Академический Документы
Профессиональный Документы
Культура Документы
c
c
c c
c
cc c
Y
V VV
V
V
V V
V V VV
V
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
Todas estas características llevan de una manera casi natural a otra. Es evidente
que no puede esperarse que un solo individuo sea un experto en todos los múltiples
aspectos del trabajo de investigación de operaciones o de los problemas que se estudian;
se requiere un grupo de individuos con diversos antecedentes y habilidades. Entonces,
cuando se va a emprender un estudio de investigación de operaciones completo de un
nuevo problema, por lo general es necesario emplear el empleo de equipo. Este debe
incluir individuos con antecedentes firmes en matemáticas, estadística y teoría de
probabilidades, al igual que en economía, administración de empresas, ciencias de la
computación, ingeniería, ciencias físicas, ciencias del comportamiento y, por supuesto, en
las técnicas especiales de investigación de operaciones. El equipo también necesita tener
la experiencia y las habilidades necesarias para permitir la consideración adecuada de
todas las ramificaciones del problema a través de la organización.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V
VV
V V
V V los métodos más usados de solución de
problemas de programación lineal:
El modelo se puede resolver en forma gráfica si sólo tiene dos variables. Para modelos con
tres o más variables, el método gráfico es impráctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el método es llamado
método gráfico en actividad. Cuando se relacionan las restricciones tecnológicas se
denomina método gráfico en recursos.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
4. trazar cada línea recta en el plano y la región en cual se encuentra cada restricción
cuando se considera la desigualdad lo indica la dirección de la flecha situada sobre la línea
recta asociada.
Existen reglas que rigen la selección del siguiente punto extremo del método simplex:
{. El siguiente punto extremo debe ser adyacente al actual.
El algoritmo simplex da inicio en el origen, que suele llamarse solución inicial. Después se
desplaza a un punto extremo adyacente. La elección específica de uno a otro punto
depende de los coeficientes de la función objetivo hasta encontrar el punto óptimo.
Al aplicar la condición de optimidad a la tabla inicial seleccionamos a Xi como la variable
que entra. En este punto la variable que sale debe ser una de las variables artificiales.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
5. Selecciona una variable que entra de entre las variables no básicas actuales que,
cuando se incrementan arriba de cero, pueden mejorar el valor de la función objetivo. Si
no existe la solución básica es la óptima, si existe pasar al paso siguiente.
b) Se determina la variable básica que sale; para esta, se toma cada coeficiente positivo
(>0) de la columna enmarcada, se divide el lado derecho de cada renglón entre estos
coeficientes, se identifica la ecuación con el menor cociente y se selecciona la variable
básica para esta ecuación.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V
V Los programas lineales con dos variables suelen clasificarse
atendiendo al tipo de solución que presentan. Éstos pueden ser:
%V& Si existe el conjunto de soluciones o valores que satisfacen las restricciones.
Estas a su vez pueden ser: con solución única, con solución múltiple (si existe más de una
solución) y con solución no acotada (cuando no existe límite para la función objetivo).
%V& Cuando no existe el conjunto de soluciones que cumplen las restricciones,
es decir, cuando las restricciones son inconsistentes.
V V Los términos clave son recursos y actividades, en
donde m denota el número de distintos tipos de recursos que se pueden usar y n denota
el número de actividades bajo consideración. Algunos ejemplos de recursos son dinero y
tipos especiales de maquinaria, equipo, vehículos y personal. Los ejemplos de actividades
incluyen inversión en proyectos específicos, publicidad en un medio determinado y el
envío de bienes de cierta fuente a cierto destino. En cualquier aplicación de programación
lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de los
ejemplos), y entonces cada una correspondería en forma individual a las alternativas
específicas dentro de esta categoría general. El tipo más usual de aplicación de
programación lineal involucra la asignación de recursos a ciertas actividades. La cantidad
disponible de cada recurso está limitada, de forma que deben asignarse con todo cuidado.
La determinación de esta asignación incluye elegir los niveles de las actividades que
lograrán el mejor valor posible de la medida global de efectividad. Ciertos símbolos se
usan de manera convencional para denotar las distintas componentes de un modelo de
programación lineal. Estos símbolos se enumeran a continuación, junto con su
interpretación para el problema general de asignación de recursos a actividades.
Z = valor de la medida global de efectividad
xj = nivel de la actividad j (para j = {,2,͙,n)
cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
bi = cantidad de recurso i disponible para asignar a las actividades (para i = {,2,͙,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad j
El modelo establece el problema en términos de tomar decisiones sobre los niveles de las
actividades, por lo que x{,x2,͙.,xn se llaman variables de decisión. Los valores de cj, bi y
aij (para i = {,2,͙.,m y j = {,2,͙.,n) son las constantes de entrada al modelo. Las cj, bi y aij
también se conocen como parámetros del modelo.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
La región factible incluye o no los lados y los vértices, según que las desigualdades sean en
sentido amplio (<= o >=) o en sentido estricto (< o >).
Si la región factible está acotada, su representación gráfica es un polígono convexo con un
número de lados menor o igual que el número de restricciones.
El procedimiento para determinar la región factible es el siguiente:
{.Y Se resuelve cada inecuación por separado, es decir, se encuentra el semiplano de
soluciones de cada una de las inecuaciones.
Y Se dibuja la recta asociada a la inecuación. Esta recta divide al plano en dos regiones o
semiplanos
Y Para averiguar cuál es la región válida, el procedimiento práctico consiste en elegir un
punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las
coordenadas satisfacen o no la inecuación. Si lo hacen, la región en la que está ese
punto es aquella cuyos puntos verifican la inecuación; en caso contrario, la región
válida es la otra.
2.Y La región factible está formada por la intersección o región común de las soluciones de
todas las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones
lineales pueden presentar varias opciones respecto a sus soluciones: puede no existir
solución, en el caso de que exista el conjunto solución puede ser acotado o no.
! # #'# ()"#
- Con solución única
- Con solución múltiple: Si existe más de una solución.
- Con solución no acotada: Cuando no existe límite para la función objetivo.
- No factibles: Cuando no existe el conjunto de soluciones que cumplen las restricciones,
es decir, las restricciones son inconsistentes
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
En forma análoga, la cantidad de hectáreas disponibles está dada por x+y, y ésta no puede
exceder las hectáreas disponibles para el trabajo, lo que conduce a la desigualdad.
Por último, si no queremos tener pérdidas, x y y no pueden ser negativa, de modo que
xM0
yM0
En resumen, el problema en cuestión consiste en maximizar la función objetivo
P=40x+30y sujeta a las desigualdades
2x+y§800
x+y§480
xM0
yM0
"23' (
Los problemas de programación lineal en dos variables tienen interpretaciones
geométricas relativamente sencillas; por ejemplo, el sistema de restricciones lineales
asociado con un problema de programación lineal bidimensional (si no es inconsistente)
define una región plana cuya frontera está formada por segmentos de recta o semirrectas,
por lo tanto es posible analizar tales problemas en forma gráfica.
Si consideremos el problema del granjero López, es decir, de maximizar P = 40x+ 30y
sujeta a
2x+y<800
x+y<480
x>0, y>0
El sistema de desigualdades anterior define la región plana S que aparece en la figura
siguiente. Cada punto de S es un candidato para resolver este problema y se conoce
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
"23'
Sea x el número de píldoras de la marca A e y el número de píldoras de la marca B por
comprar. El costo C, medido en centavos, está dado por
C = 6x+ 8y
que representa la función objetivo por minimizar.
La cantidad de hierro contenida en x píldoras de la marca A e y el número de píldoras de la
marca B está dada por 40x+{0y mg, y esto debe ser mayor o igual a 2400 mg. Esto se
traduce en la desigualdad.
40x+{0yM2400
Consideraciones similares con los requisitos mínimos de vitaminas B-{ y B-2 conducen a
las desigualdades:
{0x+{5yM2{00
5x+{5yM{500
respectivamente. Así el problema en este caso consiste en minimizar C=6x+8y sujeta a
40x+{0yM2400
{0x+{5yM2{00
5x+{5yM{500
xM0, yM0
El conjunto factible S definido por el sistema de restricciones aparece en la figura. Los
vértices del conjunto factible S son A(0,240); B(30,{20); C({20; 60) y D(300,0).
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
Vértice C=6x + 8y
A (0,240) {20
B(30,{20) {{40
C({20,60) {200
D(300,0) {800
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
A B NECESIDADES
PROTEÍNAS 2 { 8
HIDRATOS 6 { {2
GRASAS { 3
TOTAL 600 400
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
3. En una pastelería se hacen 2 tipos de tartas: vienesas y real. Cada tarta vienesa necesita
un cuarto de relleno por cada kg. De bizcocho y produce un beneficio de 250 pts.,
mientras que una tarta real necesita medio kg. De relleno por cada kg. De bizcocho y
produce 400 ptas. De beneficio. En la pastelería se pueden hacer diariamente hasta {50 kg
de bizcocho y 50 de kg de relleno, aunque por problemas de maquinaria no pueden hacer
más de {25 tartas de cada tipo.
Cuántas tartas vienesas y reales deben vender al día para que sea máximo el beneficio?
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
6. Supóngase que un fabricante tiene dos recursos disponibles, R{ y R2, estos dos recursos
pueden usarse para producir 2 productos diferentes A y B, de acuerdo con la siguiente
regla: para el producto A se usa { unidad de R{ y 4 unidades de R2; para el producto B se
usa { unidad de R{ y 2 unidades de R2. El fabricante tiene 3 unidades de R{ y 8 unidades
de R2, disponibles.
Las ganancias que recibe por los dos productos terminados son de $3.50 por unidad A y
$2.50 por unidad B Cuántas unidades de A y B deben producir para maximizar sus
ganancias?
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
7. El señor Martínez fue llamado para la consulta a la compañía sigma que con sus dos
maquinas automáticas pueden hacer montajes de motocicletas.
La compañía tiene un contrato para armar como mínimo 60 motocicletas de 4 cilindros,
{20 de 2 cilindros y {50 de un cilindro diariamente. Le cuesta $200,000.00 operar la
primera máquina y se pueden hacer montajes de {, 4 y 6 motocicletas de 4, 2 y { cilindro.
Le cuesta $300,000.00 operar la segunda máquina y esta realiza dos montajes
diariamente de cada motocicleta.
El señor Martínez tiene que encontrar la combinación de motocicletas que se deben de
montar con estas dos maquinas para minimizar el costo de operación.
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V
V
V5
Para poder comprender el método simplex debes tener en cuenta los siguientes
conocimientos adquiridos anteriormente como son:
V
{. Si los números tienen el mismo signo, se suman los valores absolutos y al resultado se le
coloca el signo común.
3+5=8
(о3) + (о5) = о 8
2. Si números son de distinto signo, se restan los valores absolutos (al mayor le restamos
el menor) y al resultado se le coloca el signo del número con mayor valor absoluto.
о3+5=2
3 + (о5) = о 2
2 · 5 = {0
(о2) · (о5) = {0
2 · (о5) = о {0
(о2) · 5 = о {0
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
{0 / 5 = 2
(о{0) / (о5) = 2
{0 / (о5) = о 2
(о{0) / 5 = о 2
3 Se procede como en el primer caso (dado que las fracciones tienen el mismo
denominador). Ejemplo:
3 4
---- ----
4 2
3 8
---- ----
4 4
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
4 Suma:
3 8 {{
---- + ---- = ---
4 4 4
La resta de dos o más fracciones con distinto denominador es un poco menos sencilla.
Vamos paso a paso:
3 Se procede como en el primer caso (dado que las fracciones tienen el mismo
denominador)
Ejemplo:
6 {
---- ----
4 2
6 2
---- ----
4 4
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
4 Resta:
6 2 4
---- - ---- = ---
4 4 4
Es muy sencillo. Para multiplicar dos o más fracciones, se multiplican "en línea".
Esto es, el numerador por el numerador y el denominador por el denominador.
Ejemplo:
3 7 3x7 2{
---- x ---- = ------- = ---
2 4 2x4 8
Es muy sencillo. Para dividir dos o más fracciones, se multiplican "en cruz". Esto es,
el numerador de la primera fracción por el denominador de la segunda fracción (ya
tenemos el numerador) y el denominador de la primera fracción por el numerador de la
segunda fracción (este es el denominador).
Ejemplo:
4 3 4x 36
---- : ---- = ------- = ---
5 5x3 {5
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
V5
Deberá tenerse en cuenta que este método sólo trabaja para restricciones que tengan un
tipo de desigualdad "ч" y coeficientes independientes mayores o iguales a 0, y habrá que
estandarizar las mismas para el algoritmo. En caso de que después de éste proceso,
aparezcan (o no varíen) restricciones del tipo "ш" o "=" habrá que emplear otros métodos,
siendo el más común el método de las Dos Fases.
V5
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
&V
V
VV8V
Si en nuestro modelo, deseamos minimizar, podemos dejarlo tal y como está, pero
deberemos tener en cuenta nuevos criterios para la condición de parada (deberemos
parar de realizar iteraciones cuando en la fila del valor de la función objetivo sean todos
menores o iguales a 0), así como para la condición de salida de la fila. Con objeto de no
cambiar criterios, se puede convertir el objetivo de minimizar la función F por el de
maximizar F.
Inconvenientes: En el caso de que la función tenga todas sus variables básicas positivas, y
además las restricciones sean de desigualdad "ч", al hacer el cambio se quedan negativas
y en la fila del valor de la función objetivo se quedan positivos, por lo que se cumple la
condición de parada, y por defecto el valor óptimo que se obtendría es 0.
Solución: En la realidad no existen este tipo de problemas, ya que para que la solución
quedara por encima de 0, alguna restricción debería tener la condición "ш", y entonces
entraríamos en un modelo para el método de las Dos Fases.
Para tener una idea más clara sobre el método simplex analice el siguiente problema.
X{ + 2X2 + 0H{ + H2 = {0
DUAL
Zmin= 20 y{ + {0 y2
5y{ + y2 > 6
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
2y2 + 2y2 >8
y{, y2 > 0
6 8 0 0
Cj X{ X2 H{ H2 Bj
0 H{ 5 2 { 0 20
0 H2 { 4 0 { {0
Zj 0 0 0 0
Cj-Zj 6 8 0 0
({ 2 0 { {0) / 2
(½ { 0 ½ 5) ( -2)
-{ -2 0 -{ -{0
5 2 { 0 20
---------------------------------------
4 0 { -{ {0
6 8 0 0
Cj X{ X2 H{ H2 Bj
0 H{ - 0 { -{ {0
8 X2 ½ + 0 ½ 5
Zj 4 8 0 4
Cj-Zj 2 0 0 -4
(4 0 { -{ {0) / 4
({ 0 ¼ ¼ 5/2) (-{/2 )
V YY VY
Y
VY YY
c c c
c
c
c c
c
cc c
Y
6 8 0 0
Cj X{ X2 H{ H2 Bj
6 X{ + 0 {/4 {/4 5/2
8 X2 0 + -{/8 5/8 {5/4
Zj 6 8 {/2 {3/2
Cj-Zj 0 0 -{/2 -{3/2 45
SOLUCIÓN PRIMAL
Zmax = 45
X{= 5/2
X2= {5/4
SOLUCIÓN DUAL
Zmin = 45
Y{= {/2
Y2= {3/2
V YY VY
Y
VY YY