P. 1
2. Modelos de Programacion Lineal

2. Modelos de Programacion Lineal

|Views: 17|Likes:

More info:

Published by: Cecilia Quispe Ascurra on Aug 24, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

03/18/2014

pdf

text

original

Investigación Operativa 1

Capítulo 2: Modelos de programación lineal

ÍNDICE
1. Problema de programación lineal 2. Requerimientos del problema de programación lineal 3. Método gráfico para resolver problema de maximización con dos variables 4. Método gráfico para resolver problema de minimización con dos variables 5. Casos especiales de programación lineal 6. Solución de problemas de programación lineal usando aplicaciones computacionales 7. Análisis de sensibilidad gráfico y por computadora
2

1. Problema de programación lineal

Programación lineal (PL) • Es una herramienta para resolver problemas de optimización • Está diseñada para ayudar a la toma de decisiones • Está relacionada a la asignación de recursos

3

Selección de una mezcla de productos en una fábrica para • Hacer el mejor uso de las horas de máquina y horas-hombre disponibles 4 • Mientras se maximiza la producción de la empresa . 2.Ejemplos de aplicaciones de PL (1/2) 1. Desarrollo de la programación de la producción permitirá • Satisfacer demandas futuras para una empresa de producción • Mientras se minimizan los costos totales de producción e inventarios.

Determinación de los grados de productos petroleros para rendir el máximo beneficio.Ejemplos de aplicaciones de PL (2/2) 3. 5 . 5. Selección de mezclas de materias primas para abastecer molinos que producen alimentos balanceados al mínimo costo. 4. Determinación de un sistema de distribución que minimiza los costos totales de transporte de los almacenes a los mercados.

Cada restricción debe ser una ecuación o inecuación lineal. 6 .  Los valores de las variables de decisión deben satisfacer un conjunto de restricciones. Requerimientos del problema de programación lineal • Un problema de programación lineal (PL) es un problema de optimización para el cual se efectúa lo siguiente:  Se intenta maximizar (o minimizar) una función lineal (llamada función objetivo) de las variables de decisión.2.  Una restricción de signo es asociada con cada variable.

Proporcionalidad • Existe en el objetivo y las restricciones.Certeza • Los números en el objetivo y las restricciones son conocidos con certeza y no pueden cambiar durante el periodo en que se está haciendo el estudio. 7 .Cinco suposiciones básicas de PL (1) 1. 3. 2.Aditividad • El total de todas las actividades es igual a la suma de las actividades individuales.

Divisibilidad • Las soluciones no necesitan ser números enteros. 8 . • Los valores negativos de cantidades físicas son imposibles. 5.Cinco suposiciones básicas de PL (2) 4.No negatividad • Todas las respuestas o variables son no negativas (≥ 0). • Las soluciones son divisibles y pueden tomar cualquier valor fraccionario.

. j = 1.. .} b2 . 2. + a1nXn {. .} bm Rango de existencia Xj  0. . j = 1..} b1 a21X1 + a22X2 + .n Función Objetivo Maximizar ó Minimizar Z = C1X1 + C2X2 + . ….... am1X1 + am2X2 + .+ amnXn {. + CnXn Restricciones a11X1 + a12X2 + ..Formulación de un problema de PL (1) Variables de Decisión Xj . …. ... .. + a2nXn {.n 9 . 2..

4. Utilizar las variables de decisión para escribir las expresiones matemáticas de la función objetivo y de las restricciones. Identificar el objetivo y las restricciones. 10 . Definir las variables de decisión.Formulación de un problema de PL (2) Pasos a seguir en la formulación de un problema de PL 1. Entender por completo el problema administrativo que se enfrenta. 3. 2.

Flair Furniture Company (1/4) Problema de la mezcla de productos • Dos o más productos son fabricados usando recursos limitados tales como personal. máquinas. materias primas. 11 . etc. • La utilidad que la empresa busca para maximizar está basada en la contribución a la utilidad por unidad de cada producto. • A la compañía le gustaría determinar cuántas unidades de cada producto deberá fabricar para maximizar la utilidad total dados sus recursos limitados.

00 5.Flair Furniture Company (2/4) Horas requeridas para producir 1 unidad Departamento • Carpintería 3 • Pintura y 1 100 barnizado Utilidad (intis por unidad) 7. Horas de carpintería utilizadas  240 horas por semana 2. Horas de pintura y barnizado utilizadas  100 horas por semana Mesa s 4 2 Sillas Disponibilidad (horas/semana ) 240 12 .00 Identificar el objetivo y las restricciones Maximizar la utilidad Sujeta a 1.

00 Mesa s 4 2 Sillas 3 1 Disponibilidad (horas/semana ) 240 100 Variables de decisión X1 = número de mesas producidas y vendidas por semana X2 = número de sillas producidas y vendidas por semana 13 .Flair Furniture Company (3/4) Horas requeridas para producir 1 unidad Departamento • Carpintería • Pintura y barnizado Utilidad (intis por unidad) 7.00 5.

X2 ≥ 0 (condiciones de no negatividad) • Carpintería • Pintura y barnizado Utilidad (intis por unidad) 7.00 Mesa s 4 2 Sillas 3 1 Disponibilidad (horas/semana ) 240 100 14 .Flair Furniture Company (4/4) Horas requeridas para producir 1 unidad Departamento Formulación matemática Maximizar Z = 7X1 + 5X2 Sujeta a 4X1 + 3X2 ≤ 240 (Restricción de Carpintería) 2X1 + 1X2 ≤ 100 (Restricción de Pintura y Barnizado) Con X1.00 5.

El método gráfico funciona sólo cuando existen dos variables de decisión.3. pero es invaluable ya que da una idea de cómo funcionan otros métodos. Método gráfico para resolver problemas de maximización con dos variables La forma más fácil de resolver un pequeño problema de PL tal como el de la Flair Furniture Company es con el método gráfico. 15 .

0) X1 (número de mesas) 16 .Representación gráfica de las restricciones Flair Furniture Company (1) X2 (número de sillas) Las condiciones de no negatividad X1 ≥ 0 y X2 ≥ 0 significan que siempre se trabaja en el primer cuadrante. (0.

4(X1) + 3(0) = 240. X2 = 80 sillas  Sea X2 = 0 y resuelva para el punto donde la línea cruza el eje X1. 4(0) + 3(X2) = 240. X2 = 0).Representación gráfica de las restricciones Flair Furniture Company (2) • La restricción de Carpintería es 4X1 + 3X2 ≤ 240 • Se grafica la restricción en forma de igualdad 4X1 + 3X2 = 240  Sea X1 = 0 y resuelva para el punto donde la línea cruza el eje X2. X2 = 80) al punto (X1 = 60. 17 . X1 = 60 mesas • La restricción de Carpintería está limitada por la línea que va del punto (X1 = 0.

0) (60.0) X1 (número de mesas) 18 .80) 4 X1 + 3 X2 ≤ 240 (Carpintería) (0.Representación gráfica de las restricciones Flair Furniture Company (3) X2 (número de sillas) (0.

Representación gráfica de las restricciones Flair Furniture Company (4) • La restricción de Pintura y Barnizado es 2X1 + 1X2 ≤ 100 • Se grafica la restricción en forma de igualdad 2X1 + 1X2 = 100  Sea X1 = 0 y resuelva para el punto donde la línea cruza el eje X2. X2 = 0). X1 = 50 mesas • La restricción de Pintura y Barnizado está limitada por la línea que va del (X1 = 0. 2(X1) + 1(0) = 100. 19 . X2 = 100 sillas  Sea X2 = 0 y resuelva para el punto donde la línea cruza el eje X1. X2 = 100) al punto (X1 = 50. 2(0) + 1(X2) = 100.

0) (60.100) 2 X1 + 1 X2 ≤ 100 (Pintura y Barnizado) (0.80) 4 X1 + 3 X2 ≤ 240 (Carpintería) (0.0) (50.Representación gráfica de las restricciones Flair Furniture Company (5) X2 (número de sillas) (0.0) X1 (número de mesas) 20 .

80) Región Factible 4 X1 + 3 X2 ≤ 240 (Carpintería) (0.Representación gráfica de las restricciones Flair Furniture Company (6) X2 (número de sillas) (0.100) 2 X1 + 1 X2 ≤ 100 (Pintura y Barnizado) (0.0) X1 (número de mesas) 21 .0) (60.0) (50.

4. Seleccionar una línea de utilidad y graficar esta para encontrar la pendiente. Mover la línea de la función objetivo en dirección para incrementar la utilidad mientras se mantiene la pendiente. Graficar todas las restricciones y encontrar la región factible. Encontrar los valores de las variables de decisión en este último punto y calcular la utilidad. 2. 3. El último punto en tocar la región factible es la solución óptima.Método de solución de línea de isoutilidad 1. 22 .

 Éste es un nivel de utilidad que puede ser alcanzado con facilidad sin violar ninguna de las dos restricciones. 23 . • La función objetivo se escribe como 210 = 7X1 + 5X2.Línea de isoutilidad Flair Furniture Company (1) • Comenzar asignando utilidades iguales a cantidades arbitrarias pero pequeñas en intis. • Elegimos una utilidad de 210.

 Esta representa todas las combinaciones de (X1. sea X2 = 0 y resuelva para el punto donde la línea cruza el eje X1. 210 = 7(0) + 5(X2). X2 = 42 sillas  Entonces. X2) que producirían una utilidad total de 210. sea X1 = 0 y resuelva para el punto donde la línea cruza el eje X2. X1 = 30 mesas 24 . se procede de manera similar a la que se empleó para trazar la línea de restricción:  Primero. 210 = 7(X1) + 5(0).Línea de isoutilidad Flair Furniture Company (2) • La función objetivo es justo la ecuación de una línea llamada línea de isoutilidad. • Para trazar la línea de utilidad.

• Obviamente.Línea de isoutilidad Flair Furniture Company (3) • A continuación se conectan estos dos puntos con una línea recta. 25 . • Se trazan dos líneas más. es trazada de la misma manera que la última línea. • Otra ecuación. 420 = 7X1 + 5X2. la línea de isoutilidad de 210 no produce la más alta utilidad posible para la empresa. cada una de las cuales produce una utilidad más alta. • Todos los puntos en la línea representan soluciones factibles que producen una utilidad de 210.

26 .Línea de isoutilidad Flair Furniture Company (4) • Cuando X1 = 0. X2 = 84 sillas • Cuando X2 = 0. X2 = 40) y da una utilidad de 410. • La más alta línea de isoutilidad posible toca la punta de la región factible en el punto de esquina (X1 = 30. 420 = 7(X1) + 5(0). X1 = 60 mesas • Esta línea es demasiado alta para ser considerada porqué no llega a tocar la región factible. 420 = 7(0) + 5(X2).

Línea de isoutilidad Flair Furniture Company (5) X2 (número de sillas) (0.0) X1 (número de mesas) 27 .0) (50.80) 7 X1 + 5 X2 = Z = 560 7 X1 + 5 X2 = Z = 280 7 X1 + 5 X2 = Z = 140 7 X1 + 5 X2 = Z = 210 7 X1 + 5 X2 = Z = 385 (0.

40) Solución óptima 7 X1 + 5 X2 = Z = 410 = 7(30) + 5(40) (0.0) (50.0) X1 (número de mesas) 28 .Solución óptima Flair Furniture Company X2 (número de sillas) (0.80) (30.

4. 3. Calcular la utilidad en cada punto esquina de la región factible. Seleccionar el punto esquina con el mayor valor de la función objetivo. Graficar todas las restricciones y encontrar la región factible. 2. Encontrar los puntos esquina de la región factible.Método de solución del punto de esquina 1. Éste es la solución óptima. 29 .

Utilidad = 7(50) + 5(0) = 350 30 . 3. Utilidad = 7(0) + 5(80) = 400 Punto 3: (X1 = 30. X2) que producen la utilidad máxima. X2 = 80). y 4.Punto de esquina Flair Furniture Company (1) • La región factible para el problema de Flair Furniture Company es un polígono de cuatro lados con cuatro puntos de esquina o puntos extremos. X2 = 0). X2 = 40). • Estos puntos son los designados como 1. Utilidad = 7(30) + 5(40) = 410 Punto 4: (X1 = 50. 2. • Para encontrar los valores (X1. se localizan las coordenadas de cada punto en esquina y se comprueban sus niveles de utilidad. X2 = 0). Punto 1: (X1 = 0. Utilidad = 7(0) + 5(0) = 0 Punto 2: (X1 = 0.

40) Solución óptima 3 7 X1 + 5 X2 = Z = 410 = 7(30) + 5(40) 1 (0.80) 2 (30.0) X1 (número de mesas) 31 .Punto de esquina Flair Furniture Company (2) X2 (número de sillas) (0.0) 4 (50.

• Un fabricante busca distribuir sus productos de varias fábricas a sus almacenes regionales de tal modo que se reduzcan al mínimo los costos de embarque. • Un hospital desea proporcionar un plan de alimentación diario para sus pacientes que satisfaga ciertos estándares nutricionales al mismo tiempo que reducir al mínimo los costos de adquisición de alimentos. 32 .Solución de problemas de minimización • Un restaurante desea desarrollar un horario de trabajo para satisfacer las necesidades de personal al mismo tiempo que minimizar el número total de empleados.

Método gráfico para resolver problemas de minimización con dos variables Los problemas de minimización pueden ser resueltos gráficamente. 33 . Existen dos métodos para encontrar la solución óptima: línea de isocosto y punto de esquina.4.

El último punto en tocar la región factible es la solución óptima. 2. Seleccionar una línea de isocosto y graficar esta para encontrar la pendiente. 4. 34 . Graficar todas las restricciones y encontrar la región factible. Encontrar los valores de las variables de decisión en este último punto y calcular el costo.Método de solución de línea de isocosto 1. Mover la línea de la función objetivo en dirección para decrementar el costo mientras se mantiene la pendiente. 3.

4. Seleccionar el punto esquina con el menor valor de la función objetivo. 3. Calcular la utilidad en cada punto esquina de la región factible. 35 . 2. Graficar todas las restricciones y encontrar la región factible.Método de solución del punto de esquina 1. Éste es la solución óptima. Encontrar los puntos esquina de la región factible.

) 10 3 0 3 90 48 1.Problema de minimización Holiday Meal Turkey Ranch (1) Ingrediente Marca 1 (oz./lb.) A B C Costo (centavos/lb./lb.5 2 Marca 2 (oz.5 36 .) 5 4 0.) Requerimiento mínimo mensual por pavo (oz.

X2 ≥ 0 (condición de no negatividad) 37 .Problema de minimización Holiday Meal Turkey Ranch (2) Variables de decisión X1 = número de libras adquiridas del alimento marca 1 X2 = número de libras adquiridas del alimento marca 2 Minimizar Z = 2X1 + 3X2 Sujeta a 5X1 + 10X2 ≥ 90 (restricción del ingrediente A) 4X1 + 3X2 ≥ 48 (restricción del ingrediente B) 0.5 (restricción del ingrediente C) Con X1.5 X1 ≥ 1.

se pueden establecer puntos de esquina. La solución óptima se obtendrá en una de las esquinas como un 38 problema de maximización. Este problema tiene 3 puntos de esquina rotulados como a. En tanto estén limitadas hacia adentro (del lado izquierdo y la parte inferior). Encontrar los puntos de esquina. • Esto es hecho graficando cada una de las tres ecuaciones de restricción. Con frecuencia. b y c.Método de solución del punto de esquina Holiday Meal Turkey Ranch (1) 1. Construir la región de solución factible. hacia la derecha y en la parte superior). 2. los problemas de minimización están ilimitados hacia fuera (es decir. • . pero esto no causa dificultades al resolverlo.

4.12) a (0.Método de solución del punto de esquina Holiday Meal Turkey Ranch (2) X2 (0.5 (3.5 X1 ≥ 1.0) (18.16) 0.4.0) X1 39 .8) b 5 X1 + 10 X2 ≥ 90 c (18.9) 4 X1 + 3 X2 ≥ 48 (8.0) (3.0) (12.

en un plano paralelo a la línea de solución de 54 centavos. Obviamente. 40 . Se inicia. Procedemos a mover la línea de isocosto hacia la izquierda. existen muchos puntos en la región factible que darían un costo total más bajo. 2. por ejemplo. con el trazo de una línea de costo de 54 centavos o sea 54 = 2X1 + 3X2.Método de solución de la línea de isocosto Holiday Meal Turkey Ranch (1) 1.

2 centavos. X2 = 4. Las coordenadas fueron halladas resolviendo un sistema de dos ecuaciones para X1 y X2. El último punto que toca mientras aún está en contacto con la región factible es el mismo que el punto de esquina b.4. Este tiene las coordenadas (X1 = 8.8) y tiene un costo asociado de 31.Método de solución de la línea de isocosto Holiday Meal Turkey Ranch (2) 3. 41 .

5 4 X1 + 3 X2 ≥ 48 (0.9) 2 X1 + 3 X2 = Z = 31.4) + 3(4.0) (12.4.4.0) X1 42 .Método de solución de la línea de isocosto Holiday Meal Turkey Ranch (3) X2 (0.8) Solución óptima 5 X1 + 10 X2 ≥ 90 (3.16) 0.2 = 2(8.0) (18.5 X1 ≥ 1.8) (8.

• Soluciones óptimas múltiples. • No acotamiento. • Infactibilidad.5. Casos especiales de programación lineal Tres casos especiales se plantean cuando se utiliza el método gráfico para resolver problemas de PL. 43 .

.falta de una región de solución factible puede ocurrir si existen conflictos entre las restricciones.Cuando la utilidad en un problema de maximización puede ser infinitamente grande.. Casos especiales de programación lineal • Infactibilidad.. el problema es ilimitado y falta una o más restricciones. 44 . • No acotamiento.dos o más soluciones óptimas pueden existir y esto permite actualmente a la administración tener flexibilidad para decidir entre varias opciones. • Soluciones óptimas múltiples.5.

Un problema con solución no factible X2 8 6 4 Región que satisface la tercera restricción 2 0 0 2 8 Región 4 6 X1 que satisface las dos primeras restricciones 45 .

Una región factible no acotada a la derecha X2 15 X1 ≥ 5 X2 ≤ 10 10 Región factible 5 X1 + 2X2 ≥ 10 0 0 5 10 15 X1 46 .

00 AB AB Línea de isoutilidad para B I/.12.Un ejemplo de soluciones óptimas múltiples X2 Maximizar Z = 3 X1 + 2 X2 Sujeta a 6 X1 + 4 X2 < 24 X1 < 3 Con X1.00 sobre el segmento AB 4 X1 47 0 3 . X2 > 0 A 6 La solución óptima se compone de todas las combinaciones de X1 y X2 a lo largo del segmento Línea de isoutilidad para I/.8.

6. Solución de problemas de programación lineal usando computadora Lindo PC 48 .

Uso de LINDO Flair Furniture Company (1)
Pantalla de ingreso de datos

49

Uso de LINDO Flair Furniture Company (2)
Reporte de formulación

50

Uso de LINDO Flair Furniture Company (3)
Reporte de solución

51

• Preguntas a ser hechas son: ¿qué tan sensible es la solución óptima a cambios en las utilidades. • Pero en el mundo real. recursos u otros parámetros de entrada? 52 . las condiciones son dinámicas y cambiantes. los recursos conocidos. Análisis de sensibilidad gráfico y por computadora • Las soluciones óptimas han sido encontradas bajo suposiciones deterministas. el tiempo necesario para producir una unidad exactamente establecido.7.  Por ejemplo los precios son fijos.  Esto significa que se supone una certeza completa en los datos y relaciones de un problema.

53 . Análisis de sensibilidad gráfico y por computadora • Una manera de reconciliar esta discrepancia entre los supuestos deterministas y las condiciones dinámicas y cambiantes del mundo real es: cuán sensible es la solución óptima a los supuestos del modelo y los datos.7. • Una importante función del análisis de sensibilidad es que permite experimentar con los valores de los parámetros de entrada.

de preferencia con una computadora.Formas para realizar el análisis de sensibilidad (1) Hay dos métodos para determinar la sensibilidad de una solución óptima a los cambios. cada vez que cambia un dato de entrada o parámetro. Este método resuelve todo el problema. 54 . Esto puede tomar mucho tiempo para probar una serie de posibles cambios. El primero es simplemente un método de ensayo y error.

se intenta determinar un intervalo de cambios en los parámetros que no afectan la solución óptima o cambian los valores de las variables en la solución.Formas para realizar el análisis de sensibilidad (2) El segundo método es el análisis de postoptimalidad. Después que el problema de PL ha sido resuelto. Análisis de postoptimalidad significa examinar los cambios una vez que se ha llegado a la solución optima. 55 . Esto se realiza sin resolver el problema completo.

Análisis de sensibilidad usando el método gráfico Holiday Meal Turkey Ranch X2 (0.5 X1 ≥ 1.4) + 3(4.16) 0.0) (12.8) (8.2 = 2(8.9) 2 X1 + 3 X2 = Z = 31.0) X1 56 .5 4 X1 + 3 X2 ≥ 48 (0.4.8) Solución óptima 5 X1 + 10 X2 ≥ 90 (3.4.0) (18.

gráfico X2 Variación del coeficiente C1 de X1 (0.16) (0.0) X1 57 .9) (0.16) X2 Variación del coeficiente C2 de X2 4 X1 + 3 X2 = Z (0.5 X1 + 3 X2 = Z (3.0) (18.Cambios en los coeficientes de la función objetivo .9) 2 X1 + 1.0) (12.0) (12.5 X2 = Z 2 X1 + 3 X2 = Z 2 X1 + 3 X2 = Z 1.0) 2 X1 + 4 X2 = Z (18.0) X1 (3.

• Restando el decremento admisible (ALLOWABLE DECREASE) a los valores actuales (CURRENT COEF). el límite inferior puede ser obtenido.Cambios en los coeficientes de la función objetivo – LINDO • LINDO produce un reporte de sensibilidad. 58 . • Sumando el incremento admisible (ALLOWABLE INCREASE) a los valores actuales (CURRENT COEF). el límite superior puede ser obtenido. • Este reporte provee los incrementos y decrementos admisibles para los coeficientes de la función objetivo.

5 ≤ C1 ≤ 4 1.Cambios en los coeficientes de la función objetivo – LINDO Holiday Meal Turkey Ranch Reporte de análisis de sensibilidad 1.5 ≤ C2 ≤ 4 59 .

pero el valor óptimo de la función objetivo aumenta (disminuye) en un valor igual a dicha cantidad multiplicada por el valor de la variable asociada a ese coeficiente. podemos afirmar: Cuando un coeficiente en particular es aumentado (disminuido) en una cantidad aceptable.Cambios en los coeficientes de la función objetivo Si la solución óptima es no degenerada. la solución óptima no cambia. 60 .

• Los recursos podrían ser horas de mano de obra o tiempo de máquina o quizás dinero o materiales de producción disponibles. 61 .Cambios en los recursos o valores del lado derecho (1/3) • Los valores del lado derecho de las restricciones a menudo representan recursos disponibles para la empresa.

• El valor de cambio en la función objetivo que resulta de una unidad de cambio en uno de los recursos disponibles es llamado precio dual. • El precio dual de una restricción es el mejoramiento del valor de la función objetivo que resulta del incremento de una unidad en el lado derecho de la restricción. 62 .Cambios en los recursos o valores del lado derecho (2/3) • Si el lado derecho de una restricción es cambiado:  La región factible cambiará (a menos que la restricción sea inactiva)  Y con frecuencia la solución óptima cambiará.

pero por un valor diferente al precio dual.   Si fuera excedido este número límite del recurso. Sin embargo. quizás cambie la función objetivo. Así.Cambios en los recursos o valores del lado derecho (3/3) • • El precio dual de un recurso indica el valor en que la función objetivo será incrementada (o decrementada) debido a otra unidad del recurso. 63 • . Si el valor fuera incrementado más allá del límite superior. el precio dual sólo es relevante dentro de los límites. entonces la función objetivo ya no se incrementaría por el precio dual. el valor del incremento posible del lado derecho de un recurso es limitado.

0) X1 2 X1 + 3 X2 = Z = 24 = 2(12) + 3(0) 2 X1 + 3 X2 = Z = 42 = 2(3) + 3(12) Precio Dual = -(24-31.2 = 2(8.0) (18.12) (0.0) (12.9) Precio Dual = -(42-31.2)/(135-90) = -0.8) 5 X1 + 10 X2 ≥ 90 5 X1 + 10 X2 ≥ 60 (3.24 60 ≤ b1 ≤ 135.24 64 .16) 5 X1 + 10 X2 ≥ 135 (3.8) 2 X1 + 3 X2 = Z = 31.4.24 (8.2)/(60-90) = -0.4) + 3(4.4. precio dual = -0.Cambios en los recursos o valores del lado derecho – gráfico (1) Holiday Meal Turkey Ranch X2 Variación del lado derecho de la restricción 5 X1 + 10 X2 ≥ 90 (0.

5-31.5 ≤ b2 ≤ 72.9) (3.8) 2 X1 + 3 X2 = Z = 31.5 2 X1 + 3 X2 = Z = 28.5) 4 X1 + 3 X2 ≥ 34.0) 2 X1 + 3 X2 = Z = 36 = 2(18) + 3(0) 4 X1 + 3 X2 ≥ 48 (8.2)/(34.Cambios en los recursos o valores del lado derecho – gráfico (2) Holiday Meal Turkey Ranch X2 Variación del lado derecho de la restricción 4 X1 + 3 X2 ≥ 48 (0.4.20 65 .5) Precio Dual = -(28.2)/(72-48) = -0.0) Precio Dual = -(36-31.2 4 X1 + 3 X2 ≥ 72 X1 (18.4) + 3(4.2 (3.4. precio dual = -0.16) (0.0) (12.5 = 2(3) + 3(7.7.2 = 2(8.5-48) = -0.8) 34.

0) (12.5 0.8) (0.2.4. precio dual = 0.4) + 3(4.16) 0.4.0) (18.5 X1 ≥ 4.5 X1 ≥ 1.0) X1 -∞ ≤ b3 ≤ 4.4) + 3(4.2 = 2(8.5) = 0 (8.2-31.2)/(4.5 X1 ≥ 1.Cambios en los recursos o valores del lado derecho – gráfico (3) Holiday Meal Turkey Ranch X2 Variación del lado derecho de la restricción 0.5 (0.12) 2 X1 + 3 X2 = Z = 31.9) (3.2-1.2 (3.8) 2 X1 + 3 X2 = Z = 31.8) Precio Dual = -(31.00 66 .2 = 2(8.

5 ≤ b2 ≤ 72.00 . precio dual = -0.24 34.20 -∞ ≤ b3 ≤ 4.Cambios en los recursos o valores del lado derecho – LINDO Holiday Meal Turkey Ranch Reporte de análisis de sensibilidad 60 ≤ b1 ≤ 135. precio dual = -0. precio dual = 0.2.

68 . podemos afirmar: Cuando el lado derecho de una restricción activa es aumentado (disminuido) en una cantidad aceptable.Cambios en los recursos o valores del lado derecho (1) Si la solución óptima es no degenerada. y el valor óptimo de la función objetivo aumenta (disminuye) en un valor igual a dicha cantidad multiplicada por el valor del precio dual asociado a esa restricción. la base óptima no cambia. pero la solución óptima si cambia.

69 . podemos afirmar: Cuando el lado derecho de una restricción inactiva es aumentado (disminuido) en una cantidad aceptable.Cambios en los recursos o valores del lado derecho (2) Si la solución óptima es no degenerada. la solución óptima no cambia.

podemos afirmar: El coeficiente de esa variable en la función objetivo debe ser cambiado por lo menos en el costo reducido (y posiblemente más). con el objeto de que haya una solución óptima en la que la variable aparezca con un valor positivo.Costo reducido Si una solución óptima es no degenerada. y tiene una variable de decisión cuyo valor óptimo es cero. 70 .

Costo reducido – LINDO El costo reducido es el valor en que debe ser incrementado el coeficiente de la variable no básica en la función objetivo para obtener una solución óptima alternativa. 71 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->