Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRESENTACION
El desarrollo de las ciencias y su aplicación es un tema fundamental para el avance tecnológico, el
cual tiene como base la investigación científica, es por eso que la Escuela Militar de Ingeniería está
motivando a la comunidad docente y estudiantil que se interese en la aplicación científica y así
lograr la aplicación de todas las áreas de estudio, además que esto ayudara a diversas empresas a
resolver problemas.
Es por eso que es necesaria la aplicación de las herramientas científicas en especial la concerniente a
la Investigación de Operaciones, ya que se tiene diversos campos y usos, lo que ayuda a la
optimización de los distintos recursos, además que la base es la formulación de los modelos que
ayuda a la optimización de las necesidades de las empresas.
Una parte importante es obtener resultados correctos en los modelos para la cual se tienen diferentes
técnicas y herramientas, que se ven reflejados en diversos software aplicados a la Programación
Lineal, que este manual presenta los mas importantes con un ejemplo sencillo, para que se entienda
el uso análisis e interpretación de los resultados, este ejemplo se puede aplicar a distintas áreas de
aplicación que tiene la programación lineal.
Este manual esta destinado a aquellas personas que tienen un conocimiento previo de las técnicas
para resolución de Investigación Operativa referente a los Modelos de Programación Lineal (MPL)
que en primera instancia tendrá un resumen y en algunos casos un desglose puntual de los capítulos
de la asignatura Investigación Operativa I, que es llevado en la carrera de Ingeniería Comercial de la
EMI. En base a esta referencia se realizara el desarrollo del planteo de un problema que puede
presentarse en la vida real para resolverlo mediante los software (SOLVER, LINDO, LINGO,
EPLAR, etc.), además de la interpretación de los resultados, que en algunos casos se requiere para
realizar el análisis de sensibilidad correspondiente a cada modelo.
Ing. Jhonny Flores Flores
Ingeniero Industrial
DEDICATORIA
Este texto esta dedicado a la Escuela Militar de Ingeniería (EMI) y en especial a la Carrera de Ingeniería
Comercial por abrirme las puertas para que puede enseñar los conocimientos que he adquirido a lo largo
de mi carrera profesional.
A mi familia que siempre me inculco no quedarme, no ser conformista, siempre superarse, ser el mejor y
ayudar siempre a los demás, en especial a la mujer que amare por siempre mi Madre. También de
manera muy particular a Ing. Ilsen Callejas, por ser la persona especial que comparte su vida conmigo,
en las buenas y malas, siempre esta a mi lado apoyándome y aconsejando, mejorando así mi vida.
A mi universidad donde me forme (UMSA), a mi facultad y en especial a mi carrera, Ingeniería
Industrial que me acogió a lo largo del periodo de estudiante, que me enseñaron e inculcaron ser siempre
lo mejor, además de mis grandes amigos que hicieron ver que en la vida si existe la verdadera amistad
eterna y con esa enseñanza quiero dar lo mejor de mi a la Escuela Militar de Ingeniería.
A mi docente de la asignatura de Investigación Operativa I, Ing. Juan Carlos Ignacio Garzón que me
inculco sus enseñanzas e hicieron que vea la aplicación más práctica y extensa de la asignatura. También
agradecer a mis compañeros y amigos de colegio (IDEB) con los que compartí una amistad inolvidable.
“ Ser ingeniero significa tener ingenio para plantear soluciones a los distintos problemas existentes
sobre la base que se tiene”
INDICE DE CONTENIDO
Pág.
1. INTRODUCCIÓN A LA PROGRAMACION MATEMATICA......................................... 1
1.1 Definición de la Investigación de Operaciones.................................................................... 1
1.2 Resumen histórico e importancia de la Investigación Operativa. ...................................... 2
1.3 La Programación Matemática............................................................................................. 5
1.4 Programación Lineal. ......................................................................................................... 5
1.4.1 Programación Lineal. ...................................................................................................... 5
1.4.1.1 Identificación de Variables ............................................................................................ 6
1.4.1.2 Identificación de la función objetivo ............................................................................. 6
1.4.1.3 Identificación de las r estricciones .................................................................................. 6
1.4.1.4 Condición de existencia de las variables........................................................................ 7
1.4.1.5 Representación Matricial de un MPL .......................................................................... 7
1.4.2 Propiedades del Modelo de Progr amación Lineal (MPL) .............................................. 7
1.5 Aplicaciones de la Programación Lineal ............................................................................ 8
1.6 Ejemplos de modelación en la Programación Lineal......................................................... 9
1.7 Recomendación para el uso del manual de Programación Lineal en software................19
1.8 Técnicas para resolver modelos de programación lineal..................................................20
1.8.1 Método Gráfico ................................................................................................................20
1.8.2 Método Algebraico...........................................................................................................20
1.8.3 Método Simplex................................................................................................................20
1.8.4 Técnica en M ....................................................................................................................21
1.8.5 Técnica 2 fases..................................................................................................................22
1.8.6 Técnica Dual Simplex. .....................................................................................................22
1.9 Análisis de Sensibilidad .....................................................................................................23
1.10 Modelo de Transporte......................................................................................................24
1.10.1 Algoritmos de Transporte..............................................................................................25
1.10.1.1 Método de la Esquina Noroeste ..................................................................................26
1.10.1.2 Método del Costo Mínimo...........................................................................................26
1.10.1.3 Método de la Esquina Noroeste ..................................................................................26
1.10.2 Prueba de optimización..................................................................................................26
2. INTRODUCCIÓN PARA LA APLICACIÓN DE SOFTWARE .......................................27
3. RESOLUCIÓN MEDIANTE SOLVER ..............................................................................27
3.1 Habilitar SOLVER en EXCEL. .........................................................................................27
3.2 Planteo de un Modelo de Programación Lineal MPL en EXCEL ....................................29
3.3 Resolución de un MPL mediante SOLVER .......................................................................30
3.4 Opciones de SOLVER ........................................................................................................32
3.4.1 Opciones para Modelos No Lineales ...............................................................................33
3.5 Resultado del SOLVER ......................................................................................................34
3.5.1 El Infor me de Respuestas. ..............................................................................................34
3.5.2 El Infor me de Sensibilidad. .............................................................................................35
3.5.3 El Infor me de Límites ......................................................................................................36
4. RESOLUCIÓN MEDIANTE WINQSB ..............................................................................37
4.1 Introducción del MPL en WINQSB...................................................................................38
4.2 Opciones del menú para resolver el MPL en WINQSB ....................................................41
4.2.1 Comando File. ..................................................................................................................41
4.2.2 Comando Edit. .................................................................................................................41
7.1.2.9 Comando Opciones. ......................................................................................................73
7.1.2.10 Comando Go to Line. (Ir a la Línea) ..........................................................................76
7.1.2.11 Comando Paste Symbol. (Pegar símbolo)...................................................................76
7.1.2.12 Comando Clear all. (Limpiar todo) ............................................................................77
7.1.2.13 Comando Solve Command. (Resolver).......................................................................77
7.1.2.14 Comando Compile Model. (Modelo compilado) ........................................................77
7.1.2.15 Comando Solution Command. (Comando de Solución) ............................................77
7.1.2.16 Comando Peruse Command. (Comando para verificar) ...........................................77
7.1.2.17 Comando Picture. (Cuadro)........................................................................................77
7.1.2.18 Comando Send to Back. (Enviar al fondo).................................................................77
7.1.2.19 Comando Title. (Titulo) ..............................................................................................78
7.1.2.19 Comando Close All Command. (Cer rar todos los comandos)...................................78
7.2 Solución de un MPL mediante LINDO ..............................................................................78
7.3 Análisis de Sensibilidad de un MPL mediante LINDO .....................................................80
7.4 Reportes adicionales de un MPL mediante LINDO ..........................................................80
8. RESOLUCIÓN MEDIANTE LINGO .................................................................................81
8.1 Descripción de la bar ras de her ramientas del LINGO ......................................................82
8.1.1 Descripción de la bar ra de menú principal del LINGO .................................................82
8.1.1.1 Comando File ................................................................................................................82
8.1.1.2 Comando Edit ...............................................................................................................83
8.1.1.3 Comando LINGO..........................................................................................................83
8.1.1.4 Comando Window.........................................................................................................84
8.1.1.4 Comando Help...............................................................................................................84
8.1.2 Descripción de la bar ra de iconos de herramienta del LINGO ......................................84
8.1.2.1 Comando Nuevo. ...........................................................................................................84
8.1.2.2 Comando Abrir. ............................................................................................................84
8.1.2.3 Comando Guardar. .......................................................................................................85
8.1.2.4 Comando Cortar. ..........................................................................................................85
8.1.2.5 Comando Copiar. ..........................................................................................................85
8.1.2.5 Comando Pegar. ............................................................................................................85
8.1.2.6 Comando Deshacer / Rehacer.......................................................................................85
8.1.2.7 Comando Buscar. ..........................................................................................................85
8.1.2.8 Comando Ir a línea........................................................................................................85
8.1.2.9 Comando Separación de paréntesis..............................................................................86
8.1.2.10 Comando Resolver. .....................................................................................................86
8.1.2.11 Comando Solución. .....................................................................................................86
8.1.2.12 Comando Cuadro matricial. .......................................................................................86
8.1.2.13 Comando Opciones. ....................................................................................................86
8.1.2.14 Comando Send to Back. (Enviar al fondo).................................................................87
8.1.2.15 Comando Close All Command. (Cer rar todos los comandos)...................................88
8.1.2.16 Comando Title. (Titulo) ..............................................................................................88
8.1.2.17 Comando Help Topics. (Temas de ayuda)..................................................................88
8.1.2.18 Comando Help (ayuda) ...............................................................................................88
8.2 Solución de un MPL mediante LINGO.............................................................................88
8.3 Análisis de resultados de un MPL mediante LINGO .......................................................89
9. RESOLUCIÓN MEDIANTE TORA ...................................................................................90
9.1 Introducción de un MPL en TORA ...................................................................................92
9.1 Solución de un MPL en TORA...........................................................................................95
9.1.1 Solución por el método M de un MPL en TORA............................................................95
9.1.2 Solución por el método 2 fases de un MPL en TORA ....................................................97
9.1.3 Solución por el método gráfico de un MPL en TORA....................................................98
BIBLIOGRAFÍA ....................................................................................................................101
1. INTRODUCCIÓN A LA PROGRAMACION MATEMATICA
1.1 Definición de la Investigación de Operaciones.
Para definir la investigación de operaciones se puede tomar en cuenta las definiciones
correspondientes por autores que realizaron textos importantes en esta rama, de los cuales se puede
citar a los siguientes:
Según Hiller F. y Lieberman J. “Un enfoque científico de la toma de decisiones que requiere la
operación de sistemas organizacionales”
Según Taha, H. “Una herramienta para la toma de decisiones mediante herramienta que ayuden la
optimización de recursos”
Según Chediak, F. “Ofrece a los gerentes herramientas cuantitativas para la toma de decisiones que
resuelven los problemas diarios de un negocio ó sirven para tomar decisiones en la planeación a
corto o largo plazo, sea el negocio de carácter gubernamental, de producción, de servicios gremial
o cooperativo”
Según la Escuela de Economía de la Universidad de Carabobo. “La Investigación de Operaciones es
una ciencia gerencial, enfocada hacia la toma de decisiones gerenciales, basada en el método
científico para resolver problemas”.
Según Shamblin y Stevens “La Investigación Operacional es un enfoque científico de la toma de
decisiones”
Según Ackoff y Sasieni “La Investigación de Operaciones es: La aplicación del método científico,
por equipos interdisciplinarios, a problemas que comprenden el control de sistemas organizados
hombremáquina, para dar soluciones que sirvan mejor a los propósitos de la organización como
un todo” .
Según Thierauf y Grosse “La investigación de Operaciones utiliza el enfoque planeado (método
científico) y un grupo interdisciplinario, a fin de representar las complicadas relaciones funcionales
en modelos matemáticos para suministrar una base cuantitativa para la toma de decisiones, y
descubrir nuevos problemas para su análisis cuantitativo.”
Según Moskowitz y Wright. “Método científico aplicado a problemas y la toma de decisiones por la
gerencia”
Según Winston, W. “Planteamiento científico a la toma de decisiones, que busca determinar cómo
diseñar y operar mejor un sistema, normalmente bajo condiciones que requieren la asignación de
recursos escasos.”
De acuerdo a lo que se menciono se puede establecer la siguiente definición:
La investigación operativa es la aplicación, del método científico y técnicas matemáticas a
problemas relacionados en la vida real, donde se requiere optimizar una operación tomando en
cuenta los recursos y condiciones existentes en el medio.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 1
Investigación Operativa I Ing. Jhonny Flores Flores
1.2 Resumen histórico e importancia de la Investigación Operativa.
La importancia de la aplicación de la Investigación Operativa se presenta desde tiempos antiguos,
por lo cual se dará una referencia en forma cronológica de estos acontecimientos.
En el año 212 A. C. Arquímedes cuando tenía 75 años, fue contratado por la ciudad de Siracusa para
idear un método de romper el sitio naval a la ciudad, que estaba bajo el ataque de los romanos, en el
cual se produjo la primera idea de maximizar los beneficios por el mínimo de recursos con se
contara la ciudad de Siracusa.
En 1905 Un ingeniero danés A. K. Erlang hizo experimentos relacionados con las fluctuaciones de
la demanda telefónica en equipo automático quedando estos trabajos como fundamento de muchos
modelos matemáticos que se usan actualmente en los estudios de Teoría de Colas o Líneas de
Espera.
En 1910, Taylor se dedicó a buscar la eficiencia para las tareas haciendo valer los estudios de
tiempos y movimientos de Frank y Lillian Gilbreth eliminando movimientos innecesarios y
desperdicios en cada tarea
Entre los años 1914 – 1915 se introdujo por primera vez el concepto de Investigación de
Operaciones, por este entonces se tenía la primera guerra mundial en Inglaterra,, cuando W.
Lanchester intentó tratar cuantitativamente las operaciones militares, obteniendo ecuaciones que
relacionaban el resultado de una batalla en función de la fuerza numérica relativa de los
combatientes y de su capacidad relativa de fuego. Lanchester modeló una situación que involucraba
opciones estratégicas, y después probó ese modelo contra la situación real. Éste procedimiento es el
que los Investigadores de Operaciones han venido practicando desde entonces. Incluso Tomás Alva
Edison en los Estados Unidos de América, estudió el proceso de la guerra antisubmarina. Efectuó un
análisis estadístico para desarrollar maniobras mediante las cuales los barcos pudieran evadir y
destruir a los submarinos, y algo que contribuyo a los militares fue de averiguar las maniobras más
eficaces de los barcos mercantes para disminuir los embarques perdidos por ataques de los
submarinos enemigos. Edison empleó un "tablero táctico" como modelo para simular las
operaciones reales.
En 1915 Ford W. Harris describió el primer modelo sobre el tamaño de lote económico de
inventarios. En 1917, el matemático Danés A. K. Erlang, que trabajaba en la compañía telefónica de
Copenhage, publicó el trabajo Soluciones a algunos problemas en la teoría de probabilidades
importantes en las centrales telefónicas automáticas, contenía fórmulas de tiempo de espera que más
tardes fueron empleadas por la Oficina Postal Británica para calcular el número de circuitos
necesarios.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 2
Investigación Operativa I Ing. Jhonny Flores Flores
En 1925 Owen contribuyo al desarrollo de modelos de control de inventarios, Benjamín Cooper
(1926), Wilson (1926) y W. Mueller (1927). Las técnicas matemáticas del control de inventarios son
de las más antiguas herramientas de la Investigación de Operaciones.
En 1937, a punto de empezar la Segunda Guerra Mundial, se juntó en el Reino Unido a un equipo de
matemáticos, ingenieros y científicos en áreas básicas, para estudiar los problemas estratégicos y
tácticos asociados con la defensa del país. Se formó un equipo cuyo objetivo era determinar la
utilización más efectiva de los limitados recursos militares. En consecuencia, a las actividades de
este grupo se le llamó Investigación Operacional, que es terminología común en el medio militar
En 1940 se reunió otro grupo, el circo de Blackett encabezado por el distinguido físico inglés P.
Blackett para estudiar la actuación del equipo de control de cañones en el campo; había tres
fisiólogos, cuatro matemáticos, un físico, un astrofísico, un oficial militar y un agrimensor.
En Abril de 1942 en los Estados Unidos de Norteamérica se motivaron por los éxitos alcanzados por
los grupos británicos, se decidió introducir la Investigación Operativa a nivel superior,
emprendiendo también estudios tales como: problemas logísticos complejos, el desarrollo de
patrones de vuelo para aviones y la planeación de maniobras navales. En la Fuerza Aérea se le dio el
nombre de Análisis de Operaciones y en el Ejército y la Marina los de Investigación de Operaciones
y Evaluación de Operaciones, respectivamente. Cuando terminó la guerra, la necesidad de
reconstruir en la Gran Bretaña, dio lugar al surgimiento de otros problemas de administración en
sectores de gobierno e industria los cuales demandaron la actuación de los mismos científicos
especializados en la Investigación Operativa. Después de la segunda guerra mundial, tanto el
ejército como la fuerza aérea de los Estados Unidos de Norte América, continuaron con los grupos
de Investigación Operativa pero las técnicas desarrolladas empezaron a ser usadas en la planeación
de los negocios. La industria debía renovar su producción y organización para servir rápidamente a
las necesidades en tiempos de paz.
En 1950 se organizó la Operations Research Society of América (ORSA) y The Institute of
Management Science (TIMS). Desde 1952 ORSA publica la revista Operations Research y desde
1953 TIMS publica su revista Management Science. Desde la década de los 70 (s) las dos
sociedades publican la revista trimestral Interfases con trabajos y artículos relacionados con los
problemas operacionales del uso de la ciencia administrativa y la investigación de Operaciones. En
Inglaterra se formó en 1948 el Operational Research Club quien cambió su nombre posteriormente a
la Operational Research Society of the United Kingdom y para 1950 crearon la revista Operational
Research Quarterly. Más recientemente se han formado sociedades de Investigación de Operaciones
en Francia, Italia, Israel y Austria.
También en la década de 1950 en Estados Unidos con el desarrollo y comercialización de las
computadoras, los investigadores de operaciones y la gente asociada con las operaciones de la
última guerra, se percataron que los estudios realizados en la misma eran de gran utilidad, aplicados
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 3
Investigación Operativa I Ing. Jhonny Flores Flores
a los problemas industriales. La computadora y el desarrollo de la IO motivaron a los ejecutivos
industriales y a los especialistas de esta disciplina para reunirse y provocar su rápido crecimiento.
La Programación Lineal (PL) tuvo un gran impulso para la investigación industrial dando entrada
las empresas a muchos especialistas; las técnicas Pert, control de inventarios, y la simulación,
empezaron a emplearse con éxito; en vez de los simples promedios, se incluyeron la probabilidad y
la estadística tan útiles en cualquier estudio moderno.
Actualmente el uso de la Investigación Operativa es extenso en áreas de: contabilidad, compras,
planeación financiera, mercadotecnia, planeación de producción, transporte y muchas otras más,
convirtiéndose en importante instrumento de competencia para los presupuestos y contratos.
La siguiente tabla esboza parte de los estudios y técnicas en que se apoyaron los grupos de IO en el
desarrollo de esta disciplina.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 4
Investigación Operativa I Ing. Jhonny Flores Flores
1.3 La Programación Matemática.
La programación matemática es la base para resolver un modelo matemático, que tiene una
estructura ya definida, entre los cuales se puede mencionar los pasos siguientes para la construcción
de este tipo de modelos.
· Identificar el problema
· Observar el sistema
· Formular el modelo matemático del problema
· Verificar el modelo y usar el modelo para predecir
· Seleccionar una opción adecuada
· Presentar los resultados y conclusión del estudia de la empresa
· Poner en marcha y evaluar las recomendaciones
Lo principal siempre es identificar el problema, pero esta estructura se puede presentar en un modelo
de programación matemática que es la siguiente:
OPT Z = f ( Xi )
g ( Xi ) £ bi
g ( Xi ) = bi
g ( Xi ) ³ bi
Donde i = 1, 2, 3, … , n
En un modelo matemático se tiene restricciones de la forma de desigualdades (mayor o igual y
menor o igual) y de la forma de igualdad, este de acuerdo al sistema que se presente, además esto
sirve para ver la opción más adecuada del modelo planteado.
1.4 Programación Lineal.
La programación Lineal se basa en la relación de variables definidas de acuerdo al problema
existente, esta programación requiere de un modelo que relacione todas las variables de acuerdo a
las condiciones existentes.
1.4.1 Programación Lineal.
El modelo de Programación Lineal es una representación simbólica de la realidad que se estudia, se
forma con expresiones lógicas matemáticas conteniendo términos que significan contribuciones: a la
utilidad (con máximo), al costo (con mínimo). Este modelo en primera instancia se debe definir de
acuerdo a lo que se necesita, como se menciono cuando se pide o necesita una retribución
(Maximizar) esta puede ser de acuerdo al ingreso que se pude tener, a las utilidades, pero en algunos
casos, no se presentan estos en forma directa, es decir se pude dar de manera indirecta que vincule
los ingresos o utilidades, por ejemplo la producción o venta de un articulo, a la larga representa un
ingreso o en algunos casos si se da información una utilidad.
De la misma manera se puede representar el costo (Minimizar), que puede presentarse de manera
indirecta, como por ejemplo los operarios, mermas de producción, etc., a la larga representan un
costo a la empresa o industria donde se quiere realizar el modelo.
Este modelo también presenta restricciones, es decir que los recursos disponibles, que por lo general
son limitantes que hacen planificar las operaciones, en caso del consumo de recurso (disponible con
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 5
Investigación Operativa I Ing. Jhonny Flores Flores
desigualdad ≤), al recurso requerido (con desigualdad ≥), recurso especificado (con igual = ), pero
además de esto se pude contar con palabras como ser: disponible (≤), mínimo (≥), máximo (≤), por
lo menos (≥), a lo mucho (≤), necesario (≥), etc., y sinónimos de esas palabras, al realizar este
modelo se tiene que seguir 4 partes las cuales se desglosa a continuación.
1.4.1.1 Identificación de Variables
Cualquier modelo debe necesariamente identificar la variable a ser determinada, no se debe olvidar
que esta variable puede considerarse como una incógnita que se necesita ser calculada, también es
necesario determinar las unidades con que se mide esa variable, que puede ser, unidades físicas,
litros, kilogramos, personas, horas, etc., al dimensionar las unidades se puede establecer las
relaciones correspondientes.
Por lo general se propone la variable a ser encontrada como Xi, donde i presente el número de
variables de ese tipo existentes en el modelo, Pero en algunos problemas no se pueden reflejar con
un solo tipo de variable a veces se requiere otra variable Yi, o incluso más variables, no se debe
olvidar que cada tipo de variable debe estar correctamente dimensionado para que la construcción
del modelo no presente dificultades.
1.4.1.2 Identificación de la función objetivo
Como se menciono anteriormente la función objetivo tiene que establecerse de acuerdo a lo que se
pide o necesita, por o general tiene la siguiente presentación
F . OBJ MAX _ Z = C 1 X 1 + C 2 X 2 + C 3 X 3 + .... + C n X n En caso que se trate del calculo del
ingreso o utilidades de manera directa o indirecta.
Donde Ci representa los coeficientes que relacionan a las variables dentro de la FOBJ, estos por lo
general dan una pauta de cual seria la variable o variables, como por ejemplo si se tiene el precio en
($/und.), o ($/Hr.) se puede deducir que las unidades de la variables pueden ser und., o hr., por lo
general en esta fila debe tener unidades monetarias o que estén relacionados monetariamente con la
función objetivo (MAX o MIN).
1.4.1.3 Identificación de las r estricciones
Cada modelo de Programación Lineal (MPL) tiene escenarios en el cual se presenta limitantes o
restricciones de acuerdo a las referencias que se dan, como se menciono anteriormente se tiene
desigualdades (≤ o ≥) o igualdad (=) en estas restricciones que pueden tener la siguiente
presentación:
a 11 X i + a 12 X 2 + ... + a 1 n X n ³, ³ o = b 1
a 21 X i + a 22 X 2 + ... + a 2 n X n ³, ³ o = b 2
.....
a m 1 X i + a m 2 X 2 + ... + a mn X n ³, ³ o = b m
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 6
Investigación Operativa I Ing. Jhonny Flores Flores
Donde:
ai = Representan los coeficientes tecnológicos, es decir las relaciones que vinculan las
variables identificadas con las materias primas, capacidades, rendimientos, etc.
bi = Son los valores que representan los recursos o disponibilidades de cada restricción o
limitante.
1.4.1.4 Condición de existencia de las variables
Cada variable debe cumplir la condición de existencialidad, es decir que debe existir esta variable Xi
para que el modelo presente un comportamiento real, por ejemplo si se tratase de una variable que
expresa la cantidad de artículos producidos, el valor que asume la variable no pude ser negativo es
decir que no puede existir –3 artículos en la vida real, puede que no exista por lo que la variable
puede asumir el valor de cero (0) o puede haber valores positivos. Lo mismo sucede en el caso que
la variable represente la producción en kilogramos de cierto producto, por lo cual es una condición
necesaria en el modelo que se puede presentar de la siguiente manera:
1.4.1.5 Representación Matricial de un MPL
La forma típica en la cual se puede englobar un MPL es la matricial que puede tener la siguiente
estructura:
é X 1 ù
ê X ú
F. OBJ OPT Z = [C1 C 2 .... C n ] 1 xn * ê ú
2
ê : ú
ê ú
ë X n û nx 1
s. a.
é a 11 a 12 ... a 1 n ù é X 1 ù é b ù
ê a ú ê ú £ ê 1 ú
ê 21 a 22 ... a 2 n ú * ê X 2 ú = ê b 2 ú
ê : : : : ú ê : ú ê : ú
ê ú ê ú ³ê ú
ë a m 1 a m 2 ... a mn û mxn ë X n û nx 1 ëb m û mx 1
X i ³ 0
Esta representación matricial es la base de la Representación Canónica
OPT Z = CX
SA AX ≤, =, ≥ B
X ≥ 0
contraste, el término no lineal 4X1 2 , contribuye con 4, 16, 36, etc., para los mismos valores 1,
2, 3, etc., respectivamente, de la variable X1 ; Aquí se observa que el aumento en la
contribución no es constante y por lo tanto no hay proporcionalidad.
· Aditividad. Significa que se puede valorar la función objetivo Z, así como también los
recursos utilizados, sumando las contribuciones de cada uno de los términos que intervienen
en la función objetivo Z y en las restricciones.
· Divisibilidad. Significa que las variables de decisión son continuas y por lo tanto son
aceptados valores no enteros para ellas. La hipótesis de divisibilidad más la restricción de no
negatividad, significa que las variables de decisión pueden tener cualquier valor que sea
positivo o por lo menos igual a cero.
· Certidumbre. Significa que los parámetros o constantes son estimados con certeza, o sea,
no interviene una función de probabilidad para obtenerlos
· El modelo de programación lineal es un caso especial de la programación matemática, pues
debe cumplir que, tanto la función objetivo como todas las funciones de restricción, sean
lineales.
1.5 Aplicaciones de la Programación Lineal
En la vida real se puede aplicar el modelaje, de acuerdo a los escenarios presentados, actualmente en
la sociedad moderna se ha reconocido interesantes problemas de optimización tales como la manera
más eficiente de manejar la economía de un país o también la mezcla de ingredientes de un
fertilizante para satisfacer las especificaciones agrícolas a costo mínimo. Ambos problemas utilizan
el modelo de programación lineal, para optimizar una función lineal condicionada a restricciones
lineales, que es sencillo en su estructura matemática, pero poderoso por su gran adaptación a una
amplia variedad de problemas.
La programación lineal es una técnica matemática de resolución de problemas, su desarrollo
representa una ayuda a los administradores para tomar decisiones en la asignación de recursos. A
continuación aparecen algunas aplicaciones típicas de un MPL que posteriormente se desglosara en
este manual:
· Un fabricante desea desarrollar un programa de asignación en producción y una política de
inventario que satisfagan la demanda de ventas de periodos futuros. Así se podría cumplir la
demanda con mínimo costo total de producción y de inventario.
· Un analista financiero debe seleccionar una cartera de inversiones a partir de una diversidad
de alternativas en acciones y bonos. Se debe establecer la cartera que maximice el
rendimiento sobre la inversión asignada.
· Un administrador de mercadotecnia desea determinar la mejor manera de asignar un
presupuesto de publicidad como radio, televisión, periódicos y revistas. Al gerente le
gustaría determinar la combinación de medios que maximice la efectividad de la publicidad.
· Una empresa tiene almacenes en varias. ubicaciones en todo el país. Para un conjunto de
demandas de sus productos por parte de sus clientes, la empresa desearía determinar cuánto
debe asignar en embarques a cada uno de los almacenes y a cada cliente, de manera que los
costos totales de transporte resulten mínimos.
· El transito quiere optimizar el flujo vehicular de modo que se tenga un mínimo de
congestión.
· Se quiere acondicionar un lote de modo que se tenga una optima distribución en la
plantación de árboles, de manera que no se tenga áreas que ocasionen la que las plantaciones
futuras tengas complicaciones
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 8
Investigación Operativa I Ing. Jhonny Flores Flores
Estas aplicaciones representan unas cuantas situaciones en las que se ha utilizado con éxito la
programación lineal, pero ilustran su potencial en la solución de problemas. Un estudio detallado
revela las características comunes de ellas. En el ejemplo inicial, el fabricante desea minimizar
costos; en el segundo, el analista financiero desea maximizar el rendimiento sobre la inversión; en el
tercero, el gerente de mercadotecnia desea maximizar la efectividad de la publicidad, y en el
ejemplo cuarto, la empresa desea minimizar los costos totales de transporte. En todos los problemas
de programación lineal, el objetivo es el máximo o bien el mínimo de alguna cantidad en la acción
de asignar recursos.
Los problemas de programación lineal se caracterizan, además, por las condiciones impuestas o
restricciones de recursos, que limitan el grado en que se puede cumplir algún objetivo. En el
ejemplo inicial, el fabricante está limitado por restricciones que requieren que la demanda de
producto quede satisfecha y por restricciones respecto a la capacidad de producción. El problema de
la cartera del analista financiero está limitado por la cantidad total de fondos de inversión
disponibles y las cantidades máximas que se pueden invertir en cada acción o bono. La decisión en
la selección de medios del gerente de mercadotecnia, está restringida por un presupuesto de
publicidad fijo y por la disponibilidad de los varios medios. En el problema de transportación, el
programa de embarques de costo mínimo está restringido al suministro de productos disponibles en
cada almacén. La diversidad de condiciones mencionadas, es parte de lo que puede esperar aquel
que decida enfrentar un problema, pues las restricciones son otra característica general en todo
problema de programación lineal.
1.6 Ejemplos de modelación en la Programación Lineal
A continuación se dará ejemplo en la cual uno puede ver como se debe modelar para obtener un
resultado acorde a la situación y restricciones, no se debe olvidar que para una correcta modelación
se deben identificar las variables y sus unidades, en algunos casos es aconsejable identificar las
restricciones. Para presentar el modelo en primera instancia se debe identificar las variables y sus
unidades o dimensiones; luego se debe formular la función objetivo (FOBJ), y las restricciones de
acuerdo al enunciado, para esto se debe tener las unidades compatibles en cada lado de las
restricciones y por último se debe considerar la condición de existencia de la variable.
a) Disponemos de 210.000 euros para invertir en bolsa. Nos recomiendan dos tipos de acciones.
Las del tipo A, que rinden el 10% y las del tipo B, que rinden el 8%. Decidimos invertir un
máximo de 130.000 euros en las del tipo A y como mínimo 60.000 en las del tipo B. Además
queremos que la inversión en las del tipo A sea menor que el doble de la inversión en B. ¿Cuál
tiene que ser la distribución de la inversión para obtener el máximo interés anual?
Solución
XA cantidad que invertimos en acciones de tipo A;
XB cantidad que invertimos en acciones de tipo B
FOBJ. MAX Z = 0,1 XA + 0,08 XB
SA XA + XB ≤ 210000
XA ≤ 130000
XB ≤ 60000
XA ≤ 2 XB
XA , XB ≥ 0
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 9
Investigación Operativa I Ing. Jhonny Flores Flores
b) El granjero Jones tiene que determinar cuántos acres de maíz y de trigo hay que sembrar este
año. Un acre de trigo produce 25 bushel de trigo y requiere 10 horas semanales de trabajo. Un
acre de maíz produce 10 bushel de maíz y requiere 4 horas semanales de trabajo. Se puede vender
todo el trigo a 4$ el bushel y todo el maíz a 3$ el bushel. Se dispone de 4 acres y de 40 horas
semanales de trabajo. Disposiciones gubernamentales especifican una producción de maíz de por
los menos 30 bushel durante el año en curso. Formule el problema de Programación Lineal.
Solución
X 1 = # de acres con maíz
X 2 = # de acres con trigo
FOBJ Max Z = 30 X1 + 100 X2
s.a
X1 + X2 £ 7
4 X1 + 10 X2 £ 40
10 X1 ³ 30
X1 , X2 ³ 0
c) Suponga que una persona acaba de heredar $ 6000 y que desea invertirlos. Al oír esta noticia
dos amigos distintos le ofrecen la oportunidad de participar como socio en dos negocios, cada
uno planteado por cada amigo. En ambos casos, la inversión significa dedicar un poco de tiempo
el siguiente verano, al igual que invertir efectivo. Con el primer amigo al convertirse en socio
completo tendría que invertir $5000 y 400 horas, y la ganancia estimada (ignorando el valor del
tiempo) sería $4500. Las cifras correspondientes a la proposición del segundo amigo son $4000 y
500 horas, con una ganancia estimada de $4500. Sin embargo, ambos amigos son flexibles y le
permitirán entrar en el negocio con cualquier fracción de la sociedad; la participación en las
utilidades sería proporcional a esa fracción. Como de todas maneras esta persona está buscando
un trabajo interesante para el verano (600 horas a lo sumo), ha decidido participar en una o ambas
propuestas, con la combinación que maximice la ganancia total estimada. Formule el modelo de
programación lineal para este problema.
Solución
FOBJ Max Z = 4500 X1 + 4500 X2
S a :
X1 £ 1
X 2 £ 1
5000 X1 + 4000 X2 £ 6000
400 X1 + 500 X2 £ 600
X1 , X 2 ³ 0
d) RYLON COPORPORATION fabrica los perfumes BRUTTE y CHANELLE. Se puede
comprar la metería prima que se necesita para producir cada tipo de perfume a 3 $US/lb. Para
procesar 1 libra de materia prima se necesita 1 hora de trabajo de laboratorio. Cada libar de
materia prima procesada produce 3 oz de perfume BRUTTE regular, y 4 Oz de perfume
CHANELLE Regular. Se puede vender BRUTTE regular a 7 $US, y CHANELLE Regular a 6
$US/Oz. RYLON tiene también la opción de seguir procesando BRUTTE Regular y
CHANELLE Regular para producir BRUTTE LUXURY, vendido a 18 $US/Oz, y Chanelle
LUXURY vendido a 14 $US/oz. Cada onza de BRUTTE regular necesita 3 horas adicionales de
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 10
Investigación Operativa I Ing. Jhonny Flores Flores
laboratorio y causa 4 $US extra de costos de producción, para producir 1 oz. De Brutte Luxury.
Cada onza de CHANELLE Regular necesita 2 horas adicionales de laboratorio y causa 4 $US
extra de costos de producción para producir 1oz de CHANELLE LUXURY. Cada año, Rylon
dispone de 6000 horas de laboratorio y puede comprar hasta 4000 lb de materia prima. Formule
un PL que se puede utilizar para determinar como puede maximizar RYLON sus ganancias.
Supóngase que los gastos de laboratorio son fijos.
Solución
X1 = Onzas de BRUTTE Regular vendidas anualmente
X2 = Onzas de BRUTTE LUXURYvendidas anualmente
X3 = Onzas de CHANELLE Regular vendidas anualmente
X4 = Onzas de CHANELLE Regular vendidas anualmente
X5 = Libras de materia prima compradas anualmente
FOBJ Max z = 7X 1 + 14X 2 + 6X3 + 10 X 4 + 3X5
Sa
X5 ≤ 4000
3X2 + 2X4 + X5 ≤ 6000
X1 + X2 3X5 = 0
X3 + X4 4X5 = 0
Xi ≥ 0
e) Una compañía automotriz produce automóviles y camiones. Cada vehículo tiene que pasar por
un taller de pintura y por un taller de montaje de la carrocería. Si el taller de pintura pintara solo
camiones, se podrían pintar 40 camiones al día. Si el taller de pintura pintara solamente
automóviles, se podrían pintar 60 automóviles diariamente. Si el taller de carrocería produjera
solamente automóviles, podría fabricar 50 automóviles al día. Si el taller de carrocería produjera
solamente camiones, podría fabricar 50 camiones al día. Cada camión aporta 300$ a la utilidad, y
cada automóvil, 200. Utilice la programación lineal para determinar la producción diaria que
maximizará la ganancia de la compañía.
Solución
X1 = # de camiones producidos al día
X2 = # de automóviles producidos al día
FOBJ Max Z = 3 X1 + 2 X2
s.a
1/40 X1 + 1/60 X2 £ 1
1/50 X1 + 1/50 X2 £ 1
X 1 , X 2 ³0
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 11
Investigación Operativa I Ing. Jhonny Flores Flores
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al esperado. Se
considera ventajoso un período promedio ponderado de inversión de ciando menos 5 años; pero
el factor promedio ponderado de riesgo no debe ser superior a 0.20. La ley prohíbe que la suma
de las inversiones de los tipos 4 y 6 sea mayor al 25% del total de la inversión. Formule un MPL
para decidir cómo invertir para maximizar el rendimiento de los 2 millones de dólares.
Solución
Definición de variables
Sea: Xj = cantidad de dólares a invertir en el tipo j(j= 1,2,3,4,5,6) para maximizar el
rendimiento.
g) Un fabricante de muebles desea determinar cuantas mesas, cuantas sillas, escritorios y estantes
debe fabricar para optimizar sus ganancias, para la fabricación de los muebles se utiliza, dos
clases de madera. Se dispone de 1500 pies del primer tipo y 1000 pies del segundo. El fabricante
dispone de 800 hombreshora para el trabajo. Se tienen vendidas 40 mesas, 130 sillas y 30
escritorios, se sabe además que no se podrán vender más de 10 estantes. En cada mesa, silla,
escritorio y estante se usan 5, 1, 9 y 12 pies de madera del primer tipo y 2,3,4 y 1 pies del
segundo tipo respectivamente. Fabricar una mesa requiere 3 hombrehora, una silla 2, un
escritorio 5, y un estante 10. La utilidad por una mesa es de 12$, por una silla 5$, por un
escritorio 15$ y por un estante 10$. Formule el problema de PL.
Solución
X1 = numero de mesas por producir
X2 = número de sillas por producir
X3 = número de escritorios por producir
X4 = número de estantes por producir
h) Una empresa ha dejado de fabricar ciertos productos, liberando de esta forma las cargas de
producción que tenían sus equipos en los departamentos de maquinado. Ahora se tienen horas
máquina que se pueden utilizar en los productos denominados 1, 2, 3 de la siguiente manera:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 12
Investigación Operativa I Ing. Jhonny Flores Flores
Horas por pieza de producto
Maquina Hrs. Maq. Disponible/semana
1 2 3
Fresadora 9 3 5 500
Torno 5 4 350
Rectificadora 3 2 150
Utilidad ($/pza.) 50 20 25
Recomendación del Dpto. Vtas. A Prod. Mínimo 30 Mínimo 15 Mínimo 20
Formular un MPL para este problema
Solución
Xj = numero de piezas de producto j(j= 1,2,3) a fabricar para maximizar la utilidad.
FOBJ MAX Z = 50X1 + 20X2 + 25X3 [ ($US/Unidad) (Unidad/Sem)] = [$US/Sem.]
sa
Fresadora: 9X1 + 3X2 + 5X3 = 500 horas máquina fresadora
Torno: 5X1 + 4X2 = 350 horas máquina torno
Rectificadora: 3X1 + 2X3 = 150 horas maquina rectificadora
Condiciones de signos pare las variables:
X1 = 30 piezas
X2 = 15 piezas
X3 = 20 piezas
Xi ≥ 0
i) El gobierno ha dispuesto 1500 millones de $US de su presupuesto para fines militares. 60% del
presupuesto militar se usará para comprar tanques, aviones y proyectiles. Estos pueden adquirirse
a un costo por unidad de 600000, 2 millones y 80000 $ US respectivamente. Se ha decidido que
se deben adquirir al menos 200 tanques y 200 aviones. Debido a la escasez de pilotos
experimentados, también se ha decidido comprar más de 300 aviones. La proporción de
proyectiles a aviones comprados debe estar en el rango de ¼ a ½. El objetivo es maximizar la
utilidad total de estas armas, en donde las utilidades individuales están dadas como 1, 2 y 3
respectivamente. Formule el problema de PL.
Solución
X1 = Número de tanques
X2 = Número de aviones
X3 = Número de proyectiles
FOBJ Max Z = X1 + 3X2 + 2X3
S.a
600000X1 + 2000000X2 + 800000X3 £ 90000000
X1 ³ 200
X2 ³ 200
X3 ³ 300
1 X 3 1
£ £
4 X 2 2
X1 , X2, X3 ³ 0
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 13
Investigación Operativa I Ing. Jhonny Flores Flores
j). Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca a los
siguientes precios: A, Bs 700, cada unidad; B, Bs 3500; C, Bs 7000. Producir cada unidad de A
necesita 1 hora de trabajo, 2 horas de acabado y 3 unidades de materia prima. Producir una
unidad de B necesita 2 horas de trabajo, 3 horas de acabado y 2.5 unidades de materia prima.
Producir una unidad de C necesita 3 horas de trabajo, 1 hora de acabado y 4 unidades de materia
prima. Para este período de planificación están disponibles 100 horas de trabajo, 200 horas de
acabado y 600 unidades de materia prima. Con base en la teoría señalada en el aparte 5, sección
A; para formular y construir el modelo, se tiene lo siguiente: a) Debe definirse claramente a las
variables de decisión y expresarlas simbólicamente. En la computadora y dependiendo del
programa que utilice, dispondrá de un mayor espacio diseñado para escritura que puede utilizar
para nombrarlas convencionalmente.
Solución
X1: unidades a producir de producto A
X2: unidades a producir de producto B Estos son insumos controlables
X3: unidades a producir de producto C
FOBJ Max Z = 700X1+ 3500 X2 + 7000 X3
Sa
Disponibilidad limitada de horas de trabajo. X1 + 2X2 + 3X3 ≤ 100
Horas de acabado disponibles en este período: 2X1 + 3X2 + X3 ≤ 200
Disponibilidad limitada de unidades de materia prima: 3X1 + 2.5X2 + 4 X3 ≤ 600
X1, X2, X3 ³ 0
k) SUNCO Oil utiliza 3 diferentes procesos para producir varios tipos de gasolina. En cada
proceso se mezclan crudos en la instalación fraccionamiento catalítico de la compañía. El
funcionamiento del proceso 1 durante 1 hora cuesta 5 dólares y requiere 2 barriles de petróleo
crudo 1 y 3 barriles de petróleo crudo 2. La producción después de funcionar una hora el proceso
1 es 2 barriles de gasolina 1 y1 barril de gasolina 2. El funcionamiento del proceso 2 durante 1
hora cuesta 4 dólares y requiere 1 barril de petróleo rudo 1 y 3 barriles de petróleo crudo 2. La
producción después de funcionar una hora el proceso 2, e 3 barriles de gasolina 2.
Solución
Xi = Horas semana que trabaja el proceso i
G = Barriles de gasolina 2 que venden por semana
Ob = Barriles de petróleo i que se compran por semana
FOBJ Max z = 9(2X 1) + 10G + 24(2X3 ) 5X 1 4X2 X3 – 2O1 – 3O2
Sa
O1 = 2X1 + X2
O2 = 3X1 + 3X2 + 2X3
O1 ≤ 200
O2 ≤ 300
G + 3X3 = X1
X1 ≤ 3X2
X1 + X2 + X3 ≤ 100
Xi, G, Ob ≥ 0
l) En un sector de la ciudad se tiene el siguiente requerimiento de policías:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 14
Investigación Operativa I Ing. Jhonny Flores Flores
PERIODO DEL DIA 1 2 3 4 5 6
HORA DEL DIA. 0610 1014 1418 1822 2202 0206
POLICIAS REQUERIDOS (³) 300 350 425 450 250 200
El periodo 1 sigue inmediatamente del 6. Cada policía debe laborar 8 hrs. consecutivas. Formular
un modelo de programación lineal de este problema. 1
Solución
Definición de variables:
Sea xj = Número de policías que inician el periodo j (j = 1, 2,3,...,6)
PERIODO/HORA 0610 1014 1418 1822 2202 0206
1 X1 X1
2 X2 X2
3 X3 X3
4 X4 X4
5 X5 X5
6 X6 X6
REQUERIDOS. ³ 300 ³ 350 ³ 425 ³ 450 ³250 ³200
m) Usted ha decidido entrar en el negocio de los dulces. Esta considerando producir dos tipos de
dulces. SLUGGER CANDY y EASY CANDY que se componen solamente de azúcar, nueces y
chocolate. Actualmente tiene en bodega 100 Oz de azúcar, 20 Oz de nueces y 30 Oz de
chocolate. La mezcla para producir EASY CANDY tiene que contener por lo menos 20% de
nueces. La mezcla para producir SLUGGER CANDY tiene que contener por lo menos10% de
nueces y 10% de chocolate. Cada onza de EASY Out CANDY se venda a 25ctvs. Y una onza de
SLUGGER CANDY a 20 ctvs.: Formule un PL que le permita maximizar sus ingresos por la
venta de dulces.
Solución
Definición de variables:
Xij= Onzas de ingrediente i que se usan para fabricar el ingrediente j
FOBJ Max z = 25 ( X 12 + X 22 + X32 ) + 20 (X 11 + X 21 + X 31 )
Sa
X11 + X12 ≤ 100
X22 + X22 ≤ 20
X31 + X32 ≤ 30
X11 ≥ 0.2(X12 + X22 + X32)
X21 ≥ 0.2(X11 + X21 + X31)
1
Requerido significa también necesidad, que es lo mismo a cubrir, por lo tanto debe ser ³
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 15
Investigación Operativa I Ing. Jhonny Flores Flores
n) La Refinería Azteca produce dos tipos de gasolina sin plomo, regular y extra los cuales vende
a su cadena de estaciones de servicio en $12 y $14 por barril, respectivamente. Ambos tipos se
preparan del inventario de la azteca de petróleo nacional refinado y de petróleo importado
refinado, y deben cumplir con las siguientes especificaciones:
Presión máxima de Demanda máxima Entregas mínimas
Tipo Octanaje mínimo
vapor (Bar./Sem,) (Bar./sem.)
Regular 23 88 100000 50000
Extra 23 93 20000 5000
Las características del inventario de petróleos refinados son las siguientes:
Tipo Presión de vapor Octanaje Inventario barriles Costo ($/Bar.)
Nacional 25 87 400000 8
Importado 15 98 60000 15
¿Qué cantidades de los dos petróleos (nacional e importado) deberá mezclar la azteca en ambas
gasolinas, a fin de maximizar la ganancia semanal?
Solución
Definición de variables:
Xij barriles que compra de petroleo i para producir la gasolina sin plomo j
Donde i = Nacional (N), Importado (I)
j = Regular (R), Extra (E)
De la disponibilidad:
XNR + XNE ≤ 40000 (nacional)
XIR + XIE ≤ 60000 (importado)
Los componentes de una mezcla contribuyen al octanaje general, según sus porcentajes por
peso; asimismo para la presión de vapor. Entonces, el octanaje de la regular es:
X NR X IR
87 * + 98 * ³ 88 Lo mismo se realiza para los otros requerimientos
X NR + X IR X NR + X IR
X NE X IE
87 * + 98 * ³ 93
X NE + X IE X NE + X IE
X NR X IR
25 * + 15 * £ 23
X NR + X IR X NR + X IR
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 16
Investigación Operativa I Ing. Jhonny Flores Flores
X NE X IE
25 * + 15 * £ 23
X NE + X IE X NE + X IE
Xi ≥ 0
o) Cierta Corporación tiene tres plantas sucursales con capacidad de producción en exceso. Las
tres plantas tienen los elementos necesarios como para producir determinado producto y el
gerente ha decidido usar parte de la capacidad de producción en exceso para tal fin. Este producto
puede hacerse en tres tamaños grande, mediano y pequeño que dan como resultado una utilidad
unitaria neta de 140$, 120$ y 100$, respectivamente. Las plantas 1, 2 y 3 tienen la capacidad de
mano de obra y equipo en exceso como para producir 750, 900 y 450 unidades por día de este
producto, respectivamente, sin importar el tamaño o la combinación de tamaños que se aplique.
Sin embargo, el espacio de almacenamiento disponible para productos en proceso también
impone una limitación sobre las tasas de producción. Las plantas 1, 2 y 3 tienen 13000, 12000 y
5000 pies cuadrados de espacio de almacenamiento disponible para productos en proceso, para
un día de producción de este artículo. Cada unidad de los tamaños grande, mediano y pequeño
producida por día requiere de 20, 15 y 12 pies cuadrados, respectivamente. Los pronósticos de
ventas indican que pueden venderse al día 900, 1200 y 750 unidades de los tamaños grande,
mediano y pequeño. Con el fin de mantener una carga uniforme de trabajo entre las plantas y
conservar cierta flexibilidad, el gerente ha decidido que la producción adicional asignada a cada
planta debe usar el mismo porcentaje de la capacidad de mano de obra y equipo en exceso. El
gerente desea saber cuánto debe producirse de cada uno de los tamaños en cada una de las plantas
para maximizar la utilidad.
Solución
Definición de variables:
Xij, a la producción en la planta i (i = 1, 2 y 3) del producto j (j = grande, mediano y pequeño)
FOBJ Max Z = 140 (X11 +X21 + X31) + 120 (X12 + X22 + X32) + 100 (X13 + X23 + X33)
S.A.
Condición de capacidad de planta:
X11 + X12 + X13 £ 750
X21 + X22 + X23 £ 900
X31 + X32 + X33 £ 450
Condición del espacio de almacenamiento
20X11 + 15X12 + 12X13 £ 13000
20X21 + 15X22 + 12X23 £ 12000
20X31 + 15X32 + 12X33 £ 5000
Condición del mercado
X11 + X21 + X31 £ 900
X12 + X22 + X32 £ 1200
X13 + X23 + X33 £ 750
Condición de la gerencia
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 17
Investigación Operativa I Ing. Jhonny Flores Flores
p) Supóngase que el Banco de Crédito al Campesino, tiene dos planes de inversión: El primero
en el programa de tierras de riesgo y el segundo en el programa de tierras temporal. El primer
programa regresa un 30% de la inversión anualmente, mientras que el segundo plan regresa un
65% de la inversión, pero al término de dos años. Los intereses recibidos en ambos planes son
reinvertidos de nuevo en cualquiera de ambos planes. Formule un programa lineal que le permita
al Banco maximizar la inversión total en un sexenio, si la inversión anual es de $100 millones de
pesos.
Solución
Definición de variables:
Sea Xij la cantidad que se invierte en el plan i ( i = A, B), en el periodo j ( j = 1,2, ......, 6)
Donde Cantidad que ingresa ³ Cantidad que sale
El modelo de programación lineal tendrá la siguiente forma:
q) CSL es una cadena de tiendas de servicios para computadoras. El número de horas de
reparación especializada que requiere CSL durante los próximos cinco meses, se da a
continuación.
Mes 1 (Enero): 6000 horas
Mes 2 (Febrero): 7000 horas
Mes 3 (Marzo): 8000 horas
Mes 4 (Abril): 9500 horas
Mes 5 (Mayo): 11000 horas
Al principio de enero, 50 técnicos especializados trabajan pera CSL. Cada técnico especializado
puede trabajar hasta 160 horas al mes. Para satisfacer futuras demandas hay que capacitar a
nuevos técnicos. La capacitación de un nuevo técnico dura un mes. Un técnico experimentado
tiene que supervisar al aprendiz durante 50 horas del mes de entrenamiento. A cada técnico
experimentado se le paga mensualmente 2000 dólares (aunque no trabaje las 160 horas). Durante
el mes de entrenamiento, se paga al aprendiz 1000 dólares al mes. Al final de cada mes, 5% de
los técnicos experimentados de CSL cambian de trabajo para irse con Plum Computers. Formule
un programa lineal cuya solución permitirá a CSL minimizar los costos de trabajo que se
presentan al cumplir con los requerimientos de servicios durante los próximos meses.
Solución
Definición de variables:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 18
Investigación Operativa I Ing. Jhonny Flores Flores
Xb = Número de técnicos capacitados durante el mes i
Yb = Número de técnicos experimentados al principio del mes y
FOBJ Min Z = 1000X1 + 1000X2 + 1000X3 + 1000X4 + 1000X5 + 2000Y1 + 2000Y2+ 2000Y3 +
200Y4 + 2000Y5
S.a.
160Y1 – 50X1 ³ 6000
160Y2 – 50X2 ³ 7000
160Y3 – 50X3 ³ 8000
160Y4 – 50X4 ³ 9500
160Y5 – 50X5 ³ 6000
Y4 = 50
0.95Y1 + X1 = Y2
0.95Y2 + X2 = Y3
0.95Y3 + X3 = Y4
0.95Y4 + X4 = Y5
Yi , Xi ³ 0
En caso que se tratase de varios tipos de Variables Xij, Yij, Zij, etc., se la debe enumerar de acuerdo
al orden de presentación, para lo cual es necesario que se tenga como subíndice un solo digito, por
ejemplo si se tratase de un modelo cuyas variables son: X11, X12, X21, X22, Y11, Y12, Y13, Y21,
Y22, Y23, Z1, Z2, Z3, Z4. La forma correcta de enumerar las variables para la introducción a los
distintos software es la siguiente:
X11 = X1
X12 = X2
X21 = X3
X22 = X4
Y11 = X5
Y12 = X6
Y13 = X7
Y21 = X8
Y22 = X9
Y23 = X10
Z1 = X11
Z2 = X12
Z3 = X12
Z4 = X13
Para el desarrollo de este manual se debe considerar que los ejercicios son de carácter lineal, y que
las variables deben estar completamente identificadas para así dimensionar las entradas a los
programas.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 19
Investigación Operativa I Ing. Jhonny Flores Flores
1.8 Técnicas para resolver modelos de programación lineal
Existen una gama de técnicas que ayudan a la resolución de MPL, como se hablo en clases, estos
varían de acuerdo al modelo, en este manual se mencionara teóricamente las diferentes técnicas ya
que posteriormente estas son mostradas en los diferentes programas.
1.8.1 Método Gráfico
Para aplicar este método se debe considerar el alcance del mismo, ya que a lo mucho se pueden
resolver MPL con 3 variables (X1, X2 y X3), como se avanzo en clases y los pasos respectivos son
los siguientes:
· Se debe graficar las restricciones considerándolas en primera instancia en forma de igualdad.
· Una vez graficado las restricciones se deben identificar el área Solución de acuerdo a las
condiciones presentadas en cada restricción.
· Dentro del área de Solución se deben identificar aristas o puntos, considerando que cada uno
de estos es una posible solución.
· Los puntos críticos se los obtiene mediante la intersección con los ejes coordenados o entre
las mismas restricciones, considerando los ejes X, Y para el caso de 2 variables y X, Y, Z
para 3 variables.
· En caso de 3 variables se debe tomar en cuenta los planos que se forma, de acuerdo a cada
restricción, sin olvidar que la intersección entre planos representa una recta.
· Se debe evaluar cada punto que delimita el área solución, remplazando estos valores en la
función objetivo; de acuerdo al requerimiento se elige el que da el mayor valor en caso de
Maximizar y el mínimo valor en Minimizar.
1.8.2 Método Algebraico
Este método es una introducción a otras técnicas más específicas, se sigue los siguientes pasos para
realizarlos:
· Para hallar una solución básica y factible (solución inicial) se debe considerar lo siguiente:
Expresar las inecuaciones (desigualdades) como ecuaciones (=); posteriormente hallar la
variable básica para cada ecuación y organizar el sistema de ecuaciones lineales.
· Para compensar este cambio se debe agregar una variable de holgura (Si) por cada restricción
≤, una variable artificial (Ri) por cada restricción = y restar una variable de holgura (Si) y
adicionar una variable artificial (Ri) por cada restricción ≥.
· Para escoger la variable de entrada se debe considerar lo siguiente: En caso de Maximización
es el que tiene mayor coeficiente y en caso de minimización el que tiene un menor
coeficiente y negativo (si existiera)
· Para escoger la variable de salida se considera lo siguiente: De las ecuaciones se conserva la
variable de entrada y las otras variables no básicas y básicas asumen el valor nulo. Si se
considera la variable que restringe al crecimiento, es decir el que tiene menor valor.
· Se reorganiza el sistema de ecuaciones y se identifica la variable de entrada nuevamente.
· Estos se realiza hasta que no exista variables de entrada.
1.8.3 Método Simplex
Como se hablo en clases, este método tiene facilidad de ser empleado ya que solo se trabaja con los
coeficientes, pero también tiene limitantes ya que solo se puede emplear en MPL que solo
contengan restricciones de ≤.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 20
Investigación Operativa I Ing. Jhonny Flores Flores
No se debe olvidar que en caso de Maximización se debe incrementar el valor de la función objetivo
y en caso de Minimización debe reducirse. La condición de optimizad se asocia con el término de
entrada y a la condición de factibilidad el termino de entrada. Los pasos para realizar el Método
Simplex son los siguientes:
· Colocar el modelo en su forma estándar.
· Poner los coeficientes de las función objetivo con signo contrario debido a que se traslada al
lado izquierdo de esta función y las restricciones colocarlas en forma de igualdad de acuerdo
a su estado inicial, para esto se adiciona una variable de holgura (Si).
· Para identificar la Variable de Entrada se debe considerar que es aquella con coeficiente
MAS NEGATIVO si la Función Objetivo es de Maximización y con coeficiente MAS
POSITIVO en caso que la función objetivo sea de Minimización, en caso de empate se debe
considerar la importancia entre variables de entrada.
· La Variable de Salida se elige de la siguiente manera: realizar la división entre los recursos o
disponibilidades y los coeficientes de columna pivote que corresponde a la variable de
entrada, no existiendo división entre ceros ni negativos, la variable de salida es aquella
correspondiente al MENOR COCIENTE, en caso de empates se debe considerar la
importancia de las variables de salida.
· Una vez reconocida la variable de entrada y salida, la casilla de intersección de columna y
fila pivote, se pivotiza, es decir que debe tener coeficiente igual a 1, en caso que no tuviese
se aplica su inverso multiplicativo para que tenga el coeficiente 1, también debe tener la
particularidad de ser una Variable Básica, es decir que en la columna tenga valores iguales a
cero a excepción del pivote, para lo cual se debe aplicar los inversos aditivos mediante
operaciones elementales.
· De esta forma se logra una nueva solución posible a ser óptima y factible, este proceso se
repite hasta obtener puro coeficientes positivos o nulos en caso que la función objetivo sea
de Maximización y coeficientes negativos o nulos en caso que la función objetivo sea de
Minimización, de tal forma que se obtiene una solución óptima.
1.8.4 Técnica en M
Cuando se tiene un MPL con distintas restricciones (≥, =, ≤) el método Simplex no puede ser
empleado en forma directa, es por eso que se debe considerar otras técnicas para llegar a obtener una
solución óptima y factible. Para este se debe considerar las variables de Holgura (Si), Artificiales
(Ri) y una variable de Penalización (M) a dichas variables, no se debe olvidar que si se quiere hacer
más especifico de debe particularizar esta variable de penalización (Mi), pero también se debe
considerar que esta penalización tiene un valor muy grande, por lo que solo servirá como un
instrumento para que las variables artificiales no estén dentro de la solución final.
Se debe mencionar que por cada variable artificial incluida en el MPL se debe agregar esta en la
función objetivo relacionándola con la Penalización, también es necesario incluir que dichas
variables son consideradas inicialmente como Variables Básicas. Los pasos necesarios para la
aplicación de la técnica en M son las siguientes:
· Colocar el modelo en su forma estándar.
· Para restricciones con ≤ se debe sumar a la restricción una variable de holgura Si.
· Para restricciones con = se debe sumar a la restricción una variable Artificial Ri.
· Para restricciones con ≥ se debe restar una variable de holgura (Si) y sumar a la restricción
una variable Artificial Ri.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 21
Investigación Operativa I Ing. Jhonny Flores Flores
· Para Maximización se deben adicionar todas las variables artificiales Ri con coeficientes –M
en la función objetivo.
· Para Minimización se deben adicionar todas las variables artificiales Ri con coeficientes +M
en la función objetivo.
· Se debe actualizar la función Objetivo, considerando que las variables básicas no existen,
para esto se debe apoyar en las ecuaciones que tienen variables artificiales.
· Se debe considerar en grado de importancia de las variables en entrada que deben ser Xi, Si,
Ri (en caso extremo), y la jerarquía para decidir la variables de salida que son Ri, Si y Xi.
· Se debe seguir los mismos pasos de decisión para las variables de entrada y salida del
Método Simplex.
1.8.5 Técnica 2 fases.
Es otra técnica que se puede aplicar para resolver cualquier MPL, considerando las variables
artificiales, para esto se debe considerar las siguientes fases:
· Fase 1: Se crea un nuevo modelo asociado al original cuya función objetivo debe
considéranse necesariamente como Minimización , en la cual se suma las variables
artificiales de acuerdo a las restricciones que se presenten. Se introduce el modelo estándar
en la Tabla Simplex, donde se repone la base canónica, es decir que las variables tengan
inicialmente coeficientes nulos y solo se considera las variables artificiales con valor
negativo. Se debe aplicar el Simplex para el caso MINIMO. El valor óptimo de la función
objetivo debe ser cero para pasar a la segunda fase, de no ser así el modelo original no
tendría solución y no se puede pasar a la segunda fase. Se debe ver que en la fila de la
función objetivo, en la ultima iteración se repite los valores iniciales, es decir que no se tiene
valores en las variables Xi y en la solución y que las columnas que reflejan las variables
artificiales tengan coeficientes 1.
· Fase 2: De la tabla óptima (última iteración) de la fase 1, se debe considerar los coeficientes
obtenidos, a esta se elimina todas las columnas correspondientes a las variables artificiales y
solo se considera las variables de holgura, también se debe copiar las variables básicas
resultantes de la última iteración y los coeficientes de la función objetivo del MPL.
Considerar para los cálculos los pasos del Método Simplex y de acuerdo a la Función
Objetivo (Maximización o Minimización).
· También se debe considerar la importancia de las variables Ri, Si Xi; en caso de empate se
elige aleatoriamente o por su menor importancia.
1.8.6 Técnica Dual Simplex.
Resuelve MPL con cualquier tipo de restricción, partiendo de una solución óptima pero
INFACTIBLE, para el caso de Minimización la función objetivo debe tener Coeficientes Positivos y
para el caso de Maximización debe tener Coeficientes Negativos. Para realizar esta técnica se
procede a los siguientes pasos.
· Colocar el modelo en una forma parecida a la estándar, en caso de restricciones ≥ se debe
multiplicar por signo negativo para que se tenga restricción ≤, en caso de restricción de tipo
=, se debe separar en dos restricciones (> y <), y multiplicar nuevamente por signo negativo
a la restricción >, posteriormente se debe sumar variables de holgura a las restricciones.
· Introducir al modelo anterior a una tabla Simplex, considerando a la función objetivo con
signo cambiado.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 22
Investigación Operativa I Ing. Jhonny Flores Flores
· La Variable de Salida es aquella Variable Básica con valor más Negativo, es decir en la
columna de solución de la tabla Simplex se debe identificar el valor más negativo, en caso de
empate considerar la importancia entre variables de salida.
· La variable de entrada se elige de la siguiente manera. Realizar los cocientes entre los
coeficientes de la Función Objetivo, dividido los coeficientes tecnológicos correspondientes
a la restricción de la variable de salida, NO existiendo división entre ceros ni positivos; la
variables de Entrada es aquella correspondiente al menor cociente, para el caso de
Minimización y aquella de menor cociente en valor absoluto para el caso de Maximización,
en caso de empates, se debe considerar la importancia entre variables de entrada.
· Una vez reconocidos las variables de entrada y salida, la casilla de intersección de línea o
columna pivote, se pivotiza, aplicando inverso multiplicativo y se logra un vector canónico
aplicando inversos aditivos, de esta forma se logra una nueva solución Básica.
· El proceso termina cuando no se tenga ninguna variable negativa en la base y se logra una
solución óptima para el MPL.
1.9 Análisis de Sensibilidad
El análisis de sensibilidad es muy importante en el estudio de un MPL, ya que representa los
posibles cambios que pueden tener un MPL y las consecuencias en el resultado final, este análisis se
aplica a modelos de la forma siguiente:
FOBJ MAX Z = CX
AX ≤ b
X ≥ 0
De manera matricial se tiene lo siguiente considerando los cálculos para la obtención de la solución
óptima factible.
Variables de decisión Variables Básicas (VB)
VB X1 X2 … Xn S1 S2 … Sm SOL
Z C 0 0
S1
S2
:
Sm
A I b
:
VB
Z Z1C1 Z2C2 … ZnCn Zn+1Cn+1 Zn+2Cn+2 Zn+mCn+m …
:
Z πAC Π = CBB 1 ZB= CBXB
VBOPT B 1 A B 1 XB=B 1 b
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 23
Investigación Operativa I Ing. Jhonny Flores Flores
· Las variables básicas óptimas mantienen sus valores pero el resultado de la función objetivo
cambia.
· Que exista un cambio general del modelo en las cuales se distinguen.
Cambio en b: En el caso que la matriz XB ≥ 0 Se actualiza la tabla con los siguientes cambios
XB = B 1 b → XB = B 1 b*
ZB = CBXB → ZB = CBXB
En el caso que la matriz XB < 0 es una solución Infactible y se debe dejar la solución de la
tabla vació, y se emplea el dual Simplex y para completar la casilla de la solución se calcula
con: ZB = CBXB
Cambio en C: Se debe borrar los valores de las variables de decisión y reemplazar por el
siguiente cálculo
πA – C → πA – C*
Después de eso se realiza el Simplex en caso que exista las condiciones de Variables de
Salida
Cambio en A: De acuerdo a la ubicación del coeficiente de debe cambiar el subíndice J de la
siguiente ecuación:
ZJ CJ = π aJ*CJ Se reemplaza en la fila de Z y en la ubicación correspondiente
YJ = B 1 aJ Se reemplaza la columna correspondiente en la Matriz A
Si existe un la Fila Z un valor de acuerdo a la función objetivo que tenga las condiciones de
Variable de Salida por el cambio correspondiente de aplica el Simplex
Cambio en X: Se aplica cuando se aumenta una nueva variable para esto se debe actualizar la
tabla Simplex aumentando columnas con los siguientes cambios.
ZJ +1 CJ+1 = π aJ+1*CJ+1 Se pone en la columna aumentada en Z
1
YJ+1 = B aJ+1 Se pone en la columna aumentada en la Matriz A
Cambio en m: Se aplica cuando se aumenta una restricción en este caso se debe aumentar en
la tabla Simplex, con la condición que siempre debe ser restricciones del tipo ≤, aumentando
una variable de holgura en la columna de Variables básicas, si fuese una restricción ≥ se debe
multiplicar por una valor negativo para introducirla a la tabla Simplex y aplicar el Dual
Simplex.
1.10 Modelo de Transporte
El modelo de transporte se define como una técnica que determina un programa de transporte de
productos o mercancías desde unas fuentes hasta los diferentes destinos al menor costo posible, que
como se menciono en clases puede ser tomado en cuenta también la parte de ingreso por lo que
cambiaria el objetivo del modelo.
El modelo de Transporte por lo general sirve para minimizar los costos asociados a la distribución
de un bien o servicio desde diferentes orígenes hasta diferentes destinos. Las condiciones de
linealidad están presentes, como en cualquier técnica de programación lineal. Las características del
modelo son: a) Los coeficientes de las variables, en las restricciones, son uno o cero. b) Las
cantidades demandadas deben ser iguales a las cantidades ofrecidas para poder solucionar el modelo.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 24
Investigación Operativa I Ing. Jhonny Flores Flores
Se debe considerar también que cuando se realiza un modelo de transporte se debe considerar que el
producto a transportar debe ser único y homogéneo. Si se ofrece cemento, por ejemplo, la demanda
debe ser de cemento, es decir, un producto único. Si se ofrecen sacos de cemento la demanda debe
ser de sacos de cemento y no a granel, es decir, es homogéneo. En caso de multi productos, se puede
hacer una multiformulación.
La estructura del modelo en si es que por cada fuente u origen o disponibilidades puede distribuirse
a distintos destinos, mercados demandantes o personas que requieren este producto, lo principal de
esto es que se tiene un costo unitario (Cij) de trasporte de una fuente especifica (Fi) a un destino
especifico (Dj), esta estructura se muestra a continuación:
La representación de este modelo es la siguiente:
n m
FOBJ _ MinZ = å å Cij * Xij
j =1 i =1
n
sa å
j
Xij £ ai
=1
i = 1 , 2 , 3 ,.., m
m
å
i
Xij £ bj
=1
j = 1 , 2 , 3 ,.., n
Xij ³ 0
En algunos casos se deben balancear el modelo considerando que la cantidad disponible (oferta)
debe ser igual a la cantidad que se requiere (Demanda), esto se presenta en la siguiente relación:
m n
1.10.1 Algoritmos de Transporte
Existen diferentes técnicas para la resolución de los modelos de Transporte, para representarlos se
debe tener una tabla en la cual estén representados de la siguiente forma:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 25
Investigación Operativa I Ing. Jhonny Flores Flores
Destino (bj)
Oferta
A B C ….
I (1,1) (1,2) (1,3) ….
Origen II (2,1) (2,2) (2,3) ….
ai III (3,1) (3,2) (3,3) ….
: : : : ….
Demanda
Donde las casillas con coordinas (ai, bj) son los costos unitarios correspondientes del traslado de un
producto especifico. Las diferentes técnicas existentes presentan algoritmos que ayudan a encontrar
una posible solución óptima entre los principales se tienen lo siguiente:
1.10.1.1 Método de la Esquina Noroeste
Se debe tomar como referencia la primera celda (1,1) es la primara casilla donde se debe asignar el
menor valor entre la fila (oferta) y columna (demanda) correspondiente, al haberse asignado el
menor valor este valor (ya sea de oferta o demanda) debe ser anulada ya que no tendrá más valores y
luego se pasa a la celda en la cual no se elimino el dato de oferta o demanda, y así sucesivamente
hasta asignara valores a cada celda. La particularidad de este método es que se forma una ruta en la
asignación en forma de escalera. Una vez que se estableció la asignación se procede al calculo de la
Función Objetivo multiplicando los valores correspondientes entre los costos unitarios y las
variables.
1.10.1.3 Método de la Esquina Noroeste
Para realizar este método se debe calcular las diferencias (filas y columnas) entre el menor y mayor
costo, posteriormente se debe elegir aquella fila o columna donde se presento la diferencia mayor, e
identificar el costo mínimo de esa celda (fila o columna), para luego asignarle el menor valor (oferta
o demanda), una vez asignado el menor valor se debe anular la fila o columna que se asigno en su
totalidad, y no se toma en cuenta para realizar nuevamente las diferencias entre el menor y mayor
costo unitario, se realiza este procedimiento hasta que todos los valores hayan sido distribuidos.
1.10.2 Prueba de optimización
Los algoritmos anteriores por lo general no presentan inicialmente la solución óptima, por lo que se
debe realizar estas pruebas en base a lo siguiente. Las distribuciones finales de cada algoritmo tiene
celdas especificas, paralelamente se debe construir una tabla similar pero marcado en las celdas de
los valores distribuidos los valores correspondientes a sus costos unitarios, y otra tabla que se anule
las celdas inicialmente asignadas con valores. Se debe asigna un nuevo valor de acuerdo a una
trayectoria en forma recta (horizontal o vertical) partiendo de la celda asignada con signo (+) y
alternando en cada celda considerada. En la segunda tabla se debe considerar los costos probables
mediante la relación ui + vj y en la tercera tabla se procede al calculo de los nuevos costos con Cij* =
Cij – (ui + vj), este proceso se realiza hasta que todos estos costos den valores mayores a cero.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 26
Investigación Operativa I Ing. Jhonny Flores Flores
2. INTRODUCCIÓN PARA LA APLICACIÓN DE SOFTWARE
El presente manual esta orientado para que el estudiante de la carrera de ingeniería comercial de la
EMI y en general todos los interesados en emplear los diferentes software para la resolución de
problemas.
En todos los casos se empleara el siguiente modelo de programación lineal (MPL), que es similar al
que se realizo en clases:
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
La aplicación se la puede realizar en base a muchos ejemplos que contengan más variables de
decisión (Xi) y restricciones. Para este manual la Función Objetivo estará representada por FOBJ.
3. RESOLUCIÓN MEDIANTE SOLVER
3.1 Habilitar SOLVER en EXCEL.
En primer lugar se empleara el SOLVER como una herramienta de resolución, esta herramienta se
encuentra en EXCEL, dependiendo de la Versión (2003 ó 2007), en algunas maquinas se instala lo
básico respecto de Microsoft Office, dentro de eso no contempla inicialmente el SOLVER. Para
llegar a habilitar este complemento se debe proceder de la siguiente manera. En primer lugar
encontrar la opción COMPLEMENTOS en el EXCEL, esto se encuentra en el menú de
HERRAMIENTAS en la versión 2003, esto se obtiene de la siguiente manera:
Una vez identificado los complementos, se debe elegir esa opción y se obtiene el siguiente menú.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 27
Investigación Operativa I Ing. Jhonny Flores Flores
Una vez ya habilitado aparece esa opción en el menú de herramientas.
Para la versión 2007 se puede personalizar mediante la barra de herramientas de acceso rápido. De
la siguiente manera, se elige el botón de personalizar
Una vez elegido se debe acceder a la opción de MAS COMANDOS, de ahí sale una nueva ventana
de OPCIONES DE EXCEL, y en el menú de COMANDOS DISPONIBLES se elige la opción de
TODOS LOS COMANDOS, y dentro de esa lista se debe buscar la opción de COMPLEMENTOS
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 28
Investigación Operativa I Ing. Jhonny Flores Flores
Una vez encontrado se debe agregar a la ventana de la derecha y finalizar con ACEPTAR. En la
barra de herramientas de acceso rápido aparecerá esta opción y de la misma manera la ventana de
COMPLEMENTOS y de ahí elegir el SOLVER.
3.2 Planteo de un Modelo de Programación Lineal MPL en EXCEL
Para resolver el modelo se debe proceder de la siguiente manera:
Elegir una celda cualquiera en la hoja de EXCEL y personalizar con las variables, y a continuación
elegir a su lado derecho un valor aleatorio que será la solución de partida del MPL.
Una vez establecido las celdas de variables y valores se debe construir la función objetivo, esta se la
realiza mediante una formula construida en la hoja de EXCEL. No se debe olvidar que la FOBJ es
Min Z = 4X1 + X2, donde los valores 4 y 1 son los coeficientes que multiplican a las Variables X1 y
X2 en la hoja de EXCEL, esto se lo realiza de la siguiente manera.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 29
Investigación Operativa I Ing. Jhonny Flores Flores
Se debe añadir una columna que represente a la par los coeficientes que multiplican a las variables,
después realizar lo que indica la FOBJ, en este caso es la multiplicación de los coeficientes por sus
respectivas variables. Esto puede quedar de la siguiente manera:
Formula que representa la FOBJ
Valores de los coeficientes que tiene
que ir a la par con las variables
Celda que representa el resultado inicial de la FOBJ
De la misma manera tiene que representarse las restricciones del MPL, esto se lo debe hacer
colocando solo los coeficientes de cada variable y que involucran las restricciones, estos se lo hace
en forma de tabla, a continuación se debe presentar el resultado de la formula que involucra los
coeficientes y los valores de las variables. Y para guiarse es recomendable poner el símbolo de la
restricción (<, = o >) y al lado los valores de las disponibilidades del MPL.
Resultado de la
Valores de los multiplicación de
coeficientes de los coeficientes
las variables en con las variables
las restricciones en las restricciones
Se recomienda que las celdas que involucran los valores de las variables (B2:B3) se vuelvan fijas, ya
que son los mismos valores en todas las desigualdades, esto se logra marcado el termino que
representa las celdas B2 por ejemplo y pulsar la tecla F4, a continuación esta celda tendrá el símbolo
B$2$, que significa que estará fija.
3.3 Resolución de un MPL mediante SOLVER
Una vez construido el MPL en forma de formulas en la hoja de EXCEL se debe proceder de la
siguiente manera para resolverlo. Elegir la opción SOLVER del menú de Herramientas y a
continuación se mostrará el siguiente panel:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 30
Investigación Operativa I Ing. Jhonny Flores Flores
Se debe poner las celdas que
corresponden a las variables
para que el SOLVER pueda
estimarlas su valor
En la celda objetivo se debe ubicar el resultado de la celda que tiene la ecuación de la FOBJ,
También se debe ver el tipo de FOBJ es, eso se lo define en el Valor de la celda objetivo que puede
ser Máximo, Mínimo o Valores de. En el ejemplo se trata de una FOBJ de MINIMIZACION por lo
tanto se elige Mínimo, la opción de Valores de: se usa cuando se tiene un valor final de la FOBJ, y
solo va estimar los valores de las variables para que esta condición se cumpla. En la parte de
Cambiando las Celdas, se debe poner las celdas que corresponde a las variables, en este caso serian
las celdas B$2$:B$3$. Para agregar las restricciones se debe seleccionar la opción Agr egar y sale el
siguiente panel:
Se debe poner uno por uno el resultado de las celdas de cada restricción en referencia de la celda,
en la parte media se debe buscar el tipo condición de la restricción, y en la Restricción, de pone el
valor de las disponibilidades, al completar esto para la primera restricción se debe presionar
Agregar, y se hace esto cuantas restricciones se tengan, cuando se llega a la ultima restricción se
debe presionar Aceptar. Una vez completado esto aparece la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 31
Investigación Operativa I Ing. Jhonny Flores Flores
Después se debe elegir la opción Opciones, en la cual aparece el siguiente panel.
3.4 Opciones de SOLVER
Pueden controlarse las características avanzadas del proceso de solución, cargarse o guardarse
definiciones de problemas y definirse parámetros para los problemas lineales y no lineales. Cada
opción tiene una configuración predeterminada adecuada a la mayoría de los problemas.
· Tiempo máximo. Limita el tiempo que tarda el proceso de solución. Puede introducirse un
valor de hasta 32.367, pero el valor predeterminado 100 (segundos) es adecuado para la
mayor parte de los problemas.
· Iteraciones. Limita el tiempo que tarda el proceso de solución, limitando el número de
cálculos provisionales. Aunque puede introducirse un valor de hasta 32 767, el valor
predeterminado 100 es adecuado para la mayor parte de los problemas pequeños.
· Precisión. Controla la precisión de las soluciones utilizando el número que se introduce
para averiguar si el valor de una restricción cumple un objetivo o satisface un límite inferior
o superior. Debe indicarse la precisión mediante una fracción entre 0 (cero) y 1. Cuantos más
decimales tenga el número que se introduzca, mayor será la precisión; por ejemplo, 0,0001
indica una precisión mayor que 0,01. Cuanto mayor sea la precisión, más tiempo se tardará
en encontrar una solución.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 32
Investigación Operativa I Ing. Jhonny Flores Flores
· Toler ancia. El porcentaje mediante el cual la celda objetivo de una solución satisface las
restricciones externas puede diferir del valor óptimo verdadero y todavía considerarse
aceptable. Esta opción sólo se aplica a los problemas que tengan restricciones enteras. Una
tolerancia mayor tiende a acelerar el proceso de solución.
· Convergencia. Si el valor del cambio relativo en la celda objetivo es menor que el número
introducido en el cuadro Convergencia para las últimas cinco iteraciones, SOLVER se
detendrá. La convergencia se aplica únicamente a los problemas no lineales y debe indicarse
mediante una fracción entre 0 (cero) y 1. Cuantos más decimales tenga el número que se
introduzca, menor será la convergencia; por ejemplo, 0,0001 indica un cambio relativo
menor que 0,01. Cuanto menor sea el valor de convergencia, más tiempo se tardará en
encontrar una solución.
· Adoptar modelo lineal. Selecciónelo cuando todas las relaciones en el modelo sean
lineales y desee resolver un problema de optimización o una aproximación lineal a un
problema no lineal.
· Mostrar resultado de iteraciones. Selecciónelo para que SOLVER muestre temporalmente
los resultados de cada iteración. Esta opción es válida sólo en modelos no lineales.
· Usar escala automática. Selecciónelo para utilizar la escala automática cuando haya
grandes diferencias de magnitud entre las entradas y los resultados; por ejemplo, cuando se
maximiza el porcentaje de beneficios basándose en una inversión de medio millón de
dólares.
· Adoptar nonegativo. Hace que SOLVER suponga un límite de 0 (cero) para todas las
celdas ajustables en las que no se haya definido un límite inferior en el cuadro Restricción
del cuadro de diálogo Agregar restricción.
· Cargar modelo. Muestra el cuadro de diálogo Cargar modelo, donde puede especificarse la
referencia del modelo que desee cargar.
· Guardar modelo. Muestra el cuadro de diálogo Guardar modelo, donde puede especificar
la ubicación en que desee guardar el modelo. Úselo únicamente cuando desee guardar más
de un modelo con una hoja de cálculo; el primer modelo se guardará de forma automática.
3.4.1 Opciones para Modelos No Lineales
· Estimación. Específica el enfoque que se utiliza para obtener las estimaciones iniciales de
las variables básicas en cada una de las búsquedas dimensionales.
· Lineal. Utiliza la extrapolación lineal de un vector tangente.
· Cuadrática. Utiliza la extrapolación cuadrática, que puede mejorar en gran medida los
resultados de problemas no lineales.
· Derivadas. Específica la diferencia que se utiliza para estimar las derivadas parciales del
objetivo y las funciones de la restricción.
· Progresivas. Se utilizan para la mayor parte de los problemas, en que los valores de
restricción cambien relativamente poco.
· Centrales. Se utiliza en los problemas en que las restricciones cambian rápidamente,
especialmente cerca de los límites. Aunque esta opción necesita más cálculos, puede ser útil
cuando SOLVER devuelve un mensaje diciendo que no puede mejorarse la solución.
· Buscar. Específica el algoritmo que se utiliza en cada iteración para determinar la dirección
en que se hace la búsqueda.
· Newton. Utiliza un método cuasi Newton que normalmente necesita más memoria pero
menos iteraciones que el método de gradiente conjugado.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 33
Investigación Operativa I Ing. Jhonny Flores Flores
· Gradiente Conjugado. Necesita menos memoria que el método Newton, pero
normalmente necesita más iteraciones para alcanzar un determinado nivel de precisión. Use
esta opción cuando se trate de un problema grande o cuando al hacer un recorrido a través
de iteraciones se descubra un progreso lento
Por defecto se tiene iteraciones como máximo, en esta parte se debe elegir la opción Asumir no
negativos, esto por la condición de existencia (Xi ≥ 0), también se recomienda elegir la opción
Adoptar modelo lineal, por la naturaleza del modelo, no se debe olvidar que se trata de un modelo
de programación lineal. Una vez elegido estas opciones se tiene lo siguiente.
3.5 Resultado del SOLVER
En la ventana de Resultados de SOLVER, se muestra la parte de Infor mes en la cual se tiene:
Respuestas, Sensibilidad y Límites. Se puede marcar todas estas opciones para un análisis completo.
En el caso que no se habiliten, puede ser que el modelo no este bien estructurado o no corresponda a
un modelo lineal. Al elegir estas opciones se crean 3 hojas que representan cada opción, aparte que
la hoja en donde se tiene los valores de las variables, cuyas celdas inicialmente estaban en cero, se
cambio a lo siguiente:
El valor de la celda B2 que corresponde a la variable X1 tiene el valor de 0.4 ó 2/5, y de la variable
X2 1.8 ó (9/5), con estos valores se obtiene un ZOPT de 3.4 ó 17/5. Se debe mencionar que el
SOLVER no muestra las iteraciones para encontrar la solución óptima, para que esta opción se
habilite se debe actualizar el complemento. En caso de las hojas de informes se debe considerar lo
que representa cada uno.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 34
Investigación Operativa I Ing. Jhonny Flores Flores
Características del informe de respuestas
El primer bloque se da la característica de la Celda objetivo, en este caso fue de minimización,
además se muestra el lugar de la celda donde estaba la formula de la FOBJ, por defecto en el
Nombre, asume el texto que se pone al inicio y al lado el termino Valores, además se considera el
valor original con el que empezó la iteración y el Valor final con el que la solución resulta se
optima. En el segundo bloque de Celdas Cambiantes, se presenta la siguiente estructura; en la
columna de Celda, se muestra la ubicación de los valores de las variables, debajo de Nombre, el
informe puso: X1: Valor es; que es el rótulo de la celada que se empleo para personalizar la variable
y adiciona por defecto el término Valores, es importante notar esto, ya que puede tener en cuenta
esta característica en sus futuros problemas. Y de la misma forma se tiene valor inicial y valor
final, que son los valores al inicio de las iteraciones y al final de las iteraciones.
En el tercer bloque de Restricciones, se tienen las siguientes características: Celda, que muestra la
ubicación del resultado de la formula que representa esa restricción; Nombre, que pone el nombre
de la celda que personaliza cada restricción, en el ejemplo no se puso es por eso que no sale esa
característica; Valor de la celda, es el valor que toma el lado izquierdo de cada restricción en la
solución óptima, es decir el resultado de la formula usada anteriormente que representa cada
restricción pero considerando las soluciones de las variables, esto se lo realiza por cada restricción;
Fórmula, nos recuerda las restricciones que hemos introducido, incluyendo si es de ≤, = ,≥; Estado,
indica si la restricción se cumple exactamente (obligatorio) o que exista un margen es decir que
exista una variable de holgura para que se cumpla la restricción (opcional); Divergencia, es el
margen que tiene cada restricción. Si la desigualdad es ≤, entonces es el lado derecho de la
restricción (la constante) menos el lado izquierdo. Si la desigualdad es ≥, es el lado izquierdo menos
el lado derecho (la constante). Si la restricción es obligatoria, desde luego el margen será cero, Esto
representa el valor de la variable de holgura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 35
Investigación Operativa I Ing. Jhonny Flores Flores
En el primer bloque de muestra las Celdas cambiantes, se presenta las columnas de Celda, que el
la ubicación del valor de la variable, Nombre, que ya se explico anteriormente; Valor igual, que
muestra los valores óptimos de las variables; Gr adiente reducido, también conocido como Costo
Reducido indica cuánto deberá cambiar el coeficiente de la función objetivo para que la variable
tome un valor positivo. En este caso, las dos variables controlables son positivas (conviene producir
ambos productos), por lo que su costo reducido es cero. Coeficiente objetivo: son los coeficientes
de las variables en la función objetivo, en el ejemplo era 4X1 + X2 ; Aumento per misible:
incremento admisible en los coeficientes de la función objetivo sin que cambien los valores óptimos
de las variables controlables, es decir hasta cuanto pueden incrementarse los coeficientes de modo
que no se cambie la variable en la solución optima, en la primera restricción se puede incrementar en
9, es decir que el valor seria de 12; Disminución per misible: disminución admisible en los
coeficientes de la función objetivo sin que cambien los valores óptimos de las variables controlables,
en este caso puede disminuir en 1, es decir que el valor sería de 2 en la restricción 1.
En el segundo bloque se muestra una tabla de Restricciones, en la cual se tiene la misma
interpretación respecto a las columnas de Celda y Nombre; el Valor igual, se tienen los valores de
las formulas que involucran cada restricción; la Sombra precio, es conocido también como precios
sombra que son los precios duales de los recursos (o requerimientos) indicados en las restricciones.
Indican la mejora en el valor de la función objetivo si se "relaja" una desigualdad, o el
empeoramiento si se la restringe, representa las variaciones de la variable de holgura; Restricción
lado derecho: indican los lados derechos de las desigualdades esto representa las disponibilidades
de cada restricción; Aumento per misible: representa en cuánto puede incrementarse el lado derecho
(Constante o disponibilidad) sin que se altere el precio Dual. En este caso se puede incrementar en 9
el valor de la disponibilidad, el precio dual será otro, seguramente menor; Disminución admisible:
indica en cuánto puede disminuir el lado derecho de la restricción sin que cambie el precio dual de
un recurso (o requerimiento), en algunas ocasiones dependiendo de la configuración en la
instalación suele repetirse el termino en relación del titulo de la columna como en este caso, pero la
ultima columna es la disminución que puede tener la disponibilidad de modo que siga siendo
factible la solución.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 36
Investigación Operativa I Ing. Jhonny Flores Flores
Características del
informe de límites
Valores iniciales de la celda de la FOBJ con
el valor óptimo encontrado 3.4 ó 17/5
En el segundo bloque se tienen los valores de: Celda, en la cual se refleja la celda de las variables de
decisión; Celdas Cambiantes se tiene las características de las variables de decisión (Nombre) y en
la columna Igual, se presenta nuevamente el valor optimo encontrado de cada variable; Límite
inferior, es el menor valor que puede tomar la variable (suponiendo que las demás mantienen el
valor óptimo encontrado), y satisfacer todas las restricciones; Celda objetivo, es el valor de la
función objetivo si la variable toma el valor del límite inferior y las demás mantienen el valor
óptimo encontrado; Límite superior, es el mayor valor que puede tomar la variable (suponiendo
que las demás mantienen el valor óptimo encontrado) sin violar las restricciones; Celda objetivo, es
el valor de la función objetivo si la variable toma el valor del límite superior y las demás mantienen
el valor óptimo encontrado.
4. RESOLUCIÓN MEDIANTE WINQSB
El software WINQSB esta dirigido a un análisis estadístico, en la cual uno puede elegir la opción de
acuerdo a las necesidades de uso. Este programa fue diseñado como apoyo a la toma de decisiones
con distintas opciones, entre las principales se tienen:
Análisis de muestreo de aceptación (Acceptance sampling Analysis), Planificación Agregada
(aggregate planning), Análisis de las Decisiones (Decision Analysis), Programación Dinámica
(Dynamic Programming), Facilidad en la ubicación y la disposición (Facility Location and Layout),
Previsión y de regresión lineal (Forecasting and Linear Regressión), Programación por metas (Goal
Programming), Teoría y Sistema de Inventario (Inventory Theory and System), Programación por
trabajos (Job Scheduling), Programación lineal y entera (Linear and Integer Programming), Proceso
de Markov (Markov Process), Planificación de requerimiento de Materiales (Material Requirements
Planning), Programación No Lineal (Nonlinear Programming), Modelo PERT CPM (PERT_CPM),
Programación Cuadrática (Quadratic Programming), Graficos de Control de Calidad (Quality
Control Chart), Análisis de colas de espera (Queuing Analysis), Simulación de sistemas de colas
de espera (Queuing System Simulation)
En esta parte solo se realizara lo que concierne a la Programación Lineal (Linear and Integer
Programming) para acceder esto se procede de la siguiente manera:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 37
Investigación Operativa I Ing. Jhonny Flores Flores
4.1 Introducción del MPL en WINQSB
Como se ve se tiene mucha aplicación en las áreas que se mencionaron, generalmente el instalador
se ubica en la unidad C: una vez elegido la opción de la Programación Lineal se puede resolver los
modelos, no se debe olvidar que se tomara el mismo modelo que se tomo como ejemplo:
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
Al elegir la opción correspondiente se tiene la siguiente pantalla.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 38
Investigación Operativa I Ing. Jhonny Flores Flores
Icono que sirva para introducir el MPL Icono que habilita la calculadora del WINDOWS
Al presionar el icono para introducir el MPL Aparece lo siguiente.
Titulo del problema Numero de Variables Numero de restricciones
Criterio del
Objetivo Tipo de variable
· Maximización por defecto
· Minimización · No negativa
continua
· Entero no
Formato de datos de negativo
entrada · Binario (0, 1)
· Hoja de calculo · Sin signo / Sin
matricial restricciones
· Formulario de
tipo normal
Una vez identificado los elementos principales se procede al llenado de las casillas correspondientes,
en el Titulo del Problema, se puede poner el nombre que desea, en este caso Ejemplo MPL, en la
opción de Numer o de Variables, se identifico en el ejemplo a X1 y X2, es decir que se tendrá 2
variables de decisión, y en la opción que corresponde al Numero de restricciones, se ve 3
restricciones. En nuestro caso sería elegir el Criterio del Objetivo que corresponde a
Minimización.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 39
Investigación Operativa I Ing. Jhonny Flores Flores
Una vez realizado esto se presiona el botón de OK y muestra el siguiente panel.
Valor de la
disponibilidad
FOBJ
Restricciones
Variables de Holgura
Variables Artificiales
penalizados con M Tipo de restricción
Tipo de variable >=, =, <=
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 40
Investigación Operativa I Ing. Jhonny Flores Flores
En la tabla se debe poner los coeficientes correspondientes al MPL del ejemplo, esto se ve de la
siguiente manera:
Los términos correspondientes a la columna de símbolo de la restricción se puede considerar ≤, =, ≥;
estos símbolos pueden cambiar si se presiona 2 veces seguidas con el Mouse en la celda
correspondiente
4.2.1 Comando File.
Se tiene las siguientes opciones
Archivo
· Nuevo Problema. Para crear un nuevo archivo para resolver un MPL
· Buscar Problema. Busca un archivo ya guardado de MPL
· Cerrar Problema. Cierra el archivo que contiene un MPL
· Guardar Problema. Guardar problema que contiene un MPL
· Guardar Problema Como: Guardar problema en otro formato
· Imprimir Problema. Imprimir el problema
· Fuente de letra para impresión. Configurar el tipo de letra de la
impresión
· Configuración de impresión. Configuración de la impresión
· Salir. Salir del programa WINQSB
Esta primera opción del menú sirve para la creación de un nuevo archivo que tenga el MPL, acá se
guarda con extensión *.lpp, en la opción de Guardar como, se la puede guardar con extensiones
*.DAT y *.TXT. En la opción de Fuente de letra para impresión, se puede configurar el formato
en tipo de letra, se habilita automáticamente esta opción con la misma estructura de WORD, y en la
opción Configuración de impresión, se accede a las características para imprimir el archivo, como
el tipo de impresora que tiene instalado, además de el tipo de papel en donde se va imprimir.
4.2.2 Comando Edit.
Se tiene las siguientes opciones
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 41
Investigación Operativa I Ing. Jhonny Flores Flores
Revisión
· Cortar. Cortar formato (s) o dato(s) de celda(s) del MPL
· Copiar. Copiar formato (s) o dato(s) de celda(s) del MPL
· Pegar. Pegar formato (s) o dato(s) de celda(s) del MPL
· Limpiar. Borrar formato (s) o dato(s) de celda(s) del MPL
· Deshacer: Restaurar la anterior información
· Nombre del Problema. Colocar nombre al problema
· Nombres de Variable. Colocar nombre a las variables
· Nombre de Restricciones. Colocar nombre a las restricciones
· Criterio de Función Objetivo. Establecer el criterio de la
función objetivo
· Insertar Variables. Insertar Variables
· Borrar Variables. Borrar Variables
· Insertar una restricción. Insertar restricciones del MPL
· Borrar una restricción,. Borrar restricciones del MPL
En el primer bloque se debe marcar las celdas para realizar alguno de esos comandos. Para el
comando UNDO (Deshacer) se activa cuando se hizo operaciones o acciones y al presionarlo vuelve
al estado anterior. Para PROBLEM NAME, se abre una ventana en donde se muestra en nombre del
problema y este se puede cambiar y presionar OK; VARIABLES NAMES se muestra una ventana
en donde se puede personalizar cada variable y poner nombre a cada uno, por defecto el software
solo pone X1, X2, etc., una vez especificado cada variable se pulsa OK; CONSTRAINT NAMES
muestra un menú en el cual cada restricción tiene el nombre de C1, C2, etc., esto puede
personalizarse de acuerdo a las especificaciones del MPL; OBJECTIVE FUNTION CRITERION
establece cambios en la FOBJ, aquí aparece una opción que menciona el cambio de Máximo a
Mínimo, si se elige este cambio se debe pulsar OK y se cambia la FOBJ.
INSERT A VARIABLE se obtiene el siguiente menú, una celda en la cual muestra la variable a ser
adicionada, en este caso X3, también la opción de usar el nombre de la variable X3 o personalizar el
nombre de la variable, también se tiene el lugar donde se va a insertar la variable: THE END (al
final de la tabla), THE BEGINNING (al inicio) y THE SELECTED LOCATION (Seleccionar la
localización); DELETE A VARIABLE, Muestra una ventana en la cual se tiene las variables del
MPL, en este caso se tiene X1 y X2, se puede elegir cualquier variable y borrarla y posteriormente
apretar OK.
INSERT A CONSTRAINT se obtiene el siguiente menú, una celda en la cual muestra la restricción
a ser adicionada, en este caso C4, también la opción de usar el nombre de la restricción C4 o
personalizar el nombre de la restricción, también se tiene el lugar donde se va a insertar la
restricción: THE END (como fila al final de la tabla), THE BEGINNING (como fila al inicio) y
THE SELECTED LOCATION (Seleccionar la localización de la fila); DELETE A CONSTRAINT,
Muestra una ventana en la cual se tiene las restricciones del MPL, en este caso se tiene C1, C2 y C3,
se puede elegir cualquier restricción y borrarla y posteriormente apretar OK.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 42
Investigación Operativa I Ing. Jhonny Flores Flores
For mato
· Numero. Tipo de formato de los números de un MPL
· Fuente de Letra. Tipo de fuente de letra de MPL
· Alineación. Alineación del texto y numero de un MPL
· Alto de fila. Configurar el alto de las filas de un MPL
· Ancho de columna: Configurar el ancho de las columna de un MPL
· Cambiar la forma normal del modelo. Cambiar la presentación del
MPL
· Cambiar a la forma Dual. Cambiar el modelo MPL inicial al modelo
Dual
En el primer bloque se muestra el formato de presentación del modelo respecto a los números y
letras. NUMBER, muestra un menú en donde existen varios tipos de presentación de los números,
también muestra una pequeña ventana donde muestra el Código y la forma que tendrá el número.
FONT tiene la misma estructura de fuente que WORD, en la cual se puede cambiar el tipo de letra;
ALIGNMENT muestra una ventana en donde la primera columna tiene alineación Left (izquierda),
Right (derecha) y Center (centrar), y debajo de esta la forma como estará presentada el número;
también se muestra Apply to (Aplicar a), donde se puede aplicar a: All columns (Todas las
columnas); Fir st row (Primeras Filas), Fir st columns (Primeras Columnas) y Selected columns
(Seleccionar columnas).
En COLUMN HEIGHT, se configura el ancho de las filas, se muestra una barra de desplazamiento
de manera horizontal en el cual se puede ampliar el ancho de las columnas si se desplaza hacia la
derecha. También se muestra los siguientes comandos: As above (marcar encima), Use default
width (Uso de ancho por defecto), Best fit (mejor adaptación), también se muestra Apply to
(Aplicar a), donde se puede aplicar a: All columns (Todas las columnas); Selected columns
(Seleccionar columnas) y Fir st column only (Solo la Primera columna).
En SWITCH TO NORMAL MODEL FORM muestra de manera directa el MPL, no en forma de
tabla, esto separado respecto a la FOBJ y a las restricciones, al activar esto el comando cambia a
SWITCH TO MATRIZ FORM. SWITCH TO DUAL FORM convierte el MPL en su modelo
DUAL, es decir considerando matrices transpuestas.
4.2.4 Comando Solve and Analyze.
Se tiene las siguientes opciones
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 43
Investigación Operativa I Ing. Jhonny Flores Flores
Resolver y analizar .
· Solucionar el problema. Presenta la solución de un MPL
· Solucionar y mostrar los pasos. Presenta la solución de un MPL y muestra las
iteraciones paso a paso para llegar a la solución.
· Método Gráfico. Muestra la solución por el método gráfico de un MPL
· Realizar Análisis de Parámetros. Analiza los parámetros de un MPL
· Solución Alternativa: Identifica la solución alternativa de un MPL
· Tolerancia de cambio en número entero. Indica la tolerancia en los cambios de
la variable de manera entera del MPL
· Especificar Calidad de solución. Especifica los rango de la solución
· Especificar la prioridad en la ramificación de la variable. Especifica la
dependencia de las variables en forma ramificada
Para este punto es necesario aclarar algunas opciones, las cuales son: SOLVE THE PROBLEM, al
elegir esta opción se presenta una ventana en donde menciona que el MPL tiene una solución óptima
y al aceptar eso se muestra la solución de la misma, la explicación de la misma se la realizara más
adelante. SOLVE AND DISPLAY STEPS, presenta la tabla inicial en donde se procederá a las
iteraciones y al finalizar esta muestra la misma tabla que la anterior opción. GRAPHIC METHOD,
muestra una ventana en la cual se puede definir los ejes respecto a las Variables X1 y X2, después
de esta se muestra una figura en la cual están las rectas que son representadas y la FOBJ con un
color distinto.
En PERFORM PARAMETRIC ANALYSIS, se da las siguientes opciones, se puede analizar el
resultado respecto a Objetive funtion (FOBJ) y Right hand side (Lado derecho o disponibilidades)
para cada uno se presenta distintas escenarios. Por ejemplo si se elige Objetive funtion (FOBJ) se
debe elegir una opción que contempla el Perturbation Vector (Vector de perturbación) en donde se
debe dar valores del vector de perturbación que no es más que los valores de las disponibilidades
que se tienen y que de influye en la FOBJ; de la misma manera si se elige Right hand side (Lado
derecho o disponibilidades) se deben dar valores a las variables X1 y/o X2 de modo que influya en
la FOBJ. En cada una de las opciones se presenta variaciones respecto a la FOBJ, y como influye
respecto a la opción elegida.
En CHANGE INTEGER TOLERANCE, esta opción es solo para MPL que tienen variables con
números enteros, en donde se da una tolerancia de un valor entero actual de 0, y se puede introducir
un nuevo valor nuevo entero. Respecto a SPECIFY SOLUTION QUALITY, esta opción sólo es
válida para un MPL entero. Cuando se presenta que la mejor solución entera está fuera de este % de
la solución óptima, la dependencia o ramificación y la iteración se detendrá, se muestra la calidad en
la solución actual (% de descuento en el ambiente del MPL) que es de 0.0%, y se puede introducir
una nueva calidad (% sobre el óptimo encontrado). Finalmente en SPECIFY VARIABLE
BRANCHING PRIORITIES, esta opción tiene que ver con las prioridades de ramificación que tiene
cada variable, son útiles para MPL enteros o variables binarias. No se debe olvidar que la variable
de tipo entero con un valor nointegral con el valor más alto de prioridad será ramificada primero en
la rama y el proceso de acotamiento. El valor de prioridad por defecto para cada variable es cero, lo
que significa que cada uno tiene la misma prioridad. Seleccione el botón Sí e introduzca el número
que oscila de 32767 a 32767 para las prioridades de la variable en el caso de que decida cambiarlos.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 44
Investigación Operativa I Ing. Jhonny Flores Flores
4.2.5 Comando Results.
Se tiene las siguientes opciones
Resultados.
· Resumen de la Solución. Presenta en una tabla el resumen de la solución
· Resumen de las restricciones. Presenta en una tabla el resultado de las restricciones
considerando las soluciones de las variables de decisión
· Análisis de Sensibilidad por la FOBJ. Presenta el análisis de sensibilidad respecto a
los coeficientes de las variables en la FOBJ.
· Análisis de Sensibilidad por la RHS. Presenta el análisis de sensibilidad respecto a los
coeficientes tecnológicos de las variables en las restricciones
· Reporte combinado. Muestra los análisis de sensibilidad por la FOBJ y RHS al mismo
tiempo
· Análisis de Inviabilidad. Analiza de las variables que no son viables en la FOBJ
· Análisis de infinitud. Analiza de las variables respecto al valor infinitesimal que
influyen en la FOBJ
· Mostrar análisis de parámetros. Analiza los parámetros que se consideraron en las
variables de la FOBJ
· Grafica del análisis de parámetros. Muestra la grafica que involucra el análisis de
parámetros de la FOBJ
· Tabla SIMPLEX final. Muestra la ultima tabla SIMPLEX del MPL
· Obtener una solución optima alternativa. Obtiene una solución optima alterna a la
mostrada en la tabla SIMPLEX, solo en casos de problemas con múltiples soluciones
· Mostrar tiempo e iteraciones. Muestra el tipo de variables, el método empleado para
resolver, el numero de iteraciones pero considerando la tabla inicial y el tiempo de
resolución para el CPU
Debe considerarse que esta opción en el menú solo se habilita si se resuelve el MPL inicialmente
4.2.6 Comando Utilities.
Se tiene las siguientes opciones
Utilidades.
· Calculadora. Presenta la Calculadora del Windows
· Reloj. Presenta la hora con la que esta configurada el sistema operativo.
· Gráfica / tabla. Muestra la una grafica en forma de barras que refleja un MPL
En esta parte no es necesario explicar a detalle debido a la simpleza de su manejo
4.2.7 Comando Window.
Se tiene las siguientes opciones
Ventana.
· Cascada. Presenta las ventanas utilizada al mismo tiempo en forma de cascada
· Titulo. Presenta las ventanas usadas en forma ordenada a su titulo.
· Organización de Iconos. Ordena la presentación por categoría de iconos.
· Ejemplo MPL. Nombre de las ventana donde se trabajan
En esta parte no es necesario explicar a detalle debido a la simpleza de su manejo
4.2.8 Comando WINQSB.
Se tiene las siguientes opciones
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 45
Investigación Operativa I Ing. Jhonny Flores Flores
WINQSB.
· Análisis de muestreo de aceptación
· Planificación Agregada
· Análisis de las Decisiones
· Programación Dinámica
· Facilidad en la ubicación y la disposición
· Previsión y de regresión lineal
· Programación por metas
· Teoría y Sistema de Inventario
· Programación por trabajos
· Programación lineal y entera
· Proceso de Markov
· Planificación de requerimiento de Materiales
· Programación No Lineal
· Modelo PERT CPM
· Programación Cuadrática
· Gráficos de Control de Calidad
· Análisis de colas de espera
· Simulación de sistemas de colas de espera
Ayuda.
· Contenido. Presenta los contenidos generales de toda al ayuda del WINQSB
· Buscar ayuda de…. Se puede buscar ayuda especifica acerca de un comando
· Como utilizar ayuda. Muestra como se puede utilizar la ayuda.
· Ayuda con la actual ventana. Indica las opciones que cuenta la actual ventana de
trabajo
· Acerca de LPILP. Muestra las especificaciones del programa sobre la resolución de
un MPL y un MPL entera
· Acerca de la forma matricial. Muestra un ejemplo practico como se construye ela
forma matricial del MPL
Cualquier duda sobre el uso del software es bueno recurrir a su ayuda, por lo tanto no se desarrollara
este punto dejando al estudiante a investigar más sobre este comando.
A continuación se dará una breve explicación de cada uno de los comandos de la barra.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 46
Investigación Operativa I Ing. Jhonny Flores Flores
Símbolo Característica
Al presionar este botón permite introducir el problema de MPL con las características ya
explicadas
Al elegir esta opción ayuda a buscar un problema ya almacenado
Sirve para guardar el problema
Imprime el resultado y modelo planteado del MPL
Corta formato y valores de una celda
Copia formato y valores de una celda
Pega formato y valores de una celda
Al presionar este botón permite introducir el problema de MPL con las características ya
explicadas
Es un acceso directo para el formato de texto que se presenta en el problema de MPL
Ayuda a alinear a la izquierda las celdas
Ayuda a alinear al centro las celdas
Ayuda a alinear a la derecha las celdas
Amplia el alto de las filas
Amplia el ancho de las columnas
Permite encontrar la solución del MPL de manera directa
Permite ver las tablas SIMPLEX desde el inicio considerando las iteraciones hasta
encontrar la solución final del MPL.
Permite encontrar la solución por el método grafico
Permite graficar los valores de las variables y disponibilidades
Acceso directo a la calculadora del Windows
Acceso directo a la configuración del tiempo
Acceso para ayuda del WINQSB
En esta parte se ven los mismo comandos que se explicaron al inicio, solo que están de manera
directa. También estos botones se enfocan en el formato y la solución del MPL, son como accesos
directos que en cierta forma facilitan las operaciones del WINQSB.
4.4 Presentación de Soluciones del MPL en WINQSB
Se considera de 2 tipos uno de manera directa y otra con la presentación de las iteraciones
respectivas hasta la solución final.
3.4.1 Presentación de la Solución del MPL de manera directa en WINQSB
Para acceder a esto solo se presiona el botón de para acceder a la solución del MPL, lo cual tiene
la siguiente estructura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 47
Investigación Operativa I Ing. Jhonny Flores Flores
Se puede observar lo siguiente, Mes en forma
numeral
Hora donde se resolvió el MPL Día Mes
Año
También se observa la siguiente tabla que tiene las siguientes características:
Valor de la Costo unitario Total de Costo Estado Mínimo Máximo
solución sin fines de contribución reducido básico permisible permisible
lucro C(j) a la FOBJ C(j) C(j)
Variable de
decisión
FOBJ Solución de la FOBJ
Máximo
Restricción permisible
RHS
Dirección o
Valor a la término de la Valor a la Holgura o Precio Mínimo
izquierda restricción derecha excedente sombra permisible
RHS
El valor de la solución es el resultado final de las iteraciones, el costo unitario se refiere a los
coeficientes de las variables en la FOBJ, el Total de contribución se refiere al resultado de las
variables por sus respectivos coeficientes, el costo reducido, se refiere a cuanto puede reducirse el
costo anterior, el estado básico, se refiere al estado final de la variable que por teoría se sabe que
será una variable básica, el Mínimo per misible C(j), se refiere hasta que valor puede reducir el
coeficiente C(j) que multiplica la variable, en X1 puede reducirse de 4 a 3, el Máximo permisible
C(j), se refiere hasta donde puede subir el coeficiente C(j) que multiplica a la variable, en este caso
para la variable X1 puede subir de 4 al valor M de penalización.
No se debe olvidar que las restricciones se nombrar por defecto Ci, en este ejemplo se tiene 3
restricciones y por lo tanto se tendrán de C1 a C3, pero como también se dijo estos nombres pueden
ser cambiados y personalizados. Respecto al Valor a la izquierda, es el resultado de las
condiciones de las restricciones del lado izquierdo, la Dirección, son las condiciones de las
restricciones, el Valor a la derecha son las disponibilidades de las restricciones. La Holgura
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 48
Investigación Operativa I Ing. Jhonny Flores Flores
representa el exceso que se tiene para cada variable, en este caso en la restricción C2 existe una
variable de holgura cuyo valor es 1. El Precio sombra es el valor superior por unidad de recurso
que se incrementa, en este caso por adicionar una unidad en el recurso de la restricción C1 el precio
es de 1.4 $, el Mínimo permisible RHS es el valor mínimo que puede reducir una disponibilidad o
recurso, por ejemplo en la restricción C1 puede reducirse de 3 a 2 unidades, el Máximo permisible
RHS es el valor máximo que puede aumentar la disponibilidad o recurso, en el ejemplo puede
aumentar de 3 a 12 unidades.
4.4.2 Presentación de iteraciones para resolver el MPL en WINQSB
Para acceder a esto solo se presiona el botón de para acceder las tablas de solución del MPL, lo
cual inicialmente tiene la siguiente estructura.
Variable Variable de
Variables Valor Variables de superfula C2 holgura C3 Variables artificiales
(S1) (S2) Ratio
básicas C(j) decisión C1 (R1) y C2 (R2) Recurso
Se debe tomar en cuenta lo siguiente para la FOBJ, el WINQSB pone los coeficientes de la siguiente
manera C(j) – Z(j), para el ejemplo sería MIN Z = (4 – 7M)*X1 + (1 – 4M)*X2 + M*S1, pero
siguiendo esta nomenclatura la FOBJ sería Z(j) – C(j), lo cual sería MIN Z = ( 4 + 7M)*X1 + (1 +
4M)*X2 – M*S1. En la columna de las variables básicas se tienen lo siguiente: Artificial_C1 que
sería la variable artificial R1, Artificial_C2 que sería la variable artificial R2 y Slack_C3 que seria
la variable de holgura S2, esto según lo que se avanzo en clases, además el WINQSB lo pone en la
tabla de acuerdo al orden de jerarquía, en este caso primero siempre colocara en las columnas las
variables de Decisión (Xi), luego las variables de holgura (Si) y finalmente las variables artificiales
(Ri). Considerando lo que se presenta entraría la variable X1 incluso el software lo marca con un
sombreado leve y saldría la Variable Básica Artificial_C1 (R1) por tener el menor ratio en
comparación con las demás restricciones, y al presionar el mismo botón se tendrá la PRIMERA
ITERACION que muestra lo siguiente:
El software marca la variable de entrada que sería X1 por tener el menor valor en la FOBJ con C(j) –
Z(j) de 0.333 – 1.6667M, pero como se explico a este valor se debe multiplicar por (1) para que
vaya a lo que se llevo en teoría en clases lo cual sería Z(j) – C(j) = 0.333 + 1.6667M y la variable de
salida es el de menor ratio que correspondería a Artificial_C2 (R2) ya que su ratio es de 1.2, se
presiona de nuevo el botón correspondiente y se tendría la SEGUNDA ITERACION.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 49
Investigación Operativa I Ing. Jhonny Flores Flores
El software marca la variable de entrada que sería Surplus_C2 (S1) ya que tiene como coeficiente
en la FOBJ C(j) – Z(j) de 0.2 y como se dijo anteriormente debe cambiarse de signo para ir de
acuerdo a la Teoría que se llevo en clases (Z(j) – C(j) = 0.2, se elegiría esto por ser por una valor
positivo) y la variable de salida es el de menor ratio que correspondería a Slack_C3 (S2) ya que su
ratio es de 1, se presiona de nuevo el botón correspondiente y se tendría la TERCERA
ITERACION.
En esta tabla el software ya no marca claramente la variable de entrada ya que los coeficientes de la
FOBJ C(j) – Z(j) son: 0*X1 + 0*X2 + 0*S1 + 0.20*S2 + (1.40 + M)*R1 + M*R2 y como se dijo
anteriormente debe cambiarse de signo para ir de acuerdo a la Teoría lo cual quedaría de la siguiente
manera la FOBJ: 0*X1 0*X2 0*S1 0.20*S2 (1.40 + M)*R1 M*R2, según la teoría que se
avanzo en clases, se dijo que: “las iteraciones se realizarán hasta que todos los coeficientes tengan
valores nulos o negativos para el caso de minimización”, tampoco se debe olvidar que “en caso de
maximización las iteraciones se realizan hasta tener coeficientes nulos o positivos” . Si se ve esta
condición en la tabla se vera que se esta cumpliendo, es decir que esta tabla sería la tabla final del
SIMPLEX, si se presiona el botón correspondiente y se tendría lo siguiente.
Esto representa que es la tabla final del SIMPLEX y que este método ya ha sido completado, si se
acepta el mensaje mostrara la tabla inicial del problema, por lo que ha concluido la solución.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 50
Investigación Operativa I Ing. Jhonny Flores Flores
Acá se debe selecciona la ubicación en los ejes de las variables, como se menciono en clases se
recomienda que la variable X1 este en el eje X y la variable X2 en el eje Y, al aceptar esta opción se
tiene la siguiente figura.
Línea que
representa la FOBJ
Punto que representa los
valores óptimos de la FOBJ
Valores de la
Solución óptima
de la FOBJ
Líneas que representan
las restricciones
Acá se muestra las líneas que representan la FOBJ, las restricciones y enmarca con un punto de otro
color los valores óptimos de X1 y X2. La solución óptima se presenta en un marco a la derecha.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 51
Investigación Operativa I Ing. Jhonny Flores Flores
4.6 Sensibilidad del MPL en WINQSB
El WINQSB puede realizar el análisis de sensibilidad partiendo del principio de variaciones respecto
a las variables de decisión y a las restricciones.
4.6.1 Sensibilidad respecto a las Variables de Decisión del MPL en WINQSB
Esto se realiza eligiendo la opción Results y Sensitivity Analysis for OBJ , para lo cual se tiene la
siguiente tabla.
Variable de Valor de la Costo Costo unitario Mínimo Máximo
Díamesaño decisión solución reducido sin fines de permisible C(j) permisible C(j)
Hora lucro C(j)
De resolución
Para interpretar se debe ver el Costo Reducido, que es hasta donde puede reducir el valor de las
variables X1 y X2, en este caso no se permite más reducciones. El Costo unitario sin fines de lucro
C(j), muestra el valor actual del coeficiente C(j) que multiplica a la variable Xi en la FOBJ, respecto
al Mínimo permisible C(j), en este caso se puede decir que de 4 puede disminuir a 3 sin cambiar la
variables de decisión X1, para X2 puede reducirse de 1 a un valor penalizado de –M, no se debe
olvidar que en clases se dijo que M es un valor muy grande, por lo tanto se puede decir que la
variable X2 siempre formara parte de la solución en la FOBJ. Considerando el Máximo per misible
C(j), que expresa hasta donde puede variar el coeficiente que multiplica a la variable en la FOBJ,
para la variable de decisión X1 pude incrementarse el coeficiente C(j) de 4 a un valor penalizado de
M, es decir que se puede incrementar enormemente su aporte sin que eso influya en que esta
variable sea parte de la solución, para X2 se muestra que del valor inicial de 1 puede incrementarse
hasta 1.3333 para que esta variable sea parte de la solución óptima.
4.6.2 Sensibilidad respecto a las restricciones del MPL en WINQSB
Esto se realiza eligiendo la opción Results y Sensitivity Analysis for RHS, para lo cual se tiene la
siguiente tabla.
Díamesaño
Hora Restricción Dirección o
término de la Precio Valor a la Mínimo permisible Máximo
De resolución sombra derecha RHS permisible RHS
restricción
Para la interpretación se debe tomar en cuenta lo siguiente, en las 3 primeras columnas no se tiene
ninguna dificultad en la comprensión de que expresa estos términos en la Tabla, Respecto al Precio
Sombra, se debe recordar que es el valor marginal de cada uno de los recursos, es decir la tasa a la
que la FOBJ puede incrementar la cantidad que se proporciona de este recurso, por el método
SIMPLEX estos precios sombra viene representado por los valores C(j) de la FOBJ por cada
Variable Básica, en el ejemplo se ve que si se incrementa un valor a la disponibilidad de la
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 52
Investigación Operativa I Ing. Jhonny Flores Flores
restricción 1 (C1) la FOBJ se incrementaría en 1.4 $, para la restricción C2 no existe precio sombra
pero si para la restricción 3 (C3), que de igual forma se puede decir que por el aumento de una
unidad en el recurso que contempla C3 la FOBJ disminuiría en 0.2 $, como la FOBJ es de
Minimización convendría aumentar una unidad de recurso C3.
El Valor a la der echa, representa el valor de las disponibilidades o recursos que tienen las
restricciones, el Mínimo permisible RHS, expresa hasta que valor puede ser reducido el recurso,
por ejemplo, la restricción C1 su recurso puede ser reducido de 3 a 2 sin que cambie las variables de
decisión en la solución óptima, considerando esto se puede decir que la restricción C2 se puede
reducir hasta cualquier cantidad y eso no cambiara que las variables X1 y X2 sean parte de la
solución óptima en FOBJ. Respecto a Máximo per misible RHS, representa hasta que valor se
puede incrementar el recurso de modo que las variables de solución (X1 y X2 para este caso) se
mantengan como soluciones óptimas, por ejemplo para la restricción C1 se puede incrementar el
recurso de 3 a 12 unidades, sin que cambie las variables de decisión en la solución óptima.
4.6.3 Presentación del análisis de Sensibilidad r especto a las variables y restricciones del MPL
en WINQSB
Para elegir esta opción se debe seguir los siguientes pasos: ir al menú principal y acceder a Results
y posteriormente marque Combined Report, para lo cual se tendrá la siguiente tabla.
Las opciones que tiene esta tabla ya fueron descritas anteriormente, acá solo se muestra de manera
conjunta los dos anteriores reportes de sensibilidad. El software WINQSB tiene muchas
aplicaciones, para el trabajo de aplicación del fin de semestre se recomienda que uno del software
aplicado para resolver el MPL que realizarán sea este programa debido a su facilidad en su uso e
interpretación.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 53
Investigación Operativa I Ing. Jhonny Flores Flores
5. RESOLUCIÓN MEDIANTE WHAT’S BEST
Este programa tiene gran versatilidad respecto a su manejo y se instala en plataformas de Windows
98, 2000 server, XP. Al instalarlo se apoya en EXCEL para su funcionamiento. Es recomendable
usar el Software versión 4 ya que la versión 7 o posteriores piden serial y no están completos. Al
instalar se tiene la siguiente figura.
WHAT’S BEST es una aplicación que necesita de EXCEL para eso es bueno conocer las
aplicaciones de las cuales consta el software. En algunos casos se debe recurrir al menu de
herramientas e ir a complementes y ahí examinar donde fue instalado el archivo WB.XLA y
WBINIT.XLA para habilitar completamente el programa. Para realizar un ejemplo de aplicación se
lo hará con el mismo problema de clases:
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 54
Investigación Operativa I Ing. Jhonny Flores Flores
Para esto se tiene la siguiente descripción de las opciones del WHAT’S BEST en el menú de
EXCEL
WB
· Ajustable. Permite elegir o borrar los valores de las variables
· Mejor. Establece la FOBJ que puede ser Máximo, Mínimo o ninguno
· Restricciones. Se debe realizar una formula que represente a las restricciones
eso para el lado izquierdo, también permite establecer el tipo de restricción y el
valor de la disponibilidad o recurso del lado derecho.
· Solución. Permite acceder a la solución del MPL
· Dual. Permite expresar el modelo inicial en un modelo DUAL
· Entero. Permite solucionar un MPL con valores enteros
· Opciones. Accede a opciones que considera WHAT’S BEST para la solución
· Reportes. Permite tener distintos tipos de reportes del MPL
· Ayuda. Accede a la ayuda del software
Todas estas opciones del menú serán desarrolladas de acuerdo a las exigencias en análisis del
modelo.
A continuación se dará una breve explicación de cada uno de los comandos de la barra.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 55
Investigación Operativa I Ing. Jhonny Flores Flores
Símbolo Característica
Al presionar este botón permite determinar las celdas ajustables, estas son las celdas que
contienen el valor de las variables de decisión, cuando se ajusta se cambia de color negro a azul
Al presionar este botón permite desactivar las celdas ajustables, que son las que contienen el
valor de las variables de decisión, cuando se desajusta se cambia de color azul a negro
Cuando se presiona este botón se elije la FOBJ mínimo
Cuando se presiona este botón se elije la FOBJ máximo
Este botón ayuda a poner la restricción de tipo ≤, teniendo cuidado que este signo se
encuentre entre la formula que representa la restricción y el valor de la disponibilidad
Este botón ayuda a poner la restricción de tipo ≥, teniendo cuidado que este signo se
encuentre entre la formula que representa la restricción y el valor de la disponibilidad
Este botón ayuda a poner la restricción de tipo =, teniendo cuidado que este signo se
encuentre entre la formula que representa la restricción y el valor de la disponibilidad
Este botón permite resolver el modelo, esto después de haber realizado la correcta
estructura del MPL y los anteriores pasos
Este botón permite visualizar los tipos y opciones de reportes de solución del MPL, y
obtener más información sobre un análisis completo del Modelo.
5.2 Solución de un MPL mediante WHAT’S BEST
Para solucionar un MPL se debe seguir los mismos pasos en su estructura que lo que se vio por en
SOLVER, es decir realizar lo siguiente:
Para definir las celdas en la cual se estimarán los valores de las variables de decisión y para
encontrar la solución óptima, se puede marcar las celdas que incluyen al valor de la variable con el
botón , o puede acceder al menú y elegir WB y Adjustable, en el cual aparece lo siguiente:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 56
Investigación Operativa I Ing. Jhonny Flores Flores
Donde se debe marcar la celda que contiene la formula de la FOBJ en Cell, y en Objetive, elegir si
la FOBJ es Mínimo (Minimize), Máximo (Maximize) o no tiene valor (None) y después OK.
En esta figura se puede ver que el valor de la celda que representa la restricción 1 se debe poner en
Left Hand Side, el valor de la disponibilidad o recurso en Right Hand Side, también se debe elegir
el tipo de restricción que une las 2 celdas (Constraint Type) en la restricción 1 sería =, y la
ubicación de esta celda colocarla en Range to store Constraints, y terminar en OK. Este
procedimiento se debe hacer para cada restricción de manera individual.
Una vez concluido esto, se debe elegir inicialmente los reportes que se quieren obtener, para eso se
puede elegir directamente con el botón , o tomando en cuenta el menú de EXCEL en WB! y
Report, en ambos casos se obtendrá lo siguiente:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 57
Investigación Operativa I Ing. Jhonny Flores Flores
Para saber las opciones se tiene lo siguiente:
· Locate (Localizar), permite localizar las siguientes celdas, para la cual se tienen lo siguiente:
o Adjustable (Ajustable), Celdas ajustables donde se encuentran la solución de las
variables de decisión del MPL
o Best (Mejor), Localiza la celda donde se encuentra el resultado de la FOBJ.
o Constraints (Restricciones), localiza las celdas donde se encuentran las restricciones
del MPL.
o Violated (Violación), Marca las celdas de las restricciones violadas en el MPL, se
sabe que una restricción se viola cuando las variables de holgura o superávit son
negativos y la solución es infactible.
· Written Report (Escribir reporte), permite establecer el tipo de reporte que se desea
visualizar de las siguientes alternativas:
o Status Report (Estado del reporte), indica si la solución es Factible o no, junto con
otros datos importantes del MPL como el número de tipo de variables utilizados, el
tiempo de solución y el número de iteraciones que se realiza antes de obtener la
solución óptima
o Solutión Report (Reporte de la solución), indica los valores de la FOBJ junto con las
variables de decisión, además este reporte permite realizar el análisis de sensibilidad
del MPL.
· Insert Reports (Insertar el Reporte), En esta opción se tienen los siguientes puntos:
o At the Beginning (Al comienzo), se introduce el o los reportes al principio de las
hojas de EXCEL.
o At the End (Al final), se introduce el o los reportes al final de las hojas de EXCEL.
· Open Status Or ly on er ror (Analizar estado solo cuando hay error), permite visualizar el
reporte de estado solo cuando existe error en el planteo del MPL
5.3 Presentación de la Solución de un MPL mediante WHAT’S BEST
Para el ejemplo se eligió la localización por la FOBJ, que muestre también el estado del reporte y el
reporte de la solución, además de insertar todos estos reportes al final de las hojas de EXCEL,
añadiendo también el análisis de error en el planteo del MPL del ejemplo. Para esto se tiene lo
siguiente:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 58
Investigación Operativa I Ing. Jhonny Flores Flores
Características de la hoja de reporte
Celda Objetivo Valor de la FOBJ
Referencia de la Valor de la inicial FOBJ
hoja y valor de la
Celda Objetivo
Condición de la FOBJ
Celdas Ajustables que corresponden a las variables de decisión
Rango Mayor que puede tener
Referencia de la hoja la variable Xi
y valor de la Celda
que contiene los Xi
Rango menor que puede tener
la variable Xi
Celdas Ajustables
Valor Dual Rango menor que puede
tener la restricción
Referencia de la
hoja y valor de la
Celda que Formula usada
contiene las en la restriccion
restricciones
Valor de las variables de
Holgura y Artificiales Tipo de restricción Valores duales de Rango mayor que puede
las restricciones tener la restricción
Acá se puede ver que el resultado de la FOBJ es de 3.4 (17/5), en la parte que muestra las variables
de decisión se tiene valores para X1 (Hoja1!B2) de 0.4 (2/5) y X2 (Hoja1!B3) de 1.8 (9/5), con un
valor inicial (Initial Value) de 0.4 y 1.8, además con una restricción ≥ 0, por ser la condición de
existencia. También se ve que no tiene valores duales (Dual Value) y no tiene un valor máximo de
incremento (Upper Range), según este informe estos valores se pueden reducirse por un valor
indeterminado (Lower Range).
5.4 Análisis de Sensibilidad de un MPL mediante WHAT’S BEST
Con este informe se puede realizar el análisis de sensibilidad, por ejemplo para el Valor Dual (Dual
value) como se dijo es un Costo Dual de una variable, esto se entiende como la cantidad por la que
el coeficiente de la FOBJ de la variable tendría que mejorar antes de que se pudiera aprovechar para
dar la variable en cuestión un valor positivo en la solución óptima, en este caso no se tiene valores,
es decir que no se va sacrificar ningún $ por las variables en la FOBJ. Respecto a las Variables de
Holgura o Artificiales (Value) que se encuentra en el último bloque, en el cual se ve el valor de 1
para la segunda restricción, este es el valor correspondiente a la variable de holgura S1, es decir que
es tiene un excedente de 1 respecto a su valor de disponibilidad de 6, pero que cumple con el tipo de
restricción (≥ 6). En cuanto a los valores duales de las restricciones (Dual Value) se refiere a los
Precio Sombra , esto expresan en cuanto se incrementa la FOBJ por el uso de la disponibilidad de la
restricción, por ejemplo para la primera restricción se tiene un valor de 1.4$, es decir que por el
incremento de una unidad en el uso de la restricción 1 la FOBJ aumentara en 1.4$, en este caso
perjudicaría al FOBJ, si se toma en cuenta la restricción 3 que tiene un valor de 0.2, expresa que por
el uso de una unidad de la restricción 3 la FOBJ disminuye en 0.2$ la FOBJ.
rango máximo será de 3 + 9 = 12 y el mínimo de 3 – 1 = 2, es decir que se puede incrementar a 12 y
reducir a 2 sin que existan entradas nuevas de variables en la solución óptima y si varia el valor de la
FOBJ.
5.5 Presentación del Reporte de Solución de un MPL mediante WHAT’S BEST
Para este punto se debe elegir en Report la opción de Status Report, y se obtiene lo siguiente:
Rango mayor que puede
tener la restricción Memoria Asignada
Estadísticas de Clasificación Actual / Máximo
Numérico
Ajustable
Restricciones
Enteros
Optimizables
No lineales
Coeficientes
Tipo de Modelo: Lineal
Ensayos: 5 inviabilidad: 0 Objetivo: 3,4
Estado de la Solución: Global y optimal
Tiempo de solución: 0 horas 0 minutos
0 segundos
Celda de alerta en blanco ha sido desactivado
Fin del reporte
Este es el reporte de solución que presenta WHAT’S BEST en la cual se resume información global
de la solución del MPL.
Se puede decir que este software presenta aplicaciones en la cuales se puede analizar los resultados
con ayuda de los reportes que se tienen, además que tiene una aplicación directa con el EXCEL lo
cual ayuda a la forma de presentación en los datos que son similares al SOLVER, que se explico
anteriormente. También recalcar que en el WHAT’S BEST no se puede ver las iteraciones de las
tablas SIMPLEX, solo muestra los resultados finales.
6. RESOLUCIÓN MEDIANTE EPLAR
Este programa tiene gran versatilidad respecto a su manejo y se instala en plataformas de Windows
98, 2000 server, XP. En algunos casos no se cuenta con el instalador pero se puede acceder al
programa mediante la elección del archivo EPLAR.EXE en la carpeta EPLAR1, y al elegir este
archivo se presenta la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 60
Investigación Operativa I Ing. Jhonny Flores Flores
Este programa fue desarrollado a los inicios de la década de los 90 por la Facultad de Informática de
Málaga en España y ha sido desarrollado como Pr oyecto Fin de Carr era por Juan Antonio Sánchez
bajo la dirección de Eva Millán, este programa viene en el idioma Español lo cual ayuda más en su
manejo; su nombre nace de la abreviación de Entorno de Programación Lineal y Análisis de Redes,
que fue elaborado para la solución de MPL y Redes.
La primera opción de Salir, permite salir del programa, que también puede hacerse presionando X
en la esquina derecha superior de la ventana. Respecto a la segunda opción Progr amación Lineal,
se tiene lo siguiente:
En esta parte se tienen las opciones de Método Simplex, Transporte y Asignación los cuales se
explicaran a continuación. Si se elige el Método Simplex, se tendrá la siguiente ventana:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 61
Investigación Operativa I Ing. Jhonny Flores Flores
En la opción de Ficheros, se tiene lo siguiente
Nuevo. Sirve para crear un nuevo archivo que contenga el MPL.
Abr ir. Permite acceder a un archivo guardado anteriormente con extensión
*.SIMy que tenga un MPL
Salvar . Permite salvar el problema en una carpeta determinada con extensión
*.SIM
Salvar como. Permite salvar el problema en una extensión distinta que puede ser
compatible con la extensión *.TXT.
Salir de Simplex. Permite salir del Simplex
En la opción de Entrada de Datos, se tiene una ventana donde se tienen las opciones siguientes:
Se debe llenar correctamente cada casilla de acuerdo a lo que se necesita.
Respecto a la opción Resolver, se tienen los tipos de resolución
El Primal resuelve el MPL considerando las técnicas aprendidas en clases (Simplex, técnica 2 fases,
etc.), Dual indica la resolución del modelo aplicando el DUAL, en Mostrar tablas, se da las tablas
simplex para inicial las iteraciones de modo que se tenga las soluciones, esto de lo realiza mediante
Técnica de 2 fases, en esta parte se muestra la siguiente barra de menú.
Donde las opciones están claras y se desarrollara cuando se esta realizando la solución del MPL.
Respecto a los Infor mes, se tiene reportes por iteraciones, la variable de salida y la de entrada,
además del tipo de método que se usa para la resolución de un MPL.
Respecto a la opción de Ver, se tiene la siguiente figura:
Pr imal. Muestra el modelo en su estado primal, es decir en su estado inicial.
Dual. Muestra el modelo Dual, considerando las consideraciones necesarias y
partiendo del Primal.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 62
Investigación Operativa I Ing. Jhonny Flores Flores
Por último se tiene Imprimir, si se la elige se muestra una ventana en la cual da la opción de Ver
un listado, si se acepta se tiene la alternativa de guardar como imagen y con extensión *.mdi, y una
vez guardado se puede imprimir las tablas en forma de imagen.
6.2 Introducir un MPL considerando el EPLAR
Se puede introducir el número de variables que tiene el MPL en N° de Variables, que en el ejemplo
que se esta tomando es de 2 variables de decisión (X1 y X2) y se tiene 3 restricciones, también se
tiene que la FOBJ es de Minimizar, una vez determinado esto se tiene:
Inicialmente se presenta los valores con cero, a esto debe ponerse los coeficientes respectivos juntos
con el tipo de restricción de acuerdo al ejemplo que se esta desarrollando, se recomienda que marcar
todos los número iniciales (0.00000) y poner los valores de los coeficientes.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 63
Investigación Operativa I Ing. Jhonny Flores Flores
En caso que existan valores negativos se debe anteponer el signo () a los coeficientes respectivos,
una vez completado esto se presiona SI, y se carga el MPL, en caso de cambiar algún valor,
aumentar o quitar restricciones, incluso cambiar el criterio de la FOBJ se debe elegir la opción
Entrada de datos.
6.3 Resolución de un MPL por el EPLAR
Para esto se elige la opción Resolver, que se explico anteriormente, si se quiere resolver el modelo
como tal se debe elegir Primal, o si se quiere mostrar el modelo en su forma Dual, se elige esta
opción. Una vez elegido esta se puede acceder a las tablas del Simplex, pero como se dijo se usa la
técnica de 2 Fases, esto se puede ver eligiendo la opción Mostrar tabla, la cual muestra la tabla
inicial de este método, esto se muestra a continuación:
Valor inicial de la Columna
de solución de la tabla .
R1
R2
S2
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 64
Investigación Operativa I Ing. Jhonny Flores Flores
En esta tabla se muestra la actualización para la FOBJ con los criterios que se manejo en clases, el
programa asume que la Minimización tendrá un valor negativo en los coeficientes, y la variable de
entrada será el más negativo es decir 7.0 esto corresponde a la variable C1 (que es el valor de tablas
de X1), y también indica la variable de salida de P5 (que sería el valor de la Variable Básica R1),
esto se muestra con símbolos de V para la variable que ENTRA y > para la variable que SALE. En
esta tabla se muestra el Método de dos Fases, la diferencia con la tabla que se vio en clases es que no
se muestra las columnas que contienen las variables R1 y R2, acá solo se muestran las columnas de
las variables X1, X2, S1 y S2. Para acceder a la siguiente iteración se elige la opción SIGUIENTE
ITERACION, que se encuentra en la barra superior del menú, y se tiene lo siguiente:
X1
Variable de entrada C2 (X2)
R2
Variable
de Salida
P6 (R2)
No se debe olvidar que el valor de Z0 es el valor de la FOBJ en esta iteración, al seguir presionando
la opción SIGUIENTE ITERACION, se tiene lo siguiente:
Mensaje
de la 1ra
Fase Valores en la columna de SOL
de X1 0.6 (3/5) y X2 1.2 (6/5)
Valor de
S2 (P4)
Valor de
FOBJ
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 65
Investigación Operativa I Ing. Jhonny Flores Flores
Como se ve en la parte superior con letras rojas que menciona El problema tiene solución, que es
una condición para seguir con la segunda fase, además como se dijo en clases que el valor de la
FOBJ debe ser cero, que también se muestra en la tabla. Al presionar de nuevo la opción
SIGUIENTE ITERACION, se tiene lo siguiente:
Variable que
ENTRA C3 (S1)
Variable
que SALE
P4 (S2)
Valor de
FOBJ
Como esta habilitado todavía la opción SIGUIENTE ITERACION, se la debe elegir para obtener
la siguiente iteración:
Valor de FOBJ
Solución X1 0.4 (2/5) y X2 1.8 (9/5)
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 66
Investigación Operativa I Ing. Jhonny Flores Flores
Ahora considerando la opción Infor mes, que esta en Resolver, solo se muestra los informes
pertinentes como se tiene a continuación:
Como se ve no se muestra las tablas correspondientes, pero si los coeficientes de la FOBJ, la
variable que Entra y la variable que Sale, además de mencionar el Método Dos fases y la fase
correspondiente Fase 1. En esta parte se puede seguir sacando reportes o ir al reporte de la solución
final que se presenta a continuación:
Acá se ve el número de iteración, la solución óptima de 3.4 (17/5), los valores de las variables X1
0.4 (2/5), X2 1.8 (9/5), S1 1 y S2 0. Como se muestra, solo se ve los valores finales sin mostrar la
tabla que es la parte que más se debe considerar.
7. RESOLUCIÓN MEDIANTE LINDO
Este programa es una aplicación a sistemas FAT32 y NFTS y para sistemas operativos WINDOWS
98, 2000 Server, XP, y de acuerdo a la forma de instalación puede funcionar para VISTA, y sirve
para resolver modelos de programación Lineal, Cuadrática y Entera. Desde 1979 el programa
LINDO ha sido una de las herramientas de optimización favoritas de las instituciones Educativas y
Empresariales. LINDO SYSTEMS se ha dedicado a proveer herramientas innovadoras y poderosas
en el campo de la optimización de modelos, que también son flexibles y muy fáciles de usar, además
que tiene una larga historia que data del año 1979, que fue en México donde se vendió la primera
copia comercial de LINDO, y de ahí en adelante tuvo mucha demanda en el sector de educación y
empresarial por sus aplicaciones.
Antes que aparecieran Lotus 123 o Excel, LINDO había sido incorporado a la planilla de cálculo
VISICALC, el paquete se llamó VINO y es el equivalente del SOLVER que viene con Excel.
También se elaborar la hoja de cálculo llamada WHAT´S Best!, la cuál se explico anteriormente y
se explico que es, un complemento que se integra a EXCEL o LOTUS 123; ésta resuelve
problemas de optimización con algoritmos de LINDO Systems. En el año 1983 apareció la versión
de LINDO/PC, que fue el primer programa que resolvía MPL, y podía manejar 60 restricciones y
120 variables. En 1996 apareció la versión 6.0 para WINDOWS, para este manual se esta
considerando la versión 6.1 para WINDOWS, actualmente se tienen versiones superiores, pero la
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 67
Investigación Operativa I Ing. Jhonny Flores Flores
mayoría están incompletas o en algunos caso necesitan serial o crack. Al instalar el programa se
puede acceder a esta con la barra de menú, como se muestra en la figura.
En algunos casos al instalar se puede pedir un código, para que programa sea permanente, este
código puede ser bajado del Internet, pero se no puede ser encontrado la pagina correspondiente
puede cancelar esta opción y elegir versión Demo, pero a veces al elegir esta opción no se cuenta
con un acceso directo al programa, y esta operación se debe hacer reiteradas veces hasta que se
puede entrar al programa. Una vez que se accede al programa aparece una ventana en la cual
muestra características previas del LINDO v 6.1, además que recalca que la licencia ha expirado,
pero igual funciona el programa, y aparece la siguiente ventana:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 68
Investigación Operativa I Ing. Jhonny Flores Flores
Inicialmente en la barra principal se ven algunos iconos que no están habilitados, esto se explicara
más adelante. Ahora se detallara las opciones de cada comando que se ve en la barra de menú
principal, que posteriormente se desglosara detalladamente para resolver los MPL.
7.1.1.1 Comando File
En el comando File, se tiene lo siguiente:
Ar chivo
· Nuevo F2. Permite crear un nuevo archivo para solucionar el MPL
· Abr ir F3. Permite abrir un archivo ya guardado de MPL con extensión
*.ltx
· Ver F4. Muestra un archivo con extensión *.ltx
· Guar dar F5. Permite guardar un archivo con extensión *.ltx
· Guar dar como F6. Permite guardar un archivo con extensión distinta a
*.ltx, estas pueden ser *.lpk y *.mps
· Cer rar F7. Cierra la ventana donde se estaba trabajando
· Impr imir F8. Imprime el archivo considerando la ventana principal
· Configur ar Impr esión F9. Accede a la configuración de la impresora.
· Salida de Registr o F10. Permite salir de la ventana donde se estaba
trabajando
· Tomar comando F11. Accede a un comando que es compatible con
LINDO
· Leer Bases F12. Permite ver que variables son básica o tienen errores.
· Guar dar Base Shift+F2. Guarda la identificación de Bases o errores
que se identifico
· Titulo Shift+F3. Coloca un titulo al problema
· Dato Shift+F4. Muestra la fecha y hora actuales
· Tiempo tr anscur r ido Shift+F5. Da el tiempo transcurrido acumulado
en el cual se realiza el problema
· Licencia. Accede a una ventada donde se debe revalidar la licencia del
programa
· Salir Shift+F6. Permite salir de programa
Estos comandos sirven para la estructura y almacenar los MPL en archivos que pueden ser usados o
posteriormente recuperarlos para modificarlos.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 69
Investigación Operativa I Ing. Jhonny Flores Flores
7.1.1.2 Comando Edit
En el comando Edit, se tiene lo siguiente:
Edición
· Deshacer Ctr l+Z. Deshace la ultima operación que se realizo
· Buscar / Reemplazar Ctr l+F. Busca una característica en el Modelo y puede
reemplazar por otra característica que se quiere
· Ir a la línea Alt+O. Se puede ir a la posición de un a línea del MPL.
7.1.1.3 Comando Solve
En el comando Solve, se tiene lo siguiente:
Resolver
· Resolver Ctrl+S. Permite resolver el MPL planteado
· Elabor ar el modelo Ctrl+E. Permite encontrar si esta mal introducido el MPL
· Depur ación Ctrl+D. Permite encontrar errores de sintaxis en el MPL
· Pivote Ctrl+N. Identifica el pivote en forma manual en el modelo o por medio
de LINDO
· Objetivo Pr eferente Ctr l+G. Busca errores o anomalías en el modelo, y
también se puede ver el tipo de error que se comete
7.1.1.4 Comando Reports
En el comando Reports, se tiene lo siguiente:
Repor tes
· Solución Alt+0. Permite mostrar la solución del MPL y su sensibilidad.
· Rango Alt+1. Muestra los rangos de variación del MPL (Sensibilidad)
· Par amétricos Alt+2. Muestra valores paramétricos de las restricciones
· Estadísticas Alt+3. Muestra estadísticas de manera general de MPL
· Hojear Alt+4. Genera otros informes como ser: de parámetros, modelo dual, formato
de reportes, graficas, etc.
· Figura Alt+5. Muestra los valores de las restricciones de manera gráfica.
· Figura Base Alt+6. Muestra los valores iniciales del modelo
· Tabla Alt+7. Muestra la ultima iteración en forma de tabla por el método 2 Fases.
· For mulación Alt+8. Muestra el MPL formulado
· Mostr ar Columna Alt+9.. Muestra en forma de columnas los valores de las variables
que uno elija, con su resultado incluido.
· Definir positivos. Permite establecer valores positivos de forma previa
7.1.1.5 Comando Windows
En el comando Windows, se tiene lo siguiente:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 70
Investigación Operativa I Ing. Jhonny Flores Flores
Ventana
· Abr ir ventana de comandos Alt+C. Abre una ventana en donde se puede ver comando
usados por el LINDO o programar una secuencia
· Abr ir ventana de estado. Presenta un resumen del estado que tiene LINDO
· Enviar atrás Ctrl+B. Envía la venta principal atrás de las demás ventanas
· Cascada Alt+A. Muestra las ventanas usadas y generadas en forma de cascada
· Titulo Alt+T. Ordena las ventanas en forma Vertical u Horizontal
· Cer r ar Todo Alt+X. Cierra todas las ventanas que se emplearon o generaron
· Or ganizar iconos Alt+I. Ordena las ventana por titulo y orden alfabético
· 1. Titulo de la ventana donde se tiene el MPL
7.1.1.6 Comando Help
En el comando Help, se tiene lo siguiente:
Ayuda
· Contenido F1. Muestra el contenido de temas que tiene el programa LINDO
· Buscar ayuda Alt+F1. Buscar ayuda en el uso de una aplicación específica
· Como usar la Ayuda Ctrl+F1. Muestro como usar la ayuda de LINDO
· Registr o. Muestra una hoja de registro ON LINE para el LINDO
· Actualizar automáticamente. Configura la actualización de manera automática
· Acer ca de LINDO. Muestra las características de uso de LINDO
Todos estos comandos son de fácil interpretación, esto lo puede hacer el alumno para mejor manejo
del LINDO.
A continuación de detallara el uso de los iconos correspondientes:
7.1.2.1 Comando Nuevo.
El comando Nuevo abre una nueva ventana en blanco para el modelo, puede agregar un modelo
directamente en esta ventana o pegarlo del portapapeles
7.1.2.2 Comando Abrir.
El comando Abrir lee un archivo anterior que contiene un MPL y cuando presiona se presenta la
siguiente figura
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 71
Investigación Operativa I Ing. Jhonny Flores Flores
Esta opción limita archivos de 64000 caracteres o menos. La lista etiquetada con “mostrar archivos
de tipo”, le permite al usuario abir uno de los siguientes 4 filtros o extensiones para los archivos
seleccionados: el texto de LINDO (*.ltx), LINDO Packed (*.pk), meta archivos (*.pms) y todos los
archivos (*.*), para una descripción completa de cada filtro véase el comando Guardar.
7.1.2.3 Comando Ver.
El comando View lee una archivo que anteriormente fue guardado en cualquiera de las
extensiones aceptadas por LINDO, al contrario del comando Abrir este comando puede leer un
archivo de cualquier tamaño y solo esta limitado por la memoria disponible en la PC que se usa. Si
se necesita hacer la corrección extensa en un modelo grande, se puede usar un procesador de texto
como el MS WORD para hacer sus cambios o cualquier otro editor (WORDPAD, NOTPAD, etc.),
una vez guardado este archivo, puede ver en LINDO las correcciones o modificaciones con este
comando View. Si se usa una editor externo se debe guardar como “solo texto” (*.txt) para así poder
ver en el programa.
7.1.2.4 Comando Guardar/ Guardar Como.
El comando Guardar / guardar como permite almacenar en la PC donde se esta usando un
archivo referente al MPL, al presionar esto se muestra la siguiente figura:
Esto se puede hacer definiendo el tipo de formato de extensiones que se muestran a continuación:
For mato Extensión Descr ipción
La ventana se guarda exactamente en el formato del texto, como aparece en la pantalla. Así
Texto de
*.ltx el Modelo esta disponible para informes y comandos Windows. Los comentarios y formato
LINDO
especial son guardados con el MPL
El modelo es guardado en formato comprimido, es un archivo de texto y puede correr
LINDO fácilmente en otras plataformas, pero los volúmenes son ilegibles por otros editores de texto
*.lpk
PACKED o procesadores de palabras. Comentarios y formato especial no son guardados y se pierden
esas características en el MPL
Es un formato estándar de modelos (MPS normal). Este es un formato ineficaz por lo que se
Meta refiere al espacio en disco requerido y a veces es difícil interpretar. La ventaja de este
archivo *.mps formato es que una norma ampliamente aceptada para la optimización por lo que es
MPS aceptado por otros programas de solución de modelos de optimización. Esto es solo
disponible para Windows, los comentarios y formato especial del MPL se pierde al guardar
Se recomienda usar la extensión *.ltx en la plataforma Windows.
7.1.2.5 Comando Imprimir.
El comando imprimir permite mandar directamente el MPL plateado, los informes de solución,
gráficos, etc.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 72
Investigación Operativa I Ing. Jhonny Flores Flores
7.1.2.6 Comando Cortar.
Este comando se usa para quitar el texto seleccionado de una ventana activa y pegar la selección
a otro punto. El texto que esta cortado se pone en portapapeles de Windows y puede pegarlo en otras
aplicaciones u otras ventanas de LINDO. Para seleccionar el texto por cortar, simplemente presiona
el botón izquierdo del ratón al principio del texto, luego arrastrarlo al final del mismo y por último
soltar el botón. Una vez seleccionado ejecutar el comando cortar para introducir el texto cortado.
7.1.2.7 Comando Copiar.
El comando Copiar se usa para copiar el texto seleccionado al portapapeles de Windows.. El
texto que esta copiado puede ser pegada en otras aplicaciones u otras ventanas de LINDO pero el
texto seleccionado no se pierde de la ventana que procede. Este comando se usa para pegar el texto
cortado o copiado, almacenado en el portapapeles.
7.1.2.8 Comando Find/Remplace. (Buscar / Reemplazar)
Este comando se usa para la revisión de una ventana, especialmente cuando el modelo es muy
grande, en caso de error, este se corrige remplazándolo por la palabra correcta. Al presionar el botón
correspondiente a este comando, se presenta la siguiente figura
Primero debe seleccionarse el campo en el que se quier buscar, luego aplicar Replace en la opción
de la ventana, esta opción resaltara la primera búsqueda correcta, si desea reemplazarla presionar
nuevamente Replace, si no se desea reemplazarse se puede aplicar Find Next, que permite encontrar
la siguiente palabra en el modelo. La opción Replace All permite reemplazar todas las palabras del
campo seleccionado de una sola vez. La opción Close cierra esta ventana y Help que se accede a la
ayuda del LINDO de este comando y son fáciles de entender. Y por último la Opción Math Case,
permite distinguir las mayúsculas de las minúsculas en la búsqueda
7.1.2.9 Comando Opciones.
Este comando permite modificar los parámetros que por defecto tiene el LINDO, al presionar
este botón se tiene la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 73
Investigación Operativa I Ing. Jhonny Flores Flores
Si se desea modificar estas opciones predeterminadas, se debe presionar save una vez realizada
todas las modificaciones y si se desea volver a los valores que por defecto tiene el LINDO se debe
presionar Default. También se debe ver que se presenta la opción optimizar (Optimizar) y que
tienen 2 áreas que son Integer Programming (Programación Entera) y General (Programación
General), las cuales se desarrollan a continuación.
a) Integer Programming (Programación Entera)
Se muestra opciones referentes a la solución de modelos de programación entera las cuales son:
1) Preprocess (PreProceso)
Una fase optativa para resolver los modelos de optimización son los modelos de Programación
Entera PE (Integer Programming), y una opción importante es la de Preprocess, en esta opción el
LINDO hace una evaluación extensa del modelo para agregar las variables pertinentes para la PI,
que en algunos casos son cortes o restricciones agregadas por el LINDO, esto sirve para discretizar
las variables enteras y se puede agregar tiempo de espera para la resolución de la PE, pero cuando
todas las variables deben ser enteras es indispensable, LINDO tiene como valor predefinido realizar
el paso del Preprocess.
2) Preferrend Branch (Rama Preferida)
Cuando el programa LINDO esta resolviendo un modelo de PE, se debe tomar en cuenta que su
método de resolución esta echando ramas, es decir vinculaciones. Se investiga las variables del
entero para determinar si alguna tiene los valores fraccionarios. Si es así, entonces el LINDO echara
ramas en estas variables. Una vez realizada esta acción, arregla su valor cambiándolo por uno de los
valores del entero más cercano y continua sucesivamente. Consecuentemente hay siempre 2 valores
de enteros de cierre para cualquier número fraccionario (uno mayor que y otro menor que el número
fraccionario), el programa puede escoger entre las anteriores opciones. En algunos modelos se
tendrá una diferencia considerable al escoger uno u otro parámetro de redondeo, donde UP redondea
al número mayor que la fracción y Down , al número inferior de la fracción. En esta parte el valor
predeterminado Default, permite al programa escoger la dirección de bifurcación, en este caso
LINDO tomara dirección inteligente si echa ramas arriba o abajo, analizando la dirección más
favorable para la variable dada (la más cercana sea mayor – arriba o menor – abajo)
3) IP Optimality Tolerance (PE Tolerancia óptima)
Este comando especifica una fracción “f” que indica que solo debe buscar las soluciones con el valor
de la FOBJ 100*f% que es el mejor considerado hasta ahora. El uso de este comando es de doble
sentido, primero el tiempo empleado en hallar la solución es considerablemente menor. Pero con el
de esta tolerancia LINDO no puede encontrar la solución óptima y no se recibirá ninguna
advertencia en este sentido en el informe de la solución. Sin embargo se le garantiza que la solución
encontrada esta dentro del 100*f% del valor óptimo. En los modelos enteros grandes, las
alternativas de conseguir una solución dentro del 2% de optimalidad, y se conseguirá el valor
óptimo. Si se quiere un valor aproximado con un error f, error que se puede considerar despreciable
si f es pequeño, entonces el valor calculado de la FOBJ no será pero que el óptimo verdadero en mas
del 1% y ahorro tiempo de resolución y se disminuye el número de iteraciones que es lo aconsejable
en modelos de gran tamaño.
4) IP Objetive Hurdle (PE Barra de objetivo)
Cuando se usa este comando, solo se buscara soluciones del entero en que el valor objetivo es mejor
que el valor de barrera (límite) especificado.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 74
Investigación Operativa I Ing. Jhonny Flores Flores
Este límite es normalmente basado en una solución factible conocida, el límite se usa en el algoritmo
de rama y limite, para acortar la búsqueda del óptimo. El programa busca una solución inicial del
modelo entero, puede ignorar las ramas con un valor de la FOBJ peor que su valor de la barrera,
porque sabe que una solución buena (la barrera) se encontrara en una rama adyacente. En otros
términos, las ramas deben tener el valor objetivo más atractivo que el valor de la barrera antes de ser
considerados. Dependiendo del problema, un valor de barrera bueno puede reducir tiempos de la
solución.
b) General (Opciones Generales)
Presenta opciones para la resolución de un modelo general, esto tiene los siguientes puntos.
1) Nonzero Limit (Limite no nulo)
Esto se refiere a los coeficientes de las variables de las ecuaciones de restricción distintos de cero.
Seria raro encontrar a todas las variables en una sola ecuación de restricción. De hecho en modelos
realistas muy grandes menos del 1% aparecen en una sola restricción, así en cualquier fila dada, la
mayoría de las variables tienen coeficientes de cero. Si se elige estos ceros seria malgastar actuación
y almacenamiento, es por eso que LINDO solo guarda los valores del coeficiente no nulo. Cuando el
programa empieza, fija una cantidad de memoria para los coeficientes no nulos, se puede determinar
este límite examinando el campo del limite no nulo en el cuadro de dialogo de las opciones. Si se
tiene un modelo con una cantidad particularmente grande de no ceros, se puede aumentar el límite
No nulo para permitirle a LINOD perfeccionar el modelo. Por otro lado, si se esta intentado
conservar la memoria puede disminuir el límite, no se debe olvidar que por cada no nulo se gasta 8
Bytes de almacenamiento o memoria.
2) Iteration Limit (Limite de la iteración)
Para esto se usa un formulario para realizar la optimización por el método SIMPLEX, como se hablo
en clases este método emplea una serie de iteraciones en base a las variables de entrada y salida e
identificando el pivote, hasta que la solución óptima se encuentre. En algunos casos, se puede poner
un límite superior en el número de iteraciones que realiza el programa, para esto solo se debe poner
un límite en la opción de Iteration limit en el cuadro de dialogo de las opciones.
2) Initial Constraint Tolerance / Final Constraint Tolerance (Tolerancia de Restricción Inicial /
Tolerancia de Restricción Final)
Debido a la precisión finita disponible para el punto flotante de las computadoras en los Sistemas
Windows de plataforma FAT o NFTS, el programa LINDO no siempre puede satisfacer
exactamente una restricción. Es por esto que se tienen 2 tolerancias que mencionan la cantidad
máxima de violaciones permitidas en una restricción, estas tolerancias se llaman la Tolerancia de
Restricción Inicial y Tolerancias de Restricción Final. El valor predeterminado para las tolerancias
iniciales es 8*10 5 , mientras el valor predeterminado para las tolerancias finales es de 1*10 5 , que
son los valores mínimas y máximas que permite el LINDO en el no cumplimiento de las
restricciones iniciales y finales.
3) Entering Variable Tolerance (Tolerancia de variable de entrada)
Es el valor predefinido por el LINDO para la tolerancia de la variable de entrada que es de 5*10 7 ,
este valor expresa hasta cuando puede ser tolerado o permitido las violaciones en la variable de
entrada del modelo.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 75
Investigación Operativa I Ing. Jhonny Flores Flores
4) Pivot Size Tolerance (Tolerancia de Tamaño del Pivote)
Cuando de introduce una variable en la solución, se debe asignar la variable a una restricción o fila.
Cada fila tiene una variable asignada a él y esta asignación se usa para que se compute el valor de la
variable. La fila en la cual una variable es asignada se llama fila pivote como se dijo en clases, para
que LINDO asigne una variable a una fila, debe haber actualmente un elemento no nulo, que se
llama Pivot (Pivote), la tolerancia del tamaño de pivote es la línea que divide entre los que es y lo
que no considerado un elemento del pivote valido. El valore predeterminado para la tolerancia de
tamaño de pivote es de 1*10 10 .
c) Status Windows (Ventana de Estado)
Esta opción permite supervisar el proceso y progreso de la solución, si se quiere impedir que esta
ventana aparezca cada vez que resuelva un modelo quite el Checkmark del cuadro de dialogo.
d) Terse Output (Rendimiento conciso)
Esta opción permite acceder a ventanas con informes de la solución del modelo, al desactivar
permite que mucha información no se presente en las ventanas de los informes.
e) Page Length Limit (Limite de longitud de página)
Se usa para limitar el número de filas que presenta la ventana de informes, en caso de que no se
presenten los resultados sale un mensaje que pregunta si se desean ver los resultados faltantes.
f) Terminal Width (Anchura terminal)
Para usar los puertos E/S (Impresora), el programa respeta una Anchura terminal, es decir el
máximo de caracteres permitido por la línea. Así se usa esta opción para que el documento final
encaje en la hoja de impresión, sin embargo los valores de Anchura mínima y máxima permitidas
son 40 y 132, y la anchura predeterminada por LINDO es 80 caracteres.
7.1.2.10 Comando Go to Line. (Ir a la Línea)
Este comando es muy útil en modelos muy grandes y permite ir directamente a cualquier línea
del documento o directamente al inicio (Go to Top) o al fin (Go to End) del modelo, a presionar
este botón (de manera abreviada Ctrl+T) se presenta la siguiente ventana
7.1.2.11 Comando Paste Symbol. (Pegar símbolo)
Este comando ayuda a construir el MPL, debido a que registra las variables en uso, en la
restricción donde se encuentra el cursor y pega los símbolos definidos (Coeficientes, variables,
operadores) en el documento, al elegir este comando (de modo abreviado Ctrl + P) se presenta la
siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 76
Investigación Operativa I Ing. Jhonny Flores Flores
7.1.2.12 Comando Clear all. (Limpiar todo)
Este comando borra el modelo de la ventana activa
7.1.2.13 Comando Solve Command. (Resolver)
Este comando (En forma abreviada Ctrl+S) Resuelve el MPL planteado y presenta un informe
completo si así lo desea, también presenta un informe de sensibilidad y otros datos útiles para
interpretación y proyección.
7.1.2.14 Comando Compile Model. (Modelo compilado)
Este comando (En forma abreviada Ctrl+E) sirve para encontrar errores de sintaxis en el MPL,
y que estos pueden hacer que el modelo no pueda ser resuelto, por eso es aconsejable ejecutarlo
antes del comando Solve, así el programa puede informar en donde se encuentra el error, ya sea en
línea o columna.
7.1.2.15 Comando Solution Command. (Comando de Solución)
Este comando (En forma abreviada Alt+0) sirve para buscar la solución óptima de las variables
del sistema de ecuaciones formando por las restricciones y la FOBJ, este muestra un informe de la
solución de las variables del modelo.
7.1.2.16 Comando Peruse Command. (Comando para verificar)
Este comando (En forma abreviada Alt+4) se puede usar para establecer gráficamente o en
forma textual los resultados e interpretación del modelo
7.1.2.17 Comando Picture. (Cuadro)
Este comando (En forma abreviada Alt+5) permite obtener la orden para la presentación del
cuadro de la matriz de coeficientes no nulos, es una manera útil de tener una visión gráfica del
modelo
7.1.2.18 Comando Send to Back. (Enviar al fondo)
Este comando (En forma abreviada Ctrl+B) sirve para mandar al fondo o atrás la ventana activa
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 77
Investigación Operativa I Ing. Jhonny Flores Flores
7.1.2.19 Comando Title. (Titulo)
Este Comando (En forma abreviada Alt+T) ordena las ventanas abiertas ya sea de manera
horizontal o vertical, esto para que se puedan ver todas las ventanas
7.2 Solución de un MPL mediante LINDO
Para entender de mejor manera la forma en que se usara el LINDO es conveniente explicar el
algoritmo base el cual se muestra a continuación:
Para esta parte se usara de nuevo el mismo ejemplo anterior que se muestra nuevamente:
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
Al introducir este MPL en el LINDO se tiene la siguiente ventana.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 78
Investigación Operativa I Ing. Jhonny Flores Flores
FOBJ
Bloque de Restricciones
Para introducir la FOBJ se debe identificar si el MPL es Máximo (MAX) o Mínimo (MIN),
seguidamente se introduce los coeficientes de la FOBJ con sus variables. LINDO solo admite
nombres de variables hasta de 8 caracteres, que puede empezar y contener las letras de la A a la Z, y
posteriormente considerar números o símbolos a excepción de: !, ), +,_, , =, >, <. También es
necesario considerar los valores de 1 que son los que multiplican a la variable de decisión, por
ejemplo la FOBJ es MIN Z = 4X1 + X2, en el LINDO debe colocarse MIN 4X1 + 1X2, ya que si no
de coloca coeficiente 1 se tendría resultados equivocados, esta sugerencia debe considerarse para
todo el modelo, es decir FOBJ y restricciones.
Una vez introducida la fila de la FOBJ se debe colocar las restricciones, para esto se puede colocar
al inicio del bloque de restricciones las siguientes sentencias: SUBJET TO, SUCH THAT, S.T. o
ST, para efectos de simplificar en el ejemplo se considera ST, luego se introduce las restricciones
con las variables, una vez introducida todas las restricciones, se termina con la sentencia END como
se ven en la figura.
Una vez concluido la introducción del modelo se presiona o cualquier paso que involucra la
solución del MPL, también se presenta la siguiente figura
Al aceptar esto se obtiene la siguiente hoja de reporte
La solución optima se encontró en el paso 0
Evaluación de la FOBJ
Solución óptima 3.4 (17/5)
Valor
Costo Reducido
Intervalos en el cual las variables básicas no han cambiado ANALISIS
DE SENSIBILIDAD
En esta parte se muestra los Intervalos de los
Coeficientes, respecto a las var iables las cuales
están en las columnas que son: Coeficiente
recurrente, Incremento Permitido y Decremento
Permitido.
Respecto a las Filas las cuales están en
columnas que son: Restricciones recurrentes,
Incremento Permitido y Decremento Permitido.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 79
Investigación Operativa I Ing. Jhonny Flores Flores
Acá se puede ver que el resultado de la FOBJ es de 3.4 (17/5), en la parte que muestra las variables
de decisión se tiene valores para X1 de 0.4 (2/5) y X2 de 1.8 (9/5), con un costo reducido de 0, es
decir que la FOBJ de la variable X1 debe incrementarse en 0 para que la FOBJ tenga una mejora por
la introducción de dicha variable. Lo mismo se expresa para la variable X2. Tomando en cuenta las
filas, específicamente la restricción 1 que no tiene holguras pero si un precio dual, en este caso se
dice que para el incremento de una unidad de restricción de la disponibilidad la FOBJ mejora en 1.4
$, en caso de la tercera restricción se diría que disminuye en 0.2 $.
7.3 Análisis de Sensibilidad de un MPL mediante LINDO
Los valores correspondientes a Cur rent Coef (Coeficientes recurrentes) expresan los coeficientes
de cada variable en la FOBJ, para la variable X1 en la parte de Allowable Increase (Incremento
Permitido), presenta un valor de infinito es decir que puede no tiene un margen para incrementarse,
pero en Allowable Decrease (Decremento Permitido), muestra que el valor inicial de 4 puede
disminuir en 1 y aún considerar a esta variable como parte de la solución, de la misma manera se
puede analizar para la variable X2.
Respecto a las restricciones, se muestra la columna de Cur rent RHS (Valor de la restricción), que
son los valores iniciales de las disponibilidades de cada restricción, en la columna de Allowable
Increase (Incremento Permitido), presenta un valor de 9, es decir que puede incrementarse en este
valor para tener el resultado de 12 sin que existan entradas nuevas de variables en la solución
óptima; respecto a Allowable Decr ease (Decremento Permitido), muestra que el valor inicial de 4
puede disminuir en 1, es decir que el valor disponible de 3 disminuye en 1 dando como resultado 2
en disponibilidad sin que exista entradas de nuevas variables en la solución óptima.
7.4 Reportes adicionales de un MPL mediante LINDO
Uno de los reportes importantes corresponde ala opción de Par ametrics (parámetros), en la cual se
tiene la identificación de los parámetros respecto a las restricciones, en la cual se tiene la siguiente
figura.
Se puede elegir las opciones que vayan de acuerdo con
el análisis correspondiente , y así ver la incidencia de la
restricción con la FOBJ, donde se tienen reportes en
forma textual y gráfica junto con la gráfica en 2D o 3D,
no se debe olvidar que esto se hace de manera
individual cada restricción.
Otro de los reportes importantes corresponde a Tableu (Tabla) en forma abreviada Alt+7, esto
muestra la ultima tabla de iteración en la solución del MPL del ejemplo, no se debe olvidar que la
estructura de la tabla presentada no tiene una forma vistosa y se presenta de la siguiente manera.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 80
Investigación Operativa I Ing. Jhonny Flores Flores
S1 S2
Fila que corresponde a Z FOBJ
S1
Fila de variables ratifícales o
compensadas
El método de resolución del LINDO es de 2 fases, esta tabla corresponde a la última tabla de
iteración en la fase 2. el programa para la resolución cambia el signo de la fila de FOBJ.
8. RESOLUCIÓN MEDIANTE LINGO
LINGO es un programa parecido en uso y aplicación a LINDO, no se debe olvidar que este
programa es una aplicación a sistemas FAT32 y NFTS y para sistemas operativos WINDOWS 98,
2000 Server, XP. Al instalar el programa se puede acceder a esta con la barra de menú, como se
muestra en la figura.
Este programa es ampliamente utilizado para resolver modelos de optimización, además de
analizarlos, no se debe olvidar que en clases se dijo que los modelos más empleados son los que se
relacionan directa o indirectamente la de maximización de utilidades o minimización de costos,
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 81
Investigación Operativa I Ing. Jhonny Flores Flores
además de que siempre se debe cumplir la disponibilidad de recursos, ya sea dinero, tiempos,
maquinaria, unidades físicas, personal, etc., estos modelos se pueden clasificar en lineales o no
lineales y su dependencia de las variables en la FOBJ y restricciones.
Barra de menú principal
Inicialmente en la barra principal se ven algunos iconos que no están habilitados, esto se explicara
más adelante. Ahora se detallara las opciones de cada comando que se ve en la barra de menú
principal, que posteriormente se desglosara detalladamente para resolver los MPL.
8.1.1.1 Comando File
En el comando File, se tiene lo siguiente:
Ar chivo
· Nuevo F2. Permite crear un nuevo archivo para solucionar el MPL
· Abr ir F3. Permite abrir un archivo ya guardado de MPL con extensión
*.lg4
· Guar dar F4. Permite guardar un archivo con extensión *.lg4
· Guar dar como F5. Permite guardar un archivo con extensión distinta a
*.lg4, estas pueden ser *.lgn, *.ldt, *.ltf y *.lgr
· Cerr ar F6. Cierra la ventana donde se estaba trabajando
· Impr imir F7. Imprime el archivo considerando la ventana principal
· Configur ar Impr esión F8. Accede a la configuración de la impresora.
· Vista previa de Impr esión Shift+F8. Muestra una vista previa de cómo
será impreso el informe
· Salida de Registr o F9. Permite salir de la ventana donde se estaba
trabajando
· Tomar comando F11. Accede a un comando que es compatible con
LINDO
· Impor ta Ar chivo LINDO F12. Permite importar a archivos compatibles
con el programa LINDO
· Expor tar Ar chivos. Permite exportar los archivos con extensión *.mps
y *.mpi.
· Licencia. Accede a una ventada donde se debe revalidar la licencia del
programa
· Infor mación de base de datos. Permite acceder a una base de datos
previamente registrada y almacenada
· Ar chivos Recientes. Muestra los archivos últimos usados.
· Salir F10. Permite salir de programa
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 82
Investigación Operativa I Ing. Jhonny Flores Flores
Este comando se usa más para el almacenamiento, configuración del MPL.
8.1.1.2 Comando Edit
En el comando Edit, se tiene lo siguiente:
Edición
· Deshacer Ctr l+Z. Deshace la ultima operación que se realizo
· Rehacer Ctrl+Y. Rehace la última operación que se realizo
· Cor tar Ctr l+X. Permite cortar o extraer la sección de una o más
características
· Copiar Ctrl+C. Permite copiar la sección de una o más características
· Pegar Ctr l+V. Pega la selección anterior en un lugar específico
· Pegado especial. Permite pegar una selección de acuerdo a ciertas
características del LINGO
· Seleccionar Todo Ctr l+A. Selecciona todos los términos de la ventana que
se esta trabajando
· Buscar Ctrl+F. Busca una característica en el modelo
· Buscar siguiente Ctrl+N. Busca la siguiente característica en el modelo
· Reemplazar Ctr l+H. Reemplaza una característica por otra característica que
se quiere
· Ir a la línea Ctrl+T. Se puede ir a la posición de un a línea del MPL.
· Separación de paréntesis Ctr l+P. Buscar e identifica el uso correcto de los
paréntesis
· Pegar Función. Permite pegar funciones de: archivos externos, financieros,
matemáticas, probabilidades, establecer, dominio de la variable y otras, en el
modelo, estas funciones ayuda a la programación del MPL
· Seleccionar Fuente Ctrl+J. Selecciona el tipo de letra.
· Inser tar nuevo objeto. Permite ingresar distintos tipos de objetos en el MPL
· Vinculo. Establece vínculos de una característica del MPL
· Pr opiedades del Objeto Alt+Enter. permite ver las propiedades que tiene un
objeto que tiene el MPL
· Objeto. Permite seleccionar un objeto predefinido por el LINGO
8.1.1.3 Comando LINGO
En el comando LINGO, se tiene lo siguiente:
LINGO
· Solucionar Ctr l+S. Muestra la solución del MPL
· Solución Ctr l+O. Permite mostrar la solución en forma de grafica y texto
· Range Ctrl+R. Muestra el rango en el cual no es viable el MPL
· Opciones Ctr l+I. Muestra las opciones para la resolución de un MPL, además de las
características en los rangos e informes.
· Gener ar . Permite generar o no el modelo planteado en una ventana
· Cuadr o Ctr l+K. Muestra de manera grafica los valores del modelo
· Depur ación Ctrl+D. Permite ver si el modelo planteado tiene errores de sintaxis
· Modelo estadístico Ctr l+E. Muestra detalles estadísticos del MPL
· Mir ar Ctr l+L. Permite ver la participación de cada variable que tiene el MPL
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 83
Investigación Operativa I Ing. Jhonny Flores Flores
8.1.1.4 Comando Window
En el comando Window, se tiene lo siguiente:
Ventana
· Ventana de comando Ctr l+1. Muestra una ventana en la cual se puede
introducir comandos para ayudar a resolver modelos
· Ventana de Estado Ctrl+2. Muestra el actual estado del MPL
· Enviar al fondo Ctrl+B. Envía la ventana activa al fondo
· Cer r ar todo Ctr l+3. Permite cerrar todas las ventanas generadas
· Titulo Ctrl+4. Permite colocar nombre o titulo a una ventana
· Cascada Ctrl+5. Ordena todas las ventana generadas en forma de cascada para
que se vean
· Or ganizar iconos Ctrl+6. Ordena las ventanas por jerarquía u orden alfabético
· 1 LINGO. Nombre que por defecto pone LINGO a la ventana activa donde se
encuentra el MPL
8.1.1.4 Comando Help
En el comando Help, se tiene lo siguiente:
Ayuda
· Temas de ayuda. Muestra distintos temas que tiene la ayuda del LINGO
· Acer ca de LINGO. Muestra característica propias del registro y funcionamiento de
LINGO
Como se dijo en LINDO en esta barra principal se ven algunos iconos que no están habilitados,
debido a que en su estado no están siendo considerados. Ahora se detallara las opciones de cada
comando que se ve en la barra de menú principal, que posteriormente se desglosara detalladamente
para resolver los MPL.
8.1.2.1 Comando Nuevo.
El comando Nuevo (de forma abreviada F2) abre una nueva ventana en blanco para el modelo,
puede agregar un modelo directamente en esta ventana o pegarlo del portapapeles
8.1.2.2 Comando Abrir.
El comando Abrir (de forma abreviada F3) abre un archivo existente, mediante los cuadros de
dialogo se puede seleccionar los archivos y el lugar de guardado.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 84
Investigación Operativa I Ing. Jhonny Flores Flores
8.1.2.3 Comando Guardar.
El comando Guardar (de forma abreviada F4) guarda la ventana activa en donde se puede
almacenar el MPL o la solución, también se puede guardar datos de entrada de un modelo, un
reporte o una ventana de comandos.
8.1.2.4 Comando Cortar.
El comando Cortar (de forma abreviada Ctrl+X) permite cortar el texto seleccionado con todas
sus características y colocarlo en el lugar que uno quiera.
8.1.2.5 Comando Copiar.
El comando Copiar (de forma abreviada Ctrl+C) permite Copiar el texto seleccionado con
todas sus características y colocarlo en el lugar que uno quiera.
8.1.2.5 Comando Pegar.
El comando Pegar (de forma abreviada Ctrl+V) permite Copiar el texto seleccionado con todas
sus características y colocarlo en el lugar que uno quiera.
8.1.2.6 Comando Deshacer / Rehacer.
El comando Deshacer/Rehacer permite deshacer o rehacer cambios en el modelo de la
ventana activa
8.1.2.7 Comando Buscar.
El comando Buscar (de forma abreviada Ctrl+F) permite buscar en la ventana activa un texto
seleccionado, al elegir esta opción aparece la siguiente figura.
8.1.2.8 Comando Ir a línea.
El comando Ir a línea (de forma abreviada Ctrl+T) permite posicionar el cursos en una línea
seleccionada, al elegir esta opción se presenta la siguiente figura
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 85
Investigación Operativa I Ing. Jhonny Flores Flores
8.1.2.9 Comando Separación de paréntesis.
El comando Separación de paréntesis (de forma abreviada Ctrl+P) permite encontrar el
paréntesis cerrado que corresponde al paréntesis abierto seleccionado.
8.1.2.10 Comando Resolver.
8.1.2.11 Comando Solución.
El comando Solución (de forma abreviada Ctrl+O) permite acceder a la ventana de opciones
de reporte de solución o grafica de cada variable y su incidencia en el MPL, al presionar este botón
se tiene la siguiente figura.
En esta parte se debe elegir solo una variable del MPL, a la vez se tiene la forma en que se
presentara el informe que puede ser en forma de texto o grafico, incluso se puede elegir el tipo de
grafico (Barras, Líneas o puntos), el tipo de evaluación (Primal o Dual), además de establecer los
limites superior e inferior.
8.1.2.12 Comando Cuadro matricial.
El comando Cuadro Matricial permite ver los valores de los coeficientes de cada variable en
forma matricial y gráfica y su incidencia en el MPL, esto se presente en otra ventana.
8.1.2.13 Comando Opciones.
El comando Opciones (de forma abreviada Ctrl+I) permite acceder a la ventana de opciones y
modificar parámetros para los reportes, al elegir esta opción se presentan la siguiente figura que
contiene otras opciones más:
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 86
Investigación Operativa I Ing. Jhonny Flores Flores
a) Interfaz
La primera opción se refiere a las interfases que puede tener el informe, en donde se distingue las
siguientes áreas
En esta parte se ve los reportes que se puede obtener, las demás opciones se la deja a los estudiantes
a investigar, pero por defecto el LINGO trata de optimizar los reportes y su presentación, pero si el
estudiante quiere investigar las opciones que serían para personalizar.
8.1.2.14 Comando Send to Back. (Enviar al fondo)
Este comando sirve para mandar al fondo o atrás la ventana activa
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 87
Investigación Operativa I Ing. Jhonny Flores Flores
8.1.2.16 Comando Title. (Titulo)
Este Comando ordena las ventanas abiertas ya sea de manera horizontal o vertical, esto para
que se puedan ver todas las ventanas
8.1.2.17 Comando Help Topics. (Temas de ayuda)
Este comando muestra los temas de ayuda que tiene LINGO
8.1.2.18 Comando Help (ayuda)
Este comando accede a una ayuda de un comando determinado por el usuario.
8.2 Solución de un MPL mediante LINGO
El algoritmo de resolución de un MPL del LINGO es similar al LINDO por lo cual no se explicara
en detalle el algoritmo, para ver como se maneja e introduce el modelo, se usara de nuevo el mismo
ejemplo anterior que se muestra nuevamente:
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
Al introducir este MPL en el LINDO se tiene la siguiente ventana.
Titulo del archivo
A diferencia de LINDO, en LINGO se debe colocar el coeficiente*variable
no es necesario separar las restricciones con un comando, y tampoco
finalizarlo con END, incluso no se puede considerar y colorar el coeficiente
1 en el modelo.
Se puede introducir comentarios, pero estos LINGO lo ignorará, también el programa no distingue
entre mayúsculas y minúsculas, los nombres de las variables necesariamente deben comenzar con un
carácter alfabético (az), los siguientes caracteres pueden ser alfabéticos, numéricos o subrayado (_),
estos nombres de variables pueden ser hasta 32 caracteres de longitud.
Una vez introducido el MPL se pude elegir las alternativas de reporte que se prefiera, y para obtener
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 88
Investigación Operativa I Ing. Jhonny Flores Flores
La parte de Constrints muestra la cantidad total de restricciones y el numero de los cuales no son
lineales, no se debe olvidar que una restricción es considerada no lineal si una o más variables que
están en esa restricción presenta un estado diferente a una ecuación lineal, ya sea esta cuadrática u
otra potencia, o presentada de otra forma. En el área correspondiente a Nonzeros, muestra el total de
coeficientes distinto de cero que aparecen en el MPL y el número de estos que aparecen en variables
no Lineales. En el área que menciona a Solver Status, menciona el tipo de modelo que se resolvió
LP o MPL, en State muestra el tipo de modelo que se esta considerando, en este caso fue un Optimo
Global, en Objetive, muestra el valor obtenido de la solución del MPL.
8.3 Análisis de resultados de un MPL mediante LINGO
También aparece la siguiente ventana que muestra en forma más detallada los resultados del MPL.
Solución de la FOBJ
Holgura o Excedente. en esta parte LINGO muestra que tan cerca esta de satisfacer o cumplir la restricción de
acuerdo a la desigualdad, si esta restricción es de ≤ se llama holgura, si es de ≥ es excedente, si es = se dice que la
holgura o el excedente esta satisfecha, si una restricción no cumple este valor será negativo
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 89
Investigación Operativa I Ing. Jhonny Flores Flores
En el reporte que se obtuvo se puede observar los siguientes aspectos importantes: La solución a la
FOBJ es de 3.4 (17/5), Las variables Básicas son X1 y X2, con valores de 0.4 (2/5) y 1.8 (9/5)
respectivamente, ambas variables no tienen Costo Reducido, es decir que no existe otro valor por el
cual la FOBJ puede mejorarse. En Holgura o Excedente se analiza cada restricción, el valor de 3.4
de la primera restricción indica que existe un excedente de 0.4 en este recurso, al igual que la
restricción 3, pero en este caso será una holgura por que la restricción es de ≤. Y en el Precio Dual,
que también es conocido por Precios Sombra , se ve que si se asigna 1 unidad adicional de la
restricción 1 el resultado de la FOBJ disminuye en 1, en este caso favorecería por tratarse de una
FOBJ de Minimización, esta misma interpretación se daría con la restricción 2, y si se considera
como un precio sombra se puede decir en la restricción 1, que se puede pagar 1 $ por cada unidad
extra que se use de esta restricción.
También se puede decir que LINGO tiene ventajas sobre LINDO debido a que se puede programar
el modelo para que se pueda solucionar, esto se sugiere para un modelo de muchas variables y
restricciones, en ese Manual no se esta considerando esto debido a que se necesitaría explicar los
algoritmos correspondientes para esta programación.
9. RESOLUCIÓN MEDIANTE TORA
Este Programa fue diseñado como apoyo a los métodos básicos de resolución, al acceder a este
programa se tiene la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 90
Investigación Operativa I Ing. Jhonny Flores Flores
Este es uno de los Programas más usado juntamente con el WINQSB, debido a la facilidad en su
manejo e interpretación de los resultados, además todo el programa fue desarrollado en VISUAL
BASIC. Para acceder a las diversas opciones se debe presiona el botón Click Here, una vez hecho
esto se accede a la siguiente ventana.
Donde se presenta las principales acciones del menú del programa que son:
· Linear Equations Ecuaciones lineales
· Linear Programming Programación Lineal
· Transport Model Modelo de transporte
· Integer Programming Programación Entera
· Network Models Los modelos de red
· Project Planning Planificación de Proyectos
· Queuing Analysis – Análisis de Fenómenos de Espera o Teoría de Colas
· Zero – Sum Games TeoriaJuegos
· Exit TORA Salir TORA
Para este manual se vera la segunda opción que corresponde a la Programación Lineal, que de forma
similar siguen los pasos en la introducción de datos y salida de los mismos para el Modelo de
Transporte
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 91
Investigación Operativa I Ing. Jhonny Flores Flores
9.1 Introducción de un MPL en TORA
Como se dijo solo se hará énfasis en este tipo de resolución, y para acceder a esto se presiona esa
opción y sale la siguiente ventana.
Seleccionar el modo de entrada del MPL
Introducir un nuevo problema
Abrir un archivo existente
Seleccionar Formato de entrada del MPL
Notación decimal
Notación Científica
Cuantos decimales?
Cuantos en notación científica?
Ir a la pantalla de entrada
Menú Principal
Salir de TORA
Por defecto el TORA asigna valores numéricos que son los óptimos, pero estos pueden ser cambiado
de acuerdo al usuario, una vez definido esto se debe presionar Go to Input Screen y se presenta la
siguiente ventana.
En esta parte se puede colocar el titulo al problema, y también definir en Número de variables y el
número de restricciones, para seguir con el ejemplo se sabe que existe 2 variables y 3 restricciones
según lo siguiente.
FOBJ Min Z = 4X1 + X2
s.a. 3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
Xi ≥ 0
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 92
Investigación Operativa I Ing. Jhonny Flores Flores
Al introducir esos valores a las celdas correspondientes se debe presionar ENTER y aparece la
siguiente figura.
En la primera fila se puede poner nombres a las variables. En la segunda fila se puede cambiar la
FOBJ, que por defecto tiene la opción Maximize (Maximizar), si se presiona sobre ese nombre
cambia a Minimize (Minimizar), y se puede colocar los coeficientes correspondientes al MPL. En
las Filas Constr , se refiere a las restricciones, de igual manera se pueden introducir los coeficientes
correspondientes a las variables si seguido del tipo de restricción y finalmente el valor de la
restricción. Esto se lo hace hasta acabar todas las restricciones del MPL. También se presenta la fila
de Lower Bound en la cual se puede definir el valor mínimo de las variables, al igual que en la fila
correspondiente a Upper Bound que corresponde al valor máximo de las variables. Y por último se
presenta la fila Unr estr’d (y/n), en la cual se puede decir que estas variables son irrestrictas en
signo, es decir que pueden asumir valores negativos. En caso que no se tengan limites y que las
variables sean ≥ 0, no se modifica las opciones presentadas.
Una vez colocado todos los coeficientes aparece la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 93
Investigación Operativa I Ing. Jhonny Flores Flores
Acá se da la opción de guardar los datos del problema, en la cual se tendrá un archivo con extensión
*.TXT, una vez guardado el MPL se presenta la siguiente opción.
Resolver el Problema
Ver / Modificar los datos de entrada del MPL
Acá se puede acceder a la solución de MPL y si hubo un error o si se quiere cambiar los coeficientes
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 94
Investigación Operativa I Ing. Jhonny Flores Flores
9.1 Solución de un MPL en TORA
Posteriormente si se accede a la opción de Resolver el Problema se tendrá 2 opciones, que lo puede
realizar por el método Grafico o por el método algebraico, si se elige inicialmente el método
algebraico se presenta 2 opciones, que se pueda mostrar la solución final o que muestre las
iteraciones correspondientes. Si se accede a la opción de iteraciones se presenta 5 opciones las
cuales son: Allslack starting solution (Solución de partida con todas las holguras), Mmethod
Método M, Twophase method (Método 2 fases), Bounded simplex (Simplex limitado) y Dual
simplex (Dual Simplex), esto se muestra en la siguiente figura
En el ejemplo por tratarse de un modelo que tiene restricciones de =, ≥ y ≤ no se puede elegir el
primer método Allslack starting solution , que solo se emplea cuando todas las restricciones son del
tipo ≤, y como se vio en clases solo seguirá la técnica de SIMPLEX, es por esto que se debe elegir la
segunda o la tercera opción, los cuales serán explicados a continuación.
9.1.1 Solución por el método M de un MPL en TORA
Al elegir esta opción se presenta la siguiente figura
En esta parte se puede asignar un valor a la penalización M que por defecto el TORA lo asume en
100, para este ejercicio se asumirá un valor de 1000, no se debe olvidar que en clases se dijo que M
es un valor muy grande y posteriormente se presiona el botón correspondiente a ir a la pantalla con
formato de salida, y se presentara la siguiente pantalla.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 95
Investigación Operativa I Ing. Jhonny Flores Flores
Acá da opciones de salida de los reportes y en este caso de las iteraciones, si no de quiere modificar
se presiona el Botón correspondiente para ir a la ventana de salida de datos, y se presentara la
siguiente figura.
En la cual muestra cuantas iteraciones fueron necesarias hasta obtener la solución óptima del MPL,
además que si se ve en las tablas de iteraciones se muestra paso por paso cuales fueron las variables
de entrada (columna de color verde) y cuales de salida (fila de color rojo), que son la columna y fila
pivote correspondientes.
A continuación se muestra las 2 últimas iteraciones, no se debe olvidar que cada tabla tiene su
correspondiente titulo referente a que iteración es, esto se presente en la figura siguiente.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 96
Investigación Operativa I Ing. Jhonny Flores Flores
Se puede ver que el valor de z(min) tiene como solución optima 3.4 (17/5), también se identifica las
variables básicas X1 con valor de 0.4 (2/5), X2 con 1.8 (9/5) y S1 con 1 de valor óptimo.
9.1.2 Solución por el método 2 fases de un MPL en TORA
Al elegir esta opción se debe proceder a los mismos pasos para la salida del reporte, y se tiene la
siguiente figura en la cual se muestra que fase es en la esquina izquierda superior de la tabla.
Esta es la tabla ya actualizada, es decir que las variables básicas no tengan valor en coeficientes en
la FOBJ, y al igual que el anterior método se puede sacar uno por uno las tablas de iteraciones
correspondientes a esta 1ra fase, se debe tener cuidado ya que al elegir estas opción saca las
iteraciones de las 2 fases al mismo tiempo, la ultima tabla de la primera fases es la siguiente.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 97
Investigación Operativa I Ing. Jhonny Flores Flores
Y finalmente se puede recorrer la barra de desplazamiento e ir a las ultimas tablas de iteración la
cual se muestra a continuación.
No se debe olvidar que en la esquina superior de cada tabla de iteración muestra a que fase
corresponde y la iteración, en la última tabla se ve que corresponde la fase 2 e iteración 5, se debe
aclarar que este número de iteración corresponde al total de las tablas, al igual que el anterior
método se puede ver que el valor de z(min) tiene como solución optima 3.4 (17/5), las variables
básicas X1 con valor de 0.4 (2/5), X2 con 1.8 (9/5) y S1 con 1 de valor óptimo.
9.1.3 Solución por el método gráfico de un MPL en TORA
Para este punto se debe acceder considerando la siguiente gráfica
.
Y aparece la misma opción de formato de salida como se mostró anteriormente y aparece la
siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 98
Investigación Operativa I Ing. Jhonny Flores Flores
En esta parte se puede elegir cualquier restricción y automáticamente se graficara la recta, si se elige
cada restricción en forma ordenada como se muestra a continuación.
Se debe ver que cuando se marca la restricción esta se sombrea y aparece la restricción con su
número correspondiente a la restricción, posteriormente se elige las otras dos restricciones que se
muestra en la siguiente figura.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 99
Investigación Operativa I Ing. Jhonny Flores Flores
Como se ve, cada vez que se marca se dibuja la restricción que corresponde a una recta con sus
respectivos números, una vez terminado esto se debe marcar la FOBJ que esta en la parte superior, y
esta recta (Minimize z = 4x1+1x2) poco a poco se desplaza hasta encontrar la solución óptima,
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 100
Investigación Operativa I Ing. Jhonny Flores Flores
Como se ve la recta correspondiente a la FOBJ (color azul) encuentra un punto en donde esta se
vuelve óptimo, también se ve los valores óptimos en el cuadro inferior izquierdo (Optimal
Solution ), el cual muestra que el valor de la FOBJ (Objetive value) es de 3.4 (17/5), y de las
variables X1 cuyo valor es de 0.40 (2/5) y el valor de X2 es 1.8 (9/5).
También se tiene opciones de Zoom In (ampliar) en la cual se puede ampliar el área de la solución
óptima, el Zoom Out (reducir) en el cual se reduce y se puede ver toda la gráfica y no solo el área
que vincula la solución óptima y la opción de Print Graph , que permite imprimir la gráfica
correspondiente.
Finalmente. para el trabajo de fin de semestre es necesario conocer que existen programas que
ayudan a la resolución de un MPL, se pueden elegir entre los programas que se explicaron en este
manual u acceder a otros, que por lógica siguen el mismo algoritmo de resolución.
BIBLIOGRAFÍA
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 101
Investigación Operativa I Ing. Jhonny Flores Flores
Este manual fue elaborado por mi persona Ing. Jhonny Flores Flores,
actualmente soy Docente de la EMI en la Carrera de Ingeniería
Comercial, una de las asignaturas que dicto en Comercial es
Investigación Operativa I que es una asignatura de 5to semestre, y
esta guía esta dirigida para los estudiantes que cursan dicha
asignatura, ya sea en la carrera de Comercial u otras carreras
similares que llevan la asignatura, además para mostrar lo útil que es
manejar los distintos software y la interpretación en la solución de
estos modelos, considerando las opciones más importante que tiene
cada uno de los software mencionados, además de recordar que la
aplicación de la Investigación Operativa tiene el campo grande.
E scu ela Milita r de I n gen ier ía I n gen ier ía Comer cia l 102