P. 1
Conceptos PL, Método Gráfico y MétodoSimplex

Conceptos PL, Método Gráfico y MétodoSimplex

|Views: 1.427|Likes:

More info:

Categories:Types, Resumes & CVs
Published by: Anita Maria Campoverde on Oct 20, 2010
Copyright:Attribution Non-commercial

Availability:

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

06/12/2013

pdf

text

original

Unidad: Modelamiento Matemático Capitulo y Tema: Capítulo I: Retroalimentación de Bases de Modelamiento Matemático IO Módulo: IX “B” Profesor: Ing.

Luis Chamba Fecha en la cual el profesor encarga la actividad: Loja, 12/10/2010. Bibliografía:  

Actividad (Número y nombre): N° 3: Concepto de Programación Lineal, Método Gráfico y Método Simplex Nombre (s): Ana María Campoverde Sozoranga Fecha en la cual el profesor recibe la actividad: Loja, 20/10/2010.

Programación lineal. [Seriado en línea].Disponible: URL:http://www.lenguajes-deprogramacion.com/programacion-lineal.shtml. Consultado: 15 de octubre, 2010. SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL POR EL METODO GRAFICO. [Seriado en línea].Disponible en: URL:http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1 /UIb.HTML. Consultado: 15 de octubre, 2010.

Método

gráfico.

[Seriado

en

línea].

Disponible

en:

URL: http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/matematicas 29.html. Consultado: 15 de octubre, 2010. MÉTODOS DE SOLUCIÓN DE PROGRAMACIÓN LINEAL.[Seriado en línea]Disponible en: URL:http://www.investigacion-operaciones.com/Metodos_Solucion_PL.htm. Consultado: 15 de octubre, 2010.

INTRODUCCIÓN: La Programación Lineal es uno de los métodos más utilizados en la actualidad por su sencillez y facilidad en la solución a problemas reales, y especialmente por los significativos beneficios y ahorros que brinda a las entidades empresariales. Para la resolución de estos problemas primero se debe formular el problema matemáticamente, y luego determinar y decidir el método que nos permitirá la minimización o maximización de recursos. RESULTADOS: Para poder dar solución a los problemas presentados en una empresa a través de la Programación Lineal primeramente se debe definir el modelo matemático que está formulado a través de variables de decisión que son los puntos claves para la solución del problema, inecuaciones lineales que son una serie de restricciones del modelo y la función objetivo que nos permite la optimización del problema.

La mejor solución se puede obtener a través de algunos métodos: como el método gráfico y el método simplex cada uno de los cuales nos permitirán obtener la mejor alternativa de solución. El método gráfico se emplea para resolver problemas que presentan sólo 2 variables de decisión. El procedimiento consiste en trazar las ecuaciones de las restricciones en un eje de coordenadas X1, X2 para tratar de identificar el área de soluciones factibles (soluciones que cumplen con todas las restricciones). La solución óptima del problema se encuentra en uno de los vértices de esta área de soluciones creada, por lo que se buscará en estos datos el valor mínimo o máximo del problema. Si existe el conjunto de soluciones o valores que satisfacen las restricciones se puede presentar los siguientes tipos de solución.     Con solución única: solo existe un par que permitirá maximizar o minimizar recursos. Con solución múltiple: Si existe más de una solución. Con solución no acotada: Cuando no existe límite para la función. No factibles: Cuando no existe el conjunto de soluciones que cumplen las restricciones, es decir, las restricciones son inconsistentes.

Método Simplex emplea un proceso iterativo que empieza en un punto extremo factible, normalmente el origen, y se desplaza sistemáticamente de un punto extremo factible a otro, hasta que se llega por último al punto óptimo. 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. Los pasos del algoritmo simplex: 1. Determinar una solución básica factible inicial. 2. Prueba de optimidad: determinar si la solución básica factible inicial es óptima y sólo si todos los coeficientes de la ecuación son no negativos ( >= 0 ). Si es así, el proceso termina; de otra manera se lleva a cabo otra interacción para obtener la nueva solución básica factible inicial. 3. Condición de factibilidad.- Para todos los problemas de maximización y minimización, variable que sale es la variable básica que tiene la razón más pequeña (positiva). Una coincidencia se anula arbitrariamente. 4. Seleccionar las variables de holgura como las variables básicas de inicio. 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.

6.

Realizar el paso iterativo. a) Se determina la variable básica entrante mediante la elección de la variable con el coeficiente negativo que tiene el valor mayor valor absoluto en la ecuación. Se enmarca la columna correspondiente a este coeficiente y se le da el nombre de columna pivote. 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. c) Se determina la nueva solución básica factible construyendo una nueva tabla en la forma apropiada de eliminación de Gauss, abajo de la que se tiene. Para cambiar el coeficiente de la nueva variable básica en el renglón pivote a 1, se divide todo el renglón entre el número pivote, entonces renglón pivote nuevo = renglón pivote antiguo número pivote Para completar la primera iteración es necesario seguir usando la eliminación de Gauss para obtener coeficientes de 0 para la nueva variable básica Xj en los otros renglones, para realizar este cambio se utiliza la siguiente fórmula: renglón nuevo = renglón antiguo - ( coeficiente de la columna pivote X renglón pivote nuevo) Cuando el coeficiente es negativo se utiliza la fórmula: renglón nuevo = renglón antiguo + (coeficiente de la columna pivote X renglón pivote nuevo)

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)//-->