Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de:
INVESTIGACIN DE OPERACIONES I
EJEMPLOS: Dieta, inversin, transporte, mezcla, recorte, asignacin, reemplazo y ruta mas
corta.
Antecedentes
Algoritmo del punto interior
El concepto de gradiente
Manejo del algoritmo de Karmarkar.
Visin Misin
Ser un centro armnico de educacin superior, Mantener un espritu permanente de superacin y ser
postgrado y de investigacin tecnolgica de clase promotor del cambio social, formar profesionistas
mundial, que forme profesionales de excelencia, emprendedores con calidad, pertinencia y equidad,
altamente capacitados para responder al entorno comprometidos e integrados al desarrollo de Mxico;
global y que sean agentes de cambio comprometidos en articular en el servicio educativo tecnolgico, la docencia, la
fortalecer los valores de la sociedad. investigacin y el extensionismo; Fomentar la contribucin
responsable para satisfacer las necesidades de los sectores
productivo y de servicios, mediante la incorporacin de
procesos de alta tecnologa
LEMA:
Por una Juventud Integrada al Desarrollo de Mxico
MEMORIA
INVESTIGACIN DE OPERACIONES
Maestra:
Ing. Alejandra Arana Lugo.
Nombre:
Crdenas Buenrostro Maria de los ngeles
Cuantitativos y Cualitatatvos.
Probabilistico y Deterministico.
Descriptivos y de Automatizacin.
Estticos y Dinmicos.
Simulacin y no Simulacin.
En el proceso, la investigacin de operaciones ha hecho contribuciones
significativas al incremento de la productividad dentro de la economa de
varios pases. Hay ahora mas de 30 pases que son miembros de la
International Federation Operational Research Societies ( IFORS) , en la que
cada pas cuenta con una sociedad de Investigacin de Operaciones.
Aun cuando los modelos matemticos son la piedra angular de la mayor parte de
los estudios de la I.O. en la solucin de problemas de toma de decisiones hay
algo mas que la construccin y la solucin del modelo matemtico.
Los clculos de simulacin aunque por lo comn son simples son excesivos. Por
consiguiente es impensable ejecutar un modelo de simulacin sin utilizar la
computadora.
A. Estudio de la organizacin.
Los problemas tcticos tienen que ver con las actividades diarias de la
organizacin. Ejemplos: la programacin de produccin y el control de
inventarios, el balanceo de lneas de ensamble, en mantenimiento y reparacin
de las instalaciones, planes de inspeccin para el control e intervencin de
calidad y l numero de estaciones que atienden una cola.
1. Negocios.
2. Hospitales.
3. Industria.
4. Gobierno.
UNIDAD II : FORMULACION DE MODELOS
Maximizar
Optimizar
Minimizar
Max
Modelos
Funcin objetivo Recurso Matemticos
Min
Programacin
lineal.
(F. O.)
Restriccin
=
Variacin de Decisin
Es aquella informacin que nosotros andamos buscando
Ejenplo:
Materia prima madera
30X1---libros---uti1---C1
10X2---silla----uti2---C2
25X3escritorio---uti3C3
15X4---mesas------uti4---C4
150 ft mad.
F.O. Mx Z= UT1X1+UT2X2+UT3X3+UT4X4
Min Z=C1X1+C2X2+C3X3+C4X4
S. a.
30X1+10X2+25X3+15X4 150
Restriccin de No-Negatividad X1, X2, X3, X4 0
1.- La panadera Don Pedro produce dos tipos de pan: pan francs y pan
de masa fermentada. Se puede vender cada barra de pan francs a 36
centavos y cada pan fermentado a 30 centavos. Una barra de pan francs
requiere 1 paquete de levadura y 6 onzas de harina y un pan fermentado
requiere 1 paquete de levadura y 5 onzas de harina. Actualmente, la panadera
cuenta con 5 paquetes de levadura y 10 onzas de levadura. Se pueden comprar
paquetes adicionales de levadura a 3 centavos cada uno, y ms harina a 4
centavos/onza. Formule el problema como un modelo de programacin lineal que
se pueda utilizar para maximizar las ganancias de la panadera Don Pedro.
S. a.
X1 +X2 - X3 5
6X1 + 5X2 X4 10
X1, X2, X3, X4 0
S. a.
X1 + 3X2 20
0.5X1 + 0.25X2 4
X1 +X2 = 10
X1, X2 0
Min Z= 50X1+20X2+30X3+80X4
s. a.
400X1+200X2+150X3+5000X4 500
3X1+2X2 6
2X1+2X2+4X3+4X4 10
X1, X2, X3, X4 0
S. a.
1/60X1 + 1/40X2 1
1/50X1 + 1/50X2 1
X1, X2 0
5.- Hay tres fabricas a lo largo del Ro Tijuana (fabrica 1, 2, 3). Cada fabrica
descarga 2 tipos de contaminantes ( contaminante 1 y 2) en el ro. Se puede
reducir la contaminacin del ro si se procesan los desechos de cada fabrica. El
proceso de una tonelada de desechos de la fabrica 1, cuesta 15 dlares y cada
tonelada de desechos procesados de la fabrica 1 reducir la cantidad de
contaminante 1 en 0.10 toneladas y la cantidad de contaminante 2 en 0.45
tonelada. El proceso de una tonelada de desechos de la fabrica 2, cuesta 10
dlares y el procedimiento de una tonelada de desechos de la fabrica 2
reducir la cantidad de contaminante 1 en 0.20 toneladas y del contaminante 2
0.05 toneladas. El proceso de desechos de una tonelada de la fabrica 3 cuesta
10 dlares y cada tonelada de desechos de la fabrica 3 reducir la cantidad de
contaminante 1 en 0.40 tonelada y la cantidad de contaminante 2 en 0.30
tonelada. El estado quiere reducirla cantidad de contaminante 1 en el ro en por
lo menos 30 toneladas y del contaminante 2 en por lo menos 40 toneladas.
Formule un problema de programacin lineal para minimizar el costo de reducir
la contaminacin en las cantidades deseadas.
S. a.
X1, X2, X3 0
6.- el granjero Juan tiene que determinar cuantos acres de maz y trigo
hay que sembrar este ao. Un acre de trigo produce 25 sacos de trigo y
requiere 10 horas semanales de trabajo. Un acre de maz produce 10 sacos de
maz y requiere 4 horas semanales de trabajo. Se puede vender todo el trigo a
4 dlares el saco y todo el maz a 3 dlares el saco. Se dispone de 7 acres y de
40 horas semanales de trabajo. Disposiciones gubernamentales especifican una
produccin de maz de por lo menos 30 sacos durante el ao en curso. Sea X1 el
nmero de acres con maz y X2 el nmero de acres con trigo. Formule un de
programacin lineal, que maximize el ingreso total por la produccin de maz y
trigo para el granjero Juan.
Dispone de 7 acres
40 horas semanales de trabajo
produccin de maz: 30 sacos.
S. a.
X1 + X2 7
4X1 + 10X2 40
10X1 30
X1, X2 0
7.- una compaa tiene tres tipos de mquinas procesadoras, cada una de
diferente velocidad y exactitud, la de tipo 1 puede procesar n20 piezas/hora
con una precisin del 99%, la del tipo 2, 15 piezas/hora con una precisin del
95% y la del tipo 3, 10 piezas/hora con una precisin del 100%. El
funcionamiento del tipo 1 cuesta $2/hora de la de tipo 2, $1.75/hora y la de
tipo 3, $1.50/hora. Cada da de 8 horas deben procesarse por lo menos 3500
piezas y hay disponibles 8 mquinas del tipo 1; 10 mquinas del tipo 2 y 20 del
mquinas del tipo 3. Cada error le cuesta a la compaa $1.00. formule el
problema como un modelo de programacin lineal.
d
l
l
s
1
0
1 Maquina 3
0
0
%
$
1
.
5
0
2
0
1
5
10
Capacidad de produccin
Maquina 1 = 20*99 =19.8 pzas/hr.
Maquina 2 = 15*95 = 14.25 pzas/hr.
Maquina 3 = 10*1 = 10 pzas/hr.
Min Z = 2.2X1 + 2.5X2 + 1.50X3
S.a.
X1 8
X2 10
X3 20
19.8X1 + 14.25X2 + 10X3 3500/8
X1, X2, X3 0
8.- en dos mquinas se pueden procesar sucesivamente cuatro productos.
En la siguiente tabla se muestran las horas de manufactura para cada unidad
de producto en ambas mquinas. El costo total de produccin por unidad de
producto, esta basado sobre el tiempo de mquina.
Producto
Maquina 1 2 3 4
Hrs/unid
1 2 3 4 2
2 3 2 1 2
S. a.
Xij 0
i =1, 2
j =1, 2, 3, 4
9.- Un fabricante de muebles desea determinar cuantas literas, mesas,
camas o cocinas debe hacer para optimizar el uso de sus recursos disponibles.
Dichos productos utilizan dos tipos diferentes de madera: se dispone de 750
mts. De madera del primer tipo y 900 del segundo. Se dispone tambin de 800
Horas- Hombre, en total para hacer todo el trabajo.
M
e
s
a
s
C
a
m
a
s
C
o
c
i
n
a
s
Madera tipo 1 1.5 0.3 2.7 3.6
(mts)Literas
Madera tipo 2 (mts) 0.6 0.9 1.2 0.3
Horas-Hombre 3.0 2.0 5.0 10.0
5Utilidad
0
1
5
0
5
5
0
120
Literas 60
Mesas 95
Camas 55
Cocinas 60
Cantidades necesarias
Tipo 1: 2cm x 7 cm 20,000
Tipo 2: 2cm x 6 cm 16,000
Tipo 3: 2 cm x 5 cm 8,000
Min Z= 4X1+X4+3X4+X6+2X7
S. a.
X1+2X3+X620,000
X1+3X2+2X4+X716,000
X1+X4+3X5+2X4+2X78,000
Xi=0 i=1,...7
S. a.
Capacidad
X11+X12+X13+X14550
X21+X22+X23+X24310
X31+X32+X33+X34250
Demanda
X11+X21+X31250
X12+X22+X32300
X13+X23+X33200
X14+X24+X34360
Xij0; i=1, 2, 3 y
j= 1, 2, 3, 4
12.- Una planta fabrica 2 tipos de partes de automvil, compra piezas
fundidas que maquilan taladran y pulen. Las capacidades se muestran en la
tabla siguiente:
d
l
l
s
/
h
r
1
7
.
5
0
d
l
l
s
/
h
r
20 dlls/hr
Las piezas fundidas para la parte A $2 dlls c/u para la parte B $3 dlls y
se vende a 5 y 6 dlls respectivamente los costos de operacin de los tres
departamentos son 20 dlls, 14 dlls 17.50 dlls por hora. Suponiendo que se
puede vender cualquier cantidad A, B cual es la mezcla de productos y
maximiza.
Parte A
parte B
costo=20/40=0.5 Costo de operacin=1.6
14/35=0.4 dlls/pza
17.50/50=0.7
UTILIDAD =ingreso-costo
A=5-3.8=1.2
B=6-4.6=1.4
max Z=1.2X1+1.4X2
S. a.
1/25X1=hrs+1/40X21
1/28X2=hrs+1/35X21
1/35X1+1/25X21
X1, X2 0
13.-Mezclando dos liquidos A1 y A2, se desea fabricar un incecticida que
contenga por lo menos 50 unidades de S1, 25 S2, 20 de S3 por cada 100 litros,
donde S1, S2, S3 son sustancias necesarias para la efectividad del producto.
Cada unidad de A1 contiene una unidad de S1, 0.4 de S2 y 0.8 de S3, mientras
que cada unidad de A2 contiene 0.5 unidades de S1, 0.4 de S2 y 0 de S3. Si A1
cuesta 18 dlares por litro y A2 10 dlls/litro formular el problema como
programacin lineal que nos ayude a determinar las cantidades de A1 y A2 que
proporcione el insecticida a costo mnimo.
S1 S2 S3 Costo
0 A1
.
4
0
.
8
1
8
d
l
l
s
/
l
i
t
r
o
0 A2
.
4
0
1
0
d
l
l
s
/
l
i
t
r
o
1
u
n
i
d
.
Contenido
2
5
/
1
0
0
l
i
t
r
o
s
2
0
/
1
0
0
l
i
t
r
o
s
0
.
5
u
n
i
d
.
50/100litros
Min Z= 18X1+10X2
S. a.
X1+0.5X250/100
0.4X1+0.4X225/100
0.8X120/100
X1,X2 0
14.-En una determinada empresa uno de los productos finales que se
fabrican tienen una especificacin de peso igual 150 gr. las dos materias primas
que se utilizan A tiene costo de 20 pesos/unidad y B 80 pesos/unidad se debe
usar por lo menos 14 unidades de B y no ms de 20 unidades de A cada unidad
de A pesa 5 gr. y cada unidad de B 10 gr. Cuanto se debe usar por cada tipo de
material por unidad si se desea minimizar el costo.
Min Z= 20X1+80X2
S. a.
X120
X2 14
5X1+10X2=150
X1, X2 0
15.- Un industrial desea determinar el programa optimo para 3 mezclas
distintas que se hacen con diferentes proporciones de cemento, arena y grava.
Las especificaciones de c/u de ellas son: la mezcla uno debe tener 50 % de
cemento como mnimo y 25 % de arena cuando ms; el kilogramo de esta mezcla
se vende a 5 dlls y de grava, el segundo tipo debe contener el 25 % de cemento
por lo menos y un 50 % de arena por lo ms, y por lo ms 25 % de grava y se
vende a 2.50 el kilogramo. Sin embargo estn restringidas las cantidades de
materia prima que puede conseguir el industrial las mximas cantidades por
pedidos son: 100,000 kg. De cemento, 100,000 kg. De arena 60,000 kg. De
grava cada kilogramo de cemento le cuesta 1.65, un kilogramo arena 1.25 y 1.35
kg. De grava. Determine cuantos kilogramos de cada mezcla se deben preparar
de manera que se obtengan las utilidades mximas.
2 25% 50 3.50dlls
3
1 Disponibilidad
0
0
,
0
0
0
6
0
,
0
0
0
1 Costo/kg
2
5
1
.
3
5
1
0
0
,
0
0
0
k
g
1.65
Max Z = 5[1.65(X11)+1.25(X21)+1.35(X31)]+3.50[-
1.65(X12)+1.25(X22)+1.35(X32)]+2.50-[1.65(X13)+1.25(X23)+1.35(X33)]
S. a.
X1150
X2125
X11+X21+X31=1
X1225
X220.50
X12+X22+X32=1
X13+X23+X33=1
X11+X12+X13100,000
X21+X22+X23100,000
X31+X32+X3360,000
METODO GRAFICO
Ejemplo:
750
500
250
0 X1
-1 250 500 750
De 1
X1 = 0; X2 = 500 (0,500) 2*1 + 3*1 1500
X2 = 0; X1 = 750 (750,0) 5 1500
De 2
X1 = 0; X2 = 750 (0,750) 3*1 + 2*1 1500
X2 = 0; X1 = 500 (500,0) 5 1500
De 3
X1 = 0; X2 = 600 (0,600) 1*1 + 1*1 600
X2 = 0; X1 = 600 (600,0) 2 600
De 2 y 3 X1 + X2 = 600
2X1 + 3X2 1500 X1 + 300 = 600
(-3) X1 + X2 600 X1 = 600 - 300
X1 = 300
2X1 + 3X2 1500
-3X1 - 3X2 600
-X2 = -300
X2 = 300
X2
3
B
C 2
A 1
0 X1
-1 1 2 3 4 5 6
Restriccin redundante
De 1
X1 = 0; X2 = 4 (0,4) 1*1 + 1*1 4
X2 = 0; X1 = 4 (4,0) 24
De 2
X1 = 0; X2 = 4 (0,4) 4*1 + 3*1 12
X2 = 0; X1 = 3 (3,0) 7 12
De 3
X1 = 0; X2 = 1 (0,1) 1*1 + 1*1 1
X2 = 0; X1 = -1 (-1,0) 21
De 4
X1 = 0 ; X2 = 6 (0,6) 1*1 + 1*1 6
X2 = 0 ; X1 = 6 (6,0) 26
Max Z = 4X1 + 4X2
S.a
-2X1 + 2X2 2
-X1 + 2X2 4
X1, X2 O
GRAFICA
X2
X1
-4 -3 -2 -1 1 2
De 1
X1 = 0; X2 = 1 (0,1)
X2 = 0; X1 = -1 (-1,0)
De 2
X1 = 0; X2 = 2 (0,2)
X2 = 0; X1 = -4 (-4,0)
Mx. Z = 2X1 + 2X2
S.a
X1 + X 2 2
X1 + X 2 4
X1 , X 2 O
De 1
X1 = 0; X2 = 2 (0,2)
X2 = 0; X1 = 2 (2,0)
De 2
X1 = 0; X2 = 4 (0,4)
X2 = 0; X1 = 4 (4,0)
GRAFICA
X2
X1
2 4
Mx. Z = -3X1 + 6X2 GRAFICA
S.a 7
5X1 + 7X2 35
6
-X1 + 2X2 2
X1 , X 2 O 5
De 1 4
X1 = 0; X2 = 5 (0,5) 3
X2 = 0; X1 = 7 (7,0)
2
De 2
1
X1 = 0; X2 = 1 (0,1)
X2 = 0; X1 = -2 (-2,0)
-2 -1 1 2 3 4 5 6 7
Solucin
Z mx. = 6
X1 = 0
X2 = 1
SOLUCION DEGENERADA
METODO SIMPLEX
Max. = nCj Xj
j=i
s.a
n
aij xi bi ; i = 1,2,m
j=i
xj 0 ; j = 1,2,m
Caractersticas
o o
(-1) a1 X1 + a2 X2 b (-1)
- a1 X1 - a2 X2 - b
Una ecuacin puede ser remplazada por dos desigualdades en sentido
opuesto
a1 X1 + a2 X2 = b
a1 X1 - a2 X2 b
a1 X1 + a2 X2 b
la1 X1 - a2 X2l b
a1 X1 - a2 X2 - b
a1 X1 + a2 X2 b
FORMA ESTANDAR
Todos los elementos del lado derecho de cada una de los recursos
restringidos son negativos.
NOTA:
Por lo tanto el lado derecho puede ser transferible a ser mas por Mult., en
ambos lados de la ecuacin resultante por -1 si es necesario. Las restantes
caractersticas pueden ser realizadas por el uso de trans., elementales
introducida con la forma cannica.
Ejemplo:
Forma canonica
Min. Z = 3X1 -3X2 +7 X3
Max.(-Z) =- 3X1 +3X2 -7 (X3+ - X3-)
s.a
X1 + X2 + X3 4
X1 + X2 + (X3+ - X3- ) 4
5X1 + 3X2 = 2
5X1 + 3X2 2
(-1) 5X1 + 3X2 2 (-1) = -5X1 - 3X2 -2
l 5X2 + X3 l 10
5X2 + (X3+ - X3-) 10
(-1) 5X1 + 3X2 -10 (-1) = -5X2 -(X3+ - X3-) 10
Forma estndar
X1 + X2 + (X3+ - X3- ) 4
X1 + X2 + (X3+ - X3- ) +s1 = 4
5X1 + 3X2 2
5X1 + 3X2 + s3 = 2
-5X1 - 3X2 -2
-5X1 - 3X2 - s4 = -2
Paso 1
Max z = cX Z = funcin objetivo
s.a C = vector de costos
Ax b x = vec. Variable de decisin
X0 b = vector de recursos
A = matriz de chef. Tcnico
Paso 2
Reciba la funcin objetivo de la siguiente manera
Max z cX = 0
Paso 3
Aplicaciones de las leyes de equivalencia convierta todas las desigualdades en
igualdades, este recurso requerir recursos de variables de holgura
Max z cX = 0
Ax + s = b
X, s 0
Paso 4
Constryase una tabla con los coeficientes de programacin lineal
X1 X2XnS1 S2Sn+mSOLUCION
- C00BASEZ
S11
AIBS2
.0
.
.
Sn
X
1
X
2
X
n
S
1
S
2
S
n
+
m
S
O
L
U
C
I
O
N
BASE
C
B
-
-
C
C
B
B
-
C
B
X
B
Z
Paso 5
Paso 7
Max. Z = X1 +2X2
S.a
X1 + 3X2 8
X1 + X 2 4
X1 , X 2 O
Forma estndar
Max. Z = X1 +2X2
S.a
X1 + 3X2 +S1= 8
X1 + X2 + S2 = 4
X1, X2, S1, S2 O
Metodo simplex
Max. Z - X1 -2X2=0
Z X1 X2 S1 S2 SOL.
-1-2000BASE
13108SALES11
11314S20
-0.300.6605.33BASE0
0.310.302.66X21
0.660-0.301.33SALES20
000.50.56BASE0
010.5-0.52X21
10-0.51.52X1-0.3
0
Zmax = 6
X1 = 2
X2 = 2
X1X2S1S2Sol.
3-6000BASEZ
S11 0 5 7 1 0 35
-12012saleS2
00036BASE0
S11 0 8.5 0 1 3.5 28 sale
-0.5100.51X2
00036BASE0
100.11-0.43.29X11
010.060.292.64X20
0Z mx. = 6
X1 - X 2 4 X1 - X2 + S1 = 4
-X1+ X2 1 -X1+ X2 + S2 = 1
X1 , X 2 O X1, X2, S1, S2 O
Z X1 X2 S1 S2 Sol.
0-2000BASE
S11 0 1 -1 1 0 4
S2 0 -1 1 0 1 1 sale
-20022BASE
S11 0 0 0 1 0 5
X2 0 -1 1 0 1 1
S.a S.a
X1 - X 2 1 X1 - X2 + S1= 1
X1 - 2X2 2 X1 - 2X2 + S2 = 2
X1 , X 2 O X1, X2, S1, S2 O
goX1X2S1S2Sol.BASE123000S101-1101S201-2012
S.a S.a
X1 + X 2 6 X1 + X2 + S1= 6
X1 - X 2 0 X1 - X2 + S2 = 0
X1 , X 2 O X1, X2, S1, S2 O
Z X1 X2 S1 S2 Sol.
BASE 1 -5 -2 0 0 0
S1 0 1 1 1 0 6
S2 0 1 -1 0 1 0 SALE
BASE 1 0 -7 0 5 0
S1 0 1 -1 0 1 0
X2 0 0 2 1 -1 6 SALE
BASE 1 0 0 3.5 1.5 21
X1 0 0 1 0.5 -0.5 3
Z min = 21
X1= 3
X2 = 3
S1 = S2 = 0
S.a S.a
X1 4 X1 + S1= 4
X2 6 X2 + S2 = 6
X1 , X 2 O X1, X2, S1, S2 O
ZX1X2S1S2S3Sol.BASE13-
50000S10101004SALES20010106S303200118BASE10-5-300-
12X10101004S20010106S3002-3016
Z= -12
X1= 4 X2 = 0
S1 = 0 S2 = 6
S3 = 6
Min.Z = CX
S.a
Ax b no es factible
X O
Max.Z = 2X1 + X2
S.a
X1 - 2X2 4 X1 - 2X2 + S1 + W1= 4
X1 + X 2 = 6 X1 + X2 + S2 + W2 = 6
3X1 + X2 3 3X1 + X2 + S3 + W3 = 3
X1 X2 O
Z X1 X2 S1 S2 W1 Sol.
BASE 1 2 3 0 0 M 0
w 0 2 1 -1 0 1 4 SALE
S2 0 -1 1 0 1 0 1
2-
BASE 1 2M 3-M M 0 0 -4M
W1 0 2 1 -1 0 1 4 SALE
S2 0 -1 1 0 1 0 1
BASE 1 0 2 1 0 -1+M -4
X1 0 1 0.5 -0.5 0 0.5 2
S2 0 0 1.5 -0.5 1 0.5 3
Como W1= 0
Max z = min Z Max 4 = min 4
Sol.
Z min = 4
X1 = 2 X2 = S1 = 0
S2 =3
Min.Z = CX Min.Z = CX
S.a S.a
Ax b Ax S + W = b
X O X, S, W O
Primera face
P
Min. Wi Si W = 0 el sistema tiene solucin y pasamos
i=1
a la segunda fase
S.a Si W > 0 el sistema no tiene solucin
AxS+W=b
X,S,W 0
Segundo face
1. FASE
0
Como W = 0
Por lo tanto se concluye que el sistema tiene solucin y pasamos a la segunda
fase
2. fase
Min.Z = 2X1- 3X2
Max. go+2X1- 3X2 = 0
go X1 X2 S1 S2 Sol.
BASE 1 2 -3 0 0 0
X2 0 0.5 1 0 -0.5 5
S1 0 -0.5 0 1 -1.5 12
BASE 1 3.5 0 0 -1.5 15
X2 0 0.5 1 0 -0.5 5
S1 0 -0.5 0 1 -1.5 12
UNIDAD IV
TEORIA DE LA DUALIDAD
Para poder elaborar el problema dual a partir del primal, este se debe
presentar en su forma cannica.
Este mtodo se aplica a problemas ptimos pero infactibles. En este caso, las
restricciones se expresan en forma cannica (restricciones ).
La funcin objetivo puede estar en la forma de maximizacin o de minimizacin.
Despus de agregar las variables de holgura y de poner el problema en la tabla,
si algn elemento de la parte derecha es negativo y si la condicin de optimidad
est satisfecha, el problema puede resolverse por el mtodo dual simplex.
Note que un elemento negativo en el lado derecho significa que el problema
comienza ptimo pero infactible como se requiere en el mtodo dual simplex.
En la iteracin donde la solucin bsica llega a ser factible esta ser la solucin
ptima del problema.
CONDICION DE FACTIBILIDAD.
La variable que sale es la variable bsica que tiene el valor ms negativo (los
empates se rompen arbitrariamente si todas las variables bsicas son
negativas, el proceso termina y esta ltima tabla es la solucin ptima
factible).
CONDICION DE OPTIMIDAD.
La variable que entra se elige entre las variables no bsicas como sigue. Tome
los cocientes de los coeficientes de la funcin objetivo entre los coeficientes
correspondientes a la ecuacin asociada a la variable que sale.
Ignore los cocientes asociados a denominadores positivos o cero.
La variable que entra es aquella con el cociente ms pequeo si el problema es
de minimizar o el valor absoluto ms pequeo si el problema es de maximizacin
(rompa los empates arbitrariamente). Si los denominadores son ceros o
positivos el problema no tiene ninguna solucin factible.
1 Primal Dual
F.O.= max min
Rest.
Primal Dual
< b1 y = b1 y1 + b2 y2
< b2
R-2.- Las constantes de lado derecho en el modelo dual son los coeficientes
de las variables de la funcin objetivo del modelo primal.
Max Z = C1 X1 + C2 X2 C1
C2
R-3.- Cada columna de los coeficientes de las restricciones en el modelo primal
se convierten en los coeficientes de una fila en el model dual.
Primal Dual
yy1y2y3 Z X1 X2 X3 S1 S2
S1S2S3
Sol.Ba
se100
0500B
ase10
00032
83700
S1032
5X105
00X20
150
M
xZ
=
5X1
+
8X2
s.a
X
+
X
2
90
0
X1
+
1/3
X2
30
0
1
/
8
X
1
X
2
1
0
0
Para
X1, X2
0
Dual:
Min
Y=
90
0y1
+
30
0y2
+
100
y3
s.a
y1 +
y2
+
1/8
y3
5
y1
+
1/3
y2
+
y3
8
y1,
y2,
y3
0
Soluci
n del
Dual
- S2
Sale
2
-
2
0
1
-
3
y
y
1
y
2
S
1
S
2
S
o
l
.
B
a
s
e
1
8
1
2
0
0
0
S
1
0
-
1
- Dual
Forma Estndar
Max (y) + 8y1 + 12y2
3 Min Y = 8y1 + 12y2
s.a
s.a
-y1 - 3y2 + S1 2
y1 + 3y2 2
-2y1 - 2y2 + S2 3
2y1 + 2y2 3
y1,y2, S1, S2 0
y1,y2 0
00- 1 0 4 0 4 -12
21- Sale
Base
0
1Y1
1
0
-
3
/
2
S
1
001-- 1 0 0 2 3 -13
Base
0
y y1 0 1 0 - 5/4
2
VARIABLES DE HOLGURA
REGLAS:
AX b
X0
a) Cambios en el vector de los costos (c)
b) Cambios en el vector de los recursos (b)
c) Cambios en un coeficiente tecnolgico aij, j no es basico
d) Adiccion de nuevas actividades Xj
e) Adiccion de nuevas restricciones
CAMBIO DE RECURSOS
Max Z= cx
S.a
FC Ax b
X0
SOLUCION INICIAL
1 CB BA-C CB B CB Bb
0 BA B Bb
A) CAMBIO DE V b b= b+ b
100-20= 80
100+10= 110
Max Z= Cx
s.a
Ax b+ b
X0
Xb = Bb Z = CB XB
Z= CB B (b + b)
Max Z = 60X1 + 90X2
s.a.
-2x1 + 2x2 3
- 3x1 +6x2 12
2 x1 + 2x2 13
x1, x2 0
Z X1 X2 S1 S2 S3 SOL
BASE 1 0 0 0 11/3 35 495
X2 0 0 1 0 1/9 1/6 7/2
1X1
0
0
-
1
/
9
1
/
3
3
S10 0 0 0 1 -4/9 1/3 2
0 13/9
5/9
29/9
Z = CB XB
(90, 60, 0) 13/9
5/9 = 13/9 (90) + 5/9 (60) + 29/9 (0) = 490/3
29/9
Zmax = 490/3
X1 = 5/9 S1 = 29/9
X2 = 13/9 S2, S3 = 0
B)
B = b + b 4
15
2
XB = 2
-1
-2
Como la solucion indica que existen numeros negativos, entonces, aplico el
metodo dual simples para restrituir factibilidad.
Z X1 X2 S1 S2 S3 SOL
BASE 1 0 0 0 11/3 35
X2 0 0 1 0 1/9 1/6 2
X1 0 1 0 0 -1/9 1/3 -1
S1 0 0 0 1 -4/9 1/3 -2
BASE 1 0 0 33/4 0 151/4
X2 0 0 1 0 3/2
X1 0 1 0 -1/4 0 -1/2
S2 0 0 0 -1/4 1 -3/4 9/2
BASE 1 35 0 0 0 93/2
X2 0 1 1 0 0 1
S1 0 -4 0 1 0 -1 2
-S2
9
/
4
0
0
1
-
3
9
0
ZB = (90, 0, 0) 1
2
9
Zmax = 90
X1= 0 x2= 1
S3= 0 S1= 2 S2= 9
B) Cambios en el vector de costos C
Max Z = CX
s.a
AX b
X 0
= ( C + C) X
s. a
AX b
X 0
Zj Cj = CB Baj (Cj+C) 0
Zj Cj 0
Z X1 X2 S1 S2 S3 SOL
BASE 1 0 0 0 11/3 35 495
X2 0 0 1 0 1/9 1/6 7/2
1X1
0
0
-
1
/
9
1
/
3
3
0S1
0
1
-
4
/
9
1
/
3
2
0
0
C) Un cambio en el vector C1 =(C1 + C1) = 40
Z1 1 = (0 11/3 35 ) (-2 -3 2 ) - 40
= (0 -11 + 70) 40 = 19
0 sigue siendo optimo y factible
D) 1 =(C1 + C1) = 70
= (0 -11 + 70) 70 = -11
Z X1 X2 S1 S2 S3 SOL
BASE 1 -11 0 0 11/3 35 495
X2 0 0 1 0 1/9 1/6 7/2
X1 0 1 0 0 -1/9 1/3 3
S1 0 0 0 1 -4/9 1/3 2
BASE 1 0 0 0 22/9 116/3 528
X2 0 0 1 0 1/9 1/6 7/2
100-1/91/33X1
0 S1 0 0 0 1 -4/9 1/3 2
Zmax = 528
X1 = 3 S1= 2
X2 = 7/2 S2,S3 = 0
ZX1X2X3S1S2S3SOLBASE102001416S100-1/3012/3-
117/3X3001/3101/304/3X1012/300-1/315/3
A) 2=(C2 + C2)= 15
Z2 2 = ( 0, 1,4,) 0 = 15
1
1
(0 + 1 + 4 - 15) = -10
X
1
X
2
X
3
S
1
S
2
S
3
S
O
L
0BASE
-
1
0
0
0
1
4
1
6
Z
0S1
-
1
/
3
0
1
2
/
3
-
1
1
7
/
3
1
0X3
1
/
3
1
0
1
/
3
0
4
/
3
0
X10 0 1 2/3 0 0 -1/3 1 5/3
2X1 + 3X2 + X3 6
2(5/3) + 3(0) +(4/3) 6
2X1 + 3X2 + X3 3
2(5/3) + 3(0) +(4/3) 3
Z X1 X2 X3 S1 S2 S3 S4 SOL
020014016Base
0-1/3012/31017/3S11
01/3101/3004/3X30
12/300-1/3105/3X10
23100003X40
0
CAMBIOS EN UN COEFICIENTE TECNOLGICO NO-BASICO
s.a.
X1 - 3X2 - X3 6
X2 + 3X3 4
X1 + X2 + X3 3
X1, X2, X3 0
ZX1X2X3S1S2S3SOLBASE10200146S100-1/3012/3-
117/3X3001/3101/304/3X1012/300-1/315/3
a) Vector a2 cambia a una nueva
2 = -3
1 Z2- 2 = CB Ba2-C2
3
= (0 1 4) - 3 = (0 + 1 + 12 ) = 10
1
3
2 = 1 (0 1 4 ) 1
4 4 = -7
-2 -2
X
1
X
2
X
3
S
1
S
2
S
3
S
O
L
0BASE
-
7
0
0
1
4
6
Z
0S1
-
1
/
3
0
1
2
/
3
-
1
1
7
/
3
1
0X3
1
/
3
1
0
1
/
3
0
4
/
3
0
X10 0 1 2/3 0 0 -1/3 1 5/3
1 2/3 -1 1 17/3
0 1/3 0 4 = 4/3
0 -1/3 1 -2 -10/3
Max Z = CX
s.a
AX b
X0
1 CB BA-C CB B CB Bb
B 0
b
BA
Xi:
0 X1 0 1 2/3 0
-1/3
1 5/3
Zj - Cj = CB B aj Cj
Z4 C4 = (0, 1, 4 ) 7 -5 = ( 0 -3 + 8) = 0
-3
2
b) X4 = $ 8
a4 = 3
-2
0
123456Ofer Z X1 X2 X3 X4 S1 S2
taBASE1
020-
1001416
S100-
1/305/31
1/3-
117/3X3
001/31-
2/301/30
4/3X101
2/302/30-
1/315/3
Yj =
0
2/3
-1
3
5/3
0
1/3
0
-2
=
-2/3
0
-1/3
1
0
2/3
UNIDAD
METOD
O DE
TRA
NSP
ORT
E
Es una
clase
especial
de
problema
de
program
acin
lineal,
trata la
situacin
en la
cual se
enva un
bien de
los
puntos
de origen
a los
puntos
de
destinos.
El
objetivo
es
determin
ar las
cantidad
es
enviadas
desde
cada
punto de
origen
hasta
cada
punto de
destino
que
minimice
n el
costo
total del
envi, al
mismo
tiempo
que
satisfaga
n tanto
los
limites de
oferta
como los
requerimi
entos de
la
demanda
.
Los
pasos
del
algoritmo
del
transport
e son
exactam
ente
paralelos
a los del
algoritmo
simples:
1. D
e
t
e
r
m
i
n
e
u
n
a
s
o
l
u
c
i
n
f
a
c
ti
b
l
e
b
s
i
c
a
i
n
i
c
i
a
l
p
o
r
c
u
a
l
q
u
i
e
r
a
d
e
l
o
s
tr
e
s
m
t
o
d
o
s
.
2. U
ti
li
c
e
l
a
c
o
n
d
i
c
i
n
o
p
ti
m
a
d
e
l
m
t
o
d
o
s
i
m
p
l
e
s
p
a
r
a
d
e
t
e
r
m
i
n
a
r
l
a
v
a
ri
a
b
l
e
d
e
e
n
tr
a
d
a
e
n
tr
e
t
o
d
a
s
l
a
s
v
a
ri
a
b
l
e
s
n
o
b
s
i
c
a
s
.
3. U
ti
li
c
e
l
a
c
o
n
d
i
c
i
n
d
e
f
a
c
ti
b
ili
d
a
d
d
e
l
m
t
o
d
o
S
i
m
p
l
e
s
p
a
r
a
d
e
t
e
r
m
i
n
a
r
l
a
v
a
ri
a
b
l
e
d
e
s
a
li
d
a
d
e
e
n
tr
e
t
o
d
a
s
l
a
s
v
a
ri
a
b
l
e
s
b
s
i
c
a
s
a
c
t
u
a
l
e
s
y
e
n
c
u
e
n
tr
e
l
a
n
u
e
v
a
s
o
l
u
c
i
n
b
s
i
c
a
.
4.
5. D
E
T
E
R
M
I
N
A
C
I
N
D
E
L
A
S
O
L
U
C
I
O
N
I
N
I
C
I
A
L
6. U
n
m
o
d
e
l
o
d
e
tr
a
n
s
p
o
rt
e
g
e
n
e
r
a
l
c
o
n
m
p
u
n
t
o
s
d
e
o
ri
g
e
n
y
n
p
u
n
t
o
s
d
e
d
e
s
ti
n
o
ti
e
n
e
m
+
n
e
c
u
a
c
i
o
n
e
s
d
e
r
e
s
tr
i
c
c
i
n
,
u
n
a
p
a
r
a
c
a
d
a
p
u
n
t
o
d
e
o
ri
g
e
n
y
d
e
d
e
s
ti
n
o
.
S
i
n
e
m
b
a
r
g
o
,
d
e
b
i
d
o
a
q
u
e
e
l
m
o
d
e
l
o
d
e
tr
a
n
s
p
o
rt
e
s
i
e
m
p
r
e
d
e
b
e
e
s
t
a
r
e
q
u
ili
b
r
a
d
o
,
u
n
a
d
e
e
s
t
a
s
r
e
s
tr
i
c
c
i
o
n
e
s
d
e
b
e
s
e
r
r
e
d
u
n
d
a
n
t
e
.
A
s
,
e
l
m
o
d
e
l
o
ti
e
n
e
m
+
n
-
1
e
c
u
a
c
i
o
n
e
s
d
e
r
e
s
tr
i
c
c
i
n
i
n
d
e
p
e
n
d
i
e
n
t
e
s
,
l
o
q
u
e
s
i
g
n
if
i
c
a
q
u
e
l
a
s
o
l
u
c
i
n
b
s
i
c
a
i
n
i
c
i
a
l
s
e
c
o
m
p
o
n
e
d
e
m
+
n
-
1
v
a
ri
a
b
l
e
s
b
s
i
c
a
s
.
7.
8. L
a
e
s
tr
u
c
t
u
r
a
e
s
p
e
c
i
a
l
d
e
l
m
o
d
e
l
o
d
e
tr
a
n
s
p
o
rt
e
p
e
r
m
it
e
o
b
t
e
n
e
r
u
n
a
s
o
l
u
c
i
n
b
s
i
c
a
i
n
i
c
i
a
l
n
o
a
rt
if
i
c
i
a
l,
u
ti
li
z
a
n
d
o
u
n
o
d
e
l
o
s
tr
e
s
m
t
o
d
o
s
.
9.
1. M
t
od
o
de
la
es
qu
in
a
no
ro
es
te.
2. M
t
od
o
de
l
co
st
o
m
en
or.
3. M
t
od
o
de
la
ap
ro
xi
m
ac
i
n
de
Vo
ge
l.
4.
5.
6.
M
E
T
O
D
O
D
E
LA
E
S
Q
UI
N
A
N
O
R
O
E
S
T
E
7.
8.
9. El
m
t
od
o
e
m
pi
ez
a
en
el
cu
ad
ro
de
la
es
qu
in
a
no
ro
es
te
de
la
ta
bl
a
si
m
pl
es
.
Se
de
be
as
ig
na
r
ta
nt
o
co
m
o
se
a
po
si
bl
e
al
cu
ad
ro
se
le
cci
on
ad
o
y
aj
us
tar
la
s
ca
nti
da
de
s
de
la
of
ert
a
y
la
de
m
an
da
,
re
st
an
do
la
ca
nti
da
d
as
ig
na
da
,
se
de
be
de
ta
ch
ar
el
re
ng
l
n
o
co
lu
m
na
co
n
ce
ro
of
ert
a
o
de
m
an
da
pa
ra
in
di
ca
r
qu
e
no
se
pu
ed
en
ha
ce
r
as
ig
na
ci
on
es
ad
ici
on
al
es
en
es
e
re
ng
l
n
o
en
es
a
co
lu
m
na
.
Si
ta
nt
o
el
re
ng
l
n
co
m
o
la
co
lu
m
na
da
n
ce
ro
si
m
ult
n
ea
m
en
te,
se
ta
ch
a
so
lo
un
o
de
ell
os
ag
re
ga
nd
o
un
ce
ro
a
la
co
lu
m
na
o
re
ng
l
n
si
n
ta
ch
ar.
10.
11. R
es
u
lv
as
e
po
r
el
m
t
od
o
de
la
es
qu
in
a
no
ro
es
te
12.
13. EJ
E
M
PL
O:
Su
po
ng
a
qu
e
un
a
e
m
pr
es
a
de
se
a
mi
ni
mi
za
r
su
s
co
st
os
de
tra
ns
po
rte
al
en
vi
ar
su
s
pr
od
uc
to
s
de
sd
e
su
s
cu
atr
o
pl
an
ta
s
ha
ci
a
su
s
ci
nc
o
al
m
ac
en
es
de
di
str
ib
uc
i
n.
Si
lo
s
co
st
os
po
r
un
id
ad
tra
ns
po
rta
da
de
sd
e
ca
da
fu
en
te
a
ca
da
de
sti
no
,
la
s
of
ert
as
de
ca
da
de
fu
en
te
y
la
s
de
m
an
da
s
de
ca
da
de
sti
no
se
m
ue
str
an
en
la
si
gu
ie
nt
e
ta
bl
a.
14.
15.
16. De
8
0100210
0 1100
750 5 6
3 02503
5 6250
250 10 4
03004
7 2 1
3300
1150
0450De
manda20
0100300
503001S
3SOL 100 3 4 7
2 1501100
Costo = $ 2,200.
Este mtodo encuentra una solucin inicial mejor, al concentrarse en las rutas
ms econmicas, empezamos por asignarle tanto como sea posible al cuadro con
el costo mas bajo por unidad, despus tachamos el rengln o la columna
satisfecho y ajustamos la cantidad de la oferta y de la demanda conforme a
ello. Enseguida buscamos siempre el cuadro no tachado con el costo mas bajo
por unidad y se repite el proceso hasta que al final nos quedamos exactamente
con un rengln o una columna no tachados.
Resulvase el problema anterior por el mtodo del costo mnimo.
23456Oferta
8
01002200
10 7 50
5 6 3
02503 5
6250 250
1 4
03004 7
20 1
3300
1 150
0450Dem
anda2001
00300503
0011 3 100 4 7
2 1501100
Costo = $ 1700
Es una versin mejorada del mtodo del costo menor, que por lo general
produce mejores soluciones iniciales.
23456Oferta
2 0350 2
6 150 8
50 7 2 1
02003 2
4150
6250 650
1 04504
1 31
2250
4150
0400Dem
anda1004
00200250
30011 100 5 250 2 1
3 1501400
Costo = 100(5)+250(2)+150(8)+50(7)+150(6)+250(6)+50(1)+250(4)+150(0)
Costo= $ 6000
23456Oferta
2 0350 2
6 8
7200 2 1
020030 2
4 6 6300
1150
04504100
150 3200
150 2 4
0400Dem
anda1004
00200250
30011 5 350 2 1
3 1501400
Costo = 350(2)+200(2)+2(0)+300(1)+150(0)+100(1)+50(3)+200(1)+50(2)
Costo = $ 1950
23456Oferta
2 0350 2
6 8
7200 2 1
020030 2
4 6 6300
1150
04504100
1250 3
150 2 4
0400Dem
anda1004
00200250
30011 5 150 2 200 1
3 1501400
Costo = 300+200+400+300+100+750+100
Costo = $2,150.
23456Oferta
2 0350 2
6 8
7200 2 1
020030 2
4 6 6300
1150
04504100
1250 3
150 2 4
0400Dem
anda1004
00200250
30011 5 150 2 200 1
3 1501400
1 2 3 4 5 6 Oferta
3 3 22
0350 25
6 +5 8 5
7200 2 1
11
020030
+ 2 +2
43 67
6300
1150
0450410
0 - 150
3-1 1501 5 5 350 2 200 1
2 24 41 0400Demanda1004002002503001501400
Costo = 2150 200 = $ 1950.
EJEMPLO:
23Oferta
11 100 5 2 3 100
V2=1V3= 1Oferta
U1=
0V1= 5 100 5 1 22 3 100
-
U2= 3 0 8 200 4 1 100 3 300
V2=1V3= 1Oferta
U1=
0V1= 5 100 5 0 22 3 100
23 j.p
1 1 10 16 32 P1= 10
2 14 22 20 P2= 14
3 22 24 34 P3= 22
1 2 3 1 2 3
1 0 6 22 1 0 4 16
2 0 8 6 2 0 6 0
3 0 2 12 3 0 0 6
Q1= 0 Q2= 2 Q3= 6
1 2 3 4
1 32 18 32 26 P1= 18
2 22 24 12 16 P2= 12
3 38 26 24 36 P3= 24
4 26 30 28 20 P4= 20
32 18 32 26 8 0 14 8
22 24 12 16 4 12 0 4
38 26 24 36 8 2 0 12
26 30 28 20 0 10 8 0
Q1= 6
8 0 16 8 6 0 16 6
2 10 0 2 0 10 0 0
6 0 0 10 4 0 0 8
0 10 10 0 0 12 12 0
18+16+24+26= 84
Minimizar Z=X 1
s.a.
0X 1 2
Utilizando X 2 como una variable de holgura, el problema se puede volver
a escribir como:
Minimizar Z=X 1
s.a.
X1 + X2 = 2
X1, X2 0
X2
Max. Z=X1
Gradiente de Z
2
1 C
D
E
Considere el problema
Minimizar Z=y 1 + y 2
s.a
y 1 + 2y 2 2
y 1 , y 2 0
Max Z=5x 1 + 5x 2
s.a.
3x 1 + 8x 2 + 3x 3 2x 4 =0
x 1 + x 2 + x 3 + x 4 =1
x j 0 , j=1,2,3,4
Z=5x 1 + 5x 2 Mx 5
s.a.
3x 1 + 8x 2 + 3x 3 2x 4 12x 5 = 0
x1 + x2 + x3 + x4 + x5 = 1
x j 0 , j=1,2,3,4,5
Para este sistema de ecuaciones, el nuevo centro simplex (1/5,
1/5,...1/5) es factible para la ecuacin homognea. El valor M en la
funcin n objetivo se elige suficientemente grande para impulsar X 5 a
cero.
Min Z=CD k Y
s.a.
AD k Y=0
1Y=1
Y0
y calcule:
Ynueva=(1/n...1/n)T + r (cp / |cp|)
Xk+1=DkYnueva/1DkYnueva
FIGURA 1
(TRES DIMENSIONES)
X3
(0, 0, 1)
smplex 1X=1
Centro de la
smplex Interseccin de
AX=0 y 1X=1
(1/3,1/3,1/3)
(1,0,0) X1
(0,1,0)
X2