Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programacion Lineal
Programacion Lineal
Encontrar la
Solución
Óptima
3
Los elementos que debe contener un modelo de programación lineal, son los siguientes:
Expresiones matemáticas
Ejemplo: A+B=C
Las Inecuaciones
Ejemplo: 2A+3B ≥ C
Las Variables de decisión, las cuales deben existir por lo menos dos variables y la mejor forma de
representarlas es con Xn, donde n puede tomar infinitos valores.
Las relaciones permitidas con las variables son las siguientes: =, +, -, ≤, ≥, exponente 1 en las
variables, producto entre el coeficiente y la variable.
Por otro lado, las relaciones no permitidas son las siguientes: ≠, <, >, división y producto entre
variables, exponente distinto (mayor) de uno, raíz cuadrada.
Restricciones
De estas, debe haber dos o más.
Restricciones de No negatividad, significa que los valores de variables no deben ser negativos. Esto
es: Xn ≥ 0
Objetivo
Es la meta o logro que la empresa quiere alcanzar cuando determine cómo utilizará sus recursos
limitados. El objetivo será básicamente de dos tipos:
De lo anterior se desprende lo que conocemos como FUNCIÓN OBJETIVO, que no es otra cosa más
que una expresión matemática que nos debe decir qué objetivo se persigue.
Se representa con:
-ZMAX ó MaxZ
-ZMIN ó MinZ
La estructura que debe presentar un modelo de programación lineal, es más o menos como sigue:
Primero, que existan recursos limitados.
Determinar variables de decisión (X1=, X2=,)
4
El siguiente paso es escribir SÓLO UNA Función Objetivo
Ejemplo:
ZMAX = 3X1+2X2
RESTRICCIÓN 1 X1 + 3X2 ≤ 50
RESTRICCIÓN 2 2X1 – X2 ≤ 20
Las restricciones generalmente son desigualdades y en muy raras ocasiones son una igualdad.
Debe existir una restricción por tipo de recurso. Las variables no deben ser negativas (restricción
de no negatividad: X1, X2 ≥ 0).
1) Modelo de Maximizar Homogéneo: En este tipo de modelo, las restricciones son del mismo
tipo.
Ejemplo:
s.a. X1 + 3X2 ≤ 50
2X1 – X2 ≤ 20
X1, X2 ≥ 0
5
2) Modelo de Maximizar Heterogéneo: Restricciones de recursos son distintas.
Ejemplo:
ZMAX= 4X1 + X2
s.a. 3X1 + X2 ≤ 25
X 1 – X2 ≤ 8
X2 ≥ 4
X1, X2 ≥ 0
s.a. 2X1 + X2 ≥ 10
X1 + 3X2 ≥ 15
3 X1 - X 2 ≥ 8
X1, X2 ≥ 0
ZMIN= X1 + X2
X 1 + X2 ≤ 5
X1, X2 ≥ 0
Cuándo usar reglas generales para determinar el tipo de restricción.
Las reglas generales se aplican cuando el problema no especifique las restricciones de recursos y
sólo se aplica a los modelos heterogéneos.
6
2. FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL.
El paso inicial es que exista un problema, luego contar con la información necesaria (recursos
limitados, variables de decisión, objetivo, recursos para cada variable) y si el problema no nos
aporta más información, recurrimos a las reglas generales.
Variables de Decisión
Recursos Disponibilidad
X1 X2
Recurso1
Recurso2
Utilidad o
Costos
X1 X2
Mesa Silla
Madera ≤ 100 M3
Recursos
0.75 0.5
≤ 10 Kg
Clavos 1/4 1/8
≤ 80 Hrs
Mano de obra 5 4
Utilidad 50 45 Función
Objetivo
Coeficientes
1/4X1 + 1/8X2 ≤ 10
* El resultado es un Modelo de Maximizar
5X1 + 4X2 ≤ 80
Homogéneo o Estándar de Maximizar
X1, X2 ≥ 0
7
RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEAL
3. MÉTODO GRÁFICO
Es considerado como el método más sencillo, pero tiene que satisfacer los siguientes criterios:
Otras consideraciones:
Considere el siguiente ejemplo para ayudarnos a comprender mejor los pasos a seguir.
X A, X B ≥ 0
1. Identificar el modelo a resolver. Esto significa que vamos a determinar si buscamos el valor
máximo de Z (ZMAX) o el valor mínimo de Z (Z MIN). Cuando existen áreas del mismo lado (modelos
homogéneos) significa que por lo menos hay una solución óptima. En el ejemplo nos interesa
obtener el valor máximo de Z.
8
2. Establecer las fronteras de cada restricción. Las fronteras son las igualdades de las restricciones.
Para hallarlas, solamente convertimos las desigualdades (inecuaciones) en igualdades
(ecuaciones).
Esto es:
8XA + 15XB ≤ 112 8XA + 15XB = 112
Le asignamos el valor 0 a una de las variables, para hallar el punto donde la línea hace intersección
con el eje de las Y (XB). Empezamos con XA
Si XA = 0 Si XB = 0
Entonces diremos que: Entonces diremos que:
0 + 10XB = 170 20XA + 0 = 170
XB = 170/10 XA = 170/20
XB = 17 XA = 17/2
Por lo tanto, el punto 1 sería: Por lo tanto, el punto 2 sería:
P1 (0 , 17) P2 (17/2 , 0)
9
Gráfica del ejemplo anterior.
Área de
solución
20XA + 10XB = 170
factible
Vértices de
Optimalidad
V2
Área de
optimalidad
8XA + 15XB = 112
V3 Área de
solución
factible
V1 V4
Esta área contiene los valores de las variables que satisfacen la restricción (recurso limitado) que
se analiza. En la gráfica anterior se puede identificar claramente el área de solución factible para
cada una de las líneas rectas.
Esta área es la que contiene los valores de las variables que satisfacen a todas las restricciones del
modelo y que además en uno o más vértices que la delimitan, llamados “vértices de optimalidad”,
se encontrará la solución óptima del modelo. En la gráfica anterior identificamos al área de
optimalidad por ser la región marcada con líneas color rojo en forma de rejilla delimitada por
cuatro vértices de optimalidad señalados por flechas punteadas color amarillo.
10
6. Construir una tabla donde se ubiquen los vértices de optimalidad, los valores de las variables en
esos vértices y el valor de la función objetivo para cada vértice.
Esto lo haremos al seleccionar el vértice que satisfaga de mejor manera el objetivo que se
persigue. Para el ejemplo que estamos analizando, el objetivo que perseguimos es de maximizar
utilidades, por lo tanto nos interesa el valor más alto que es 152 y se encuentra en el vértice 3.
8. A partir de la solución óptima, interpretar dicha solución para encontrar la solución al problema
que se está resolviendo.
POR LO TANTO,
XB= 4
4. EL MÉTODO SIMPLEX
El método del simplex se utiliza, sobre todo, para resolver problemas de programación lineal en
los que intervienen tres o más variables.
11
Supongamos que tenemos el siguiente modelo original.
2. Relaciones aumentadas.
Si un momento dado se quiere volver de un modelo equivalente al modelo original, lo único que se
tiene que hacer es eliminar las variables de holgura.
Las variables de decisión siempre serán 0. (XA = 0, XB = 0. En este punto se conocen como variables
no básicas) ZMAX = 0
Cj 16 12 0 0 Zj = ∑ Cij aij
VB XA XB S1 S2 VS
0 S1 8 15 1 0 112 Rengl
ón
0 S2 20 10 0 1 170
Pivote
Zj 0 0 0 0 0
Cj- Zj 16 12 0 0 ZMAX= 0
XA= 0
Columna XB= 0
Pivote
12
5. Cambio de Bases.
Consiste en cambiar una variable no básica a una básica y viceversa. La terminología para este tipo
de variables es Variable Básica Entrante (VBE) y Variable Básica Saliente (VBS).
112 170 17
Para S1 = =14 Para S2= = =8.5
8 20 2
A la intersección entre la columna pivote y el renglón pivote se le llama número pivote. En este
caso es 20.
Cj 16 12 0 0
VB XA XB S1 S2 VS
13
Podemos ver que aún quedan valores positivos en Cj - Zj, por lo tanto aunque la solución parezca
más optima que la anterior, todavía podemos hacer otra iteración. Entonces procedemos.
Cj 16 12 0 0
VB XA XB S1 S2 VS
Rengl
Determinamos un nuevo renglón y
0 S1 0 11 1 −2 44 ón
columna pivotes.
5 Pivote
1 1 17
16 XA 1 0
2 20 2
Zj 16 8 0 4 136
Cj- Zj 5
0 4
Columna 0 −4
Pivote 5
En este punto tendremos que repetir la operación anterior, es decir dividir todo el renglón pivote
anterior entre el número pivote. Posteriormente buscar nuevos valores para el renglón XA,
calcular los valores de Zj, y finalmente Cj-Zj. El resultado final queda como sigue.
Cj 16 12 0 0
VB XA XB S1 S2 VS
Nueva Solución:
12 XB 0 1 1/11 -2/55 4 XA= 6.5
XB= 4
16 XA 1 0 -1/22 3/44 13/2
ZMAX= 152
Zj 16 12 4/11 36/55 152 S2=0, S2=0
0 0 -4/11 -36/55
Cj- Zj
Nos damos cuenta de que hemos llegado a la solución óptima porque en el renglón del criterio
simplex (Cj – Zj) solo encontramos valores 0 y negativos.
Pudimos darnos cuenta que llegamos al mismo resultado que con el método gráfico, pero de
distinta manera.
14