Вы находитесь на странице: 1из 11

ALGO DE HISTORIA DE LA PROGRAMACION LINEAL

Los fundamentos matemticos de la programacin lineal se deben al matemtico


norteamericano de origen Hungaro John (Janos) Van Neumman (1903-1957)
quien en 1928 publico su famoso trabajo Teora de juegos. En 1947 conjetura la
equivalencia de los problemas de programacin lineal y la teora de matrices
desarrollada en sus trabajos. La influencia de este destacado matemtico
discpulo de David Hilbert en Gotinga y desde 1930 catedrtico de la Universidad
de Princeton de Estados Unidos, hace que otros investigadores se interesaran
paulatinamente por el desarrollo riguroso de esta disciplina.

En 1947, J.B. Dantzig, formula en trminos matemticos muy precisos, el


enunciado estndar al que cabe reducir todo problema de programacin lineal,
Dantzig junto con una serie de investigadores del United State Departament Of Air
Force, formaran el grupo que dio en denominarse SCOOP (Scientific Computation
of Optimun Programs).

CONCEPTO DE PROGRAMACION LINEAL

Es una tcnica matemtica que consiste en una serie de mtodos y


procedimientos que permiten resolver problemas de optimizacin en el mbito
sobre todo de las Ciencias Sociales. El adjetivo lineal significa que todas las
funciones matemticas del modelo, deben ser funciones lineales. En este caso la
palabra programacin, no se refiere a la programacin en computadoras, en
esencia es sinnimo de planeacin. As la programacin lineal trata la planeacin
de las actividades para obtener un resultado optimo, esto es el resultado que
mejor alcance la meta especificada (segn el modelo matemtico) entre todas las
alternativas de solucin.

APLICACIONES DE LA PROGRAMACION LINEAL

Despus de estudiar y entender el concepto de la programacin lineal vamos a


describir cmo es posible aplicar el concepto anterior en diferentes situaciones
prcticas. Este desarrollo de situaciones del mundo real constituye el autentico
desarrollo de la programacin lineal.

EN MARKETING

Seleccin de medios publicitarios: La programacin lineal se utiliza en el


campo del marketing y la publicidad como una herramienta que nos permite
determinar cul es la combinacin ms efectiva para anunciar sus
productos. En muchas ocasiones partiremos de un presupuesto para
publicidad fijo y nuestro objetivo ser distribuirlo en las diferentes opciones
(radio, tv, prensa, revistas, etc.) de forma que los productos tengan la mayor
difusin posible. En otros casos las restricciones no sern presupuestaria,
si no que vendrn dadas por la disponibilidad de cada medio y por las
polticas publicitarias de la propia empresa.

Estudio de Mercado: La programacin lineal tambin es aplicable a la


investigacin de mercados.

EN PRODUCCION

Combinacin optima de bienes: La programacin lineal permite decidir


sobre la cantidad ms adecuada que una empresa debe producir de cada
uno de sus productos a fin maximizar los beneficios sin dejar de cumplir
con determinados requisitos como financieros, de demandas,
contractuales, de disponibilidad de materia prima, etc.).

Planificacin de la produccin: El establecer un plan de produccin por


periodos de semanas o meses resulta ser una tarea difcil, aparte de
importante en la mayora de las plantas de produccin. El director de
operaciones debe considerar muchos factores (manos de obra, costes de
inventario, almacenamiento, limitaciones de espacio, demanda, etc.) por lo
general la mayora de las plantas producen ms de un bien, con lo que la
tarea mayor se complica un poco ms.

A LA DISTRIBUCION DE TAREAS

Asignacin de trabajos: El objetivo aqu ser asignar de la forma ms


eficiente posible un trabajo a cada empleado o maquina. Por ejemplo una
asignacin seria la distribucin de un vehculo por las calles de la ciudad o
destino a cada jefe de ventas a una determinada zona geogrfica. El
objetivo aqu debe ser o bien minimizar los tiempo o costes de
desplazamiento o bien maximizar la efectividad de las asignaciones.

Planificacin de horarios: La planificacin de horarios intenta dar una


respuesta efectiva a las necesidades de personal durante un periodo
concreto de tiempo. La aplicacin de la programacin lineal a este tipo de
problemas resulta especialmente til cuando los directivos disponen de
cierta flexibilidad la hora de asignar tareas a empleados poli funcionales.
Un sector donde se hace este uso de la programacin lineal para tomar
decisiones sobre planificacin de horarios son las entidades bancarias.
A LAS FINANZAS

Seleccin de una cartera de valores: Un problema al que se tienen que


enfrentar en forma habitual los directivos de bancos, fondos de inversin y
compaas de seguros es la seleccin de una serie de inversiones
concretas de entre la gran variedad de alternativas existentes en el
mercado. Por norma general el objetivo de estos directivos es maximizar los
beneficios esperados de estas inversiones las cuales se ven sometidas a
un conjunto de restricciones, algunas legales y otras provenientes de la
propia empresa (como puede ser el nivel de riesgo que s desea asumir o la
cantidad mxima que se permite invertir).

A LA LOGISTICA

El problema del transporte: Se refiere al proceso de determinar el nmero


de bienes o mercancas que se han de transportar desde cada uno de los
orgenes a cada uno de los destinos posibles. El objetivo suele ser
minimizar costes de transporte y las restricciones vienen dadas por las
capacidades productivas de cada origen y las necesidades de cada destino.
Este tipo de problema es un caso especfico de programacin lineal por lo
que existen mtodos y algoritmos especiales que facilitan su resolucin.

A MEZCLAS

El problema de la dieta: Comenz a utilizarse en los hospitales para


determinar la dieta ms econmica con la que alimentar a los pacientes a
partir de unas especificaciones nutritivas mnimas. En el campo agrcola
tambin se aplica con la misma ida de encontrar la combinacin ptima de
alimentos que logrando un aporte nutritivo mnimo suponga el menor coste
posible.

CARACTERISTICAS DE LOS PROBLEMAS DE PROGRAMACION LINEAL

Proporcionalidad: Las variables y la funcin objetivo deben ser lineales


Aditividad: Es necesario que cada variable sea aditiva respecto a la variable
objetivo.
Divisibilidad: Las soluciones no deben ser necesariamente nmeros
enteros.
Optimalidad: La solucin optima (mximo o mnimo) debe ocurrir en uno de
los vrtices del conjunto de soluciones factible.
METODOS DE SOLUCION DE LA PROGRAMACION LINEAL

En la solucin de problemas de la programacin lineal se utilizan diferentes


mtodos, los ms difundidos son: el mtodo grafico y el mtodo simplex. La
solucin de un problema de programacin lineal utilizando el mtodo grafico es
posible si se tienen no ms de dos variables. El mtodo simplex fue el primer
mtodo surgido para solucionar problemas de programacin lineal, por lo que se le
considera el mtodo de solucin clsico por excelencia.

Mtodo Grafico: Comienza elaborando una grafica que muestra las


soluciones posibles (valores X1, X2), la grafica tendr valores, los valores
X1 en el eje horizontal y los valores X2 en el eje vertical. El procedimiento
para hallar la solucin grafica consiste en lo siguiente:
Para cada inecuacin del sistema de restricciones (medio espacio
cerrado), se toma la recta correspondiente y se determinan los
interceptos con la grafica. Si la recta pasa por el origen de las
coordenadas, el trmino independiente es cero, entonces se toma la
recta tomando el origen y otro punto determinado dando un valor
arbitrario a una de las variables.
Para determinar los puntos que satisfacen cada inecuacin se
sustituye un punto cualquiera en el espacio y de esta forma se
determina si los puntos que satisfacen la misma estn hacia el lado
que est el origen o hacia el lado contrario, sealando con una flecha
ese lado.
Luego se determina la regin solucin, que es la regin del plano
que satisface todas las restricciones al mismo tiempo y que debe
estar en el primer cuadrante.
Se busca el punto ptimo entre el conjunto de puntos extremos. Para
eso se sustituye cada par de puntos (X1, X2) de los puntos extremos
en la funcin objetivo y se calcula el valor de Z. Si se est
maximizando el valor de la misma, el punto optimo ser aquel que
proporcione el valor mayor para Z y si el criterio de optimizacin es
de minimizar, entonces el punto optimo ser aquel que proporcione el
valor mnimo de Z.

Desventaja fundamental del mtodo grafico

Este mtodo tiene la desventaja que solo permite la solucin de problemas que
tengan dos variables, de aqu que la mayora de los problemas de programacin
lineal se resuelven utilizando como base el mtodo simplex.
Mtodo Simplex: Constituye un procedimiento iterativo algebraico que
resuelve cualquier problema en un numero finito de pasos. Partiendo del
valor objetivo en un vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace
siempre a travs de los lados del polgono o de las aristas del poliedro si el
nmero de las variables es mayor. Como el nmero de vrtices (y aristas)
es finito, siempre se podr encontrar solucin. El mtodo simplex se basa
en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo
en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual
f aumenta. Ejemplo de resolucin mediante el mtodo simplex.

Maximizar Z=f(x,y)=3x + 2y
Sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x 0, y 0
Se consideran las siguientes fases:

Convertir las desigualdades en igualdades.

2x + y + h = 18
2x + 3y + s = 42
3x + d + s = 24

Igualar la funcin objetivo a cero

3x 2y + z = 0
Escribir la tabla inicial simplex

TABLA 1 ITERACION N 1

BASE VARIABLE DE VARIABLE DE VALORES DE


DECISION HOLGURA SOLUCION
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
z -3 -2 0 0 0 0
Encontrar la variable de decisin que entra en la base y la variable
de holgura que sale de la base.
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la
ltima fila, la de los coeficientes de la funcin objetivo y escogemos l
variable con el coeficiente negativo mayor, en nuestro caso la variable X de
coeficiente -3
La columna de la variable que entra en la base se llama columna pivote (color
verde)
B. Para encontrar la variable de holgura que tiene que salir de la base, se
divide cada termino de la ltima columna (valores de solucin) por el
termino correspondiente de la columna pivote, siempre que estos ltimos
sean mayores que cero, en nuestro caso: 18/2= 9, 42/2= 21, 24/3=8
Si al calcular los cocientes dos o ms son iguales, indica que cualquiera d las
variables correspondientes pueden salir d la base.
C. En la interseccin de la fila pivote y columna pivote tenemos el elemento
pivote operacional 3

Encontrar los coeficientes de la nueva tabla: los nuevos coeficientes


de X se obtienen, dividiendo todos los coeficientes de la fila d, por el
pivote operacional 3, que es el que hay que convertir en 1
A continuacin mediante reduccin gaussiana hacemos cero los
restantes trminos de la columna, con lo que obtenemos, los nuevos
coeficientes de las otras filas incluyendo los de la funcin objetivo Z

TABLA 2. ITERACION N 2

BASE VARIABLES DE VARIABLES DE HOLGURA VALORES


DECISION SOLUCION
x y h s d
h 0 1/7 1 0 -2/3 2
s 0 3/7 0 1 -2/3 26
x 1 1/7 0 0 1/3 8
Z 0 -1 0 0 1 24

Como n los elementos de la ltima fila, hay uno negativo, -1 significa que aun
no hemos llegado a la solucin optima. Hay que repetir el proceso.

A. La variable que entra en la base es y, por ser la variable que corresponde al


coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
2:1/3= 6, 26:7/3= 78/7 y 8:1/3= 8 y como el menor cociente positivo es 6
tenemos que la variable de holgura que sale es h.
C. El elemento pivote que ahora hay que hacer es 1, es 1/3

TABLA 3. ITERACION N 3

BASE VARIABLE DE VARIABLE DE VALORES


DECISION HOLGURA SOLUCION
x y h s d
Y 0 1 3 0 -2 6
S 0 0 -7 0 4 12
X 1 0 -1 0 1 6
Z 0 0 3 0 1 30

Como en los elementos de la ltima fila hay uno negativo, significa que aun
no hemos llegado a la solucin ptima. Hay que repetir el proceso.

A. La variable que entra en la base es d por ser la variable que corresponde al


coeficiente -1.
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
6/-2= -3, 12/4= 3, 6/1= 6 y como el menor cociente positivo es 3, tenemos
que la variable de holgura que sale es s.
C. El elemento pivote que ahora hay que hacer 1, es 4

Obtenemos la tabla:

TABLA 4 FINAL DEL PROCESO

BASE VARIABLE DE VARIBLE DE VALORES


DECISION HOLGURA SOLUCION
x y h s d
Y 0 1 -1/2 0 0 12
S 0 0 -7/4 0 1 3
X 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33

Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos
llegado a la solucin ptima.

La solucin ptima viene dada por el valor de Z en la columna de los valores


solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice
donde se alcanza, observando las filas correspondientes a las variables de
decisin, que han entrado en la base: D (3,12).

PROBLEMAS DE PROGRAMACION LINEAL

Un herrero con 80 kgs. de acero y 12 kgs. De aluminio quiere hacer bicicletas de


paseo y de montaa que quiere vender, respectivamente a 20.000 y 15.000 bs
respectivamente, para sacar el mximo beneficio. Para la de paseo empleara un
gr. de acero y 3 kgs. de aluminio y para la de montaa empleara dos kgs. de cada
uno. Cuantas bicicletas de paseo y de montaa vender?

Sean las variables de decisin:

X= n: de bicicletas de paseo vendidas

Y= n: de bicicletas de montaa vendidas

Tabla de material empleado

acero aluminio
paseo 1 3
montaa 2 2
Funcin objetivo:

F(x,y)= 20.000x + 15.000y mxima

Restricciones:

X0

Y0

r = 3x + 2y 120}

s = x + 2y 80}

Vertices del recinto

Soluciones basicas

A (0,40)

B Intercession de r y s:

3x +2y = 120

X + 2 y = 80
B= (20,30)

C= (40,0)

Valores de la funcion objetivo en los vertices:

f (A)= 15.000.40 = 60000

f(B)= 20.000.20 + 15.30 = 850.000 MAXIMO

f(C)= 20.000.40 = 800.000

ha de vender 20 bicicltas d paseo y 30 d montaa, para obtener unas ganancias


de 850.000 bs
BIBLIOGRAFIA

http://davinci.ing.unlp.edu.ar/produccion/catingp/Capitulo
%207%20INTRODUCCION%20A%20LA%20PROGRAMACION%20LINEAL.pdf

http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf

http://www.uoc.edu/in3/emath/docs/Aplicaciones_PL.pdf

http://www.alasala.cl/wp-content/uploads/2015/04/Problemas-resueltos-de-
Programaci%C3%B3n-Lineal.pdf

http://www.ecured.cu/index.php/M%C3%A9todos_de_Soluci
%C3%B3n_de_la_Programaci%C3%B3n_Lineal

http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/simplex.html

Вам также может понравиться