Está en la página 1de 9

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO.

FACULTAD DE CONTADURIA Y ADMINISTRACIN

LIC. EN INFORMTICA

ALUMNO: TORRES BUENDIA LUIS ALBERTO

PROFESOR: OCTAVIO ZARCO MORALES

INVESTIGACIN DE OPERACIONES

TAREA 2

ENTREGA 12-FEB-2013

PROGRAMACIN LINEAL.
La programacin lineal es una tcnica matemtica relativamente reciente (siglo XX), que consiste en una serie de mtodos y procedimientos que permiten resolver problemas de optimizacin en el mbito, sobre todo, de las Ciencias Sociales. La programacin lineal es una tcnica de modelado (construccin de modelos) Su inters principal es tomar decisiones ptimas. Se usa mucho en la industria militar y en la petrolera. Si bien esos sectores han sido quiz los principales usuarios de ella, el sector servicios y el sector pblico de la economa tambin la han aprovechado ampliamente. PROPORCIONALIDAD La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional al nivel de actividad xj, como lo representa el trmino cjxj en la funcin objetivo. De manera similar, la contribucin de cada actividad al lado izquierdo de cada restriccin funcional es proporcional al nivel de la actividad xj, en la forma en que lo representa el trmino aijxj en la restriccin. En consecuencia, esta suposicin elimina cualquier exponente diferente a 1 para las variables en cualquier trmino de las funciones (ya sea la funcin objetivo o la funcin en el lado izquierdo de las restricciones funcionales) en un modelo de programacin lineal. ADITIVIDAD Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Esta suposicin garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al empleo de otras tcnicas de la programacin matemtica, dependiendo de cada caso en particular. Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el lado izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas. DIVISIBILIDAD Las variables de decisin en un modelo de programacin lineal pueden tomar cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. As, estas variables no estn restringidas a slo valores enteros. Como cada variable de decisin representa el nivel de alguna actividad, se supondr que las actividades se pueden realizar a niveles fraccinales.

ESTRUCTURA BSICA DE UN PROBLEMA DE PROGRAMACIN LINEAL (PL) Un problema de PL consta de una funcin objetivo (lineal) por maximizar o minimizar, sujeta a ciertas restricciones en la forma de igualdades o desigualdades. Funcin objetivo: La funcin por optimizar (maximizar o minimizar) Restricciones: Representan condiciones que es preciso satisfacer. Sistema de igualdades y desigualdades ( )

TIPOS DE RESTRICCIONES. De no negatividad.- Garantizan que ninguna variable de Decisin sea negativa. Estructurales.-Reflejan factores como la limitacin de recursos y otras condiciones que impone la situacin del problema.

SOLUCIN GRFICA DE PROBLEMAS DE PL. Cuando un modelo de programacin lineal se expresa en trminos de dos variables puede resolverse con procedimientos grficos. Conjunto factible: Es el conjunto de puntos que integran la regin de resolucin. Solucin factible: Cada punto que integra la regin (plana) que resuelve el problema. Solucin ptima: Constituye la solucin al problema de programacin lineal. Cul es el objetivo de la solucin grfica?

Encontrar (entre todos los puntos del conjunto factible) el punto o los puntos que optimicen la funcin objetivo.

Paso 2 Se grafican las ecuaciones, se puede hacer escogiendo un conjunto de nmeros que nos permitan dibujar la lnea (por ejemplo 0, 1, 2, 3,-1, -2, -3), es decir, para la ecuacin 1

Y de la misma forma se procede con la ecuacin 2. Una manera ms sencilla es la siguiente:

Con estos puntos obtendremos la siguiente grfica.

El rea sombreada de azul es la que corresponde al conjunto factible, cada punto que contiene el conjunto factible es un candidato para resolver este problema. Ya que tienes graficado el conjunto factible (el rea azul de la grfica) identifica las coordenadas de todas las esquinas (vrtices) del conjunto factible:

Despus de haber encontrado las coordenadas de todas las esquinas es necesario que sustituyas el valor de cada una de ellas en la funcin objetivo, para que encuentres el valor mximo (o mnimo, segn sea el caso). Sustituyendo el valor del vrtice A en la funcin objetivo. P= 3X + 2Y Vrtice A (0,4) 3X + 2Y = P 3(0) + 2 (4) =8 Vrtice B (3,2) 3X + 2Y = P 3(3) + 2(2) = 13 Vrtice (4,0)

3X + 2Y = P 3(4) + 2(0) = 12 Resultados: Vrtice A (0,4) Valor = 8 Vrtice B (3,2) Valor = 13 Vrtice C (4,0) Valor = 12 Observando los resultados podemos concluir que el mximo se encuentra en el vrtice B.

Modelos matemticos de la (PL) Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn, Sujeta a las restricciones: a11x1 + a12x2 +....+ a1nxn < b1 a21x1 + a22x2 +....+ a2nxn < b2 am1x1 + am2x2 +....+ amnxn < bm Donde el valor de las variables es: X1 0, X2 0, ..., Xn 0

Mtodo Simplex El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de Programacin Lineal en caso de existir esta ltima. La primera implementacin computacional del Mtodo Simplex es el ano 1952 para un problema de 71 variables y 48 ecuaciones. Su resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1, implementado en un IBM con 4Kb en RAM, admite la resolucin de modelos con 255 restricciones. El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles (esto

ltimo en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en la evaluacin progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para aplicar el Mtodo Simplex a un modelo lineal, este debe estar en un formato especial conocido como formato estndar el cual definiremos a continuacin. FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL Consideremos un modelo de Programacin Lineal en su forma estandar, que denotaremos en lo que sigue por: Min c1x1 + c2x2 + ... + cnxn sa a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ... ... ... am1x1 + am2x2 + ... + amnxn = bm xi >= 0, i = 1, 2, ..., n y m <= n Matricialmente escrito como: Min cTx s.a Ax = b x >= 0 No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma estndar: EJEMPLO P) Max 9u + 2v + 5z sa 4u + 3v + 6z <= 50 u + 2v - 3z >= 8 2u - 4v + z = 5 u,v >= 0 z e IR Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si f(x) es la funcin objetivo a maximizar y x* es la solucin ptima f(x*) >= f(x), para todo x factible. -f(x*) <= - f(x), para todo x factible. En consecuencia: x* es tambin mnimo de -f(x).Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando una (nueva) variable de holgura no negativa, con coeficiente nulo en la funcin objetivo.

Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando una (nueva) variable de exceso no negativa, con coeficiente nulo en la funcin objetivo. Siempre es posible escribir una variable libre de signo como la diferencia de dos variables no negativas. Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6 (exceso), el problema P) puede ser escrito en forma equivalente como: Min - 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6 sa: 4x1 + 3x2 + 6x3 - 6x4 + x5 = 50 x1 + 2x2 - 3x3 + 3x4 - x6 = 8 2x1 - 4x2 + x3 - x4 = 5 xi >= 0, i=1,2,3,4,5,6.