30/08/2014

1
Ing. Enrique M. Avendao Delgado
eavendano@hotmail.com
Investigacin de
Operaciones I
Ing. Enrique M. Avendao Delgado
eavendano@hotmail.com

Unidad 1
PROGRAMACION LINEAL
30/08/2014
2
Ing. Enrique Avendao Delgado
El Mtodo Simplex:
El mtodo Simplex es un procedimiento iterativo que permite ir
mejorando la solucin a cada paso. El proceso concluye cuando no
es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera,
el mtodo consiste en buscar sucesivamente otro vrtice que
mejore al anterior. La bsqueda se hace siempre a travs de los
lados del polgono (o de las aristas del poliedro, si el nmero de
variables es mayor). Cmo el nmero de vrtices (y de aristas) es
finito, siempre se podr encontrar la solucin
Ing. Enrique Avendao Delgado
Ejemplo de Simplex:
Vamos a resolver el siguiente problema:
Maximizar

Z = 5x
1
+ 4x
2

Sujeto a:

6x
1
+ 4x
2
24



x
1
+ 2x
2
6



-x
1
+ x
2
1


x
2
2

x
1
0 , x
2
0

30/08/2014
3
Ing. Enrique Avendao Delgado
Se consideran los siguientes pasos:
1. Convertir las desigualdades en igualdades:

Se introduce una variable de holgura por cada una de las
restricciones, este caso s
1
, s
2
, s
3
para convertirlas en igualdades y
formar el sistema de ecuaciones estandar. Usando en simplex el
siguiente criterio:

Signo: Introducir

s
n




Ing. Enrique Avendao Delgado
FORMA ESTANDAR:
6x
1
+ 4x
2
+ s
1
= 24

x
1
+ 2x
2
+ s
2
= 6

-x
1
+ x
2
+ s
3
= 1
x
2
+ s4 = 2

30/08/2014
4
Ing. Enrique Avendao Delgado
2. Igualar la funcin objetivo a cero y despues agregar la variables de holgura del
sistema anterior:

Z - 5 x
1
- 4 x
2
= 0
La funcion objetivo ocupa la primera fila del tablero,
Cuando minimizamos se toma el valor (+) positivo de Fo para
convertirlo en negativo y cuando maximizamos tomamos el valor
(-) negativo de Fo para convertirlo en positivo.

3. Escribir el tablero inicial simplex:

En las columnas aparecern todas las variables del problema y, en las
filas, los coeficientes de las igualdades obtenidas, una fila para cada restriccin y la
primera fila con los coeficientes de la funcin objetivo:

Ing. Enrique Avendao Delgado
Tablero Inicial:
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

30/08/2014
5
Ing. Enrique Avendao Delgado
4. Encontrar la variable de decisin que entra en la base y la variable de holgura
que sale de la base

A. Para escoger la variable de decisin que entra en la base, observamos la
primera fila, la cual muestra los coeficientes de la funcin objetivo y escogemos la
variable con el coeficiente ms negativo (en valor absoluto).

En este caso, la variable x
1
de coeficiente - 5.

Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior,
entonces se elige cualquiera de ellos.

Si en la primera fila no existiese ningn coeficiente negativo, significa que se ha
alcanzado la solucin ptima.

Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo
del simplex, es que en la primera fila no haya elementos negativos.

La columna de la variable que entra en la base se llama columna pivote (en
color azulado).
Ing. Enrique Avendao Delgado
Tablero Inicial:
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

30/08/2014
6
Ing. Enrique Avendao Delgado
Tablero Inicial:
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

Se elije el + negativo
Ing. Enrique Avendao Delgado
Tablero Inicial:
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

Se elije el + negativo
-5
30/08/2014
7
Ing. Enrique Avendao Delgado
Tablero Inicial:
Columna Pivot
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
S1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

Ing. Enrique Avendao Delgado

B. Para encontrar la variable de holgura que tiene que salir de la
base, se divide cada trmino de la ltima columna (valores
solucin) por el trmino correspondiente de la columna pivote,
siempre que estos ltimos sean mayores que cero.

Si hubiese algn elemento menor o igual que cero no se hace
dicho cociente. En el caso de que todos los elementos fuesen menores
o iguales a cero, entonces tendramos una solucin no acotada y no se
puede seguir.

El trmino de la columna pivote que en la divisin anterior d
lugar al menor cociente positivo, 4 es el menor, indica la fila de la
variable de holgura que sale de la base, S1. Esta fila se llama fila pivote
(en color azulado).
30/08/2014
8
Ing. Enrique Avendao Delgado
Bsica Entra
X1
Solucin Razn
(o interseccin)
S1 6 24 X1=24/6=4
S2 1 6 X1=6/1=6
S3 -1 1 X1=1/-1=-1
S4 0 2 X1=2/0=
Ignorar
Ignorar
Se toma
el Menos
positivo
Este se
selecciona
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
X1 0 6 4 1 0 0 0 24

S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

Pivote
Columna Pivote
Fila Pivote
Tablero Inicial:
30/08/2014
9
Ing. Enrique Avendao Delgado
Los clculos de Gauss-Jordan necesarios para obtener la nueva
solucin bsica son de dos tipos:
1.- Rengln Pivote:
Nuevo rengln pivote = Rengln pivote actual / Elemento pivote
2.- Todos los dems renglones, inclusive z:
Nuevo rengln = (Rengln actual) (Su coeficiente de la columna
pivote) * (Nuevo regln pivote).
Estos clculos se aplican a la tabla anterior en la siguiente forma:
Nuevo rengln pivote actual X1 = Rengln pivote s1 actual / 6
Nuevo rengln z = Rengln Z actual (-5) * Nuevo rengln pivote
Nuevo rengln S1 =

Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1
X1 0 6/6 4/6 1/6 0/6 0/6 0/6 24/6

S2 0
S3 0
S4 0
1.- Rengln Pivote:
Nuevo rengln pivote = Rengln pivote actual / Elemento pivote
30/08/2014
10
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1
X1 0 1 2/3 1/6 0 0 0 4

S2 0
S3 0
S4 0
1.- Rengln Pivote:
Nuevo rengln pivote = Rengln pivote actual / Elemento pivote
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0
X1 0 1 2/3 1/6 0 0 0 4

S2 0 0
S3 0 0
S4 0 0
1.- Rengln Pivote:
Nuevo rengln pivote = Rengln pivote actual / Elemento pivote
Rellenar con Ceros toda la columna, perteneciente al pivot
30/08/2014
11
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -4-(-5*2/3) 0-(-5*1/6) 0-(-5*0) 0-(-5*0) 0-(-5*0) 0-(-5*4)
X1 0 1 2/3 1/6 0 0 0 4

S2 0 0
S3 0 0
S4 0 0
2.- Todos los dems
renglones, inclusive z:
Nuevo rengln = (Rengln
actual) (Su coeficiente
de la columna pivote) *
(Nuevo regln pivote).

Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
X1
S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -4-(-5*2/3) 0-(-5*1/6) 0-(-5*0) 0-(-5*0) 0-(-5*0) 0-(-5*4)
X1 0 1 2/3 1/6 0 0 0 4
S2 0 0 2-(1*2/3) 0-(1*1/6) 1-(1*0) 0-(1*0) 0-(1*0) 6-(1*4)
S3 0 0
S4 0 0
2.- Todos los dems
renglones, inclusive z:
Nuevo rengln = (Rengln
actual) (Su coeficiente
de la columna pivote) *
(Nuevo regln pivote).

Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
X1
S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2
30/08/2014
12
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -4-(-5*2/3) 0-(-5*1/6) 0-(-5*0) 0-(-5*0) 0-(-5*0) 0-(-5*4)
X1 0 1 2/3 1/6 0 0 0 4
S2 0 0 2-(1*2/3) 0-(1*1/6) 1-(1*0) 0-(1*0) 0-(1*0) 6-(1*4)
S3 0 0 1-(-1*2/3) 0-(-1*1/6) 0-(-1*0) 1-(-1*0) 0-(-1*0) 1-(-1*4)
S4 0 0
2.- Todos los dems
renglones, inclusive z:
Nuevo rengln = (Rengln
actual) (Su coeficiente
de la columna pivote) *
(Nuevo regln pivote).

Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 -5 -4 0 0 0 0 0
X1
S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -2/3 5/6 0 0 0 20
X1 0 1 2/3 1/6 0 0 0 4
S2 0 0 4/3 -1/6 1 0 0 2
S3 0 0 5/3 1/6 0 1 0 5
S4 0 0 1 0 0 0 1 2
Tablero final de la primera iteracin
30/08/2014
13
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -2/3 5/6 0 0 0 20
X1 0 1 2/3 1/6 0 0 0 4
S2 0 0 4/3 -1/6 1 0 0 2
S3 0 0 5/3 1/6 0 1 0 5
S4 0 0 1 0 0 0 1 2
Tablero final de la primera iteracin
Como en los elementos de la primera fila hay un numero negativo,
significa que no hemos llegado todava a la solucin ptima. Hay que repetir el
proceso:
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 -2/3 5/6 0 0 0 20
X1 0 1 2/3 1/6 0 0 0 4
S2 0 0 4/3 -1/6 1 0 0 2
S3 0 0 5/3 1/6 0 1 0 5
S4 0 0 1 0 0 0 1 2
Tablero : segunda iteracin
Columna Pivot
6
1.5
3
2
Pivote
Fila Pivote
30/08/2014
14
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 0 3/4 1/2 0 0 21
X1 0 1 0 5/2 -1/2 0 0 3
X2 0 0 1 -1/8 3/4 0 0 3/2
S3 0 0 0 3/8 5/4 1 0 5/2
S4 0 0 0 1/8 -3/4 0 1 1/2
Tablero : Fin de la segunda iteracin
Ing. Enrique Avendao Delgado
Bsica Z X1 X2 S1 S2 S3 S4 Solucin

Z 1 0 0 3/4 1/2 0 0 21
X1 0 1 0 5/2 -1/2 0 0 3
X2 0 0 1 -1/8 3/4 0 0 3/2
S3 0 0 0 3/8 5/4 1 0 5/2
S4 0 0 0 1/8 -3/4 0 1 1/2
Tablero Final
Cero o Positivos
X1 = 3
X2 = 3/2
Z = 21
30/08/2014
15
Ing. Enrique Avendao Delgado
Ejercicio:
Una empresa de muebles produce
sillas y mesas, el costo de una
silla es de 8 soles y de una mesa
es 10 soles, tiene tres estaciones
de trabajo para manufactura de
ambos productos, las
capacidades de produccin, y
materia prima y mano de obra se
muestran en la siguiente tabla, se
pide una demanda semanal
mxima de 20 sillas y 15 mesas,
se disponen de 50 m2 de madera
y 34 horas de mano de obra.
Encontrar u PL que minimice los
costos y se cumpla con la
demanda, encuentre la solucin
mediante un simplex.
Maquina Sillas Mesas
1 20 12
2 15 9
3 35 25
Producto MP m2 MO hr
Sillas 2 1
Mesas 3 2
Ing. Enrique Avendao Delgado
Ejercicio 1:
Una empresa de muebles
produce sillas y mesas, el costo
de una silla es de 8 soles y de
una mesa es 10 soles, tiene tres
estaciones de trabajo para
manufactura de ambos
productos, las capacidades de
produccin, y materia prima y
mano de obra se muestran en la
siguiente tabla, se pide una
demanda semanal mxima de
20 sillas y 15 mesas, se
disponen de 50 m2 de madera y
34 horas de mano de obra.
Encontrar u PL que minimice los
costos y se cumpla con la
demanda, encuentre la solucin
mediante un simplex.
Maquina Sillas Mesas
1 20 12
2 15 9
3 35 25
Producto MP m2 MO hr
Sillas 2 1
Mesas 3 2
30/08/2014
16
Ing. Enrique Avendao Delgado
Ejercicio 2:
Utilizando el mtodo simplex resolver el siguiente modelamiento:

Max z = 3x1 + x2 + 3x3 + 2x4
s.a.
x1 <= 5
x1 + x2 + x3 + x4 <= 12
5x3 - x4 <= 25
3x2 + x3 <= 10
-4x3 + 4x4 <= 5
x1, x2, x3, x4 >=0

Ing. Enrique Avendao Delgado
Ejercicio 3:
Utilizando el mtodo simplex resolver el siguiente modelamiento:

Max z = 3x1 + 2x2
s.a.
1/40x1+ 1/60x2 <= 1
1/50x1 + 1/50x2 <=1
x1 <= 30
x2 <= 20
x1, x2 >=0

30/08/2014
17
Ing. Enrique Avendao Delgado
Ejercicio 4:
Max z = x1 + x2
s.a.
x1+ x2 <= 4
x1 - x2 <=5
x1, x2 >=0

Utilizando el mtodo simplex resolver el siguiente modelamiento:
Max z = 4x1 + x2
s.a.
8x1+ 2x2 <= 16
5x1 - 2x2 <= 12
x1, x2 >=0

Max z = 3x1 + x2
s.a.
2x1+ x2 <= 6
x1 - 3x2 <= 9
x1, x2 >=0

Ing. Enrique M. Avendao Delgado
eavendano@hotmail.com

Unidad 1
PROGRAMACION LINEAL
30/08/2014
18
Ing. Enrique Avendao Delgado
Objetivos
Resuelvan los modelos de programacin lineal utilizando el
programa LINDO.
Interpreten los resultados del modelo PL obtenidos con el programa
LINDO.
Programacin Lineal (PL)
Un problema de programacin lineal con dos variables tiene por
finalidad optimizar (maximizar o minimizar) una funcin lineal (FO:
funcion objetivo).
Sujeta a Restricciones (Limitantes) expresadas en forma de
inecuaciones.




Ing. Enrique Avendao Delgado
Problemas resueltos con LINDO
LINDO: abreviatura en ingls de Linear INteractive Discrete
Optimization (Optimizacin Lineal Discreta e Interactiva).
Es un software muy bsico que permite realizar optimizacin de
problemas de programacin lineal y cuadrtica, definidos sobre
variables reales y/o binarias.
Download: www.lindo.com

30/08/2014
19
Ing. Enrique Avendao Delgado
Problema a resolver
Una empresa fabrica y vende dos productos. Se
dispone de 10kg diarios de materia prima y 20 horas
de mquina diaria. Cada producto requiere 1 y 2kg de
materia prima respectivamente. Y de 4 y 2 hrs de
mquina por unidad. Los beneficios unitarios son de 4
y 1$ por unidad de cada producto.
Debido a un contrato firmado con un cliente se deben
producir como mnimo 2 unidades diarias del
producto2.
Ing. Enrique Avendao Delgado
Recoleccin de Datos

Recurso
Consumo de recursos por unidad de
actividad
ACTIVIDADES n
Cantidad de
recursos
disponibles
1
2
.
.
m
a11 a12 a13 a1n
a21 a22 a23 a2n
.
.
am1 am2 am3 amn
b1
b2
.
.
bm
Contribucin a Z
por unidad de
actividad
C1 C2 C3 Cn
30/08/2014
20
Ing. Enrique Avendao Delgado
Modelo de PL
MAX Z = c1X1 + c2X2+...........+cnXn

Sujeto a:
a11X1+ a12X2+.............+a1nXnb1
a21X1+ a22X2+.............+a2nXnb2
am1X1+am2X2+.............+amnXnbm
Xi0 para i = 1,2,....,n


Ing. Enrique Avendao Delgado
Recoleccin de Datos para 2 variables

Recurso
Consumo de recursos por unidad de
actividad
ACTIVIDADES n=2
Cantidad de
recursos
disponibles
1
2
.
.
m
a11 a12
a21 a22
.
.
am1 am2
b1
b2
.
.
bm
Contribucin a Z
por unidad de
actividad
C1 C2
30/08/2014
21
Ing. Enrique Avendao Delgado
Modelo de PL 2 variables
MAX Z = c1X1 + c2X2
Sujeto a:
a11X1+ a12X2b1
a21X1+ a22X2b2
am1X1+am2X2bm
Xi0 para i = 1,2


Ing. Enrique Avendao Delgado
Recoleccin de Datos

Recurso
Consumo de recursos por
PRODUCTO
X1 X2
Cantidad de
recursos
disponibles
Materia Prima (Kg)

Maquinaria (hrs)

Contrato

1 2

4 2

1
10

20

2
Maximizar Z (beneficio) 4 1
30/08/2014
22
Ing. Enrique Avendao Delgado
Modelo de PL 2 variables
MAX Z =4X1 +1X2
Sujeto a:
1X1+2X2<=10 restriccin MP
4X1+2X2<=20restriccin Maquin
X2>=2 restriccin Contrato
X1, X2 0 (no negatividad)
X1: unidades a producir de producto 1
X2: unidades a producir de producto 2

Ing. Enrique Avendao Delgado
Modelo PL en LINDO
Men FILE NEW









Men FILE SAVE (*.ltx) => archivo de texto
30/08/2014
23
Ing. Enrique Avendao Delgado
Obtener resultados
Men SOLVE - Solve
Ing. Enrique Avendao Delgado
Ventana Lindo Solver Status
Status: ofrece el estado de la solucin actual
(ptima, factible, no factible, o no acotada).
Iterations: nmero de iteraciones (tablas del
algoritmo) que se han realizado.
Infeasibility: cantidad por la cual las
restricciones han sido excedidas o violadas.
Objective: valor actual de la funcin objetivo.
(Valor de Z)
Elapsed time: tiempo transcurrido desde el
inicio de la resolucin.

30/08/2014
24
Ing. Enrique Avendao Delgado
Otras opciones
Limpiar ventana de modelo / reportes
Menu EDIT Clear All

Compilar modelo (cada vez que realiza un cambio en el modelo)
Menu SOLVE Compile Model

Verificar ingreso de modelo (errores)
Menu SOLVE Debug
Ing. Enrique Avendao Delgado
a) OBJETIVE FUNCTION VALUE (Z) : valor ptimo es 18$ (maximizar
beneficio)
b) VARIABLES: X1, X2
VALUE es el valor que tomara cada una de las variables. Es decir 4
unidades de X1 (producto1) y 2 unidades de X2 (producto 2)
REDUCED COST: costo de oportunidad. Su Valor 0 indica que ambos
productos se estan produciendo.
30/08/2014
25
Ing. Enrique Avendao Delgado
REDUCED COST
La reduccin de costos (REDUCED COST) es la cantidad que tendra que
mejorar
(aumentar en un MAX, disminuir en un MIN)
el coeficiente objetivo asociado con la variable, para que resultase
rentable asignar un valor no nulo a la variable.
Entonces, una variable que aparece en la solucin ptima (con un valor
distinto de cero) tendr siempre un coste reducido igual a cero.

Ing. Enrique Avendao Delgado

c) Restricciones
SLACK OR SUPLUS: Holgura o Exceso
Si se produce X1=4 y X2= 2
Restriccin de MATPRI) 1X1+2X2 <=10
Reemplazando: 1(4)+2(2) <=10
8 <=10
Sobrando 2kg de materia prima (SLACK)


30/08/2014
26
Ing. Enrique Avendao Delgado
Slack - Surplus
Holgura representa la cantidad que sobra de un recurso y Excedente
representa el exceso de produccin. Es decir, esta columna nos dice cuan
cerca estamos (en unidades) de agotar la restriccin asociada (cumplirla
en igualdad).
Si es del tipo <= ser un SLACK (Holgura) y
Si es del tipo >=, un SURPLUS (Excedente).

Ing. Enrique Avendao Delgado
Una restriccin es obligatoria (activa) si su holgura tiene el
valor cero.

30/08/2014
27
Ing. Enrique Avendao Delgado
DUAL PRICES
Los Precios duales, Valor Marginal, Precio Sombra (DUAL
PRICES) nos dan la cantidad en que mejorara la funcin
objetivo (aumentado en un MAX, disminuyendo en un MIN) si
relajsemos la restriccin asociada en una unidad.

Ing. Enrique Avendao Delgado

d) NO ITERATIONS: Nro de iteraciones en la que se encontr la
solicin ptima.


30/08/2014
28
Ing. Enrique Avendao Delgado
Consideraciones
La funcin objetivo no debera contener ninguna restriccin. Por
ejemplo, no se puede ingresar MAX 3X1 + 8
Para iniciar las restricciones en lugar de "sujeto a" o S.A. debe
escribirse "SUBJET TO" o "S.T." o "ST".
Las variables deben aparecer en el lado izquierdo de las
restricciones, y los valores numricos en el lado derecho.
No olvide de dejar los espacios adecuados y de bajar a una nueva
lnea con la tecla Enter.
Ing. Enrique Avendao Delgado
No ingrese las condiciones de no negatividad. Por defecto, LINDO
ya considera la no negatividad de las variables.

LINDO acepta cinco operadores: + , - , <= , >= , =. No podr usarse
ningn otro operador ( * , / , ^ , etc.)

LINDO interpreta las desigualdades del tipo <= y >= como
desigualdades estrictas (del tipo < y >)

Para finalizar la formulacin del problema usar el comando END.
Consideraciones
30/08/2014
29
Ing. Enrique Avendao Delgado
Para separar los dgitos decimales de un numero use el
punto, por ejemplo en LINDO no se escribe 3,5 sino 3.5

Para agregar comentarios anteponer el signo de admiracin !
(documentar)

El nombre de la variable debe comenzar con una letra y puede
contener hasta 8 caracteres alfanumricos.




Consideraciones
Ing. Enrique Avendao Delgado
Ejercicios
Hallar la solucin a los modelos planteados en la clase 1 e
interprete:

Valor de funcin objetivo
Valor (VALUE) de cada variable del modelo.
Holgura o Exceso (Slack-Surplus)
30/08/2014
30
Ing. Enrique Avendao Delgado
ANEXO
Ing. Enrique Avendao Delgado
Valores de Status:
Infeasible: el modelo es incompatible (no tiene
solucin vlida). (NO FEASIBLE SOLUTION).
Unbounded: el modelo es un poliedro abierto (el
funcional no est restringido). (UNBOUNDED
SOLUTION ).
Optimal: se lleg a una solucin ptima. Se presenta
la posibilidad de realizar un anlisis de sensibilidad
del rango de variacin de los coeficientes de la funcin
objetivo y los trminos independientes de las
restricciones.






30/08/2014
31
Ing. Enrique Avendao Delgado
Copiar modelo y resultado a Ms Word.
Utilice la opcin "Cut" y "Paste" en el men "Edit"
para colocar el texto en su documento de Ms Word.

Puede usted tambin acceder a los comandos
"Cut", "Paste" y "New" seleccionando los botones
correspondientes en la barra de herramientas.

Ing. Enrique Avendao Delgado
Pginas de Lindo:
http://www.lindo.com/lindo/licldof.html
http://www.lindo.com/downloads/lnd61.exe
30/08/2014
32