INVESTIGACION DE

OPERACIONES
Programacin Lineal
Objetivos del Captulo
Fijar los requerimientos para establecer un modelo
de programacin lineal.
Representacin grfica de un modelo de
programacin lineal.
Ventajas del modelo de programacin lineal:
* Obtencin de una solucin ptima nica.
* Obtencin de soluciones alternativas
* Modelos no acotados.
* Modelo no factibles.
.

Conceptos de anlisis de sensibilidad:
* Reduccin de costos.
* Rango de optimalidad.
* Precios sombra.
* Rango de factibilidad.
* Holgura complementaria.
* Agregar restricciones/variables.

Obtencin de una solucin por mtodos compu-
tacionales:
* WINQSB
* EXCEL
* LINDO
2.1 Introduccin a la Programacin
Lineal
Un modelo de programacin lineal busca maximizar o
minimizar una funcin lineal, sujeta a un conjunto de
restricciones lineales.

Un modelo de programacin lineal esta compuesto de
lo siguiente:
* Un conjunto de variables de decisin
* Una funcin objetivo
* Un conjunto de restricciones

La importancia de la programacin lineal:

* Ciertos problemas se describen facilmente a travs de la
programacin lineal.

* Muchos problemas pueden aproximarse a modelos lineales.

* La salida generada por el programa que resuelve el modelo de
programacin lineal entrega informacin til para responder
nuevas condiciones sobre el qu pasa si.
2.2 El problema de la industria de
juguetes Galaxia.
Galaxia produce dos tipos de juguetes:
* Space Ray
* Zapper

Los recursos estn limitados a:
* 1200 libras de plstico especial.
* 40 horas de produccin semanalmente.
Requerimientos de Marketing.

* La produccin total no puede exceder de 800 docenas.
* El nmero de docenas de Space Rays no puede exceder al
nmero de docenas de Zappers por ms de 450.

Requerimientos Tecnolgicos.

* Space Rays requiere 2 libras de plstico y 3 minutos de
produccin por docena.
* Zappers requiere 1 libra de plstico y 4 minutos de produccin
por docena.

Plan comn de produccin para:

* Fabricar la mayor cantidad del producto que deje mejores
ganancias, el cual corresponde a Space Ray ($8 de utilidad
por docena).
* Usar la menor cantidad de recursos para producir Zappers,
porque estos dejan una menor utilidad ($5 de utilidad por
docena).

El plan comn de produccin consiste en:
Space Rays = 550 docenas

Zappers = 100 docenas

Utilidad = $4900 por semana



EL MODELO DE
PROGRAMACIN LINEAL
PROVEE UNA SOLUCIN
INTELIGENTE PARA ESTE
PROBLEMA
Solucin
Variables de decisin

* X1 = Cantidad producida de Space Rays (en docenas por
semana).
* X2 = Cantidad producida de Zappers (en docenas por
semana).

Funcin objetivo

* Maximizar la ganancia semanal.
Modelo de Programacin Lineal

Max 8X1 + 5X2 (ganancia semanal)

Sujeto a:

2X1 + 1X2 <= 1200 (Cantidad de plstico)
3X1 + 4X2 <= 2400 (Tiempo de produccin)
X1 + X2 <= 800 (Limite produccin total)
X1 - X2 <= 450 (Produccin en exceso)
X
j
>= 0 , j= 1, 2. (Resultados positivos)
2.3 Conjunto de soluciones factibles
para el modelo lineal.
El conjunto de puntos que satisface todas las
restricciones del modelo es llamado:






REGION FACTIBLE
USANDO UN GRAFICO SE
PUEDEN REPRESENTAR
TODAS LAS
RESTRICCIONES, LA
FUNCION OBJETIVO Y LOS
TRES TIPOS DE PUNTOS
DE FACTIBILIDAD.

1200
600
The Plastic constraint
Factible
Restriccin del plstico:
2X1+X2<=1200
X2
No Factible
Horas de
Produccin
3X1+4X2<=2400
Restriccin del total de produccin:
X1+X2<=800
600
800
Restriccin del
exceso de produccin:
X1-X2<=450
Tipos de puntos de factibilidad
Punto Inferior
Punto Medio
Punto Extremo
X1
2.4 Resolucin grfica para encontrar
la solucin ptima.

600
800
1200
400 600 800
X2
X1
comenzar con una ganancia dada de = $2,000...
Utilid. = $ 000 2,
Entonces aumente la ganancia...
3, 4,
...y contine hasta que salga de la regin factible
Ganancia =$5040
600
800
1200
400 600 800
X2
X1
Se toma un valor cercano al
punto ptimo
Feasible
region
Regin
Factible

Regin no
factible
Resumen de la solucin ptima

Space Rays = 480 docenas
Zappers = 240 docenas
Ganancia = $5040

* Esta solucin utiliza todas las materias primas (plstico) y
todas las horas de produccin.
* La produccin total son 720 docenas (no 800).
* La produccin de Space Rays excede a la de Zappers por solo
240 docenas y no por 450.
Soluciones ptimas y puntos extremos.

* Si un problema de programacin lineal tiene una solucin
ptima, entonces esta corresponde a un punto extremo.

Mltiples soluciones ptimas.

* Cuando existen mltiples soluciones ptimas implica que la
funcin objetivo es una recta paralela a uno de los lados
de la regin factible.
* Cualquier promedio ponderado de la solucin ptima es
tambin una solucin ptima.



Solucin mediante el mtodo Simplex

Partamos de la base que el problema a resolver es el siguiente:
Max 8X1 + 5X2 (ganancia semanal)
Sujeto a:
2X1 + 1X2 <= 1200 (Cantidad de plstico
3X1 + 4X2 <= 2400 (Tiempo de produccin
X1 + X2 <= 800 (Limite produccin total
X1 - X2 <= 450 (Produccin en exceso
X
j
>= 0 , j= 1, 2. (Resultados positivos)

Para poder utilizar el mtodo simplex se deben cumplir las
siguientes restricciones:
Restricciones del Algoritmo

a) Solo se puede utilizar para maximizar la funcin objetivo.
Para minimizar se debe maximizar (-z).
b) Solo se puede aplicar a restricciones de igualdad.
2x1 + X2 + S1 =1200 ;S1 = Var. de holgura
<= 3X1 + 4X2 + S2 = 2400 ;S2 = Var de holgura
X1 + X2 + S3 = 800 ;S3 = Var de holgura

(caso ficticio)
>= 2X1 + x2 >= 100
2X1 + X2 - S4 = 100 ;S4 = Var de exceso


c) Todas las variables deben ser mayores que cero.

x1 - x2 + S4 + a1 = 450 a1= Var artificial

Por el hecho de haber agregado una variable artificial se
debe agregar a la funcin objetivo a1 pero con un valor muy
grande y negativo representado por -M.

Max 8x1 + 5x2 - Ma1
2.5 Anlisis de sensibilidad para la
solucin ptima.
Es sensible la solucin ptima a cambios en los
parmetros de entrada?

Posibles razones para responder la pregunta anterior:

* Los valores de los parmetros usados fueron los mejores
estimados.
* Medio ambiente por ser dinmico puede producir cambios.
* El anlisis del qu pasa si puede proveer informacin
econmica y operacional.
2.6 Anlisis de sensibilidad de los
coeficientes de la funcin objetivo
Rango de optimalidad
La solucin ptima permanecer inalterable mientras:
Un coeficiente de la funcin objetivo se encuentre dentro
del rango de optimalidad.
No hay cambios en ningn otro parmetro.

El valor de la funcin objetivo cambiar si el coeficiente
multiplica una variable cuyo valor es distinto de cero.
Los efectos del cambios en un coeficiente de la
funcin objetivo, sobre la solucin ptima
600
800
1200
X2
X1
400 600 800
Los efectos del cambio de un coeficiente de la
funcin objetivo, sobre la solucin ptima
600
800
1200
400 600 800
X2
X1
Rango de optimalidad
Cambios Mltples
El rango de optimalidad es vlido cuando un nico coeficiente
de la funcin objetivo cambia.

Cuando cambia ms de una variable se utiliza la regla del
100%.
Regla del 100%
Para cada aumento (disminucin) en un coeficiente de la
funcin objetivo calcular (y expresar como un porcentaje) la
relacin de cambio del coeficiente al mximo aumento posible
(disminucin) determinada por los lmites del rango de
optimalidad.

Sumar todos los cambios de porcentaje. Si el total es menor
que 100%, la solucin ptima no cambiar. Si este total es
mayor que 100%, la solucin ptima puede cambiar.

Reduccin de costos
La reduccin de costos de una variable a su cota inferior
(comnmente cero) implica que:
Los coeficientes de la funcin objetivo deben cambiar antes
que la variable pueda tomar un valor sobre la cota inferior.
Con lo anterior la cantidad de ganancia ptima cambiar
segn las variables aumentadas desde la cota inferior.


Holgura complementaria

Existe holgura en la solucin ptima, cuando cada variable
est en su cota inferior o el costo reducido es 0.
2.7 Anlisis de Sensibilidad del
coeficiente del lado derecho

Cualquier cambio en el lado derecho (bi) de una
restriccin activa cambiar la solucin ptima.


Cualquier cambio en el lado derecho de una
restriccin no activa que sea menor que la holgura o
o el exceso, no produce ningn cambio en la solucin
ptima.

Para el anlisis de sensibilidad de la validez de
los coeficiente del lado derecho nos interesa
responder las siguientes preguntas :

Manteniendo todos los otros coeficientes , en cunto
cambiara el valor ptimo de la funcin objetivo (por ejemplo, la
ganancia) si el coeficiente del lado derecho de una restriccin
cambia en una unidad?

Hasta cuntas unidades se puede agregar o disminuir para
que la solucin siga siendo vlida?

1200
600
X2
Restriccin materiales
(plsticos)
Feasible
X1
600
800
Restriccin del
tiempo de
produccin
Ganancia mxima= 5040
Nueva restriccin materiales (plsticos)
Combinacin de restricciones
en la produccin
Puntos extremos
Interpretacin correcta del precio
sombra
Los costos amortizados: El precio sombra, es el valor por una
unidad extra del recurso, ya que el costo del recurso no es
incluido en el clculo de los coeficientes de la funcin objetivo.

Los costos includos: El precio sombra es el valor superior por
unidad del recurso, el costo del recurso se incluye en el clculo
del coeficiente de la funcin objetivo.

El rango de factibilidad
El conjunto de los coeficientes del lado derecho
entregan el rango para que el mismo conjunto de
restricciones determine el punto ptimo.
Dentro del rango de factibilidad, los precios sombras
permanecen constante; sin embargo, la solucin
ptima cambiar.

2.8 Otros cambios para
optimizar la funcin objetivo
La incorporacin de una restriccin.
La eliminacin de una restriccin.
La incorporacin de un variable.
La eliminacin de un variable.
Cambio en el lado izquierdo de los coeficientes.

2.9 Modelo sin solucin ptima
No factible: Ocurre cuando en el modelo no hay
ningn punto de factible.

No acotado: Ocurre cuando el objetivo puede crecer
infinitamente (objetivo a maximizar).

Infactibilidad

Ningn punto se encuentra,
simultneamente, sobre la lnea
la lnea y
1
2
3
1
2
3
Solucin No Acotada
2.10 Dieta Marina
Un problema de minimizacin del costo
de la dieta:
Mezcle dos porciones de lo productos:
Texfoods, Calration.
Minimice el costo total de la mezcla.
Mantenga los requerimientos mnimos
de Vitamina A, Vitamina D, y hierro.


Variables de decisin:
x1 (X2) - - El cantidad de Texfoods (Calration) se us en
cada porcin (cada 2 onzas).

El modelo
minimizar 0.60X1 + 0.50X2
sujeto a
20X1 + 50X2 100
25X1 + 25X2 100
Vitamina D
50X1 + 10X2 100 hierro
X1, X2 0

Costo por 2 oz.

% Vitamina A
por 2 oz.
% requerido
La solucin grfica
5
4
2
2 4 5
Regin factible
Restriccin de vitamina D
Restriccin de vitamina A
Restriccin de hierro
Resumen de la solucin ptima
Producto Texfood = repartir 1.5 (= 3 onzas)
Producto Calration = repartir 2.5 (= 5 onzas)
Costo =$ 2.15 por porcin servidar.
El requisito mnimo para la Vitamina D y el hierro no
se encuentren en supervit.
La mezcla provee 155% del requerimiento para
Vitamina A.




2.11 Solucin para problemas
lineales con muchas variables de
decisin usando el computador

Los paquetes de programas lineales resuelven
grandes modelos lineales.
La mayora de los software usan la tcnica algebraica
llamada algoritmo Simplex.
Los paquetes incluyen:
El criterio de la funcin objetivo (Max o Min).
El tipo de cada restriccin: .
Los coeficientes reales para el problema.
, ,
La solucin generada por un software
de programacin lineal incluye:
Los valores ptimos de la funcin objetivo.
Los valores ptimos de las variables de decisin.
La minimizacin del costo para los coeficientes de la
funcin objetivo.
Los rangos de optimizacin para los coeficientes de la
funcin objetivo.
La cantidad de holgura o exceso sobre cada
restriccin.
Los precios sombra (o dual) para las restricciones.
Los rangos de factibilidad para el coeficiente del lado
derecho.
WINQSB datos de entrada
para el problema de las
industrias galaxia











Las
variables y
los nombres
de las
restricciones
pueden ser
cambiados
aqu.
Las variables son
restringidas a >=0
Ningn lmite
superior
Click para
resolver