = Cuntos productos A por semana deben producirse y y = cuntos productos B por semana deben producirse. Bajo los supuestos de aditividad y

Objetivo 2 Funcion
proporcionalidad: Ganancia Ventas Costos CostoMateria Prima CostoMano Obra

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

= = = = =

Ventas Costos 27 dlares x + 21 dlares y producto A producto B CostoMateria Prima + CostoMano Obra 10 dlares x + 9 dlares y producto A producto B 14 dlares x + 10 dlares y producto A producto B

As, la funcin a maximizar es: Ganancia = 3 x + 2 y dlares

Programacin Lineal: Modelacin y Conceptos

- p. 16/43

3 Restricciones s (Recurso) Horas de carpintera: hora horas x+1 y 100 horas 2 producto A producto B
s

(Recurso) Acabado: hora hora 1 x+1 y 80 horas producto A producto A

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

(Condiciones de Mercado) Demanda: x 40 productos A

Naturales: x, y 0 y x y y enteros.

Programacin Lineal: Modelacin y Conceptos

- p. 17/43

Resumiendo, el problema matemtico asociado a la fbrica consiste en determinan los valores de x y de y que maximizan la funcin: f (x, y ) = 3 x + 2 y y que cumplen las restricciones: 2 x + y 100 x + y 80 x 40 con x y y 0 y ambos enteros.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 18/43

Ejemplo 3: Ocina postal

Una ocina postal requiere un cierto nmero mnimo de empleados de tiempo completo dependiendo del da de la semana. La siguiente tabla muestra los requisitos. La unin de trabajadores establece que un trabajador de tiempo completo debe trabajar 5 das consecutivos y descansar los siguientes 2. Formule el problema de determinar el nmero de empleados de tiempo completo mnimo que debe tener la ocina postal.
Da Da1 = Lunes Da2 = Martes Da3 = Mircoles Da4 = Jueves Da5 = Viernes Da6 = Sbado Da7 = Domingo Empleados de tiempo completo requeridos 17 13 15 14 16 16 11

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 19/43

 Solucion Variables de decision

Una primera tentacin es denir una variable de decisin como el total de empleados, pero desde el punto de vista del departamento de personal el problema no se resuelve conociendo el total de empleados contratados sino con la especicacin de rol de trabajos; es decir, cuntos inician qu da de la semana. Entonces observamos que sa es la clave para denir las variables de decisin: s xi = el nmero de empleados que inicial su semana laboral el da i (1=lunes, 2=martes, etc) Note que entonces el total de empleados contratados es la suma de los xi .

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 20/43

 objetivo Funcion

El objetivo de la empresa es claro: minimizar el total de empleados contratados:

7

Min z =
i=1

xi

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 21/43

Restricciones

Nuestras restricciones se relacionan con cumplir con la operatividad de la ocina postal en cada da de la semana: debemos garantizar que en cada da de la semana el nmero de empleados que estn laborando (no slo los que inician su semana laboral tal da) son al menos los requeridos. Por ejemplo, contemos el total de empleados que estn laborando el da lunes. Seguro estn todos los que inician su semana el lunes (x1 ) (ellos descansan sbado y domingo), pero tambin estn todos los que la iniciaron el domingo (x7 ) (ellos descansan viernes y sbado), todos los que la iniciaron el sbado (x6 ) (ellos descansan jueves y viernes), todos los que la iniciaron el viernes (x5 ) (ellos descansan mircoles y jueves), y todos los que la iniciaron el jueves (x4 ) (ellos descansan martes y mircoles). Todos los que incian en martes descansan domingo y lunes, y los que inician en mircoles descansan lunes y martes. Resumiendo total de trabajadores en lunes = x1 + x4 + x5 + x6 + x7 17

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 22/43

Siguiendo un anlisis semejante para cada uno de los das restantes concluimos que se requiere: total de trabajadores en martes = x1 + x2 + x5 + x6 + x7 13 total de trabajadores en mircoles = x1 + x2 + x3 + x6 + x7 15 total de trabajadores en jueves = x1 + x2 + x3 + x4 + x7 14 total de trabajadores en viernes = x1 + x2 + x3 + x4 + x5 16 total de trabajadores en sbado = x2 + x3 + x4 + x5 + x6 16 y total de trabajadores en domingo = x3 + x4 + x5 + x6 + x7 11 Adems, los valores de las variables xi deben ser enteros.

Programacin Lineal: Modelacin y Conceptos

- p. 23/43

En trminos puramente matemticos, el problema de la ocina postal consiste en determinar los valores de xi para i = 1, 2, . . . , 7 tal que minimizan la funcin
7

z=
i

xi

y que cumplen las condiciones: x1 x1 x1 x1 x1 + + + + x2 x2 x2 x2 x2 + + + + x3 x3 x3 x3 x3 + + + + x4 x4 x4 x4 + + + x5 x5 x5 + + x6 x6 + x7 + x4 + + x5 x5 + + + x6 x6 x6 + + + + x7 x7 x7 x7 17 13 15 14 16 16 11

con xi 0 y xi entero para i = 1, 2, . . . , 7.

Programacin Lineal: Modelacin y Conceptos

- p. 24/43

Ejemplo 4: El problema de SunCo

Sunco Oil

produce tres tipos de gasolinas (G1, G2 y G3). Cada tipo

es producido combinando tres tipos de crudo (C1, C2 y C3). Las ventas en dlares por barril de gasolina son: G1 en 70, G2 en 60 y G3 en 50. Los costos en dlares por barril de crudo son: C1 en 45, C2 en 35 y C3 en 25. Sunco puede comprar hasta 5000 barriles de cada tipo de crudo al da. Los tres tipos de gasolina dieren en octanaje y en porcentaje de azufre. Para producir G1 la combinacin de crudos debe tener en promedio un octanaje almenos de 10 y contener no ms de 1 % de azufre. Para producir G2, el octanaje promedio es de al menos 8 y contener no ms de 2 % de azufre. Para producir G3, el octanaje promedio es de al menos de 6 y contener no ms de 1 % de azufre. C1 posee un octanaje de 12 y 0.5 % azufre, C2 posee un octanaje de 6 y 2.0 % de azufre, y C3 posee un octanaje de 8 y 3.0 % de azufre. El costo de transformacin de un barril de crudo en uno de gasolina es de 4 dlares. Sunco puede producir a lo ms 14,000 barriles de gasolina al da.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 25/43

Los clientes de Sunco requieren 3,000 barriles de G1, 2,000 barriles de G2, y 1,000 barriles de G3 por da. Sunco considera una obligacin satisfacer estos requerimientos. Es un hecho que la publicidad estimula la demanda de sus productos. Cada dolar gastado en la publicidad de uno de sus productos aumenta la demanda diaria en 10 barriles. Formule un modelo de PL que permita a Sunco maximizar sus ganancias diarias.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 26/43

 Solucion Variables de decision

Notemos que por un lado estamos interesados en saber cuntos barriles de cada gasolina se deben producir, y por otro estamos interesados en cuntos barriles de cada tipo crudo comprar. Sin embargo, an con estos datos el departamento encargado de la produccin debe decidir cmo se deben mezclar los crudos para producir cada tipo de gasolina. Es decir, que las cantidades totales de gasolina y de crudo no resuelven el problema de la produccin. Lo que s resuelve el problema de la produccin es decidir exactamente las cantidades que deben mezclarse de cada uno de los tipos de insumos para producir cada tipo de productos. Los totales pueden obtenerse sumando cada una de las partes.

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 27/43

As, las variables de decisin deben ser xi,j = cantidad de barriles del crudo i utilizados para producir gasolina j Esto por un lado. Pero otra parte pendiente son las decisiones que debe tomarse en publicidad. Y para ello debemos precisar cuntos dlares se debe invertir en la publicidad de cada tipo de gasolina: yj = total de dlares aplicados en la publicidad de la gasolina j Observemos que estas variables de decisin permiten determinar el total de barriles de cada tipo de crudo que debe comprarse y el total de barriles de cada tipo de gasolina que se produce: 3 s i=1 xi,j es el total de barriles de gasolina j a producir.
s s

xi,j es el total de barriles de crudo a procesar (que ser el total de barriles de gasolina a producir, suponiendo que un barril de mezcla de crudos se convierte en un barril de gasolina).

3 j =1 3 i=1

xi,j es el total de barriles de crudo i en la produccin.

3 j =1

Programacin Lineal: Modelacin y Conceptos

- p. 28/43

 objetivo Funcion

El objetivo de la empresa en maximizar las ganancias. Las ganancias sern las ventas menos los costos. Los costos en los que se incurre son los referentes a la materia prima, a la transformacin y a la publicidad. s CT = Costo de transformacin:
3 3

CT = 4
s

dlares barril

i=1 j =1

xi,j

CM P = Costo de materia prima:

3 3 3

CM P = 45
s

dlares barril de C1

j =1

x1,j + 35

dlares barril de C2

j =1

x2,j + 25

dlares barril de C3

j =1

x3,j

V = Venta de gasolina:
3 3 3

V = 70

dlares barril de G1

i=1

xi,1 + 60

dlares barril de G2

i=1

xi,2 + 50

dlares barril de G3

i=1

xi,3

Programacin Lineal: Modelacin y Conceptos

- p. 29/43

P = Costo de publicidad:
3

P = y1 + y2 + y3 =
j =1

yj

La funcin objetivo queda de la siguiente forma: Max z = V (CT + CM P + P )

Programacin Lineal: Modelacin y Conceptos

- p. 30/43

Restricciones

En este problema las restricciones son de diferente tipo: s La compaa tiene una capacidad instalada que no puede exceder:
3 3

xi,j 14, 000

i=1 j =1

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Las compaas que proveen crudo tienen limitaciones; A lo ms 5 mil barriles de cada crudo estn disponibles:
3

xi,j 5, 000 para i = 1, 2, 3

j =1

Programacin Lineal: Modelacin y Conceptos

- p. 31/43

Como toda la gasolina producida debe venderse: Para cada gasolina, la totalidad de gasolina producida debe equiparar la demanda. Y por otro lado, la demanda ser el resultado de la demanda natural ms la inducida por publicidad:
3

xi,1 =3, 000 + 10 y1

i=1 3

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

xi,2 =2, 000 + 10 y2

i=1 3

xi,3 =1, 000 + 10 y3

i=1

Programacin Lineal: Modelacin y Conceptos

- p. 32/43

As para la gasolina 1: El porcentaje de azufre no se debe exceder el 1 %. El total de gasolina 1: 3 i=1 xi,1 Aporte de azufre por cada tipo de crudo: C1: 0.5 %, C2: 2.0 % y C3: 3.0 %. Suponiendo que el porcentaje de azufre en la mezcla obedezca los supuestos de aditividad y proporcionalidad:
0. 5 100

x 1, 1 +

2. 0 3. 0 x + 100 100 2,1 3 i=1 xi,1

x 3, 1

1 .0 100

De donde, haciendo lgebra lo anterior se transforma en: (0.5 1.0) x1,1 + (2.0 1.0) x2,1 + (3.0 1.0) x3,1 0.0 De manera anloga, para la gasolina 2 la condicin del azufre se codica como: (0.5 2.0) x1,2 + (2.0 2.0) x2,2 + (3.0 2.0) x3,2 0.0 y para la gasolina 3: (0.5 1.0) x1,3 + (2.0 1.0) x2,3 + (3.0 1.0) x3,3 0.0

Programacin Lineal: Modelacin y Conceptos

- p. 33/43

Si ahora suponemos que el octanaje en la mezcla obedece tambin al aporte proporcional del octanaje de cada crudo: Para la gasolina 1: El octanaje debe ser al menos 10. El octanaje de cada crudo es 12, 6 y 8. 12 x1,1 + 6 x2,1 + 8 x3,1 10 3 i=1 xi,1 que haciendo lgebra queda: (12 10) x1,1 + (6 10) x2,1 + (8 10) x3,1 0.0 De manera anloga, para la gasolina 2 la condicin de octanaje se codica como: (12 8) x1,2 + (6 8) x2,2 + (8 8) x3,2 0.0 y para la gasolina 3: (12 6) x1,3 + (6 6) x2,3 + (8 6) x3,3 0.0

Programacin Lineal: Modelacin y Conceptos

- p. 34/43

En trminos puramente matemticos, el problema de SunCo consiste en determinar xi,j para i = 1, 2, 3 y j = 1, 2, 3 y yj para j = 1, 2, 3 de manera que se maximice la funcin: f = 21 x1,1 +11 x1,2 +x1,3 +11 x2,3 +41 x3,1 +31 x3,2 +21 x3,3 +31 x2,1 +21 x2,2 y3 y1 y2 sujeta a las restricciones: x 1, 1 + x 1, 2 + x 1, 3 + x 2, 1 + x 2, 2 + x 2, 3 + x 3, 1 + x 3, 2 + x 3, 3 x 1, 1 + x 1, 2 + x 1, 3 x 2, 1 + x 2, 2 + x 2, 3 x 3, 1 + x 3, 2 + x 3, 3 x 1, 1 + x 2, 1 + x 3, 1 x 1, 2 + x 2, 2 + x 3, 2 x 1, 3 + x 2, 3 + x 3, 3 = = = 14, 000 5, 000 5, 000 5, 000 3, 000 + 10 y1 2, 000 + 10 y2 1, 000 + 10 y3

Programacin Lineal: Modelacin y Conceptos

- p. 35/43

 . 5 x 1, 1 + 1 . 0 x 2, 1 + 2 x 3, 1 1 . 5 x 1, 2 + x 3, 2 . 5 x 1, 3 + 1 . 0 x 2, 3 + 2 x 3, 3 2 x 1, 1 4 x 2, 1 2 x 3, 1 4 x 1, 2 2 x 2, 2 6 x 1, 3 + 2 x 3, 3 con xi,j 0 y yj 0.

0 0 0 0 0 0

Programacin Lineal: Modelacin y Conceptos

- p. 36/43

Ejemplo 5: el problema de la dieta

Mi dieta requiere que toda la comida que yo como sea de uno de los 4 grupos bsicos. (Pastelillos de chocolate, nieve, refresco y pay de queso) Las cuatro comidas estn disponibles en las presentaciones: brownies, nieve de chocolate, Cola y pay de queso con pia. Cada brownie cuesta 50 centavos de dolar, cada cucharada de nieve de chocolate cuesta 20 centavos, cada botella de Cola cuesta 30 centavos de dolar y cada rebanada de pay de queso con pia cuesta 80 centavos. Cada da yo debo ingerir al menos 500 calorias, 6 oz de chocolate, 10 onzas de azcar y 8 onzas de grasa. La tabla con la informacin nutrimental se da a continuacin. Formule un modelo de programacin lineal que se pueda usar para satisfacer los requerimientos a mnimo costo.
Tipo Brownie Nieve chocolate (1 cucharada) Cola (1 botella) Pay (1 rebanada) 500 0 4 5 150 0 4 1 200 2 2 4 Calorias 400 Chocolate(Onzas) 3 Azcar(Onzas) 2 Grasa(Onzas) 2

Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Programacin Lineal: Modelacin y Conceptos

- p. 37/43

 Variables de decision
s s s s

x1 = nmero de brownies al da, x2 = nmero de cucharadas de nieve de chocolate al da, x3 = nmero de botellas de Cola al da x4 = nmero de rebanadas de pay de queso con pia al da

Objetivo Funcion

Minimizar costo del alimento z = 50

centavos brownie

x1 + 20

centavos cucharada

x2 + 30

centavos botella

x3 + 80

centavos rebanada

x4

Programacin Lineal: Modelacin y Conceptos

- p. 38/43

Restricciones

Se deben cubrir los nutrientes mnimamente: s Caloras: 400

s
calorias brownie

x1 + 200

calorias cucharada

x2 + 150

calorias botella

x3 + 500

calorias rebanada

x4 500

Chocolate: 3
onzas brownie

x1 + 2

onzas cucharada

x2 6

Azcar: 2
onzas brownie

x1 + 2

onzas cucharada

x2 + 4

onzas botella

x3 + 4

onzas rebanada

x4 100

Grasa: 2
onzas brownie

x1 + 4

onzas cucharada

x2 + 1

onzas botella

x3 + 5

onzas rebanada

x4 8

x1 , x2 , x3 , x4 deben ser enteros y no negativos.

Programacin Lineal: Modelacin y Conceptos

- p. 39/43

En trminos puramente matemticos, el problema de la dieta consiste en determinar los valores de x1 , x2 , x3 y x4 de manera que se minimize la funcin: z = 50 x1 + 20 x2 + 30 x3 + 80 x4 sujeta a las condiciones: 400 x1 + 200 x2 + 150 x3 + 500 x4 3 x1 + 2 x2 2 x1 + 2 x2 + 4 x3 + 4 x4 2 x1 + 4 x2 + 1 x3 + 5 x4 500 6 100 8

donde xi debe ser entero y no negativo para i = 1, 2, 3, 4.

Programacin Lineal: Modelacin y Conceptos

- p. 40/43

Linealidad
Denicion
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Una funcin f (x1 , x2 , . . . , xn ) es funcin lineal en sus variables, si existen escalares c1 , c2 , . . . , cn tales que: f ( x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + + cn xn

Programacin Lineal: Modelacin y Conceptos

- p. 41/43

Linealidad
Denicion
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Una funcin f (x1 , x2 , . . . , xn ) es funcin lineal en sus variables, si existen escalares c1 , c2 , . . . , cn tales que: f ( x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + + cn xn
Denicion

Una desigualdad lineal en las variables x1 , x2 , . . . , xn es una desigualdad de que tiene alguna de las dos posibles formas: f ( x1 , . . . , xn ) b f ( x1 , . . . , xn ) b donde f (x1 , . . . , xn ) es una funcin lineal y b es una constante.

Programacin Lineal: Modelacin y Conceptos

- p. 41/43

LP
Denicion
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

Un problema de programacin lineal (LP) es un problema de optimizacin donde: s Se pretende maximizar o minimizar una funcin lineal en las variables de decisin. Tal funcin se llamar funcin objetivo. s Los valores de decisin debern satisfacer un conjunto de restricciones. Cada una de las restricciones ser una ecuacin lineal o una desigualdad lineal en las variables de decisin. s Asociada a cada variable de decisin puede haber o no una restriccin de signo sobre ella especicando si los valores de la variable son no negativos ( 0).

Programacin Lineal: Modelacin y Conceptos

- p. 42/43

Regin factible
Denicion
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

La Regin Factible para un PL es el conjunto de todos los puntos cuyas coordenadas son los valores de las variables de decisin que satisfacen todas las restriciones del PL y todas las restricciones de signo.

Programacin Lineal: Modelacin y Conceptos

- p. 43/43

Regin factible
Denicion
Intro Ejemplo 1 Ejemplo 2 Ejemplo 3 Ejemplo 4 Ejemplo 5 Linealidad LP factible Region

La Regin Factible para un PL es el conjunto de todos los puntos cuyas coordenadas son los valores de las variables de decisin que satisfacen todas las restriciones del PL y todas las restricciones de signo. Para un problema de maximizacin, una solucin ptima a un PL es un punto en la regin factible con el valor mayor posible de la funcin objetivo (No existe otro punto en la regin factible con una mayor evaluacin de acuerdo a la funcin objetivo). Similarmente, para problemas de minimizacin una solucin ptima es un punto en la regin factible con el menor valor posible de la funcin objetivo.
Programacin Lineal: Modelacin y Conceptos

- p. 43/43