Está en la página 1de 59

Optimizacin de Sistemas I

Cristian Palma
2013-2
Unidad 1: Programacin Lineal
1
Optimizacin de Sistemas I 2013(2)
Un modelo es una simplificacin de la
realidad
Precisin
Simplicidad
Mejor modelo?
Trade - off
Tendr
cenicero?
Aston Martin DB9 Coupe in Silver (1:18 scale)
Optimizacin de Sistemas I 2013(2)
Un modelo matemtico es
La descripcin de un sistema usando lenguaje matemtico
X=?
Optimizacin de Sistemas I 2013(2)
Tipos de Modelos
Prescriptivos
Predictivos
Descriptivos
Optimizacin de Sistemas I 2013(2)
Concepto de Solucin ptima
Dos dimensiones:
Definir posibles cursos de accin
Definir mtrica para comparar estas posibilidades
Optimizar: Determinar el posible curso de
accin que es la mejor opcin de acuerdo a
la mtrica
Optimizacin de Sistemas I 2013(2)
Definamos algunos conceptos usando
un modelo simple
Modelemos los ingresos netos por vender x unidades de un producto a un
precio de $20 si su costo de produccin es $5
Conceptos: variables (in)dependientes, parmetros
Supongamos que cada unidad de producto requiere 4 unidades de acero, cunto
acero se consume?
Conceptos: funcin objetivo, restriccin, variable de decisin
Optimizacin de Sistemas I 2013(2)
El turno es de ustedes
Queremos producir zapatos y cinturones usando
cuero y metal.
Tenemos 20 unidades de cuero y 10 de metal
Cada zapato genera una utilidad de 15 y usa 3
unidades de cuero y 2 de metal
Cada cinturn genera una utilidad de 8 y usa 1,5
unidades de cuero y 1,2 de metal
Optimizacin de Sistemas I 2013(2)
Un modelo de optimizacin es un
modelo matemtico
e
=
X
s.a
f(X) z Max/Min
X
dad) o negativi (incluye n R
R X
escalar X f
n
n
_
e
X
) ( donde:
Optimizacin de Sistemas I 2013(2)
Las restricciones definen el problema
de decisin
o) restringid (problema R
o) irrestrict (problema R
n
n
c
=
X
X
X e X
mx1 B m G orden de y nes restriccio de vector con
X
B X G
n )
`

>
s

0
) (
)
`

= >
= s

n j x
m i b X g
j
i i
.. 1 0
.. 1 ) (
Optimizacin de Sistemas I 2013(2)
Las restricciones definen el problema
de decisin (2)
0
0
5 , 8
20 5 , 0
: s.a
3 2
2
1
1
2 1
2 1
>
>
s
s +
+
x
x
x
x x
x x Max
X
X e X
(

>
(

=
0
0
2
1
x
x
X
f(X) = f(x
1
,x
2
)
1 1
) ( b X g s
2 2
) ( b X g s
Optimizacin de Sistemas I 2013(2)
Otro modelo: transformacin de
motos
Un taller compra motos regulares y las transforma en 2 tipos de motos
personalizadas: turbo y lujo. La decisin del dueo del taller es cuntas motos de
cada tipo convertir durante la semana de modo de maximizar sus ingresos.
Una moto regular le cuesta $25.000 a lo que debe agregar $6.000 en partes y
piezas para obtener una moto turbo, y $10.000 para obtener una de lujo. Las motos
turbo y de lujo las puede vender a $32.700 y $37.000, respectivamente.
El dueo y sus 6 empleados trabajan 8 hr/da los 5 das de la semana y se sabe que
producir una moto turbo demora 20 horas y una de lujo 25 horas. Adicionalmente, y
por razones de espacio, no es posible trabajar en ms de 12 motos en una semana.
Plantee el problema de decisiones.
Optimizacin de Sistemas I 2013(2)
Los modelos se pueden clasificar de
varias formas
i b x x (x g
s.a
x x f(x Max/Min
i n i
n
X
s ) ,..., ,
) ,..., ,
2 1
2 1
Programacin Lineal (PL) si
Programacin No lineal (PNL) si
Programacin Continua (PC) si
Programacin Entera (PE) si
Programacin Entera Mixta (PEM) si
Es un modelo de:
De acuerdo al tipo de funciones De acuerdo al tipo de variables
Optimizacin de Sistemas I 2013(2)
Cmo se resuelven estos modelos?
Algoritmos v/s (Meta)heursticas
Secuencia finita de pasos que
garantiza encontrar la solucin
exacta (ptima) a un problema
(puede tomar tiempo)
Ej: Simplex, Branch & Bound
Procedimiento que permite
encontrar soluciones buenas (en
gral. subptimas) en forma rpida
Ej (metaheursticas): algoritmos
genticos, simulated annealing,
tabu search
Optimizacin de Sistemas I 2013(2)
Pasos para mejorar la toma de decisiones
usando Programacin Matemtica
Fuente: Taylor B.W. 2004. Introduction to Management Science
15
Ejemplo/Solver
Optimizacin de Sistemas I 2013(2)
Veamos el ejemplo de una mueblera
Sillas Mesas
Costo material ($/un) 8.5 11.5
Mano de obra ($10/hr)
Ensamblado (hr/un) 0.1 0.2
Terminado (hr/un) 0.4 0.3
Precio venta ($/un) 17.5 21.5
Recursos escasos
Hrs Ensamblado No ms de 130 hr/sem
Hrs Terminado No ms de 370 hr/sem
Cubiertas de mesa No ms de 500 un/sem
Costo Fijo Total: $3.800 /semana
Cul es la mejor combinacin de sillas y mesas a producir por semana?
Optimizacin de Sistemas I 2013(2)
Mueblera: Anlisis de Rentabilidad
Rentabilidad
Sillas Mesas
Costo material ($/un) 8,5 11,5
Mano de obra ($10/hr)
Ensamblado (hr/un) 0,1 0,2
Terminado (hr/un) 0,4 0,3
Precio venta ($/un) 17,5 21,5
Cto. Var. M.O. ($/un) 5,0 5,0
Cto. Var. Total ($/un) 13,5 16,5
Ganancia ($/un) 4,0 5,0
Ambos productos son rentables
Mesas ms rentables que sillas
Hacer la mayor cantidad
de mesas posible
Hacer sillas con los
recursos restantes
Optimizacin de Sistemas I 2013(2)
Mueblera: Solucin inicial
Recursos Cant.
Disp.
Uso por
mesa
Max #
mesas
Recursos
usados
Recursos
restantes
Uso por
silla
Max #
Sillas
Ensamblado 130 0,2 650 100 30 0,1 300
Terminado 370 0,3 1233,3 150 220 0,4 550
Cubiertas 500 1 500 500 0 - -
Produccin 500 mesas 300 sillas
Ganancia $2.500 $1.200
Ganancia Total $3.700
Costo Fijo ($3.800)
Ganancia Neta
Total
($100)
Perdemos $100 /sem
Qu est mal con esta lgica de
planificacin de la produccin?
Optimizacin de Sistemas I 2013(2)
Mueblera: Prueba y Error
Prueba y Error
Sillas Mesas
Produccin 300 500
Recursos Usado No Usado
Ensamblado 130 0,00
Terminado 270 100,00
Cubiertas 500 0,00
Ganancia ($100,00)
Probar diferentes niveles de produccin
# de sillas
# de mesas
Evaluar consecuencias
Recursos usados
Ganancia
Principales problemas
cmo sabemos si hemos encontrado la mejor solucin?
O por lo menos una buena solucin?
Que pasa si no podemos ni siquiera encontrar una solucin vlida? (en casos ms
complicados que este)
Ejercicio Propuesto: buscar una buena solucin usando el archivo Excel
Optimizacin de Sistemas I 2013(2)
Mueblera: Programacin Matemtica
Primero, Variables de Decisin
S denota el # de sillas a producir a la semana
Mdenota el # de mesas a producir a la semana
Ser explcito en definir las variables e incluir las unidades!
Luego, las Restricciones
1. Ensamblado: El nmero total de horas de ensamblado usadas para producir S
sillas y Mmesas no puede exceder las 130 hrs a la semana
2. Terminado: El nmero total de horas de terminado usadas para producir S sillas y
Mmesas no puede exceder las 370 hrs a la semana
Optimizacin de Sistemas I 2013(2)
Mueblera: Programacin Matemtica (2)
Luego, las Restricciones (continuacin)
3. Cubiertas: El nmero total de cubiertas usadas para producir S sillas y Mmesas no
puede exceder las 500 cubiertas disponibles a la semana
No negatividad: El # de sillas y mesas producidos por semana no puede ser negativo
Objetivo
Maximizar la ganancia total semanal por producir S sillas y Mmesas
Optimizacin de Sistemas I 2013(2)
Mueblera: Programacin Matemtica (3)
En resumen:
Encontrar los valores de S y Mque
) mesas sillas, ( 0 ,
) cubiertas ( 500
) terminado hrs ( 370 3 , 0 4 , 0
) ensamblado hrs ( 130 2 , 0 1 , 0 . .
($) 3800 5 4
>
s
s +
s +
+
M S
M
M S
M S a s
M S Max
Optimizacin de Sistemas I 2013(2)
Mueblera: Uso de Solver
Usando planilla Excel de Prueba y Error
Llamar a Solver
Grupo Anlisis de la ficha Datos (Excel 2010)
Si no est, instalarlo como complemento de Excel
En el cuadro de dilogo de Solver
Establecer Objetivo: seleccionar la celda con la
funcin objetivo, en este caso las Ganancias (debe ser una
sola celda)
Seleccionar Mximo o Mnimo en la opcin Valor de la
celda objetivo
Cambiando las celdas: seleccionar las celdas con las
variables de decisin (varios rangos pueden seleccionarse,
separados por coma)
Mtodo de resolucin: segn el tipo de modelo
Restricciones de no negatividad
Optimizacin de Sistemas I 2013(2)
Mueblera: Uso de Solver (2)
En el cuadro de dilogo de Solver (cont.)
Sujeto a las siguientes restricciones: agregar
Para cada restriccin o set de restricciones similares:
Referencia de la celda: seleccionar la(s) celda(s) con el valor del lado
izquierdo de la(s) restriccin(es) (por ej., nivel de uso de un recurso)
Seleccionar el signo de la (in)ecuacion (<=, = o >=)
Restriccin: seleccionar la celda con el valor del lado derecho de la restriccin
(por ej., cantidad disponible de recurso). Este rango debe coincidir con el de
Referencia de la celda, o ser una sola celda o un nmero.
Restricciones de no negatividad no
necesitan ser explcitamente incluidas.
(aunque a veces se necesita hacerlo)
Optimizacin de Sistemas I 2013(2)
Mueblera: Uso de Solver (3)
Opciones de Solver
Generalmente opciones avanzadas
Para problemas grandes puede ser til
limitar Tiempo de Solucin o Nmero de
Iteraciones
Optimizacin de Sistemas I 2013(2)
Mueblera: Uso de Solver (4)
Despus de resolver, cuadro de Dilogo del Solver
Leer el mensaje de resultados de Solver!
Ejercicio Propuesto: resolver el problema de la mueblera usando Solver
Optimizacin de Sistemas I 2013(2)
Solver Excel
Capacidad limitada (nmero de variables y de restricciones)
Extender capacidad usando OpenSolver (http://opensolver.org)
Optimizacin de Sistemas I 2013(2)
Representacin Geomtrica/
Solucin Grfica
Pasos:
1. Representar geomtricamente las restricciones
2. Representar geomtricamente la funcin objetivo
3. Identificar grficamente la solucin ptima
Optimizacin de Sistemas I 2013(2)
Mueblera: Representacin
Geomtrica/Solucin Grfica (2)
E
S>0
M >0
S
M
500
100
100 1.000
C
T
Area factible
vrtice (0,0)
vrtice
(0,500)
vrtice
(300,500)
vrtice (925,0)
vrtice
(700, 300)
0 ,
) C ( 500
) T ( 370 3 , 0 4 , 0
) E ( 130 2 , 0 1 , 0 . .
3800 5 4
>
s
s +
s +
+
M S
M
M S
M S a s
M S Max
(S,M) = (1100, 300)?
Optimizacin de Sistemas I 2013(2)
Mueblera: Representacin
Geomtrica/Solucin Grfica (3)
E
S >0
M>0
S
M
500
100 1,000
C
T
(0,0), $-3.800
$-3.800
(0,500)
$-1.300
$-1.300
(300,500)
$-100
(925,0)
$-100
$-100
(700, 300)
$500
$500
Funcin objetivo
(curvas de isobeneficio)
Optimizacin de Sistemas I 2013(2)
Comportamiento Funcin Objetivo
S
M
$
4S+5M
$2.500
$4.200
$3.700
$3.700
$0
Funcin objetivo
(sin costo fijo)
Optimizacin de Sistemas I 2013(2)
Comportamiento Funcin Objetivo
S
M
$
$-1.300
$500
$-100
$-100
$-3.800
4S+5M3.800
Funcin objetivo
(incluyendo costo fijo)
Efecto de un escalar en la
F.O y en las decisiones?
Optimizacin de Sistemas I 2013(2)
Supuestos de Programacin Lineal
Proporcionalidad
Actividad x
C
o
n
t
r
i
b
u
c
i

n
ax
No economas o
deseconomas de
escala
Aditividad
No existe
interaccin entre
las actividades
Actividad x
Ax+by
A
c
t
i
v
i
d
a
d

y
Divisibilidad
No (necesariamente)
variables enteras o
discretas
Actividad x
A
c
t
i
v
i
d
a
d

y
Optimizacin de Sistemas I 2013(2)
Problemas clsicos de PM
Problema de mezclas (varias versiones)
Problema de planificacin de operaciones
Problema de planificacin de turnos
Problema de asignacin
Problema dinmicos
Optimizacin de Sistemas I 2013(2)
Veamos el ejemplo de la dieta
Se busca producir a mnimo costo una mezcla de alimento para animales que
contenga las siguientes cantidades mnimas de 4 nutrientes (N1, N2, N3 y N4)
La mezcla se produce usando un relleno que da volumen al alimento y 2
ingredientes activos (I1 e I2) cuyo valor nutricional se muestra a continuacin
Nutriente N1 N2 N3 N4
Cantidad Mnima
(g/kg mezcla)
90 50 20 2
Ingrediente Nutriente (g/kg de ingrediente) Costo
($/kg)
N1 N2 N3 N4
I1 100 80 40 10 40
I2 200 150 20 - 60
Optimizacin de Sistemas I 2013(2)
Ejemplo de la dieta (Lingo)
Definicin de parmetros
Asignacin de valores a parmetros
Optimizacin de Sistemas I 2013(2)
Problema de Mezclas (tarea)
Se producen 6 productos usando 6 materias primas de acuerdo a la siguiente tabla
Uso de Recursos segn producto (un. Mp/un. Pr)
Materia Prima
Prod. 1 Prod. 2 Prod. 3 Prod. 4 Prod. 5 Prod. 6
Disponibilidad
Materia Prima
Acero 1 4 0 4 2 0 800
Madera 4 5 3 0 1 0 1160
Plstico 0 3 8 0 1 0 1780
Goma 2 0 1 2 1 5 1050
Vidrio 2 4 2 2 2 4 1360
Pintura 1 4 1 4 3 4 1240
Ingr. Neto ($) 30 45 24 26 24 30

Formule un modelo de programacin lineal que maximice los ingresos netos que pueden
ser alcanzados por manufacturar productos usando slo la materia prima disponible.
Optimizacin de Sistemas I 2013(2)
Problema de Mezclas
(aleacin de metales)
Una empresa de acero funde chatarra que en combinacin con aditivos
puros (nquel, cromo, molibdeno) usa para generar nuevas aleaciones. Los
distintos tipos de chatarra y los aditivos tienen una composicin distinta
de elementos (carbn, nquel, cromo y molibdeno) cuyo porcentaje
mximo y mnimo en la aleacin final estn rigurosamente normados. La
informacin relevante se encuentra en la siguiente tabla.
Formule un modelo que determine la cantidad de cada componente
necesaria para producir una mezcla de 1.000 kg al mnimo costo.
Optimizacin de Sistemas I 2013(2)
Problema de Mezclas
(aleacin de metales)
Composicin
Carbn Nquel Cromo Molibdeno
Disponible
(kg)
Costo
($/kg)
Chatarra 1 0,80 18 12 -- 75 16
Chatarra 2 0,70 3,2 1,1 0,1 250 10
Chatarra 3 0,85 -- -- -- Ilimitado 8
Chatarra 4 0,40 -- -- -- Ilimitado 9
Nquel -- 100 -- -- Ilimitado 48
Cromo -- -- 100 -- Ilimitado 60
Molibdeno -- -- -- 100 Ilimitado 53
% Mnimo 0,65 3,0 1,0 1,1
% Mxima 0,75 3,5 1,2 1,3

(%)
Compo-
nente
Optimizacin de Sistemas I 2013(2)
Problema de Inversiones
Una empresa de inversiones debe invertir $70.000.000 de modo de
maximizar su beneficio esperado. Se dispone de 5 instrumentos de
inversin cuya rentabilidad esperada y factor de riesgo se detallan en la
siguiente tabla.
Instrumento
Inversin
Tasa Retorno
Anual (%)
Factor de
Riesgo
Depsito a plazo 6.7 0.07
Fondo mutuo 1 8.5 0.02
Fondo mutuo 2 14.3 0.45
Bonos BC 13.0 0.35
Moneda extrang. 16.0 0.65

Optimizacin de Sistemas I 2013(2)
Problema de Inversiones
Por motivos legales y exigencias corporativas, las decisiones de inversin deben
satisfacer los siguientes criterios:
La cantidad invertida en Bonos del BC no debe exceder el 25% de la inversin
total
La cantidad de inversin en Moneda Extranjera no debe exceder la suma de lo
invertido en Depsitos a Plazo y Fondos Mutuos 1 y 2
La proporcin (ratio) entre la cantidad invertida en Fondos Mutuos (1 y 2) y
Depsitos a Plazo, y la cantidad invertida en Bonos del BC y Moneda Extranjera
no puede superar 1.3
El factor de riesgo ponderado no debe ser mayor a 0.25
Optimizacin de Sistemas I 2013(2)
Problema de Produccin y Distribucin
Plantas Produccin (oferta)
C
o
s
t
o
s

D
i
s
t
r
i
b
u
c
i

n
Centros de consumo (demanda)
Se busca satisfacer la demanda
a mnimo costo
P1 P3 P2
C1 C2 C3 C4
Optimizacin de Sistemas I 2013(2)
Problema de Asignacin Forestal
El Servicio Forestal necesita planificar la administracin de S hectreas (ha) de bosque, de
modo de asegurar demandas mnimas por madera, ganadera y espacios de preservacin. Para
ello el bosque se ha dividido en I unidades de anlisis, cada una con una superficie s
i
. Para cada
unidad i, J alternativas de manejo han sido evaluadas de modo que la cantidad de madera (M
ij
,
miles m
3
/ha), ganado (G
ij
, miles animales/ha) e ndice de preservacin (P
ij
, ip/ha) producida
han sido estimados. Asimismo, el Valor Actual Neto (VAN) asociado a cada unidad-manejo (V
ij
,
$/ha) ha sido calculado.
Unidad i Superf s
i
Manejo j VAN V
ij
Madera M
ij
Ganadera G
ij
Indice
Preservacin P
ij
1 75 1 503 310 0,01 40
2 140 50 0,04 80
3 203 0 0 95
.
.
.
I 113 1 705 213 0,02 40
2 60 40 0,04 45
3 400 0 0 95
Optimizacin de Sistemas I 2013(2)
Problema de Asignacin Forestal (2)
Formule un modelo que maximice el VAN asociado al manejo del bosque
asegurando la produccin de al menos 40 millones de m
3
de madera, 5 mil
animales y un ndice promedio de preservacin de 70.
Optimizacin de Sistemas I 2013(2)
Problema de produccin e inventario
(multiperodo)
Una empresa debe decidir la cantidad de botes a producir durante los prximos 4
trimestres de modo de satisfacer una demanda de 40, 60, 75 y 25 botes,
respectivamente. Inicialmente existe un inventario de 10 botes y la empresa debe
decidir al principio de cada trimestre cuntos botes producir (asuma que los
botes se pueden vender el mismo trimestre en que se producen).
La empresa puede producir hasta 40 botes por trimestre usando horas regulares
de trabajo a un costo de $400 /bote, y un nmero ilimitado de botes usando
horas extras a un costo de $450 /bote.
Al final de cada trimestre (despus que la produccin ha ocurrido y la demanda
ha sido satisfecha) el costo de mantener botes en inventario hasta el prximo
trimestre es de $20 /bote.
Formule un modelo de programacin lineal que minimice la suma de los costos
de produccin e inventario durante los prximos 4 trimestres.
Optimizacin de Sistemas I 2013(2)
Problema de produccin, inventario y
distribucin (multiperodo)
Una empresa debe decidir cul ser su plan de produccin, inventario y distribucin
para los prximos 3 aos. La empresa cuenta con 3 plantas productoras cuya
capacidad y costos de produccin se muestran en la siguiente tabla:
En cada planta la produccin puede ser almacenada de un periodo a otro a un
costo de $5 por unidad.
Optimizacin de Sistemas I 2013(2)
Problema de produccin, inventario y
distribucin (multiperodo)
Finalmente, la empresa debe satisfacer la demanda de sus 7 centros de distribucin
(Tabla 2). Formule un modelo de optimizacin lineal que minimice los costos de
produccin, inventario y distribucin de la empresa considerando los costos de
transporte mostrados en la Tabla 3.
Optimizacin de Sistemas I 2013(2)
Problema de Planificacin de Turnos
Una institucin financiera debe determinar la
cantidad de operadores necesarios para su sistema
de procesamiento de cheques. En base a
informacin histrica, se espera que los cheques
ingresen durante el da de acuerdo a la tabla
adjunta.
Todos los cheques deben estar procesados a las
22:00 y la cantidad de cheques no procesados no
puede superan los 20.000 en cualquier hora del
da. La cantidad de cheques que se puede procesar
est limitada por las 35 mquinas disponibles.
Hora
Llegada
(miles)
11:00 10
12:00 11
13:00 15
14:00 20
15:00 25
16:00 28
17:00 32
18:00 50
19:00 30
20:00 20
21:00 8
Optimizacin de Sistemas I 2013(2)
Problema de Planificacin de Turnos (2)
Dos tipos de empleados pueden realizar el procesamiento de los cheques: empleados
full-time (pueden trabajar 1 hora de sobretiempo), y empleados part-time. Sus
sueldos y rendimiento se detallan en la siguiente tabla:
Empleado Sueldo por hora
Regular ($/hr)
Sueldo por hora
Noche ($/hr)*
Sueldo por hora
Sobretiempo ($/hr)
Rendimiento
(cheques/hr)
Full-time 11 12 18 1000
Part-time 7 8 - 800
* Despus de las 18:00
Optimizacin de Sistemas I 2013(2)
Problema de Planificacin de Turnos (3)
Turnos full-time: 8 hr con 1 hr libre en la mitad; pueden trabajar 1 hr de sobretiempo.
Turnos part-time: 4 hr sin hora libre.
Los turnos pueden comenzar a cualquier hora. Ejemplo de turnos posibles:
Inicio
Turnos empleados tiempo
completo
Turnos empleados medio tiempo
11 12 13 11 12 13 14 15 16 17 18
11:00 R -- -- R -- -- -- -- -- -- --
12:00 R R -- R R -- -- -- -- -- --
13:00 R R R R R R -- -- -- -- --
14:00 R R R R R R R -- -- -- --
15:00 -- R R -- R R R R -- -- --
16:00 R -- R -- -- R R R R -- --
17:00 R R -- -- -- -- R R R R --
18:00 N N N -- -- -- -- N N N N
19:00 N N N -- -- -- -- -- N N N
20:00 S N N -- -- -- -- -- -- N N
21:00 -- S N -- -- -- -- -- -- -- N
Se requiere:
No ms de 20 hrs de sobretiempo en el da
Que no ms de la mitad de los empleados a tiempo completo en cualquier turno trabajen sobretiempo
Optimizacin de Sistemas I 2013(2)
Problema de Planificacin de Turnos (4)
min 90x
11
+ 91x
12
+ 92x
13
+ 18y
11
+ 18y
12
+ 28z
11
+ 28z
12
+ 28z
13
+ 28z
14
+ 29z
15
+ 30z
16
+ 31z
17
+ 32z
18
s.a
x
11
+ z
11
35
x
11
+ x
12
+ z
11
+ z
12
35
x
11
+ x
12
+ x
13
+ z
11
+ z
12
+ z
13
35
x
11
+ x
12
+ x
13
+ z
11
+ z
12
+ z
13
+ z
14
35
x
12
+ x
13
+ z
12
+ z
13
+ z
14
+ z
15
35
x
11
+ x
13
+ z
13
+ z
14
+ z
15
+ z
16
35
x
11
+ x
12
+ z
14
+ z
15
+ z
16
+ z
17
35
x
11
+ x
12
+ x
13
+ z
15
+ z
16
+ z
17
+ z
18
35
x
11
+ x
12
+ x
13
+ z
16
+ z
17
+ z
18
35
y
11
+ x
12
+ x
13
+ z
17
+ z
18
35
y
12
+ x
13
+ z
18
35
y
11
x
11
y
12
x
12
y
11
+ y
12
20
x
11
+ 0,8z
11
10 w
12
x
11
+ x
12
+ 0,8z
11
+ 0,8z
12
11 + w
12
w
13
x
11
+ x
12
+ x13 + 0,8z
11
+ 0,8z
12
+ 0,8z
13
15 + w
13
w
14
x
11
+ x
12
+ x13 + 0,8z
11
+ 0,8z
12
+ 0,8z
13
+ 0,8z
14
20 + w
14
w
15
x
12
+ x
13
+ 0,8z
12
+ 0,8z
13
+ 0,8z
14
+ 0,8z
15
25 + w
15
w
16
x
11
+ x
13
+ 0,8z
13
+ 0,8z
14
+ 0,8z
15
+ 0,8z
16
28 + w
16
w
17
x
11
+ x
12
+ 0,8z
14
+ 0,8z
15
+ 0,8z
16
+ 0,8z
17
32 + w
17
w
18
x
11
+ x
12
+ x13 + 0,8z
15
+ 0,8z
16
+ 0,8z
17
+ 0,8z
18
50 + w
18
w
19
x
11
+ x
12
+ x13 + 0,8z
16
+ 0,8z
17
+ 0,8z
18
30 + w
19
w
20
y
11
+ x
12
+ x
13
+ 0,8z
17
+ 0,8z
18
20 + w
20
w
21
y
12
+ x
13
+ 0,8z
18
8 + w
21
w
h
20 h
w
h
, x
h
, y
h
, z
h
0 h
Algunas
manipulaciones
en PL
Igualdades desigualdades
Variables irrestrictas no negativas
Minimizacin maximizacin
Formas Cannica y Estndar
Optimizacin de Sistemas I 2013(2)
Igualdades Desigualdades
Una desigualdad puede ser transformada en igualdad agregando una
variable auxiliar
Variable de supervit: >

j
i j ij
b x a
Variable de holgura: s

j
i j ij
b x a
Como transformamos una igualdad en desigualdad(es)?
i s b s x a
i
j
i i j ij
> =

0 ,
i h b h x a
i
j
i i j ij
> = +

0 ,
Optimizacin de Sistemas I 2013(2)
Variables irrestrictas no negativas
En algunos casos (ciertos software) las variables de decisin son
automticamente definidas como no negativas. En situaciones en que se
requiere la presencia de variables irrestrictas, podemos modelar estas
variables en funcin de 2 variables no negativas.
j x x x x x
j j j j j
> =
+ +
0 , con ,
j x x x x x
j j j
> > =
+ +
0 , 0 con , O simplemente
Si necesitamos que x
j
sea una variable continua irrestricta, se puede aplicar
la siguiente transformacin:
Optimizacin de Sistemas I 2013(2)
Maximizacin / Minimizacin
Todo problema de Maximizacin se puede transformar en uno de
Minimizacin.


j
j j
j
j j
x c Min x c Max
Optimizacin de Sistemas I 2013(2)
Forma Estndar de un PL
Para resolver un PL usando SIMPLEX, ste debe estar formulado en su Forma
Estndar:
todas sus variables deben ser no-negativas, y
todas sus restricciones de igualdad.
Para esto usamos variables de holgura o variables de exceso. Ejemplo:
Max z = 4x
1
+ 3x
2
s.a x
1
+ x
2
40
2x
1
+ x
2
60
x
1
, x
2
0
Max z = 4x
1
+ 3x
2
s.a x
1
+ x
2
+ s
1
= 40
2x
1
+ x
2
+ s
2
= 60
x
1
, x
2
, s
1
, s
2
0
S
i
= var. holgura de restriccin i
(cant. recurso no usado)
Optimizacin de Sistemas I 2013(2)
Forma Estndar de un PL
Para restricciones usamos variables de exceso
Min z = 4x
1
+ 3x
2
s.a x
1
+ x
2
40
2x
1
+ x
2
60
x
1
, x
2
0
Min z = 4x
1
+ 3x
2
s.a x
1
+ x
2
- e
1
= 40
2x
1
+ x
2
- e
2
= 60
x
1
, x
2
, e
1
, e
2
0
e
i
= var. exceso de restriccin i
(cant. recurso sobre utilizado)
Optimizacin de Sistemas I 2013(2)
Forma Estndar de un PL
PL en su forma estndar con mrestricciones y n variables:
Sistema de ecuaciones Ax =b
Optimizacin de Sistemas I
Cristian Palma
2013-2
Unidad 1: Programacin Lineal
59