Академический Документы
Профессиональный Документы
Культура Документы
PROGRAMACION LINEAL
DOCENTE:
ING.GUSTAVO BOJORQUEZ HUERTA
ASOCIADO D.E
Huaraz _ 2009
OBJETIVO:
C. FUNDAMENTACION TEORICA
3.1 NOTACION DE MODELOS DE PROGRAMACION LINEAL:
Existen tres formas de denotar simblicamente los modelos de programacin lineal
que a continuacin se definen:
3.1.1 Notacin estadstica: La expresin matemtica para el formato estadstico es como
sigue:
n
Optimizar ( Z ) C j X j
j 1
S.a:
a ij X j bi
j 1
n
Xj 0
3.1.2 Notacin matricial: La expresin matemtica para el formato matricial en forma
compacta es como sigue:
t
Optimizar ( Z ) C X
S.a:
A X b i
X 0
.
.
Optimizar ( Z ) C1 , C 2 ,..., Cn
X n
21
22
2
n
S.a:
X1
X
2
b1
b
2
X1
X
2
.
.
X n
bn
.
.
.
.
0
0
, ,
CHIVILCHES AYALA, L. (2003). Investigacin de Operaciones Toma de Decisiones para el Cambio. Lima. Ed. Fondo Editorial UIGV. Cap.
II, Pp. 55, 56.
([1])
lineal, sujeto a restricciones exclusivamente de las formas menor o igual que y las
variables de decisin no admiten valores negativos.
La forma cannica de un PL expresada en su notacin matricial es:
t
Max( Z ) C X
S. a:
A X bi
X 0
3.3.2. Forma estandarizada de un PL: Se dice que un modelo de PL esta en su formato
estandarizado cuando el objetivo es maximizar una funcin lineal, sujeta a restricciones de la
forma igual que exclusivamente y las variables de decisin no admiten valores negativos.
La forma estandarizada de un PL expresada en su notacin matricial es:
t
Max( Z ) C X
S. a:
A X bi
X 0
Optimizar ( Z ) C t X
S.a:
Aij X j bi
j 1
n
Xj 0
1.Forma genrica de un PL: Se dice que un modelo de PL esta en su formato genrico cuando
el objetivo es maximizar o minimizar una funcin lineal, sujeto a restricciones de las formas
menor o igual que, igual que y mayor o igual que y las variables de decisin pueden ser
no restringidas, es decir pueden tomar valores positivos, ceros y negativos.
La forma genrica de un PL expresada en su notacin matricial es:
Optimizar ( Z ) C t X
S.a:
A X b i
X 0, X 0, X : Libre
Max( Z ) C X
X 0
S
. a:
A X bi
Min( Z ) C X
t
Max( Z ) C X
Sea: C t D t
Entonces se tiene:
Min( Z ) Min( D t ) Max( D t ) Max(C t )
Max( Z ) Max( D t ) Min( D t ) Min(C t )
Xj 0
Entonces se tiene:
Para:
Entonces se tiene:
No cumple:
X j X j 1 0
X j , X j 1 0
X j : Libre, irrestrict o
X j , X j 1 , X j 2 0
X j X j 1 X j 2
X n 1 0 , i: vector unitario.
Sin embargo en la solucin de PL por el mtodo simplex, es necesario aadir una variable
artificial a la ltima ecuacin para que esta tenga un sentido prctico.
3.5.METODOS DE SOLUCION DE PROGRAMAS LINEALES
Un programa lineal puede se resolver por el mtodo geomtrico o grafico y por el mtodo
analtico.
En el presente trabajo vamos a tratar sobre e el mtodo geomtrico debido a su eficiencia
computacional, para usar este mtodo el modelo matemtico debe tener variables mayor o igual
que tres.
EL MTODO GRFICO
La solucin de un modelo de Programacin
Lineal por medio del mtodo grfico, consiste
en la bsqueda de la combinacin de valores
para las variables de decisin que optimicen
el valor de la funcin objetivo, si es que dicha
combinacin existe.
Grficamente
Restricciones
IGUALDADES
IGUALDADES
IGUALDADES
Restricciones
con la forma de
DESIGUALDAD, siguen descripciones como:
se puede , a lo mas , por lo menos , como
mnimo , como mximo
La representacin grfica de las estricciones
de desigualdad es por:
Una lnea recta acotada, en una dimensin.
Un medio plano, para dos dimensiones
Un medio espacio (3D), para tres dimensiones
DESIGUALDADES
DESIGUALDADES
DESIGUALDADES
DESIGUALDADES
Una
BSQUEDA EXHAUSTIVA
Se
EJEMPLO
Sea:
sujeta a
Solucin:
BSQUEDA EN LA DIRECCIN
DEL VECTOR DE COEFICIENTES
DE LA FUNCIN OBJETIVO
Se
Criterio
de MAXIMIZACIN
Se define la lnea recta paralela a la lnea de
base que siguiendo la direccin positiva del
vector de coeficientes de la funcin objetivo,
esto es, la direccin c = (c1, c2), sea la ltima
en tocar la regin de factibilidad.
Criterio
de MINIMIZACIN
Se define la lnea recta paralela a la lnea de
base que siguiendo la direccin negativa
del vector de coeficientes de la funcin
objetivo, esto es, la direccin - c = (-c1, -c2),
sea la ltima en tocar la regin de
factibilidad.
Finalmente,
EJEMPLO: MAXIMIZACIN
Sea:
EJEMPLO: MINIMIZACIN
Sea:
La
CASOS ESPECIALES
(MAXIMIZACIN)
Solucin
ptima nica
Soluciones mltiples,
Solucin no acotada
CONCLUSIONES
Grficamente
la asignacin ptima de
variables, se localiza el punto dnde la
funcin objetivo adquiere su mejor valor, si es
que dicho punto existe.
El mejor valor se determina ya sea
explorando todos los puntos esquina, o bien
siguiendo al vector de coeficientes de la
funcin objetivo.
La solucin puede clasificarse como: nica,
no existente, mltiple, no acotada o
degenerada.
Demostracin del
software WinQsb+
Linear and Integer Programming.lnk