Universidad Privada Nororiental Gran Mariscal de Ayacucho
Ctedra: Investigacin de Operaciones Seccin 1s1303
Profesor Alumno (a) Nellys Martnez C.I 22930060
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. La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a travs de un sistema de inecuaciones lineales, optimizando la funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. Variables Son nmeros reales mayores o iguales a cero. En caso que se requiera que el valor resultante de las variables sea un nmero entero, el procedimiento de resolucin se denomina Programacin entera Restricciones Las restricciones pueden ser de la forma: Tipo 1: Tipo 2: Tipo 3: Dnde: A = valor conocido a ser respetado estrictamente; B = valor conocido que debe ser respetado o puede ser superado; C = valor conocido que no debe ser superado; j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones); a; b; y, c = coeficientes tcnicos conocidos; X = Incgnitas, de 1 a N; i = nmero de la incgnita, variable de 1 a N. En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N < M. Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede no tener sentido una optimizacin. Los tres tipos de restricciones pueden darse simultneamente en el mismo problema.
Funcin Objetivo La funcin objetivo puede ser:
o
Dnde: = coeficientes son relativamente iguales a cero. Programacion Entera En algunos casos se requiere que la solucin ptima se componga de valores enteros para algunas de las variables. La resolucin de este problema se obtiene analizando las posibles alternativas de valores enteros de esas variables en un entorno alrededor de la solucin obtenida considerando las variables reales. Muchas veces la solucin del programa lineal truncado est lejos de ser el ptimo entero, por lo que se hace necesario usar algn algoritmo para hallar esta solucin de forma exacta. El ms famoso es el mtodo de Ramificar y Acotar. El mtodo de Ramificar y Acotar parte de la adicin de nuevas restricciones para cada variable de decisin (acotar) que al ser evaluado independientemente (ramificar) lleva al ptimo entero. Programacin Lineal Mtodo Simplex. El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin lineal capaz de resolver modelos ms complejos que los resueltos mediante el mtodo grfico sin restriccin en el nmero de variables. QUE ES UNA MATRIZ IDENTIDAD? Una matriz puede definirse como una ordenacin rectangular de elementos, (o listado finito de elementos), los cuales pueden ser nmeros reales o complejos, dispuestos en forma de filas y de columnas.
La matriz idntica o identidad es una matriz cuadrada (que posee el mismo nmero tanto de columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y todos los dems componentes iguales a cero (0), se denomina matriz idntica o identidad de orden n, y se denota por:
La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado que el algoritmo se basa en dicha teora para la resolucin de sus problemas. OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX VARIABLES DE HOLGURA Y EXCESO El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales que se modelan mediante programacin lineal no lo son, para ello hay que convertir estas inecuaciones en ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el recurso al cual hace referencia la restriccin y que en el tabulado final representa el "Slack or surplus" al que hacen referencia los famosos programas de resolucin de investigacin de operaciones, estas variables adquieren un gran valor en el anlisis de sensibilidad y juegan un rol fundamental en la creacin de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la restriccin es de signo "<= " y se restan si la restriccin es de signo ">=". QUE ES UNA MATRIZ IDENTIDAD? Una matriz puede definirse como una ordenacin rectangular de elementos los cuales pueden ser nmeros reales o complejos, dispuestos en forma de filas y de columnas. La matriz idntica o identidad es una matriz cuadrada, de orden n que tiene todos los elementos diagonales iguales a uno y todos los dems componentes iguales a cero, se denomina matriz idntica o identidad de orden n. La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado que el algoritmo se basa en dicha teora para la resolucin de sus problemas. OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX VARIABLES DE HOLGURA Y EXCESO El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales que se modelan mediante programacin lineal no lo son, para ello hay que convertir estas inecuaciones en ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el recurso al cual hace referencia la restriccin y que en el tabulado final representa el "Slack or surplus" al que hacen referencia los famosos programas de resolucin de investigacin de operaciones, estas variables adquieren un gran valor en el anlisis de sensibilidad y juegan un rol fundamental en la creacin de la matriz identidad base del Simplex. Estas variables suelen estar representadas por la letra "S", se suman si la restriccin es de signo "<= " y se restan si la restriccin es de signo ">=". Por ejemplo:
Forma estndar del modelo de programacin lineal Para desarrollar el modelo de solucin general el problema de programacin lineal debe ponerse en un formato comn al que denominamos formato estndar, las propiedades de la forma/formato estndar son: 1. Todas las restricciones son ecuaciones con los segundos miembros no negativos 2. Todas las variables deben ser no negativas 3. La funcin objetivo puede ser de maximizacin o minimizacin y estar igualada a cero Restricciones Las inecuaciones pueden volverse igualdades mediante la suma de una variable holgura o resta de una variable exceso, dentro el primer miembro de la restriccin. Variables Existen casos en los que la variable puede ser irrestricta (Adquiere cualquier valor), esta puede expresarse en trminos de dos variables no negativas mediante el uso de una sustitucin. Funcin objetivo La maximizacin de una funcin equivale a la minimizacin del negativo de la misma funcin y viceversa. Soluciones bsicas Considerando un modelo estndar de programacin lineal con "m" ecuaciones y "n" incgnitas, una solucin bsica asociada se determina haciendo n-m variables iguales a cero, y resolviendo las ecuaciones con las variables restantes. Mtodo Simplex Primal Forma Estndar Todas las restricciones deben ser del tipo menor o igual que, con el lado derecho positivo, la funcin objetivo debe ser de maximizacin y todas las variables son no negativas. Se introducen las variables holgura se seleccionan las variables de decisin como las variables no bsicas inciales, y as variables holgura como las variables bsicas inciales. Prueba de optimidad La solucin bsica es optima si y solo si los coeficientes de la funcin objetivo son no negativos, si es as el proceso se detiene de otra manera sigue a una nueva iteracin para obtener la siguiente solucin bsica. Determinar la variable bsica entrante Se escoge la variable no bsica con el coeficiente negativo de mayor valor absoluto (el ms negativo) de la ecuacin objetivo. Esta ser la columna pivote. Determinar la variable bsica saliente Esto se realiza con la prueba del cociente mnimo: 1. Elija los cocientes estrictamente positivos y diferentes de cero, de la columna correspondiente al pivote 2. Divida cada coeficiente entre el elemento del lado derecho de la misma fila 3. Identifique la fila que tenga el menor de estos cocientes 4. La variable bsica de esta fila es la variable bsica que sale, sustityala por la variable bsica entrante en la columna de la variable bsica de la siguiente tabla Despejar la nueva solucin bsica mediante eliminacin Gaussiana 1. Divida la fila del pivote entre el pivote 2. En la siguiente tabla copie la fila del pivote y llene su columna de ceros 3. El nuevo elemento = elemento (coef. Fila del pivote) (coef. Columna del pivote). Interpretacin grfica del Mtodo Simplex La resolucin de problemas lineales con slo dos o tres variables de decisin se puede ilustrar grficamente, mostrndose como una ayuda visual para comprender muchos de los conceptos y trminos que se utilizan y formalizan con mtodos de solucin ms sofisticados, como por ejemplo el Mtodo Simplex, necesarios para la resolucin de problemas con varias variables. Para ello se puede usar el mtodo Grfico. Aunque en la realidad rara vez surgen problemas con slo dos o tres variables de decisin, es sin embargo muy til esta metodologa de solucin e interpretacin, en la que se vern las situaciones tpicas que se pueden dar, como son la existencia de una solucin ptima nica, de soluciones ptimas alternativas, la no existencia de solucin y la no acotacin. Describimos aqu las fases del procedimiento de solucin del Mtodo Grfico: 1. Dibujar un sistema de coordenadas cartesianas en el que cada variable de decisin est representada por un eje, con la escala de medida adecuada a su variable asociada. 2. Dibujar en el sistema de coordenadas las restricciones del problema (incluyendo las de no negatividad). Para ello, observamos que si una restriccin es una inecuacin, define una regin que ser el semiplano limitado por la lnea recta que se tiene al considerar la restriccin como una igualdad. Si la restriccin fuera una ecuacin, la regin que define se dibuja como una lnea recta. La interseccin de todas las regiones determina la regin factible o espacio de soluciones (que es un conjunto convexo). Si esta regin es no vaca, ir a la fase siguiente. En otro caso, no existe solucin que satisfaga (simultneamente) todas las restricciones y el problema no tiene solucin, denominndose no factible. 3. Determinar los puntos extremos (puntos que no estn situados en segmentos de lnea que unen otros dos puntos del conjunto convexo) de la regin factible (que, como probaremos en la siguiente seccin, son los candidatos a solucin ptima). Evaluar la funcin objetivo en estos puntos y aqul o aquellos que maximicen (o minimicen) el objetivo, corresponden a las soluciones ptimas del problema.