Está en la página 1de 13

INVESTIGACIN DE OPERACIONES

I. QU ES LA INVESTIGACIN DE
OPERACIONES?
I. a.

Origen de la investigacin de operaciones

I. b.

Modelo

I. c.

Optimizacin

II. PROGRAMACIN LINEAL


II. a. Concepto de programacin lineal
II. b. Planteamiento de problemas en trminos de
programacin lineal
II. c. Estructura general de un modelo de
programacin lineal
II. d. Mtodo grfico
II. e. Teora del mtodo simplex
Por lo visto anteriormente, para encontrar la solucin ptima de un modelo lineal se deba analizar
todos los puntos posibles extremos, lo cual puede ser una tarea laboriosa. George Dantzig elabor
un mtodo a finales de los 40s que permite resolver un problema lineal sin necesidad de analizar
de manera explcita el valor de la funcin objetivo en cada punto extremo. Esta herramienta se le
conoce como mtodo simplex.
Considerando el modelo lineal en la forma conocida, el cual despus de aadir variables de holgura
puede llevarse a la forma estndar, deben ponerse tantas variables de holgura S n como restricciones
existan en cada problema, y se asigna cada una en cada restriccin.
Max Z = Cxi + Cxj
Sujeto a: xi + xj b1
xi + xj b2
xi, xj 0

Max Z = - Cxi - Cxj


Sujeto a: xi + xj - s1 b1
xi + xj + s2 b2
xi, xj, s1, s2 0

Problema 1
Suponga que usted produce galletas y que gana $6.00 por cada galleta cuadrada y $5.00 por cada
galleta redonda. El modelo del problema se presenta a continuacin:
X1 = cantidad por pieza de galleta cuadrada
X2 = cantidad por pieza de galleta redonda
Max Z =
Sujeto a:

6x1 + 5x2
x1 + x2 9
x1 x2 1

Para resolver este problema en primer lugar debemos convertir la funcin objetivo a la forma
estndar. La funcin objetivo Max Z = 6x1 + 5x2 deber cambiar de signo; es decir, si son valores
negativos la funcin tomar valores positivos y viceversa.
Max Z =

- 6x1 - 5x2

Continuemos ahora con las restricciones. La primera restriccin x1 + x2 9 deber convertirse a


la forma estndar, el valor de x1 y x2 no cambia pero tenemos que quitar la desigualdad agregando
una variable de holgura s1, tarea que hay que repetir en cada restriccin; si la desigualdad es la
variable de holgura toma un signo positivo, y si la desigualdad es la variable de holgura es
negativa. Por lo que las restricciones quedan de la siguiente manera:
Sujeto a:

x1 + x2 + s1 = 9
x1 x2 s2 = 1

Max Z =
Sujeto a:

6x1 + 5x2
x1 + x2 9
x1 x2 1

Max Z =
Sujeto a:

- 6x1 - 5x2
x1 + x2 +s1 = 9
x1 x2 + s2 = 1

el siguiente paso es introducir los valores del modelo a la tabla simplex:

s1
s2
Z

x1

x2

s1

s2

Solucin

-1

-1

-6

-5

Ya con los valores en la tabla se debe resolver el problema con los siguientes pasos:
Paso 1. Elegir el valor de Z ms negativo.- el valor que se elija indicar la columna que nombrar
columna pivote o columna de entrada.

s1
s2
Z

x1

x2

s1

s2

Solucin

-1

-1

-6

-5

En la tabla anterior puede observarse que x1 es la variable de entrada.


Paso 2. Determinar la variable de salida mediante la divisin de la columna solucin entre la
columna de entrada. Solo se aplica a las restricciones.

s1
s2
Z

x1

x2

s1

s2

Solucin

9/1=9

-1

-1

1/1=1

-6

-5

Se elige el valor positivo ms pequeo sin tomar en cuenta negativos o ceros. En este caso la
variable s2 sale y entra la variable x1.
Paso 3. A la interseccin entre la columna de entrada y el rengln de salida se le llama pivote.

Paso 4. Es muy importante que el pivote tome el valor de 1, si ste no tiene dicho valor,
convirtalo a 1 dividiendo todo el rengln entre el valor del pivote.
En este caso el pivote ya es uno, por lo tanto el rengln queda igual.
Paso 5. Hacer ceros los dems valores de la columna de entrada o pivote y cambiar el nombre de
la restriccin s2 a x1

s1
X1
Z

x1

x2

s1

s2

Solucin

-1

-1

-6

-5

En primer trmino, se tiene que multiplicar el rengln x1 por el inverso del valor que se har cero
y sumrselo al rengln que desea convertirse, es decir, si queremos hacer cero al 1, multiplicamos
al rengln x1 por -1 y el resultado se lo sumamos a s2.

s1
s2
Z

x1

x2

s1

s2

Solucin

-1

-1

-11

-6

Paso 6. Si en el rengln de Z an existen valores negativos, regrese al paso 1 hasta que el rengln Z
no tenga valores negativos.

x2
x1
Z

x1

x2

s1

s2

Solucin

0.5

0.5

-1

-1

-11

-6

x2
x1
Z

s2
x1
Z

s2
x1
Z

x1

x2

s1

s2

Solucin

0.5

0.5

0.5

-0.5

5.5

-0.5

50

x1

x2

s1

s2

Solucin

0.5

-0.5

5.5

-0.5

50

x1

x2

s1

s2

Solucin

50

Problema 2
Max Z =
Sujeto a:

5x1 + 2x2
6x1 + 10x2 30
10x1 + 4x2 20
x1, x2 0

s1
s2
Z

Max Z =
Sujeto a:

- 5x1 - 2x2
6x1 + 10x2 + s1 = 30
10x1 + 4x2 + s2 = 20
x1, x2, s1, s2 0

x1

x2

s1

s2

Solucin

10

30

10

20

-5

-2

s1
x1
Z

s1
x1
Z

x1

x2

s1

s2

Solucin

10

30

0.4

0.1

-5

-2

x1

x2

s1

s2

Solucin

7.6

-0.6

18

0.4

0.1

0.5

10

Problema 3
Max Z =
Sujeto a:

5x1 + 2x2
6x1 + 10x2 30
10x1 + 4x2 20
x1, x2 0

Max Z =
Sujeto a:

s1
s2
Z

x1
s2
Z

- 5x1 - 2x2
6x1 + 10x2 + s1 = 30
10x1 + 4x2 + s2 = 20
x1, x2, s1, s2 0

x1

x2

s1

s2

Solucin

12

-3

-1

x1

x2

s1

s2

Solucin

0.5

0.5

-1

0.5

1.5

12

II. f.

Dualidad

El trmino dualidad seala la existencia de dos fenmenos o caracteres diferentes en un mismo


estado. Por ejemplo el bien y el mal. Dentro de la investigacin de operaciones, el concepto de
dualidad desempea un papel importante tanto en la teora como en la prctica. Todo modelo de
programacin lineal est asociado a otro modelo llamado dual.
Entre otras cosas las estructuras duales permiten:
Resolver problemas lineales que tienen ms restricciones que actividades.
Hacer interpretaciones econmicas de las soluciones ptimas de los problemas de
programacin lineal.
Concebir nuevos algoritmos para solucionar problemas de redes de optimizacin.
Generar mtodos como el dual simples para realizar el anlisis de sensibilidad de los
programas de programacin lineal.
Para poder entender el concepto de dualidad debemos referirnos al tema de matriz transpuesta.
Podemos decir que la matriz transpuesta es aquella en donde las columnas se transforman en filas y
viceversa.
Ejemplo

1
2

a b
c
15 20 25
10 30 40

a
b
c

1
15
20
25

2
10
30
40

Cuestiones importantes que se deben tomar en cuenta:


1. Si el primal es un problema de maximizacin, su dual ser un problema de minimizacin o
viceversa.

2. Los coeficientes de la funcin objetivo del problema primal se convierten en los coeficientes
del vector de disponibilidad del problema dual.
3. Los coeficientes del vector de disponibilidad del problema original se convierten en los
coeficientes de la funcin objetivo del problema dual.
4. Los coeficientes de las restricciones del problema primal sern la matriz de coeficientes del
dual.
5. Los signos de desigualdad del problema dual son contrarios a los del primal.
6. Si el primal tiene m restricciones y n variables, el dual tendr n restricciones y m variables.
Problema 1
Min Z =
Sujeto a:

15x1 + 12x2
x1 + 2x2 3
2x1 - 4x2 5
x1, x2 0

Max Z =
Sujeto a:

3y1 + 5y2
1y1 + 2y2 15
2y1 - 4y2 12
y1, y2 0

Min Z =
Sujeto a:

x1 + 3x2 + 2x3
3x1 x2 + 2x3 7
2x1 - 4x2
12
-2x1 + 3/2x2 + 4x3 5
x1, x2, x3 0

Max Z =
Sujeto a:

7y1 + 12y2 + 5y3


3y1 + 2y2 - 2y3 1
- y1 - 4y2 + 3/2y3 3
2y1
+ 4y3 2
x1, x2, x3 0

Ejemplo 1.
Una compaa cultiva brcoli y coliflor de 500 acres de terreno. Un acre de brcoli produce
$500 de contribucin a las utilidades y un acre de coliflor $1,000. Debido a reglamentos
gubernamentales, no pueden cultivarse ms de 200 acres de brcoli. Durante la temporada de
plantacin habr disponibles 1,200 horas-hombre de tiempo de plantadores. Cada acre de brcoli
requiere 2.5 horas-hombre y cada acre de coliflor 5.5. Determine cuntos acres de brcoli y
cuntos de coliflor deben plantarse para maximizar la contribucin a las utilidades.
Ejemplo 2.
La AHM Corporation tiene una pequea planta en la que fabrica dos productos. Con propsitos de
planteamiento identificaremos a los productos como x1 y x2. Las contribuciones a las utilidades
son $10 y $12 respectivamente. Los productos pasan a travs de tres departamentos de
produccin en la planta. El tiempo requerido para fabricar cada producto y el tiempo requerido
disponible se muestran en la siguiente tabla:
Horas hombre

Horas hombre

Horas hombre

requeridas para x1

requeridas para x1

disponibles

2.0

3.0

1500

3.0

2.0

1500

1.0

1.0

600

Departamento

Los administradores de la AHM desean determinar la mezcla de produccin de los productos x1 y


x2 que maximice las utilidades.

Ejemplo 3.
Maximizar
Z=300x1 + 410 x2
Sujeto a
50x1 + 120x2 <6000
110x1 + 60x2 < 6600
60 x1 + 70 x2 < 4200
X1, x2 >0

Ejemplo 4.
Minimizar
Z=90x1 + 110x2
Sujeto a
50x1 + 120x2 > 6000
130 x1 + 40x2 > 5200
80x1 + 80 x2 > 6400

1 MTODO DE TRANSPORTE
1.1 Introduccin
Conocido tambin como mtodo de distribucin, de asignacin y de transbordo debido a su
aplicacin en diferentes tipos de problemas.
Es un caso particular de la programacin lineal que se resuelve por una metodologa diferente ms
sencilla que el simplex.
Consiste en asignar o distribuir diferentes cantidades de objetos desde los orgenes hacia algunos
destinos buscndolo hacer de manera ptima, con costo mnimo o utilidad mxima.

1.2 Planteamiento del problema


Para el planteamiento se tomar como ejemplo el caso de abastecer mercanca desde cuatro
diferentes centros de suministro A, B, C y D hacia cuatro centros de consumo W, X, Y y Z
buscando hacerlo a un costo total mnimo.
En la siguiente tabla se presenta las diferentes ofertas de los centros de suministro, aspi como las
demandas de los centros de consumo.
Centro de
Suministro
A
B
C
D
TOTAL

Capacidad de
produccin
PA
PB
PC
PD
P

Centro de consumo

Demanda

W
X
Y
Z
TOTAL

DW
DX
DY
DZ
D

Se considerar que la oferta total P debe ser igual a la demanda total D.

1.3 Mtodos de inicializacin


1.4 Caso base
1.4.1 Mtodo de la esquina noroeste
1.4.2 Mtodo del costo menor
1.4.3 Mtodo mutuamente preferido
1.4.4 Mtodo de Vogel

Centro de Ventas

Centro de Ventas

Centro de Ventas

24

18

21

7500

23

20

19

6500

6000

4500

3500

14000

Centro de
Produccin 1
Centro de
Produccin 2
Demanda

Oferta

Oferta

25

18

21

23

510

19

23

22

26

475

22

25

26

17

390

24

21

20

22

225

Demanda

600

500

300

200

1600