Está en la página 1de 11

METODOS DETERMINISTICOS

102016A_363

ESTUDIANTES

CRISTHIAN CAMILO IBANEZ

EDIER ESTEBAN ESCOBAR

XIOMARA MARGARITA JIMENEZ

SHIRLEY SILVA SANTAFE

TUTORA

ANGELICA MILENA BARRIOS


INTRODUCCION
Los modelos son un enfoque para la investigación de operaciones, con la construcción
se puede tomar decisiones en una organización, para lograr estos objetivos. Basados
en los modelos matemáticos. La utilización de modelos matemáticos como instrumento
esencial en la aplicación de modelos determinísticos para la optimización de recursos
es inminente, con dichas potencialidades el empresario tendría un excelente
desempeño a la hora de la toma de decisiones.
Taller Métodos determinísticos

1. Programación Lineal y Lineal Entera:


Una empresa de muebles rústicos fabrica entre muchos otros productos cinco tipos de
sillas A, B, C, D Y E, las cuales se venden a precio de 110000, 130000, 120000,
98000 Y 101000 pesos cada una y respectivamente. Las sillas pasan por cinco
procesos, corte, ensamblado, lijado, Pintado y sellado, para lo cual se dispone máximo
de 17, 11, 15, 12 y 14 horas respectivamente a la semana para dedicar a estas
operaciones a estos productos. La silla tipo A requiere 3 horas para corte, 1 hora para
ensamblado, 3 horas para lijado, 1 hora para pintado y 1 hora para sellado. La silla tipo
B requiere 2 horas para corte, 3 horas para ensamblado, 2 horas para lijado, 2 horas
para pintado y 3 horas para sellado. La silla tipo C requiere 5 horas para corte, 2 horas
para ensamblado, 2 horas para lijado, 3 horas para pintado y 1 hora para sellado. La
silla tipo D requiere 2 horas para corte, 4 horas para ensamblado, 1 hora para lijado, 1
hora para pintado y 2 horas para sellado. La silla tipo E requiere 1 hora para corte,
ninguna hora para ensamblado, 2 horas para lijado, 2 horas para pintado y 3 horas
para sellado.
Rta/
Haremos un cuadro de resumen para tener un panorama de los procesos
(restricciones)

Tiempo de demora en horas en


cada tipo de silla
Proceso A B C D E
Corte 3 2 5 2 1
Ensamblaje 1 3 2 4 0
Lijado 3 2 2 1 2
Pintura 1 2 3 1 2
Sellado 1 3 1 2 3
Un objetivo en este proceso seria maximizar las ganancias de las sillas teniendo en
cuenta las restricciones de los procesos por semana. Por lo tanto necesitamos saber
cuántas sillas necesitamos de cada tipo para maximizar ganancias
𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑡𝑖𝑝𝑜 𝐴
𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑡𝑖𝑝𝑜 𝐵
𝑋3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑡𝑖𝑝𝑜 𝐶
𝑋4 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑡𝑖𝑝𝑜 𝐷
𝑋5 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑡𝑖𝑝𝑜 𝐸
Ahora podemos Armar el modelo de maximización
𝑀𝑎𝑥 𝑍 = 110000𝑋1 + 130000𝑋2 + 120000𝑋3 + 98000𝑋4 + 101000𝑋5
𝑠𝑎:
3𝑋1 + 2𝑋2 + 5𝑋3 + 2𝑋4 + 1𝑋5 ≤ 17
1𝑋1 + 3𝑋2 + 2𝑋3 + 4𝑋4 + 0𝑋5 ≤ 11
3𝑋1 + 2𝑋2 + 2𝑋3 + 1𝑋4 + 2𝑋5 ≤ 15
1𝑋1 + 2𝑋2 + 3𝑋3 + 1𝑋4 + 2𝑋5 ≤ 12
1𝑋1 + 3𝑋2 + 1𝑋3 + 2𝑋4 + 3𝑋5 ≤ 17
Utilizando el método simplex se trata de hacer una transformación del conjunto de
ecuaciones en una tabla matricial que nos permita resolver a través cualquiera de los
dos métodos:
 Eliminación de Gauss-Jordan
 Eliminación Gaussiana

Utilizaremos variables artificiales, en este caso como es un proceso de maximizar


serán variables de holgura

𝒁 𝑿𝟏 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝟓 𝑺𝟏 𝑺𝟐 𝑺𝟑 𝑺𝟒 𝑺𝟓 𝑩
- - - - -
1 0 0 0 0 0 0
11000 130000 120000 98000 101000
0 3 2 5 2 1 1 0 0 0 0 17
0 1 3 2 4 0 0 1 0 0 0 11
0 3 2 2 1 2 0 0 1 0 0 15
0 1 2 3 1 2 0 0 0 1 0 12
0 1 3 1 2 3 0 0 0 0 1 14
Ahora encontraremos nuestra columna pivote, identificando cuál de los números es el
más negativo en la Función Objetivo.
Para tales efectos puede identificar al número -130000 como más negativo por lo tanto
identificamos que nuestra columna pivote es
𝒁 𝑿𝟏 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝟓 𝑺𝟏 𝑺𝟐 𝑺𝟑 𝑺𝟒 𝑺𝟓 𝑩
- - - - -
1 0 0 0 0 0 0
11000 130000 120000 98000 101000
0 3 2 5 2 1 1 0 0 0 0 17
0 1 3 2 4 0 0 1 0 0 0 11
0 3 2 2 1 2 0 0 1 0 0 15
0 1 2 3 1 2 0 0 0 1 0 12
0 1 3 1 2 3 0 0 0 0 1 14
Ahora definimos nuestra línea pivote. Para esto dividimos en las restricciones el valor
de la columna de solución entre el coeficiente respectivo de la columna pivote y el
valor numérico menor será el que se escogerá como fila pivote

Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
- - - - -
1 0 0 0 0 0 0
11000 130000 120000 98000 101000
→ 17
0 3 2 5 2 1 1 0 0 0 0 17
/2
→ 11
0 1 3 2 4 0 0 1 0 0 0 11
/3
→ 15
0 3 2 2 1 2 0 0 1 0 0 15
/2
→ 12
0 1 2 3 1 2 0 0 0 1 0 12
/2
→ 14
0 1 3 1 2 3 0 0 0 0 1 14
/3
En este caso es la tercera fila de las restricciones ya que da 3.6667.
Y la intersección entre la fila y la columna la llamaremos nuestro elemento pivote.
Ahora, según el método simplex, nuestro objetivo es convertir nuestro elemento pivote
en uno y después con este resultado, la columna que lo contiene en cero. Por lo tanto
haremos las siguientes operaciones entre filas.
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
- -
F1 F1+130000F3 1 32333 0 75333 0 43333 0 0 0 476667.7
33333 101000
F2 F2-2F3 0 2.33 0.00 3.67 -0.67 1.00 1.00 -0.67 0.00 0.00 0.00 9.67
F3 F3/3 0 0.33 1.00 0.67 1.33 0.00 0.00 0.33 0.00 0.00 0.00 3.67
F4 F4-2F3 0 2.33 0.00 0.67 -1.67 2.00 0.00 -0.67 1.00 0.00 0.00 7.67
F5 F5-2F3 0 0.33 0.00 1.67 -1.67 2.00 0.00 -0.67 0.00 1.00 0.00 4.67
F6 F6-3F3 0 0.00 0.00 -1.00 -2.00 3.00 0.00 -1.00 0.00 0.00 1.00 3.00
Como se puede observar en el Cuadro anterior la Columna de 𝑿𝟐 tiene la F3 en 1 y los
demás valores de la columna en cero
Ahora hacemos el mismo procedimiento. Escogemos de la F1 el valor menor entre 𝑿𝟏 ,
𝑿𝟐 , 𝑿𝟑 , 𝑿𝟒 , 𝑿𝟓 . El valor menor es -101000 por lo tanto escogemos la columna 𝑿𝟓 .
Ahora dividimos los valores de B de las Filas F2 a F6 entre los valores de la columna
pivote (𝑿𝟓 ) y escogemos el menor valor. Sería el valor 3/3 de la F6. Sería F6 nuestra
Fila pivote y el valor de intersección entre la columna y la fila pivote seria el elemento
pivote.
Fila Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
-
F1 1 32333 0 -33333 75333 0 43333 0 0 0 476666.7
101000
F2 0 2.33 0.00 3.67 -0.67 1.00 1.00 -0.67 0.00 0.00 0.00 9.67 → 9.67/1
F3 0 0.33 1.00 0.67 1.33 0.00 0.00 0.33 0.00 0.00 0.00 3.67 Indeterm.
F4 0 2.33 0.00 0.67 -1.67 2.00 0.00 -0.67 1.00 0.00 0.00 7.67 → 7.67/2
F5 0 0.33 0.00 1.67 -1.67 2.00 0.00 -0.67 0.00 1.00 0.00 4.67 → 4.67/2
F6 0 0.00 0.00 -1.00 -2.00 3.00 0.00 -1.00 0.00 0.00 1.00 3.00 → 3/3
Hacemos el mismo procedimiento de volver el elemento pivote en 1 y los elementos de
la columna restantes en cero. El resultado es:
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
-
F1 F1+101000F6 1 32333 0 8000 0 0 9667 0 0 33667 577667
67000
F2 F2-F1 0 2.33 0.00 4.00 0.00 0.00 1.00 -0.33 0.00 0.00 -0.33 8.67
F3 0 0.33 1.00 0.67 1.33 0.00 0.00 0.33 0.00 0.00 0.00 3.67
F4 F4-2F6 0 2.33 0.00 1.33 -0.33 0.00 0.00 0.00 1.00 0.00 -0.67 5.67
F5 F5-2F6 0 0.33 0.00 2.33 -0.33 0.00 0.00 0.00 0.00 1.00 -0.67 2.67
F6 F6/3 0 0.00 0.00 -0.33 -0.67 1.00 0.00 -0.33 0.00 0.00 0.33 1.00
Como se puede observar en el Cuadro anterior la Columna de 𝑿𝟓 tiene la F6 en 1 y los
demás valores de la columna en cero.
Ahora hacemos el mismo procedimiento. Escogemos de la F1 el valor menor entre 𝑿𝟏 ,
𝑿𝟐 , 𝑿𝟑 , 𝑿𝟒 , 𝑿𝟓 . El valor menor es -67000 por lo tanto escogemos la columna 𝑿𝟑 . Ahora
dividimos los valores de B de las Filas F2 a F6 entre los valores de la columna pivote
(𝑿𝟑 ) y escogemos el menor valor. Sería el valor 2.67/2.33 de la F5 (No escogimos el
valor de F6 debido a que da un valor negativo y según el método simplex no
escogemos dichos valores). Sería F5 nuestra Fila pivote y el valor de intersección
entre la columna y la fila pivote seria el elemento pivote.
Fila Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
F1 1 32333.3 0 -67000 8000 0 0 9666.67 0 0 33666.7 577666.7

F2 0 2.33 0.00 4.00 0.00 0.00 1.00 -0.33 0.00 0.00 -0.33 8.67 8.67/
4

F3 0 0.33333 1 0.6666667 1.33333 0 0 0.33333 0 0 0 3.666667 3.66/
0.66

F4 0 2.33333 0 1.3333333 -0.3333 0 0 0 1 0 -0.6667 5.666667 5.66/
1.33

F5 0 0.33333 0 2.3333333 -0.3333 0 0 0 0 1 -0.6667 2.666667 2.66/
2.33

F6 0 0 0 -0.333333 -0.6667 1 0 -0.3333 0 0 0.33333 1 1/
−0.33
Hacemos el mismo procedimiento de volver el elemento pivote en 1 y los elementos de
la columna restantes en cero. El resultado es:
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
F1 F1+67000F5 1 41905 0 0 -1571 0 0 9667 0 28714 14524 654238
F2 F2-4F5 0 1.76 0.00 0.00 0.57 0.00 1.00 -0.33 0.00 -1.71 0.81 4.10
F3 F3-0.667F5 0 0.24 1.00 0.00 1.43 0.00 0.00 0.33 0.00 -0.29 0.19 2.90
F4 F4+1.33F5 0 2.14 0.00 0.00 -0.14 0.00 0.00 0.00 1.00 -0.57 -0.29 4.14
F5 F5/2.33 0 0.14 0.00 1.00 -0.14 0.00 0.00 0.00 0.00 0.43 -0.29 1.14
F6 F6+0.33F5 0 0.05 0.00 0.00 -0.71 1.00 0.00 -0.33 0.00 0.14 0.24 1.38
Volvemos a hacer el procedimiento y tenemos seleccionada en la siguiente tabla la
columna, la fila y el elemento pivote.
Fila Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
F1 1 41904.8 0 0 -1571.4 0 0 9666.67 0 28714.3 14523.8 654238.1
F2 0 1.76 0.00 0.00 0.57 0.00 1.00 -0.33 0.00 -1.71 0.81 4.10
F3 0 0.2381 1 0 1.42857 0 0 0.33333 0 -0.2857 0.19048 2.904762
F4 0 2.14286 0 0 -0.1429 0 0 0 1 -0.5714 -0.2857 4.142857
F5 0 0.14286 0 1 -0.1429 0 0 0 0 0.42857 -0.2857 1.142857
F6 0 0.04762 0 0 -0.7143 1 0 -0.3333 0 0.14286 0.2381 1.380952
Hacemos el mismo procedimiento de volver el elemento pivote en 1 y los elementos de
la columna restantes en cero. El resultado es:
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
F1 F1+1571.42F3 1 42167 1100 0 0 0 0 10033 0 28400 14733 657433
F2 F2-0.57F3 0 1.67 -0.40 0.00 0.00 0.00 1.00 -0.47 0.00 -1.60 0.73 2.93
F3 F3/1.4284 0 0.17 0.70 0.00 1.00 0.00 0.00 0.23 0.00 -0.20 0.13 2.03
F4 F4+0.1428F3 0 2.17 0.10 0.00 0.00 0.00 0.00 0.03 1.00 -0.60 -0.27 4.43
F5 F5+0.1428F3 0 0.17 0.10 1.00 0.00 0.00 0.00 0.03 0.00 0.40 -0.27 1.43
F6 F6+0.714F3 0 0.17 0.50 0.00 0.00 1.00 0.00 -0.17 0.00 0.00 0.33 2.83
Como los valores de 𝑿𝒊 y 𝑺𝒊 son mayores o iguales a cero terminamos el
procedimiento.

Ahora tenemos el valor óptimo de Z teniendo los valores de 𝑿𝟑 , 𝑿𝟒 𝒚 𝑿𝟓 como se


muestra en el siguiente cuadro resumen.
Variable Valor
Z 657433.3
x1 0.0
x2 0.0
X3 1.43
X4 2.03
X5 2.83

Aunque tenemos el valor óptimo sabemos que no podemos vender 1.43 sillas del tipo
C, ni 2.03 sillas del tipo D, ni 2.83 sillas del tipo C ahora tenemos que implementar
algoritmos de programación entera.

Programación Entera: Método Gomory


Para ello pasemos los valores en decimales a fraccionarios
Fil
Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 B
a
42166.66 110 10033.33 2840 1473 657433.33
F1 1 0 0 0 0 0
7 0 3 0 3 3
F2 0 1.667 -0.4 0 0 0 1 -0.467 0 -1.6 0.733 2.933
F3 0 0.167 0.7 0 1 0 0 0.233 0 -0.2 0.133 2.033
F4 0 2.167 0.1 0 0 0 0 0.033 1 -0.6 -0.27 4.433
F5 0 0.167 0.1 1 0 0 0 0.033 0 0.4 -0.27 1.433
F6 0 0.167 0.5 0 0 1 0 -0.167 0 0 0.333 2.833

Ahora escojamos el valor menor de los resultados. En este caso es 1.433 de la Fila 5.
Ahora toda la restricción de la fila F5 escribámosla en forma matricial
0.167𝑿𝟏 + 𝟎. 𝟓𝑿𝟐 + 𝑿𝟑 + 𝟎. 𝟎𝟑𝟑𝑺𝟐 + 𝟎. 𝟒𝑺𝟒 − 𝟎. 𝟐𝟕𝑺𝟓 = 𝟏. 𝟒𝟑𝟑
Ahora dejemos a un lado los valores Enteros y al otro lado los valores reales
0𝑿𝟏 + 𝟎𝑿𝟐 + 𝑿𝟑 + 𝟎𝑺𝟐 + 𝟎𝑺𝟒 − 𝟎𝑺𝟓 − 𝟏
= −0.167𝑿𝟏 − 𝟎. 𝟏𝑿𝟐 − 𝟎. 𝟎𝟑𝟑𝑺𝟐 − 𝟎. 𝟒𝑺𝟒 + 𝟎. 𝟐𝟕𝑺𝟓 + 𝟎. 𝟒𝟑𝟑 ≤ 𝟎
Ahora eliminamos la parte de los enteros y solo dejamos la parte de los fraccionarios
0.167𝑿𝟏 + 𝟎. 𝟏𝑿𝟐 + 𝟎. 𝟎𝟑𝟑𝑺𝟐 + 𝟎. 𝟒𝑺𝟒 − 𝟎. 𝟐𝟕𝑺𝟓 ≤ −𝟎. 𝟒𝟑𝟑
Esta será nueva restricción y por ende tenemos otra variable de holgura.
Fila Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 56 B
F1 1 42166.667 1100 0.00 0.00 0.00 0.00 10033.33 0.00 28400 14733 0.00 657433.33
F2 0 1.667 -0.4 0.00 0.00 0.00 1.00 -0.47 0.00 -1.6 0.733 0.00 2.933
F3 0 0.167 0.7 0.00 1.00 0.00 0.00 0.23 0.00 -0.2 0.133 0.00 2.033
F4 0 2.167 0.1 0.00 0.00 0.00 0.00 0.03 1.00 -0.6 -0.27 0.00 4.433
F5 0 0.167 0.1 1.00 0.00 0.00 0.00 0.03 0.00 0.4 -0.27 0.00 1.433
F6 0 0.167 0.5 0.00 0.00 1.00 0.00 -0.17 0.00 0 0.333 0.00 2.833
F7 0 0.167 0.1 0.00 0.00 0.00 0.00 0.03 0.00 0.4 -0.27 1.00 -0.433
Como F7 es la fila que tiene el valor de respuesta(B) menor que cero la escogeremos
como nuestra fila de pivote. Para saber cual será nuestra columna pivote hacemos una
dvisión entre los valores de la F1 y el valor b de la fila F7. Y el valor absoluto menor de
las divisones nos indicar cuál será el valor menor
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6
/(F1/-
F1 1 97382.602 2540.416 0.00 0.00 0.00 0.00 23171.67 0.00 65589 34026 0.00
0.433)/
Como el valor de 𝑿𝟐 es menor escogemos la columna de 𝑋2 como columna pivote y
tenemos por lo tanto el elemento pivote.

Fila Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 B
F1 1 42166.667 1100 0.00 0.00 0.00 0.00 10033.33 0.00 28400 14733 0.00 657433.33
F2 0 1.667 -0.4 0.00 0.00 0.00 1.00 -0.47 0.00 -1.6 0.733 0.00 2.933
F3 0 0.167 0.7 0.00 1.00 0.00 0.00 0.23 0.00 -0.2 0.133 0.00 2.033
F4 0 2.167 0.1 0.00 0.00 0.00 0.00 0.03 1.00 -0.6 -0.27 0.00 4.433
F5 0 0.167 0.1 1.00 0.00 0.00 0.00 0.03 0.00 0.4 -0.27 0.00 1.433
F6 0 0.167 0.5 0.00 0.00 1.00 0.00 -0.17 0.00 0 0.333 0.00 2.833
F7 0 0.167 0.1 0.00 0.00 0.00 0.00 0.03 0.00 0.4 -0.27 1.00 -0.433
Ahora hacemos el mismo procedimiento que en el método simplex

Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 B
F1-
F1 1 40333,333 0 0 0 0 0 9666,667 0 24000 17666,67 11000 652666,67
1100F7
F2 F2+0,4F7 0 2,333 0 0 0 0 1 -0,333 0 0 -0,33 -4 4,67
F3 F3-0,7F7 0 -1 0 0 1 0 0 0 0 -3 2 7 -1
F4 F4-0,1F7 0 2 0 0 0 0 0 0 1 -1 0 1 4
F5 F5-0,1F7 0 0 0 1 0 0 0 0 0 0 0 1 1
F6 F6-0,5F7 0 -0,667 0 0 0 1 0 -0,333 0 -2,00 1,67 5,00 0,67
F7 F7/-0,1 0 1,667 1 0 0 0 0 0,333 0 4 -2,67 -10 4,33
Repetimos el procedimiento en el método de Gomory y en este caso escogemos la F6
y la nueva Fila con la variable de holgura seria la siguiente:

Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7 B
Fila
F1 1 40333,3 0 0 0 0 0 9666,67 0 24000 17666,67 11000 0 652666,667
F2 0 2,33333 0 0 0 0 1 -0,3333 0 0 -0,33333 -4 0 4,66666667
F3 0 -1 0 0 1 0 0 0 0 -3 2 7 0 -1
F4 0 2 0 0 0 0 0 0 1 -1 0 1 0 4
F5 0 0 0 1 0 0 0 0 0 0 0 1 0 1
F6 0 -0,6667 0 0 0 1 0 -0,3333 0 -2 1,666667 5 0 0,66666667
F7 0 1,66667 1 0 0 0 0 0,33333 0 4 -2,66667 -10 0 4,33333333
F8 0 0,66667 0 0 0 0 0 0,33333 0 0,00 -0,66667 0,00 1 -0,6666667
Nuestra fila Pivote será F8, Ahora escojamos la Columna pivote
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 56 S7
F1 /(F1/0,666)/ 1 60500 0 0 0 0 0 14500 0 36000 26500 16500 0
Ahora Nuestra solución es la siguiente:
Fila Operación Z X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7 B
F1- -
F1 1 21000 0 0 0 29000 0 0 0 66000 156000 0 672000
9666,7F6 34000
F2 F2+0,33F6 0 3 0 0 0 -1 1 0 0 2 -2 -9 0 4
F3 F3 0 -1 0 0 1 0 0 0 0 -3 2 7 0 -1
F4 F4 0 2 0 0 0 0 0 0 1 -1 0 1 0 4
F5 F5 0 0 0 1 0 0 0 0 0 0 0 1 0 1
F6 F6/-0,33 0 2 0 0 0 -3 0 1 0 6 -5 -15 0 -2
F7 F7-0,33F6 0 1 1 0 0 1 0 0 0 2 -1 -5 0 5
F8 F8-0,33F6 0 0 0 0 0 1 0 0 0 -2 1 5 1 0
En conclusión aunque tenemos una solución Óptima sabemos que no es una solución
factible
CONCLUSIONES
Es un sistema donde todos los comportamientos u opciones se pueden simular por
medio de ecuaciones matemáticas cuyas variables están previamente establecidas de
acuerdo a lo que se quiere contemplar.
BIBLIOGRAFIAS