Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigacion de Operaciones Unidad 1
Investigacion de Operaciones Unidad 1
Definir las variables de decisin: Son las incgnitas del problema bsicamente
consisten en los niveles de todas las actividades que pueden llevarse a cabo en el
problema a formular, estas pueden ser de tantos tipos diferentes como sea
necesario, e incluir tantos subndices como sea requerido.
Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier
solucin para que pueda llevarse a cabo. En cierta manera son las limitantes en
los valores de los niveles de las diferentes actividades (variables).
Cuando los ejes son relacionados con las variables del problema, el mtodo es
llamado mtodo grfico en actividad. Cuando se relacionan las restricciones
tecnolgicas se denomina mtodo grfico en recursos.
FORMA CANONICA: Esta es til para el manejo del tema que se refiere al
problema dual de cualquier problema de programacin lineal.
La forma cannica aceptable y reconocida en la mayora de los textos debe
cumplir con los siguientes requisitos:
Otra forma legtima para considerar como cannica es cumpliendo con los
siguientes requisitos:
Min cTx
s.a Ax = b
x >= 0
EJEMPLO
P) Max 9u + 2v + 5z
sa 4u + 3v + 6z <= 50
u + 2v - 3z >= 8
2u - 4v + z = 5
u,v >= 0
z e IR
2.Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad
usando una (nueva) variable de holgura no negativa, con coeficiente nulo
en la funcin objetivo.
3.Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad
usando una (nueva) variable de exceso no negativa, con coeficiente nulo
en la funcin objetivo.
2x1 - 4x2 + x3 - x4 = 5
xi >= 0, i=1,2,3,4,5,6.
Definimos la letra M como un nmero muy grande pero finito para usarlo como
coeficiente de las variables artificiales en la funcin objetivo y con sentido contrario
a la misma para penalizar de manera muy grande la existencia de las mismas en
la solucin. Si el objetivo es minimizar las variables artificiales entraran con M
positivo y si es maximizar las variables artificiales se usaran como -M.
Ejemplo:
Min Z = 2X1 + X2 + 3X3
Sujeto a:
3X1 + X2 + 2X3 <= 10
X1 - 2X2 + 3X3 >= 6
2X1 + 3X2 - X3 <= 9
X1 + X2 +2X3 = 7
EJEMPLOS:
El PL es el siguiente:
Min (z) = 3x + 2,5y
sujeto a:
2x + 4y 40
3x + 2y 50
x, y 0
El problema de apoyo, utilizando el mtodo de la M Grande:
Min (z) = 3x + 2,5y + 0 s1 + 0 s2 + MA1 + MA2
sujeto a:
2x + 4y - s1 + A1 = 40
3x + 2y - s2 +A2 = 50
x, y 0
Fase 1
Empieza con una solucin bsica factible inicial artificial y equivale al paso inicial
del mtodo simplex que conocemos, ya que en ella se trata de hallar una SBFI del
modelo original.
Para propiciar que las variables artificiales tomen el valor de cero, se construya
una funcin objetivo que reemplaza provisionalmente a la del modelo original.
Esta nueva funcin se forma con la suma de las variables artificiales y el objetivo
es minimizar la suma de ellas. Es importante aclarar que el objetivo de la fase 1,
siempre es minimizar la suma de las variables artificiales, aunque el objetivo del
modelo original sea maximizar o minimizar.
Fase 2
BIBLOGRAFIAS:
www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r14493.DOC
http://www.mitecnologico.com/Main/TiposDeModelosInvestigacionDeOperaciones
http://www.investigacion-operaciones.com/Metodos_Solucion_PL.htm#grafico
http://www.mitecnologico.com/Main/FormasEstandarYCanonicasInvestigacionDeO
peraciones
http://www.programacionlineal.net/simplex.html
1 http://www.arquimedex.com/index.php?accion=1&id=89
2 http://www.mitecnologico.com/Main/MetodoDeLaM
3 http://www.investigacion-operaciones.com/Metodo_Minimizacion.htm
4
1.6.2 MTODO DE LAS DOS FASES.
http://docencia.udea.edu.co/ingenieria/plineal/variablesArtificiales4.htm