U

N
E
X
P
O

Universidad Nacional Experimental

Antonio Jos de Sucre
Vicerrectorado Puerto Ordaz
Departamento de Ingeniera Industrial
Investigacin de Operaciones I

Prof.:
Jairo Pico

Alumnos:
Aguilarte Yulan
Dehomar Flores
Eliannys Maurera
Gabriela Milln

CIUDAD GUAYANA, JULIO DEL 2012.

INTRODUCCION

La forma del modelo de programacin lineal sigue siendo la misma en

programacin por meta, es decir, tambin se tiene una funcin objetivo que optimizar
sujeta a una o ms restricciones. Sin embargo, dentro de este marco de referencia se
agregarn dos conceptos nuevos. El primero es el de las restricciones de meta en lugar
de las restricciones de recurso que se han analizado. El segundo concepto es el de rango
de prioridad entre las funciones de objetivo. Una vez que se establece un problema en el
formato del modelo general de programacin lineal, para obtener la solucin puede
aplicarse el MTODO SIMPLEX modificado solo para tomar en cuenta las prioridades.
La Investigacin de Operaciones aspira determinar la mejor solucin (optima) para un
problema de decisin con la restriccin de recursos limitados. En la Investigacin de
Operaciones utilizaremos herramientas que nos permiten tomar una decisin a la hora
de resolver un problema tal es el caso de los modelos e Investigacin de Operaciones
que se emplean segn sea la necesidad.
Los modelos de programacin lineal se basan en la optimizacin de una sola funcin
objetivo. Hay casos en donde lo ms adecuado es tener varios objetivos (posiblemente
opuestos).
Veremos la tcnica de programacin de metas, para resolver modelos con varios
objetivos. La idea principal es convertir los diversos objetivos originales en una sola
meta. El modelo resultante produce lo que se suele llamar solucin eficiente, porque
podr no ser ptima con respecto a todos los objetivos.
Tambin veremos programacin entera, se han creado varios algoritmos y ninguno de
ellos totalmente confiable desde el punto de vista del clculo; sobre todo cuando el
nmero de entero se incrementa. Un medio viable para resolver es hacerlo como un
problema lineal continuo y luego redondear la solucin optima a los valores enteros
factibles ms cercanos.

PROGRAMACIN DE METAS.
La formulacin de un modelo de Programacin de Metas es similar al modelo de
Programacin Lineal. El Primer paso es definir las variables de decisin, despus se
deben de especificar todas las metas gerenciales en orden de prioridad. As, una
caracterstica de la Programacin de Metas es que proporciona solucin para los
problemas de decisin que tengan metas mltiples, conflictivas e inconmensurables
arregladas de acuerdo a la estructura prioritaria de la administracin.
La Programacin de Metas es capaz de manejar problemas de decisin con una sola
meta o con metas mltiples. En tales circunstancias, las metas establecidas por el
tomador de decisiones son logradas nicamente con el sacrificio de otras metas.
La programacin por metas es un enfoque para tratar problemas de decisin gerencial
que comprenden metas mltiples o inconmensurables, de acuerdo a la importancia que
se le asigne a estas metas. El tomador de decisiones debe ser capaz de establecer al
menos una importancia ordinal, para clasificar estas metas. Una ventaja importante de la
programacin meta es su flexibilidad en el sentido de que permite al tomador de
decisiones, experimentar con una multitud de variaciones de las restricciones y de
prioridades de las metas cuando se involucra con un problema de decisin de objetivos
mltiples.
Las caractersticas que distinguen la programacin de metas es que las metas se
satisfacen en una secuencia ordinal. Esto es, las metas que deben clasificarse en orden
de prioridad por el tomador de decisiones son satisfechas secuencialmente por el
algoritmo de solucin. Las metas con prioridad baja se consideran solamente despus de
que las metas de prioridad alta se han cumplido. La Programacin meta es un proceso
de satisfaccin, en el sentido de que el tomador de decisiones tratar de alcanzar un
nivel satisfactorio en vez del mejor resultado posible para un solo objetivo.
En la programacin de Metas, en vez de intentar minimizar o maximizar la Funcin
Objetivo directamente, como en la programacin lineal, se minimizan las desviaciones
entre las metas y los lmites logrables dictados por el conjunto dado de restricciones en
los recursos. Estas variables de desviacin, que se denominan de "holgura" o
"sobrantes" en programacin lineal toman un nuevo significado en la Programacin de
Metas.

METAS Y VARIABLES DE DESVIACION

Forma inicial de la meta
Forma de la meta
transformada

Fi(x) ti

fi(x) ni pi = ti

Variable de desviacin no
deseada (a minimizar)

ni

Fi(x) ti

fi(x) ni pi = ti

pi

Fi(x)=ti

fi(x) ni pi = ti

ni pi

FORMULACION DE LA FUNCION OBJETIVO

La funcin objetivo para un problema de programacin por meta siempre es
minimizar alguna combinacin de variables de desviacin. Desde un punto de vista de
toma de decisiones administrativa, esto significa que se est buscando la combinacin
de variables reales por ejemplo (mesas y sillas) que cumplan mejor con todos los
objetivos. Esto podra llamarse optimizar un conjunto de objetivos "satisfactorios" o
satisfacer.
La forma exacta de la funcin objetivo vara segn la respuesta a estas dos preguntas:
Son conmensurables o proporcionales los objetivos?
Cul es la importancia relativa de cada objetivo?
Objetivos conmensurables de igual importancia: este es el caso ms sencillo, aunque
muy pocas veces se encuentra en la prctica. Aqu los objetivos se miden en una escala
comn (conmensurables y tienen la misma importancia.
Ponderacin preferente de los objetivos: las ponderaciones de preferencia pueden
aplicarse a cualquier grupo de objetivos conmensurables. Las ponderaciones deben
reflejar la utilidad o el valor de los objetivos.
Rango de prioridad de los objetivos: qu pasa cuando los objetivos no son
conmensurables, cuando no hay una escala comn para comparar las desviaciones de
los diferentes objetivos? Este es un caso importante, al que se enfrentan con frecuencia
los administradores. Si el administrador puede ordenar o dar un rango para sus metas
entonces la solucin es posible.
Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su importancia
pero es algo que la mayora de las personas entienden y pueden lograr. En la
programacin por objetivos se le asigna la prioridad P1al objetivo ms importante,
siguiendo P2 a una prioridad ms baja. No existe lmite en el nmero de niveles de
prioridad pero debe asignarse una prioridad para cada variable de desviacin. Se
permiten empates o prioridades iguales.

Los problemas de programacin por meta se resuelven en orden de prioridad. Es decir,

se prueba la optimizacin en el nivel de prioridad ms alto ignorando las prioridades
ms bajas hasta optimizar este nivel.

FORMULACIN DEL MODELO.

Restricciones de meta
-Por cada meta

FORMULACION
Componentes en la F.O.
(minimizar
suma
de
desviaciones con respecto a
las metas)

-Restricciones Estructurales (no tienen que ver con

las metas)

Las suposiciones bsicas que caracterizan el modelo de programacin lineal se aplican

igualmente al modelo de programacin meta. La diferencia principal en la estructura es
que la programacin meta no intenta minimizar o maximizar la funcin objetivo como
lo hace el modelo de programacin lineal. En vez de ello, busca minimizar las
desviaciones entre las metas deseadas y los resultados reales de acuerdo a las
prioridades asignadas. El objetivo de un modelo de programacin meta es expresado en
trminos de las desviaciones de las metas a que se apunta. Esto es las desviaciones de
las metas se colocan en la funcin objetivo y deben minimizarse. El modelo general de
la programacin meta puede expresarse matemticamente de la siguiente manera:

m
min Z = wi(di+ + di-)
i=1
S.a.
n
aijxj+di- - di+ = bi

para toda i

j=1
xj,di-,di+ 0

para toda j

Donde:
w = Ponderacin de las desviaciones con respecto a la meta.
di- = Desviacin dficit
di+ = Desviacin excedente
EJEMPLO: SATISFACCIN DE UNA SOLA META.
Una divisin de Schwim Manufacturing Company produce dos tipos de bicicletas: (1)
una bicicleta de 3 velocidades y (2) una de 10 velocidades. La divisin obtiene una
utilidad de $25 en la bicicleta de 10 velocidades y $15 en la bicicleta de 3 velocidades.
Debido a la fuerte demanda de estos artculos, durante el perodo de planeacin de
verano la divisin cree que puede vender, a los precios que prevalezcan, todas las
unidades de estas dos bicicletas que produzca. Las instalaciones de produccin se
consideran recursos escasos. Estos recursos escasos corresponden al departamento de
ensamblado y terminado. Los tiempos unitarios de procesamiento y las capacidades de
cada uno de los departamentos se muestran en la tabla siguiente:

Hrs. requeridas para procesar cada bicicleta

Tipo de bicicleta

En el Depto.
ensamble

3 velocidades

15

10 velocidades

25

Hrs. disponibles en 60
cada depto.

de En el depto.
terminacin

de Contribucin a
utilidad unitaria

40

La divisin durante este perodo de planeacin se enfrenta a cambios grandes de

organizacin y cree que el maximizar la utilidad no es un objetivo realista. Sin embargo,
deseara lograr un nivel satisfactorio de utilidad durante este perodo de dificultad. La

la

direccin cree que la utilidad diaria de $600 debera satisfacerse y desea determinar,
dadas las restricciones del tiempo de produccin, la mezcla de producto, que debera
llevar a esta tasa de contribucin a utilidades.
Formula un modelo de programacin meta que satisfaga estos requerimientos
Definicin de variables:
x1 = Nmero de bicicletas de 3 velocidades producidas por da
x2 = Nmero de bicicletas de 10 velocidades producidas por da
d1- = Cantidad por debajo de la utilidad perseguida
d1+ = cantidad por encima de la utilidad perseguida
Minimizar Z = d1- + d1+
S.a.
x1 +3x2 60 (horas de ensamble).
Restricciones
estructurales
x1 + x2 40 ( (horas de terminacin)

15x1 +25x2 +d1- - d1+ = 600 (Utilidad perseguida) Restriccin

meta
X1, x2, d1-, d1+ 0
Nota: Puesto que tanto d1-, d1+ aparecen en la funcin objetivo y a ambas se les asigna
pesos iguales, esto indica que la administracin desea lograr la utilidad meta
exactamente.

PROGRAMACION ENTERA.
Programacin entera es programacin lineal con la restriccin adicional de que los
valores de las variables de decisin sean enteros. Programacin Entera es un trmino
general para los modelos de programacin matemtica que presentan condiciones de
integridad (condiciones que estipulan que algunas o todas las variables de decisin
deben tener valores enteros). Los modelos de programacin lineal entera son modelos
de programacin lineal que tienen la caracterstica adicional de que algunas de las
variables de decisin deben tener valores enteros. Existen diversas clasificaciones de
esta categora de modelos.

P.E pura: Todas las variables de decisin tienen valores enteros.

P.E mixta (PEM): Algunas de las variables de decisin tienen valores enteros.
Las dems cumplen con la suposicin de divisibilidad.

P.E. binaria (PEB) : Utiliza variables binarias

Slo tiene 2 alternativas posibles

1

si la decisin j es si.

si la decisin j es no.

Xj=

Las Xj son variables de decisin restringidas a tomar valores 0,1.

Ejemplo de formulacin.
La CALIFORNIA MANUFACTURING CO. , Est analizando la posibilidad de
expansin.
Fbrica: Construccin de una fbrica en Los Angeles o en San Francisco, o tal vez en
ambas ciudades
Almacn: Construccin de un almacn a lo sumo, pero la decisin est restringida a que
si hay almacn en ese sitio tiene que haber fbrica.
# DE
DECISION
1

VARIABLE
DE
DECISION

VNP
BENEFICIO

CAPITAL
REQUERIDO

Los

X1

$9 mill

$6 mill

San

X2

$5 mill

$3 mill

Los

X3

$6 mill

$5mill

San

X4

$4 mill

$2mil

PREGUNTA SI
O NO
Construir
fbrica en
Angeles?
Construir
fbrica en
Francisco?
Construir
almacn en
Angeles?
Construir
almacn en
Francisco?

Capital disponible : $10 mill

Formulemos entonces el problema:

1. Variables de decisin
La variable de decisin Xj es tal que:
1 se construye.
Xj=
1

no se construye.
j= 1, 2, 3,4.

2. Funcin objetivo.
Max Z = 9 X1+ 5 X2 + 6 X3+ 4 X4
Como las variables de decisin son a dimensionales, Z tiene unidades de [$ millones]
3. Restricciones.
X3 + X4 1 Alternativas mutuamente excluyente
X3 X1
Se construye la fbrica solo si se construye el almacn
X4 X2
6X1 + 3X2 + 5X3 + 2X4 10 Capital disponible
Xj [0,1] para j= 1, 2, 3,4.
El problema completo ser:
Max Z = 9 X1 + 5 X2 + 6 X3 + 4 X4
S.A

X3 + X4 1
-X1
-X2

+ X3

0
+ X4 0

6X1+ 3X2 +5X3+2X4 10

Xj [0,1] para j= 1, 2, 3,4.
Es ocasiones es necesario utilizar variables para expresar relaciones combinatorias
dentro de la formulacin de los problemas.
Para esto, adems de las variables originales Xj, se hace necesario el uso de variables
auxiliares yi del tipo binario, introducidas en la reformulacin.

TIPOS ESPECIALES DE MODELOS DE PROGRAMACION ENTERA

En estos apartados se presentan algunos problemas clsicos de Programacin Entera. La

importancia de estos problemas radica en el hecho de que los problemas complejos se
suelen poder reducir a combinaciones de stos.

El problema de la mochila: Un problema de PE con una nica restriccin se

denomina Problema de Mochila. El problema de la mochila se da pocas veces
de modo independiente (seleccin de proyectos o decisin de inversin). El
problema de la mochila es, comparativamente, fcil de resolver. El mejor modo
de resolverlo es programacin dinmica, y no ramificacin y corte que explora
de manera demasiado amplia.
Problemas de cubrimiento: Estos problemas derivan de un tipo de problema
abstracto que puede ser enunciado del siguiente modo: Dado un conjunto S de
objetos que podemos numerar S=(1,2,...,m) y dada una clase T de subconjuntos
de S, teniendo cada clase un coste el problema es cubrir todos los miembros de
S utilizando miembros de T. Sea S=(1,2,3,4,5,6) sea T=((1,2),(1,3,4),(5,6),
(4,6),(3,4,5)). Se producira cubrimiento con ((1,2),(1,3,4),(5,6)) o con ((1,2),
(5,6),(3,4,5)). Este problema de cubrimiento tiene 3 propiedades bsicas.
Propiedad 1: El problema es de minimizacin y las restricciones son 1.
Propiedad 2: Todos los coeficientes RHS son 1. Propiedad 3: Todos los dems
coeficientes de la matriz son 0 o 1. Si se relaja la propiedad 2 (se obliga a que
algunos elementos de S sean cubiertos en un mayor nmero de ocasiones) se
tiene un tipo de problema de cubrimiento ponderado. Y si adems se permite que
los dems coeficientes de la matriz puedan valer 0 y 1 (propiedad 3) tenemos lo
que se denomina un problema de cubrimiento generalizado.
Problemas de empaquetado: Otro tipo clsico de problemas son los de
empaquetado, que se pueden enunciar as: Dado un conjunto S de objetos que
podemos enumerar S= (1,2,..., m) y dada una clase T de subconjuntos de S,
teniendo cada subconjunto un valor asociado, se trata de relacionar miembros de
T que maximicen el valor pero que no se superpongan. Con el conjunto S y la
clase T del ejemplo anterior el problema queda (incorporando un valor vi 1 a
cada miembro de T). Las mismas generalizaciones de los problemas de
cubrimiento se pueden aplicar en los problemas de empaquetado dando lugar al
problema de empaquetado ponderado y al problema de empaquetado
generalizado.
El Problema del viajante de comercio: ste problema es un problema muy
habitual y de simple formulacin aunque de resolucin muy complicada en
circunstancias reales. El problema consiste en establecer un circuito que recorra
todos los destinos pasando una solo vez por cada uno de ellos. Existen muchas
situaciones reales asociadas a este problema de rutas, con diferentes variantes, e
incluso se da en otras situaciones como por ejemplo en la reduccin de costes de
cambio de partida. En cualquier caso hay que destacar el elevadsimo coste
computacional de la resolucin de este problema mediante PEM, cuando las
dimensiones no son pequeas por ello lo habitual es plantear mecanismos de
resolucin especiales.
El problema de asignacin cuadrtica: Esta es una generalizacin del problema
de asignacin descrita en un captulo anterior. Aunque el problema de asignacin
es un problema de Programacin Lineal fcil de resolver, el problema de
asignacin cuadrtica es un problema de PE y generalmente muy difcil de
resolver. El problema consiste en: Dado un conjunto S con n elementos y un
conjunto T con el mismo nmero de elementos, el problema consiste en asignar

exactamente un elemento de S a T y viceversa. Este problema se puede abordar

como un problema de PE clsico con n4 variables binarias. Tambin existen
procedimientos especficos de resolucin.

CONCLUSION

Mucha gente sita el desarrollo de la programacin lineal entre los avances

cientficos ms importantes de la mitad del siglo XX, y debemos estar de acuerdo con
esta afirmacin si tenemos en cuenta que su impacto desde 1950 ha sido extraordinario.
Se han escrito decenas de libros de texto sobre la materia y los artculos publicados que
describen aplicaciones importantes se cuentan ahora por cientos. De hecho, una
proporcin importante de todo el clculo cientfico que se lleva a cabo
en computadoras se dedica al uso de la programacin lineal y a tcnicas ntimamente
relacionadas. (Esta proporcin se estim en un 25%, en un estudio de la IBM).
Un modelo de programacin lineal proporciona un mtodo eficiente para determinar
una decisin ptima, (o una estrategia ptima o un plan ptimo) escogida de un gran
nmero de decisiones posibles. En todos los problemas de Programacin, el objetivo es
la maximizacin o minimizacin de alguna cantidad.
La programacin lineal entera se ocupa bsicamente de programas lineales en los que
algunas o todas las variables suponen valores enteros o discretos. Se dice que la PLE es
mixta o pura si alguna o todas las variables estn restringidas a tomar slo valores
enteros.
Aunque se han creado varios algoritmos para la programacin entera, ninguno de ellos
es totalmente confiable desde el punto de vista del clculo, sobre todo, cuando el
nmero de variables enteras se incrementa. La dificultad de clculo con los algoritmos
disponibles para la programacin entera ha conducido a los usuarios a buscar otros
medios para resolver el problema. Uno de tales medios es resolver el modelo como un
problema lineal continuo y luego redondear la solucin ptima a los valores enteros
factibles ms cercanos. Sin embargo, en este caso no hay garanta de que la solucin
redondeada satisfaga las restricciones. Esto es siempre cierto si la programacin entera
original
tiene
una
o
ms
restricciones
de
igualdad.

Segn la teora de programacin lineal, una solucin redondeada en este caso no puede
ser factible, ya que significa que la misma base (con todas las variables bsicas a nivel
cero) puede generar dos soluciones distintas. La infactibilidad creada por redondeo
puede tolerarse ya que, en general, los parmetros de los problemas no son exactos.
Pero existen restricciones de igualdad caractersticas en los problemas enteros donde los
parmetros son exactos.

BIBLIOGRAFIA

www.investigaciondeoperaciones.net/programacion_entera.htm
www.investigacion-operaciones.com/Curso_inv-Oper.../Clase17.pdf
www.slideshare.net/josekh89/programacin-lineal-entera