INSTITUTO TECNOLOGICO DE ACAPULCO ISC INVESTIGACION DE OPERACIONES UNIDAD 1 ING. JUAN H. RODRIGUEZ DE LA O VALDEZ ALEJANDRO HR: 12.

00 A 1:00 - N.C. 12320709

27 DE MARZO DEL 2014

INDICE
1.1 Definicin, desarrollo y tipos de modelos de Investigacin de ...3 operaciones. 1.2 Formulacin de modelos.5 1.3 M todo gr!fico.." 1.# Formas est!ndar y cannicas..11 1.5 M todo simples..13 1.$ % cnicas con varia&les artificiales...15 1.$.1 M todo de la M1$ 1.$.2 M todo de las dos fases1"

'()*+,.21

1.1 De !"!#!$"% &e'())*++* , -!.*' &e /*&e+*' &e I"0e'-!1(#!$" &e *.e)(#!*"e'.
DE2INICION.

es la aplicacin del mtodo cientfico para asignar los recursos o actividades de forma eficaz, en la gestin y organizacin de sistemas complejos. la investigacin de operaciones es el uso de las matemticas e informtica pare resolver problemas del mundo real, tomando decisiones acertadas para garantizar el xito La Investigacin de peraciones aspira a determinar el mejor curso de accin, o curso ptimo, de un problema de decisin con la restriccin de recursos limitados. !omo tcnica para la resolucin de problemas, investigacin de operaciones debe visualizarse como una ciencia y como un arte. La Investigacin de peraciones en la Ingeniera de "istemas se emplea principalmente en los aspectos de coordinacin de operaciones y actividades de la organizacin o sistema #ue se analice, mediante el empleo de modelos #ue describan las interacciones entre los componentes del sistema y de ste con este con su medio ambiente

DESARROLLO DE LA INVESTIGACION DE OPERACIONES. $urante la segunda guerra mundial, la administracin militar en %ran &reta'a llam a un e#uipo de cientficos para #ue estudiaran los problemas tcticos y estratgicos asociados a la defensa area y terrestre del pas. "u objetivo era determinar la utilizacin ms efectiva de los recursos militares limitados. Las aplicaciones incluan entre otras, estudios de la forma de utilizar el radar y de la efectividad de nuevos tipos de bombas. (l nombre de investigacin de operaciones fue dado aparentemente por#ue el e#uipo estaba llevando a cabo la actividad de investigar operaciones )militares*. $esde su nacimiento, este nuevo campo de toma de decisiones se +a caracterizado por el uso del conocimiento cientfico a travs del esfuerzo de e#uipos interdisciplinarios, con el propsito de determinar la mejor utilizacin de los recursos limitados ,n modelo de la investigacin de operaciones se define como una representacin idealizada )simplificada* de un sistema de la vida real. (ste sistema puede ya estar en existencia o puede todava ser una idea en espera de ejecucin. (n el primer caso el objetivo del modelo es analizar el comportamiento del sistema a fin

de mejorar su funcionamiento. (n el segundo, el objetivo es diversificar la mejor estructura del sistema futuro. La complejidad de un sistema real resulta del gran n.mero de elementos )variables* #ue controlan el comportamiento del sistema. /un#ue una situacin real puede involucrar un n.mero sustancial de variables, generalmente., una pe#ue'a fraccin de estas variables realmente domina el comportamiento del sistema. 0or consiguiente, la simplificacin del sistema real en trminos de un modelo se concentra principalmente en la identificacin de las variables y relaciones dominantes #ue lo gobiernan. MODELOS DE INVESTIGACION DE OPERACIONES. S!/3$+!#* * /(-e/4-!#*.1 (s el tipo ms importante de modelo de investigacin de operaciones. /l formular este tipo uno supone #ue todas las variables relevantes son cuantificables. 0or consiguiente, los smbolos matemticos se utilizan para representar variables, las cuales entonces estn relacionadas con las funciones matemticas apropiadas para describir el comportamiento del sistema. Luego la solucin del modelo se logra por manipulacin matemtica apropiada. De S!/5+(#!$".1 Los modelos de simulacin 2imitan3 el comportamiento del sistema sobre un periodo. (sto se logra especificando ciertos eventos, los cuales son puntos en el tiempo, cuya ocurrencia significa #ue puede recolectarse la informacin importante perteneciente al comportamiento del sistema. ,na vez #ue se definen tales eventos es necesario prestar atencin al sistema .nicamente cuando ocurre un evento. La informacin #ue mide el funcionamiento del sistema se acumula en observaciones estadsticas, las cuales se actualizan en cuanto cada evento tiene lugar. He5)6'-!#*.1 (l mtodo 4eurstico de solucin descansa en las reglas empricas o intuitivas #ue, dada una solucin actual al modelo, permiten la determinacin de una solucin mejorada. /ctualmente los mtodos +eursticos son procedimientos de b.s#ueda #ue pasan inteligentemente de un punto de solucin a otro, con el objetivo de mejorar el valor del criterio del modelo. !uando ninguna mejora adicional puede lograrse la mejor solucin #ue se +aya tenido es la solucin aproximada al modelo. M*&e+*' &e I"0e'-!1(#!$" &e O.e)(#!*"e' &e +( #!e"#!( &e +( (&/!"!'-)(#!$": Los cientficos de la administracin trabajan con modelos cuantitativos de decisiones. M*&e+*' 2*)/(+e': "e usan para resolver problemas cuantitativos de decisin en el mundo real. /lgunos modelos en la ciencia de la administracin son llamados modelos determinsticos. (sto significa #ue todos los datos relevantes )es decir, los datos #ue los modelos utilizarn o evaluarn* se dan por conocidos. (n los

modelos probabilsticos )o estocsticos*, alguno de los datos importantes se consideran inciertos, aun#ue debe especificarse la probabilidad de tales datos. (n la siguiente tabla se muestran los modelos de decisin seg.n su clase de incertidumbre y su uso en las corporaciones. )$, determinista6 0, probabilista6 /, alto6 &, bajo* T!.* &e M*&e+* 0rogramacin Lineal 7edes 0(789!0:* )Incluye C+('e &e I"#e)-!&5/3)e $ $,0 $,0 $,0 $ $,0 0 $ 0 $,0 0 $ 2)e#5e"#!( &e 5'* e" #*).*)(#!*"e' / / / / & & & & & & & &

Inventarios, produccin y programacin (conometra, pronstico y simulacin 0rogramacin (ntera 0rogramacin $inmica 0rogramacin (stocstica 0rogramacin ;o Lineal 8eora de <uegos !ontrol ptimo Lneas de (spera (cuaciones $iferenciales

M*&e+* &e H*7( &e C4+#5+* E+e#-)$"!#(: La +oja de clculo electrnica facilita +acer y contestar preguntas de 2#ue si3 en un problema real. 4asta ese grado la +oja de clculo electrnica tiene una representacin selectiva del problema y desde este punto de vista la +oja de clculo electrnica es un modelo.

1.2 2*)/5+(#!$" &e /*&e+*'

DE2INICION DE MODELO ,n modelo es una representacin ideal de un sistema real y de la forma como opera o funciona. ,n modelo es una abstraccin selectiva de la realidad. (l modelo, se define como una funcin objetivo con restricciones #ue se expresan en trminos de las variables )alternativas* de decisin del problema.
=

E+ *37e-!0* &e 5" /*&e+* es analizar el comportamiento del sistema, o bien predecir su comportamiento futuro. bviamente los modelos no son tan complejos como el sistema mismo, de tal manera #ue se +acen las suposiciones y restricciones necesarias para representar las porciones ms relevantes del mismo. N* 8(3)6( 0e"-(7( (+15"( &e 5-!+!9() /*&e+*' '! e'-*' "* '!/.+! !#()(" +( '!-5(#!$" )e(+. (n muc+os casos podemos utilizar modelos matemticos #ue, mediante letras, n.meros y operaciones, representan variables, magnitudes y sus relaciones. U" /*&e+* &e &e#!'!$" debe considerarse como un ve+culo para resumir un problema de decisin, en forma tal de #ue +aga posible la identificacin y evaluacin sistemtica de todas las alternativas de decisin del problema. $espus se llega a una decisin seleccionando la alternativa optima, #ue ser la mejor entre todas las opciones o soluciones disponibles. ,na solucin a un modelo, no obstante, de ser exacta, no ser .til a menos #ue el mismo modelo ofrezca una representacin adecuada de la situacin real de la decisin verdadera. ,n /nalista de Investigacin de peraciones debe elegir el plan de accin ms efectivo para lograr las metas de la organizacin, debiendo seleccionar un conjunto de medidas o indicadores, utilizar una unidad monetaria y tomar decisiones6 debe seguir un proceso general de solucin, en cual#uier situacin, durante la toma de decisiones. $eben establecerse los criterios de tomas de decisiones )!ostos, &eneficios, etc.*, seleccionar las alternativas, determinar un modelo y evaluarlo, integrar la informacin cuantitativa obtenida para luego decidir. :uc+as veces, para tomar una decisin, +ay #ue incorporar los factores cualitativos tales como, el nimo y el liderazgo en la organizacin, problemas de empleo, contaminacin, etc., u otras de responsabilidad social. REPRESENTACION DE MODELOS La representacin del modelo puede ser de la siguiente manera> C*"#e.-5(+. !uando se representa la situacin real por una descripcin cualitativa bien organizada, #ue permite la medicin de sus factores. M(-e/4-!#*. "e refiere a una representacin numrica por aspectos lgicos y estructurados con aspectos de la ciencia matemtica. 0ueden ser n.meros, letras, imgenes, smbolos. 0or ejemplo si se refiere a un modelo grafico de matemticas, se observan imgenes y graficas matemticas, #ue representan a un modelo numrico y de ecuaciones, los cuales son expresiones visuales basadas en aspectos cuantificables y de la ciencia matemtica.
?

26'!#*. &asado en aspectos de la ciencia fsica, de a#uellos movimientos de los cuerpos, y #ue adems es cuantificable. (stos modelos generalmente representan el fenmeno estudiado utilizando las mismas relaciones fsicas del prototipo, pero reduciendo su escala para +acerlo manejable. 0or ejemplo, pertenecen a este tipo de modelo las representaciones a escalas reducidas de presas +idrulicas, puertos, o de elementos de estas obras, como un vertedero o una escollera, etc. CLASI2ICACION DE MODELOS Los modelos matemticos pueden clasificarse de la siguiente manera. M*&e+* De-e)/!"6'-!#*': !uando se conoce los datos de manera puntual y la forma del resultado, no +ay de incertidumbre. (s decir, todos los datos son conocidos. "e aplica a los siguientes tipos de problemas de> 0rogramacinlineal, programacin entera, programacin no lineal, teora de redes, transporte, de asignacin, programacin por metas, teora de inventarios, etc. M*&e+* P)*3(3!+6'-!#* * E'-*#4'-!#*> !uando no se conoce el resultado esperado, sino su probabilidad y existe por lo tanto incertidumbre. "e aplica a los siguientes tipos de problemas, como> !adenas de :ar@ov, teora de juegos, lneas de espera, inventarios con demanda probabilstica, etc.

2ORMULACI:N DE UN MODELO MATEM;TICO (l modelo matemtico est constituido por relaciones matemticas )ecuaciones y desigualdades* establecidas entrminos de variables, #ue representa la esencia el problema #ue se pretende solucionar. 0ara construir un modelo es necesario primero definir las variables en funcin de las cuales ser establecido. Luego, se procede a determinar matemticamente cada una de las dos partes #ue constituyen un modelo> a* la medida de efectividad #ue permite conocer el nivel de logro de los objetivos y generalmente es una funcin )ecuacin* llamada funcin objetivo6 b* las limitantes del problema llamadas restricciones #ue son un conjunto de igualdades o desigualdades #ue constituyen las barreras y obstculos para la consecucin del objetivo. ,n modelo siempre debe ser menos complejo #ue el problema real, es una aproximacin abstracta de la realidad con consideraciones y simplificaciones #ue +acen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin. O<TENCI:N DE UNA SOLUCI:N A PARTIR DEL MODELO

7esolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a las componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia #ue fijan los objetivos y las restricciones del problema. La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos> a* analticos, #ue utilizan procesos de deduccin matemtica6 b* numricos, #ue son de carcter inductivo y funcionan en base a operaciones de prueba y error6 c* simulacin, #ue utiliza mtodos #ue imitan o, emulan al sistema real, en base a un modelo. PRUE<A DEL MODELO (l desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al desarrollo de un programa de computadora grande. !uando se completa la primera versin, es inevitable #ue contenga muc+as fallas. (l programa debe probarse de manera ex+austiva para tratar de encontrar y corregir tantos problemas como sea posible. (ventualmente, despus de una larga serie de programas mejorados, el programador )o e#uipo de programacin* concluye #ue el actual da, en general, resultados razonablemente vlidos. /un#ue sin duda #uedarn algunas fallas ocultas en el programa )y #uiz nunca se detecten, se +abrn eliminado suficientes problemas importantes como para #ue sea confiable utilizarlo.

1.3 M=-*&* 1)4 !#*.

(l mtodo grfico se utiliza para la solucin de problemas de 0L, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. (l modelo se puede resolver en forma grfica si slo tiene dos variables. 0ara modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. !uando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. !uando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos. Los pasos necesarios para realizar el mtodo son nueve> B. graficar las soluciones factibles, o el espacio de soluciones )factible*, #ue satisfagan todas las restricciones en forma simultnea. C. Las restricciones de no negatividad DiEF G confan todos los valores posibles. H. (l espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino IF por )F* para cada restriccin, con lo cual se produce la ecuacin de una lnea recta. -. 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 flec+a
J

situada sobre la lnea recta asociada. 5. !ada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. =. /un#ue +ay un n.mero 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. ?. Las lneas paralelas #ue 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. (jemplo. :aximizar K F HDB L CDC DB L CDC IF= CDB L DC IFA 1DB L DC IFB DC IF C DB EF G DC EF G )B* )C* )H* )-* )5* )=*

restricciones >

!onvirtiendo las restricciones a igualdad y representndolas grficamente se tiene> DB L CDC CDB L DC 1DB L DC DC DB F= FA FB FC )B* )C* )H* )-* )5* )=

FG DC F G

CONCEPTOS <ASICO. /lgunos conceptos bsicos de la 0rogramacin Lineal #ue se pueden visualizar a travs del :todo %rfico son> a. 7egin factible. b. 7estriccin activa y 7estriccin redundante. c. $emostrar #ue> :x. K F mn.)1K*

BG

Re1!$" (#-!3+e. La regin factible es formada por las restricciones del problema y en alguno)s* de sus vrtices se localiza la solucin ptima. La forma de la regin factible depende del tipo de restricciones #ue se tengan. /.n as, se pueden considerar dos tipos bsicos> la regin factible McerradaM y la MabiertaM. La regin factible cerrada se tiene cuando las restricciones, incluyendo las de Mno negatividadM, delimitan la regin factible del problema. (n el tipo abierto, se tiene una regin factible no acotada #ue solo permite la minimizacin Re'-)!##!$" (#-!0( , Re'-)!##!$" )e&5"&("-e. Las restricciones #ue forman parte de la regin factible son las Mrestricciones activasM mientras las #ue no la forman son las MredundantesM. Las restricciones activas son las realmente forman la regin factible donde est la solucin ptima. (stas restricciones son la esencia del problema modelado, de tal forma #ue, si se #uita alguna de ellas se cambia la solucin ptima. Las restricciones activas #ue se tienen en el problema son MbM, McM, MdM y MgM. ,na restriccin redundante no tiene ning.n efecto en la solucin ptima del problema, es una restriccin ficticia #ue da lo mismo dejarla en el modelo o #uitarla. Las restricciones redundantes #ue se tienen en el problema son MaM, MeM y MfM. $emostrar #ue> :x. K F mn.)1K* /l demostrar #ue :x. K F mn.)1K*, tambin se est demostrando #ue lo contrario es verdadero, es decir #ue mn. K F :x. )1K*. (ste principio es muy poderoso en la solucin de problemas de minimizacin mediante el :todo "implex, mtodo #ue se estudiar posteriormente para solucionar problemas de cual#uier tama'o. (sto permite #ue un problema de minimizacin sea transformado y solucionado como un problema de :aximizacin, cambiando solamente los signos de su Nuncin bjetivo. ,n ejemplo de como puede ser transformado un problema modelado de minimizacin para ser solucionado a travs del :todo "implex, es el siguiente> min. K F HGDB L BGDCO :x. K F 1 HGDB 1 BGDC 7estricciones> CDB L -DCP AG DB L DC F C5
BB

ADB L =DCQ BCG

1.4 2*)/(' e'-4"&() , #("$"!#('.

La forma cannica de la programacin lineal es> :ax KF cBxBL cCxRRR..L cnxn "ujeto a las restricciones> aBBxBL aBCxC RR.. L aBnxn P bB aCBxBL aCCxCRRR..L aCnxn P bC amBxBL amCxCRRR..L amnxn P bm xB Q G, xQ GRRR.xn Q G "e puede observar #ue en la forma cannica> B* La funcin objetivo se maximiza. C* Las restricciones de los recursos son representados por desigualdades menor o igual a los recursos limitados )P*. H* Las variables todas deben ser mayores #ue cero. 0ara poder resolver de forma algebraica el modelo de programacin lineal debe tener las siguientes propiedades> a* 8odas restricciones deben ser ecuaciones )igualdades* y el segundo miembro no debe de ser negativo. b* 8odas las variables no deben ser negativas c* La funcin objetivo puede ser de maximizacin o de minimizacin. a* 0ara #ue todas las restricciones se conviertan a ecuaciones )igualdades*> B* Las restricciones de tipo P se le suma una variable de +olgura al primer miembro de la ecuacin. (jemplo> DB L CxC P = se convierte en> DB L CxC L De F =

BC

C* Las restricciones de tipo Q se le resta una variable de exceso al primer miembro de la ecuacin. (jemplo> DB L CxC Q = se convierte en> DB L CxC1 De F = H* (l segundo miembro de una ecuacin puede +acerse no negativo multiplicando ambos lados por 1B. DB L CxC 1 5xH F 1= se convierte en> 1DB1 CxCL 5xHF =

-* (n una desigualdad, el signo se invierte al multiplicar por 1B DB 1 CxC Q 1= se convierte en> 1DBL CxC P =

b* 8odas las variables no deben ser negativas (n caso de existir una variable irrestricta )no restringida* xi puede expresarse en trmino de dos variables no negativas Di F xiS L xiSS La sustitucin debe efectuarse en todas las ecuaciones incluyendo la funcin objetivo. !* como sabemos el problema de 0L puede ser maximizacin o minimizacin, pero algunas veces es conveniente convertir de una forma a otra> La maximizacin de una funcin objetivo e#uivale a la minimizacin del negativo de la misma funcin y viceversa :aximizar z F 5xBL CxC L HxH es igual a minimizar Tz F 15xB T CxC T HxH

/dems la funcin objetivo de debe igualar a cero> z F 5xB L Cx C L HxH se convierte a z1 5xB 1 CxC 1 HxHFG

/provec+ando estas propiedades podemos pasar cual#uier problema de 0L de la forma cannica a la forma estndar #ue es la #ue se trabaja de forma algebraica y #ue tiene la forma general de> K 1 cBxB 1 cCxCRRRRcnxn "ujeto a> aBBxB L aBCxBRRRR.. LaBnxn L xnB F bB aCBxBL aCCxBRRRR..L aCnxn L xnC F bC amBxBL amCxBRRRR..LaBmxnL xnm F bm
BH

(n donde> xB Q G, xC Q GRRR. Dn Q G x+B Q G, x+CQ GRRR. DnmQ G

1.> M=-*&* '!/.+e'

(l mtodo simplex es un algoritmo, o sea un proceso #ue se repite un procedimiento sistemticamente +asta obtener el resultado deseado . /dems de las iteraciones, los algoritmos incluyen un procedimiento para iniciar y un criterio para determinar cmo detenerse. (xisten reglas #ue rigen la seleccin del siguiente punto extremo del mtodo simplex> B. (l siguiente punto extremo debe ser adyacente al actual. C. La solucin no puede regresar nunca a un punto extremo considerado con la anterioridad. (l algoritmo simplex da inicio en el origen, #ue suele llamarse solucin inicial. $espus se desplaza a un punto extremo adyacente. La eleccin especfica de uno a otro punto depende de los coeficientes de la funcin objetivo +asta encontrar el punto ptimo. /l aplicar la condicin de optimidad a la tabla inicial seleccionamos a Di como la variable #ue entra. (n este punto la variable #ue sale debe ser una de las variables artificiales. Los pasos del algoritmo simplex son > B. $eterminar una solucin bsica factible inicial. C. 0rueba de optimidad> determinar si la solucin bsica factible inicial es ptima y slo si todos los coeficientes de la ecuacin son no negativos )EF G *. "i es as, el proceso termina6 de otra manera se lleva a cabo otra interaccin para obtener la nueva solucin bsica factible inicial. H. !ondicin de factibilidad.1 0ara todos los problemas de maximizacin y minimizacin, variable #ue sale es la variable bsica #ue tiene la razn ms pe#ue'a )positiva*. ,na coincidencia se anula arbitrariamente. -. "eleccionar las variables de +olgura como las variables bsicas de inicio. 5. "elecciona una variable #ue entra de entre las variables no bsicas actuales #ue, cuando se incrementan arriba de cero, pueden mejorar el valor de la funcin objetivo. "i no existe la solucin bsica es la ptima, si existe pasar al paso siguiente. =. 7ealizar el paso iterativo. a* "e determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente negativo #ue tiene el valor mayor valor absoluto en la ecuacin. "e
B-

enmarca la columna correspondiente a este coeficiente y se le da el nombre de columna pivote. b* "e determina la variable bsica #ue sale6 para esta, se toma cada coeficiente positivo )EG* de la columna enmarcada, se divide el lado derec+o de cada rengln entre estos coeficientes, se identifica la ecuacin con el menor cociente y se selecciona la variable bsica para esta ecuacin. c* "e determina la nueva solucin bsica factible construyendo una nueva tabla en la forma apropiada de eliminacin de %auss, abajo de la #ue se tiene. 0ara cambiar el coeficiente de la nueva variable bsica en el rengln pivote a B, se divide todo el rengln entre el n.mero pivote, entonces rengln pivote nuevo F rengln pivote antiguo n.mero pivote 0ara completar la primera iteracin es necesario seguir usando la eliminacin de %auss para obtener coeficientes de G para la nueva variable bsica Dj en los otros renglones, para realizar este cambio se utiliza la siguiente frmula> rengln nuevo F rengln antiguo 1 ) coeficiente de la columna pivote D rengln pivote nuevo* !uando el coeficiente es negativo se utiliza la frmula> rengln nuevo F rengln antiguo L )coeficiente de la columna pivote D rengln pivote nuevo* 8abla "implex. !omo se capturara la solucin bsica factible inicial en el siguiente ejemplo> "ea> :aximizar K F CDBL-DC sujeto a> CDBL DCIF CHG DBL CDCIF C5G DCIF BCG todas las DB,DCEFG

<ASE Z

Z G

?1 1C

?2 1-

S1 G

S2 G

S3 G

SOLUCI:N G

RAZ:N G
B5

"B "C "H

G G G

C B G

B C B

B G G

G B G

G G B

CHG C5G BCG

CHG9B C5G9C BCG9B

"eleccione la variable #ue entra y la variable #ue sale de la base> (ntra DC y sale "H, se desarrolla la nueva tabla solucin y se continua el proceso iterativo +asta encontrar la solucin ptima si es #ue est existe. 8abla Uptima>

<ASE Z "B DB DC

Z G G G G

?1 G G B G

?2 G G G B

S1 G B G G

S2 C 1C B G

S3 G H 1C B

SOLUCI:N 5GG JG BG BCG

RAZ:N

"olucin> K F V5GG fabricando DBFBG DCFBCG "obrante de "B F JG 8ipo de solucin> O.-!/( M@+-!.+e.

1.A T=#"!#(' #*" 0()!(3+e' ()-! !#!(+e'.

/+ora veremos como una solucin bsica factible inicial puede ser obtenida cuando el uso de variables superfluas no proporcionan fcilmente tal solucin. (n general este caso se presenta cuando al menos una de las restricciones en el modelo original es del tipo F y9o W dos mtodos basados en el uso de las variables artificiales sern vistos> METODO DE LA M Las variables artificiales solamente proporcionan un mecanismo matemtico para obtener una primera solucin bsica, el efecto de estas variables en la solucin final es cancelado por el valor de penalizacin muy alto en la funcin objetivo. (stas variables son ficticias y no tienen alguna interpretacin fsica ni econmica directa en trminos del problema original.

B=

METODO DO<LE 2ASE !omo su nombre lo indica, consiste en resolver problemas en dos fases.

1.A.1 M=-*&* &e +( M.

(l mtodo simplex puede aplicarse a un problema de minimizacin si se modifican los pasos del algoritmo. !onsideraciones %enerales> B. (n general se recurre a las variables artificiales cuando al menos una de las restricciones en el modelo matemtico original es del tipo mayor o igual )Q*, esto con el fin de obtener la solucin bsica factible inicial. C. Las variables artificiales proporcionan un artificio matemtico para obtener un primera solucin bsica. (stas variables son ficticias y no tienen una interpretacin fsica directa en trminos del problema original )costos*. H. "e debe expresar el modelo original en la forma estndar )llevar las desigualdades a igualdades*. -. "umar del lado iz#uierdo de cada ecuacin, correspondiente a las restricciones del tipo mayor o igual )Q* una variable )artificial* no negativa. $ic+a adicin no causa una alteracin en las restricciones. 5. Los indicadores de las variables artificiales son todos negativos o iguales a cero )G* en la tabla final. (sto siempre debe ser vlido para una solucin ptima )factible*. =. ,na vez, conocidas las consideraciones generales procedemos con los pasos normales del mtodo simplex. A+1*)!-/* &e+ M=-*&* &e +( T=#"!#( &e +( M. B. 0asar a la forma estndar el modelo matemtico, restando las variables de excedente ) +olgura o flojas* por cada restriccin. C. /gregar variables artificiales en cada restriccin. H. (n la fila de los indicadores )funcin objetivo*, tiene coeficiente nulos para las variables de +olgura y : para las variables artificiales, en donde : es un numero imposiblemente elevado para asegurar #ue las variables artificiales se excluirn de la solucin ptima. -. (n la funcin objetivo no deben aparecer variables bsicas, por lo #ue se +ace necesario eliminar las variables artificiales de la N. .) #uitas las : de las columnas artificiales*. 0ara retirar las : de las columnas de variables artificiales se suman : veces )coeficientes de la filaB L fila C L fila HLR fila n* a la fila de la funcin objetivo. (sto da como resultado la tabla inicial.

B?

5. !uando una solucin contiene variables artificiales bsicas menor o igual a cero )G*, estamos ante una solucin factible con respecto al modelo matemtico original. =. "i el problema no tiene solucin factible, cuando menos una variable artificial ser positiva en la solucin ptima.

(jemplo. 0asos para resolver el :todo "implex )8cnica de la %ran :*> B. "e deben llevar a igualdades las desigualdades cada una de las restricciones y la funcin objetivo )Igualando a *. /gregamos restamos las variables de +olgura de acuerdo al n.mero de restricciones #ue tengamos y "umamos variables artificiales por cada condicin mayor o igual #ue tengamos en el modelo matemtico original. (jemplo> Norma (stndar> :in K F CGDB L HGDC LB=DH Igualando a > 1 CGDB T HGDC TB=DH 1 K F G

"ujeto a> C,5DB L HDC L DH Q H DB L HDC LCDH Q !on DB, DC y DH Q G

"ujeto a> C,5DB L HDC L DH T "B L/BF H DB L HDC LCDH T"C L/C F !on DB, DC y DH Q G

C. !onstruir la tabla inicial simplex )G*, donde se vacan cada uno de los coeficientes de las variables.

BA

H. "e deben eliminar las emes ):* de la tabla previa #ue se encuentran como coeficientes de las variables artificiales, con el fin de encontrar nuestra tabla , y nuestra primera solucin bsica factible.

-. 0ara eliminar las emes, se suman todos los coeficientes de las restricciones, columna por columna )variable por variable* con emes, y el resultado se coloca delante de cada indicador de la fila K, con el fin de #ue todos los indicadores de K #ueden positivos, y las emes ):* desaparezcan de las !olumnas de la variable artificial con el fin de encontrar nuestra primera solucin bsica factible.

Xa construida la tabla inicial, encontramos la BY "olucin &sica Nactible, donde> DB, DC, DH, "B y "C F G, /BFH, /CF- y KF?:.

1.A.2 M=-*&* &e +(' &*' ('e'.

(sta estrategia algortmica se aplica cuando luego de llevar un modelo de programacin lineal a su forma estndar no se dispone de una solucin bsica factible inicial. 2('e 1> !onsideramos un problema auxiliar #ue resulta de agregar tantas variables auxiliares a las restricciones del problema, de modo de obtener una solucin bsica factible. Luego se debe resolver utilizando el :todo "implex un nuevo problema #ue considera como funcin objetivo la suma de las variables auxiliares. "i el valor ptimo alcanzado al finalizar la Nase B es cero ir a la Nase C. (n caso contrario, no existe solucin factible. 2('e 2> 7esolver a travs del :todo "implex el problema original a partir de la solucin bsica factible inicial +allada en la NaseB.

E7e/.+*:
BJ

!onsidere el siguiente modelo de 0rogramacin Lineal>

2ASE 1: /l agregar "B como variable de exceso en la restriccin B resulta evidente #ue no se dispone de una solucin bsica factible inicial, por tanto utilizaremos una variable auxiliar MyM #ue incluiremos en el lado iz#uierdo de la restriccin y #ue servir como variable bsica inicial. (sto define el problema inicial de la Nase B junto a su tabla.

Luego la variable DC entra a la base )costo reducido negativo* y claramente MyM deja la base. "e actualiza la tabla utilizando el mtodo simplex>

!on esta tabla finaliza la Nase B. ;otar #ue el valor de la funcin objetivo al finalizar la Nase B es cero, por tanto podemos continuar la Nase C. 2ASE 2: "e elimina la columna asociada a la variable artificial MyM y se actualiza el vector de costos reducidos considerando la funcin objetivo original. $e esta forma se obtiene la tabla inicial de la Nase C.

CG

$ado #ue DC es variable bsica al finalizar la Nase B buscamos dejar esta misma variable como bsica al iniciar la Nase C. 0ara ello multiplicamos por 1H la fila B y luego la sumamos a la fila C.

(n este sencillo ejemplo se llega inmediatamente a la tabla final de la Nase C, con solucin ptima DBFG y DCFBG. (l valor ptimo Z)0*F1HG.

CB

CC

<I<LIOGRA2IA
Investigacin de operaciones. /plicaciones y algoritmos. [ayne L. [inston -a (dicion. :(8 $ " X : $(L " $( I;Z("8I%/!I ; $( 07/[$/ [I8(;&(7% B(7/ ($I!I ; LI:,"/ ($I!I ; :.[ !/78(7 /;$ !! 07I!( !7! 07("", CGGG. <uan 0ra\da [itenberg. :todos y modelos de investigacin de operaciones. Ber volumen Limusa ;oriega (ditores 8a+a, 4amdya Investigacin de operaciones, ?a. (dicin 0earson educacin, :xico, CGG0(7/!I ;(" BJJ5

CH