INSTITUTO TECNOLGICO

DE TEPIC
PROFESOR: ING. GAMEZ RODRIGUEZ JOSE ANGEL
ALUMNO: RUELAS AGUILAR ARMANDO
NO. CONTROL: 13400203
CARRERA: ING. CIVIL
GRUPO: 2-B
HORARIO: 14:00-15:00

INVESTIGACION DE OPERACIONES
Y/O MODELOS DE OPTIMIZACION
DE RECURSOS.
RESUMEN HISTORICO
La investigacin de operaciones se remontan en los aos 1759 cuando el economistas
Quesnay empieza utilizar modelos primitivos de la programacin matemtica.
En 1874, otro economista de nombre Walras, hace uso de tcnicas similares. Los modelos
lineales de investigacin de operaciones, tienen como precursores a Jordn en 1873,
Minkowsky en 1896 y a Farkas 1903. Los modelos dinmicos probabilsticos tienen su origen con
Marcov a fines del siglo pasado.
A principios del siglo XX, estudian con metodos matematicos por lo hngaros Koning y Egervary
en la segunda y la tercera dcada de este siglo. Von Neuman cimenta en 1937 lo que los
aos mas tarde culminara como la teoria de juegos y la teora de preferencias.
Los problemas de distribucin se estudian por el ruso kantorovich en 1939.
Empez a tomar auge en la segunda guerra mundial, cuando la Investigacin de
operaciones.
DEFINICIN Y SIGNIFICADO DE LA INV. DE
OPERACIONES.
La investigacin de operaciones es la aplicacin de la
metodologa cientfica atraves de modelos matematicos, primero
para representar al problema y luego para resolverlo.
Como ciencia radica en ofrecer tcnicas y algoritmos
matematicos para resolver problemas de decisin adecuada
En un equipo de investigacin de operaciones es importante para
la habilidad adecuada en los aspectos cientficos y artsticos de
investigacin de operaciones.
METODOLOGA
El proceso de la investigacin de Operaciones comprende las siguientes fases:
1. Formulacin y definicin del problema
2. Construccin del modelo
3. Solucin del modelo
4. Validacin del modelo
5. Implementacin del modelo

La informacin de cada proceso se dirn a continuacin en las siguientes
diapositivas.
Formulacin Y Definicin Del Problema:
En esta fase del proceso se necesita: una descripcin de los objetivos
del sistema, es decir, que se desea optimizar; identificar las variables
implicadas, ya sean controlables o no; determinar las restricciones del
sistema.
Construccin Del Modelo:
En esta fase el investigador de operaciones debe decidir el modelo a
utilizar para representar el sistema. Debe ser un modelo tal que
relacione a las variables de decisin con los parmetros y
restricciones del sistema.
Solucin Del Modelo:
Derivar una solucin matemtica empleando las diversas tecnicas y
metodos matematicos para resolver problemas y ecuaciones.
Debemos tener en cuenta que las soluciones que se obtienen en este
punto del proceso, son matemticas y debemos interpretarlas en el
mundo real.
Validacin Del Modelo:
La validacin de un modelo requiere que se determine si
dicho modelo puede predecir con certeza el
comportamiento del sistema. Un mtodo comn para
probar la validez del modelo, es someterlo a datos
pasados disponibles del sistema actual y observar si
reproduce las situaciones pasadas del sistema.

Implementacin de resultados:
Una vez que hayamos obtenido la solucin o soluciones
del modelo, el siguiente y ultimo paso del proceso es
interpretar esos resultados y dar conclusiones y cursos de
accin para la optimizacin del sistema.
MODELOS DE LA INVESTIGACIN DE
OPERACIONES
La forma convencional en que la investigacin de operaciones realiza esto es
construyendo un modelo matemtico que represente la esencia del problema.
Un modelo siempre debe ser menos complejo que el problema real, es una aproximacin
abstracta de la realidad con consideraciones y implicaciones que hacen mas manejable el
problema y permiten evaluar eficientemente las alternativas de solucin.
La seleccin del mtodo de solucin depende de las caractersticas
del modelo. Los procedimientos de solucin pueden ser clasificados
en 3 tipos:

Analticos
Numricos
Simulacin

Analticos: Utilizan Procesos de deduccin matemtica.
Numricos: Que son de carcter inductivo y funcionan en base a
operaciones de prueba de error.
Simulacin: Que utilizan metodos que imitan o, emulan al sistema
real, en base a un modelo.
FORMULACIN MODELO INVESTIGACIN DE
OPERACIONES.
La programacin lineal utiliza un modelo
matemtico para descubrir el problema. El
adjetivo lineal significa que todas las funciones
matemticas del modelo deben ser funciones
lineales.
La palabra programacin no se refiere a
programacin en computadoras; en esencia es
un sinnimo de planeacin, la programacin
lineal trata de planeacin de las actividades para
obtener un resultado optimo, esto es, el
resultado que mejor alcance la meta
especificada.
MODELO MATEMTICO
La funcin objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa
o matemtica como funciones de las variables de decisin, a esto se dice que se trata de un
modelo matemtico.

Un modelo matemtico comprende principalmente tres conjuntos bsicos, Estos son:

Variables y Parmetros De Decisin
Restricciones
Funcin Objetivo

La solucin optima ser aquella que produzca el mejor valor de la funcin objetivo, sujeta a
las restricciones.


PROGRAMACIN LINEAL
La programacin lineal es un mtodo determinista de anlisis para elegir la mejor entre
muchas alternativas y que no incluye probabilidades.

El adjetivo lineal significa que todas las funciones matemticas del modelo deben ser
funciones lineales.
La programacin lineal trata de planeacin de las actividades para obtener un resultado
optimo, esto es, el resultado que mejor alcance la meta especificada entre todas
alternativas de solucin.
ASPECTOS RELEVANTES DE LA TEORA DE
PROGRAMACIN LINEAL:
I. Programacin lineal es una tcnica cuantitativa ampliamente aplicada en sistemas
que presenten relaciones lineales, para utilizar los recursos escasos de la mejor
manera posible
II. La mejor manera de usar los recursos escasos se logra utilizando un modelo del
sistema llamado modelo de programacin lineal.
III. El modelo de programacin lineal es un modelo matemtico con variables de decisin,
coeficientes y/o parmetros, restricciones y una funcin objetivo
IV. Es determinstico porque todos los datos relevantes utilizados, son conocidos. Es
lineal porque las restricciones son funciones lineales.
V. La formulacin y construccin del modelo lineal implica:
1.- Definir claramente las variables de decisin y expresarlas
simblicamente o convencionalmente
2.-Definir claramente la funcin objetivo y las restricciones y
expresarlas matemticamente como funciones lineales.
VI. Debe cuidarse que los elementos componentes del modelo sean
expresados para el mismo periodo de tiempo.
VII. Se debe estipular que las variables de decisin sean mayores o
iguales a cero. Esto acerca el modelo a la realidad.
VIII. La funcion Objetivo del modelo lineal es la formulacin
matematica de una meta establecida y por lo tanto su valor final
mide la efectividad lograda. Es una funcin lineal a ser
maximizada o minimizada y tiene la siguiente forma general:

Optimizar C1X1+C2X2+C3X3+C4X4+.+CnXn
IX. Xj, Simboliza matemticamente a las variables de decisin, son
los valores numricos que se determinan con la solucin del
modelo y representan o estn relacionadas con una actividad o
accin a tomar.
X. Cj, Matematicamente, simboliza el coeficiente de la variable j en
la funcion objetivo.
XI. Las restricciones, desde el punto de vista matematico, son
funciones lineales expresadas como igualdades o desigualdades
que limitan el valor de las variables de decision a valores
permisibles.
XII. Aij, matematicamente simboliza el coeficiente, en la restriccion i,
de las variables j.
XIII. Bi, matematicamente constituye el lado derecho de la limitado i.
XIV. Xj>=0 es una restriccion de no negatividad de las j variables, la
cual se le considera siempre presente como una condicion
natural en el modelo lineal general.
CONSTRUCCIN DE MODELOS DE
PROGRAMACIN LINEAL.
FORMA ESTNDAR DEL MODELO.
Ahora se puede formular al modelo matemtico para este problema general de asignacin de
recursos a actividades.
En este caso debemos elegir valores de x1, x2, ..., xn para:
Maximizar Z = c1x1 + c2x2 + ... + cnxn, (funcin objetivo)
Sujeta a las restricciones:
a11x1 + a12x2 + ... + a1nxn b1 (restricciones funcionales)
a21x1 + a22x2 + ... + a2n xn b2
am1x1 + am2x2 + ...+ amnxn bm
x1 0, x2 0, ..., xn 0 (restricciones de no negatividad)
FORMAS ESTNDAR Y CANONICA

La forma cannica de la programacin lineal es:
Max Z= c1x1+ c2x..+ cnxn
Sujeto a las restricciones:
a11x1+ a12x2 .. + a1nxn b1
a21x1+ a22x2..+ a2nxn b2
am1x1+ am2x2..+ amnxn bm
x1 0, x 0.xn 0

Se puede observar que en la forma cannica:
1. La funcin objetivo se maximiza.
2. Las restricciones de los recursos son representados por desigualdades menor o igual a los
recursos limitados ().
3. Las variables todas deben ser mayores que cero.
PARA PODER RESOLVER DE FORMA
ALGEBRAICA EL MODELO DE PROGRAMACIN
LINEAL DEBE TENER LAS SIGUIENTES
PROPIEDADES:


a) Todas restricciones deben ser ecuaciones (igualdades) y el segundo miembro no debe
de ser negativo.
b) Todas las variables no deben ser negativas
c) La funcin objetivo puede ser de maximizacin o de minimizacin.


a) Para que todas las restricciones se conviertan a ecuaciones (igualdades):
1) Las restricciones de tipo se le suma una variable de holgura al primer miembro de la
ecuacin.
b) Todas las variables no deben ser negativas
En caso de existir una variable irrestricta (no restringida) xi puede expresarse en trmino
de dos variables no negativas
C) como sabemos el problema de PL puede ser maximizacin o minimizacin, pero algunas
veces es conveniente convertir de una forma a otra:
La maximizacin de una funcin objetivo equivale a la minimizacin del negativo de la
misma funcin y viceversa

FORMULACIN DE MODELOS DE
PROGRAMACIN LINEAL
Problema de ejemplo:
Produccin de juguetes
Una empresa fabrica dos tipos de juguetes de madera : soldados y trenes.
Se vende un soldado a 27 dlares y se usan 10 dlares de materia prima. Cada soldado que se
produce aumenta los costos variables de mano de obra y los costos generales en 14 dlares.
Se vende un tren a 21 dlares y se usan 9 dlares de materia prima. Cada tren producido
aumenta los costos variables de mano de obra y los costos generales en 10 dlares.
La produccin de soldados y trenes de madera necesita dos tipos de trabajo especializado :
carpintera y acabado.
Un soldado requiere 2 horas de acabado y 1 hora de carpintera. Un tren requiere 1 hora de
acabado y 1 de carpintera.
Cada semana, la empresa puede conseguir toda la materia prima que necesita, pero solamente
dispone de 100 horas de acabado y 80 de carpintera.
La demanda de los trenes no tiene lmite, pero se venden a lo ms 40 soldados semanalmente.
Formule un modelo de programacin lineal que maximice la ganancia semanal de la empresa.
Fabrica de Juguetes; Solucin
Fbrica de Juguetes
F.O. Maximizar Ganancias
Variables:
Nmero de soldados S
Nmero de trenes T
Restricciones:
Nmero de horas de acabado <= 100
Nmero de horas de carpinteira <= 80
Nmero de soldados <= 40
F.O. Max [ (27-10-14)*S + (21-9-10)*T ]
F.O. Max ( 3*S + 2*T )
Desigualdades:
2S + T <= 100
S + T <= 80
S <= 40
S, T >= 0
Hrs. De
Acaba
do
Hrs. De
Capinter
ia
Demanda
Soldados 2 1 A lo mas 40/semana
Trenes 1 1
Disponibilida
d
100 80
MTODO GRAFICO DE
INVESTIGACIN DE OPERACIONES.
La solucin en forma grafica se obtiene representando
en un plano cartesiano las restricciones tecnolgicas y
la funcin objetivo. No es el mtodo generalmente
usado pero nos permite visualizar rpidamente la
solucin en problemas sencillos de dos y tres variables.

Si el problema tiene dos variables obtiene una grafica
en el plano de dos dimensiones y si se trata de un
problema de 3 variables se dibuja entonces una
superficie en el espacio. Asociando los ejes
coordenados a las variables de decisin o actividades
del problema.
EL MTODO GRFICO EN ACTIVIDADES

Esta forma de obtener una solucin grfica nos permite deducir uno de los teoremas
fundamentales de la P.L., llamado teorema del punto extremo solucin ptima.
Igualmente descubriremos la esencia del mtodo simplex, que es el algoritmo mas
utilizado para obtener la solucin analtica de los problemas de P.L.

El algoritmo del mtodo grfico en actividades es el siguiente:

1. Dibujar un plano coordenado y asociar un eje a cada variable del modelo.
2. Representar en el plano las restricciones tecnolgicas.
3. Identificar la regin de soluciones factibles (regin de factibilidad).
4. Representar en el plano la funcin objetivo.
5. Identificar grficamente la solucin ptima.
Pasos necesarios para realizar el mtodo
grafico son:
1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas
las restricciones en forma simultnea.
2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles.
3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer
trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea
recta.
4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin
cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea
recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas
las restricciones y por consiguiente, representa un punto factible.
6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin
ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de
valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el
valor de la funcin objetivo.
EL TEOREMA DEL PUNTO EXTREMO-
SOLUCIN PTIMA
La regin de soluciones posibles de un modelo con dos variables es un polgono. Puede
demostrarse, que lo anterior es una caracterstica general para los problemas de P.L. En
efecto, la regin de factibilidad de todo problema de P.L., en ms de dos dimensiones, es
un poliedro convexo. Algunos problemas presentan regiones de factibilidad no acotadas
en algn sentido y otros tienen conjunto vaco de soluciones posibles.
Cada vrtice del polgono (o poliedro) de factibilidad se llama punto extremo y los
puntos que pertenecen a las lneas que forman los lados se conocen como puntos
frontera. Dos puntos extremo son adyacentes si la recta que los une es una frontera o
lado del espacio de soluciones.

Teorema: Si un problema de P.L. tiene solucin ptima, esta se encuentra
en uno de los puntos extremo o en una de las lneas que una dos puntos
extremo adyacentes de la regin de factibilidad.

AL RESOLVER UN PROBLEMA DE PROGRAMACIN LINEAL SE PUEDE TENER UNO DE LOS
SIGUIENTES CASOS

Caso 1.- El PL tiene una solucin nica.
Caso 2.- El PL tiene una soluciones optimas mltiples.
Caso 3.- El PL no es factible.
Caso 4.- El PL no es acotado.

Regin factible de un PL.- es un conjunto de todos los puntos que satisfagan las limitaciones y
restricciones de signo de la PL.
Solucin optima para un problema de maximizacin .- Es un punto con el valor de funcin objetivo mas
grande de la regin factible.
Solucin optima para un problema de minimizacin .- Es un punto con el valor de funcin objetivo mas
pequeo de la regin factible.

TIPOS DE SOLUCIN AL RESOLVER PROBLEMAS DE P.L.
La regin factible es la reunin de todas las soluciones factibles
Solucin no factible o no acotada: ocurre cuando:
Es una solucin para la que al menos una restriccin se viola.
No existen soluciones factibles.
Solucin Optima: es una solucin factible para la que todas las restricciones se
satisfacen y que a dems proporciona el valor mas favorable de la funcin
objetivo.
Soluciones Mltiples: Es aquella en la que pueden existir varias reas factibles en las
que hay al menos un punto optimo en cada una de ellas.
Solucin infinita: Es aquella en la que los valores de una variable pueden aumentar
de modo indefinido en la regin factible sin llegar aun valor mximo de Z.
Solucin Degenerada: Es una solucin bsica factible que tienen menos de dos
variables estrictamente positivas.
SOLUCIN OPTIMA
Una solucin es ptima nica,
cuando tanto las variables como la
funcin del objetivo toman valores
finitos, existiendo una sola
combinacin de valores de las
variables que optimiza el valor de
la funcin objetivo.
El siguiente modelo tiene solucin
ptima nica:

SOLUCIN LIMITADA
Surge esta solucin ilimitada, cuando una o ms variables y la funcin objetivo toman un
valor ilimitado, cumpliendo con las restricciones estructurales. Cuando se obtiene
solucin ilimitada, es debido a una de las siguientes causas:

Omisin de una o ms restricciones.
Fallas en la formulacin.
Errores en el valor de los parmetros.


De manera que ningn
problema real de programacin
lineal tiene este tipo de solucin
y cuando se presenta es porque
se ha cometido alguno de los
errores descritos.
SOLUCIN NO FACTIBLE
Se dice que un problema de programacin lineal
tiene solucin infectable, cuando no pueden
encontrarse soluciones que adems de cumplir
con las restricciones estructurales, cumplan con
la condicin de no negatividad de las variables.
Geomtricamente, esto implica que la regin de
los puntos que cumplen todas las restricciones se
halla fuera del primer cuadrante.

Su aparicin se debe a errores tales como:
1. Hay restricciones en conflicto, sea que ellas no
pueden satisfacerse simultneamente.
2. Fallas en la modelacin.
3. Errores en los datos de entrada al mtodo de
solucin.

SOLUCIN INEXISTENTE
La ltima situacin que puede
presentarse, durante la solucin de un
problema, es que este no tenga ninguna
solucin. Se presenta el caso cuando no
pueden hallarse puntos que cumplan las
restricciones tecnolgicas.
Cuando se tiene esta solucin, puede ser
debido a alguna de las siguientes causas:
1. Fallas en la modelacin y formulacin.
2. Errores en los datos de entrada al
mtodo de solucin.

SOLUCIONES MLTIPLES
La solucin ptima mltiple no es tan frecuente
en la prctica como la solucin optima nica. Si
realmente encontramos este tipo de solucin,
tendramos una gran flexibilidad para tomar la
decisin, puesto que con diferentes valores de
las variables, podemos obtener el mismo valor
de la funcin objetivo, pudiendo de esta
manera escoger la solucin que ms nos
convenga en un momento determinado, en
consideracin a otros factores no cualitativos
del problema.