Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESPONSABLE:
FLORES LLECLLISH, Héctor
MORALES LAZARO, Roger
PALMA TAFUR, Darwin
UTRILLA PRINCIPE, Maycol
2019
TABLA DE CONTENIDO
I. INTRODUCCIÓN. ............................................................................................................. 3
II. GENERALIDADES.................................................................................................... 4
2.4.3. Modelización........................................................................................................... 14
V. BIBLIOGRAFÍAS. ................................................................................................... 22
I. INTRODUCCIÓN.
La Programación Lineal es una metodología ampliamente utilizada con base en
modelos matemáticos y en ocasiones complejos sistemas de ecuaciones. Se creó para dar
un sentido práctico y de optimización de recursos en la búsqueda de obtener una
mejor y más concreta solución, tal como sucede en la asignación y distribución de
recursos cuando estos son limitados (Coronel & Araujo 2004).
Un modelo de programación lineal busca maximizar o minimizar una función lineal,
sujeta a un conjunto de restricciones lineales. La programación lineal es una herramienta
para resolver problemas de optimización que se caracterizan por tener como función
objetivo y restricciones combinaciones lineales de las variables de decisión. La principal
ventaja radica en que existe un algoritmo eficiente (SIMPLEX) para resolver este tipo de
modelos. La programación lineal es uno de los modelos matemáticos que nos ayuda a
asignar de manera óptima los recursos escasos. Por ello para plantear un problema debemos
de tener en cuenta tres conjuntos básicos de elementos:
a) Variables de decisión y parámetros, siendo las variables de decisión las cantidades
desconocidas que deben determinarse en la solución de un problema cuyo modelo
plantea y los parámetros son valores que especifican la relación entre las variables
de decisión.
b) Conjunto de restricciones, son aquellas limitaciones que restringen las variables
de decisión.
c) Función objetiva, se encarga de definir la eficacia del modelo, en función de las
variables de decisión.
La programación lineal es un conjunto de técnicas racionales de análisis y de resolución
de problemas, que tienen por objeto ayudar a los responsables en las decisiones sobre
asuntos en los que interviene un gran número de variables.
II. GENERALIDADES.
2.1.Introducción a la investigación operativa
2.1.1. ¿En qué consiste la Investigación Operativa?
La Investigación Operativa es una disciplina moderna que utiliza modelos
matemáticos, estadísticos y algoritmos para modelar y resolver problemas
complejos, determinando la solución óptima y mejorando la toma de
decisiones. Esta materia también recibe el nombre de Investigación de
Operaciones, Investigación Operacional o Ciencias de la Administración. Es
un método científico para dotar a los departamentos ejecutivos de una base
cuantitativa para las decisiones que tengan que ver con las operaciones bajo
su control (McCord y Kimball, 1999).
El uso de la lógica y de la matemática de forma que no interfieran con el
sentido común (F. Hillier & G. liberman, 2001).
La ciencia que estudia el modelado de sistemas probabilísticos y
determinísticos que se originan en la vida real desde un punto de vista de
toma de decisiones ´optimas (Hillier y Lieberman, 2000).
El estudio de cómo formular modelos matemáticos para problemas complejos
de administración e ingeniería y cómo analizarlos para tener una visión de las
posibles soluciones (Rardin, 2002).
Rama interdisciplinaria de la Maten ática Aplicada que emplea la
modelización matemática, estadística y algoritmos de optimización para
alcanzar soluciones ´optimas (o cuasi-´optimas) a complejos sistemas reales,
con la finalidad de mejorar su funcionamiento. Ayuda en el proceso de toma
de decisiones utilizando métodos científicos (Wikipedia [17], 2013).
2.1.2. Clasificación
Los problemas que aborda la Investigación Operativa se pueden clasificar de
diferentes formas. Atendiendo a la certidumbre de los datos, se dividen en:
a) Modelos Determinísticos
En los cuales todos los datos se suponen conocidos
b) Modelos probabilísticos
Cuando los datos se consideran inciertos y vienen dados por
distribuciones de probabilidad.
c) Modelos híbridos
Como combinación de los anteriores.
Según el objetivo del problema se pueden clasificar en modelos de
optimización, cuando el objetivo es maximizar o minimizar una cantidad, sujeta
a una serie de limitaciones que restringen la decisión; y modelos de predicción,
cuando el objetivo es predecir o describir sucesos dadas ciertas condiciones.
Entre los modelos de optimización, se encuentran:
Problemas de secuenciación, como puede ser decidir el orden a procesar en el
mínimo tiempo un número de trabajos en varias máquinas que requieren
tiempos diferentes.
Problemas de localización, como los problemas de asignación que consisten
en asignar recursos limitados (materias primas, inversión, horas máquina,
horas-hombre) de la manera más eficiente (costo mínimo, mínimo tiempo,
mínimo de desperdicios) o los problemas de transporte o transbordo, que
distribuyen objetos desde ciertos orígenes a varios destinos.
Problemas de rutas, tratan de encontrar la ruta ´optima desde un origen a un
destino cuando existen varias alternativas posibles, como el del viajante de
comercio que tiene que visitar varias ciudades una única vez antes de volver a
su origen.
Problemas de búsqueda de información para tomar una decisión, como
realizar exploraciones de la tierra para encontrar recursos naturales.
2.1.3. Metodología
En cuanto a la metodología que emplea la Investigación Operativa, puede
reducirse a los siguientes pasos:
Análisis de la realidad y formulación del problema, el analista debe observar
desde diferentes puntos de vista, consciente de las realidades sociopolíticas y
económicas, para definir de forma clara los objetivos y limitaciones.
Modelado matemático representativo, se deben identificar las variables de
decisión, la función objetivo y las restricciones del problema.
Resolución del modelo, en esta fase se elige la técnica de resolución y se
generan las soluciones.
Presentación de resultados, se lleva a cabo el análisis y verificación de
soluciones, se analiza la representatividad del modelo y se realiza análisis de
sensibilidad.
Implementación de resultados: ejecución, se preparan los informes y
presentaciones y se supervisa la aplicación
Como la realidad es compleja, muchos de estos modelos presentan las
siguientes características:
Son de dimensiones enormes, en términos del número de variables de
decisión o del número de condiciones.
Son estocásticos, es decir, hay parámetros cuyos valores no pueden ser
controlados por la persona que toma la decisión y son desconocidos.
III. DESARROLLO DEL TEMA.
2.2. Historia de la programación lineal
La programación lineal es una rama de la matemática que se ha venido desarrollando
desde hace varios años, aunque en un principio no hacía uso de principios matemáticos
profundos ha tenido grandes implicaciones en actividades humanas y campos
relacionados con la sociedad, la economía y los negocios. Al igual que en las
matemáticas aplicadas la programación lineal parte de la construcción de modelos bajo
situaciones reales a las que posteriormente se les aplica técnicas matemáticas, y que
procuran la optimización de los recursos para determinar la mejor alternativa en la toma
de decisiones.
2.3. Cronología histórica
2.3.1. Antecedentes
Siglo III A.C: Durante la II guerra Púnica, 212 A.C., el análisis y solución
que Arquímedes propuso para la defensa de la ciudad de Siracusa, sitiada por
los romanos. Arquímedes ideo una defensa a base de espejos para reflejar y
enfocar la luz del sol sobre los barcos romanos cuando se acercaran a la isla y
los espejos retro transmisores destruyeron la flota de romano Marcelo.
1503: Leonardo Da Vinci, como ingeniero en la guerra contra Pisa ya que
conocía técnicas para realizar bombardeos, construir barcos, vehículos
acorazados, cañones, catapultas, y otras máquinas bélicas.
Siglos XVII-XVIII: Newton, Leibniz, Bernoulli y LaGrange, trabajaron en
obtener máximos y mínimos de ciertas funciones. El método iterativo de
newton permite linealizar ecuaciones no lineales para su resolución. Jean
Baptiste - Joseph Fourier aporto el método de eliminación para la solución de
un sistema lineal de desigualdades o inecuaciones.
1776: Gaspar Monge mediante el desarrollo de la geometría descriptiva
aporta a los precedentes del método gráfico.
2.3.2. Etapa de formalización
1928: Janos Von Neumann público su trabajo “Teoría de juegos”, que
proporciono fundamentos matemáticos a la programación lineal.
posteriormente, en 1947, visiono la similitud entre los problemas de
programación lineal y la teoría de matrices que desarrollo.
1932: Wassily M Leontief; propuso el modelo Interindustrial entrada-salida
de la economía norteamericana, el cual consiste de una serie de restricciones
lineales pero sin función objetivo que optimizar.
1939: Aunque parece ser que la programación lineal fue utilizada por Monge
en 1776, se considera a Leonid Vitálievich Kantoróvich uno de sus creadores.
La presentó en su libro “Métodos matemáticos para la organización y la
producción” (1939) y la desarrolló en su trabajo Sobre la transferencia de
masas (1942). Kantoróvich recibió el premio Nobel de economía en 1975 por
sus aportaciones al problema de la asignación óptima de recursos humanos.
1941 – 1942 : Kantoróvich y Tjalling Koopmans estudiaron de forma
independiente el problema del transporte por primera vez, conociéndose este
tipo de problemas como problema de Koopmas-Kantorovich
1945: George Joseph Stigler planteo el problema del régimen alimenticio
optimal. Obtuvo el premio nobel de economía en 1982.
II Guerra mundial, 1942: La programación lineal se plantea como un modelo
matemático para planificar los gastos y los retornos, a fin de reducir los
costos al ejército y aumentar las pérdidas del enemigo. Se mantuvo en secreto
hasta 1947. En la posguerra, muchas industrias lo usaron en su planificación
diaria.
En este momento la programación lineal nace como ciencia, “nueva ciencia
de la investigación operática” o “investigación de las operaciones”. En la
batalla de Inglaterra, donde la fuerza aérea alemana, es decir la luftwaffe,
estaba sometido a los británicos a un duro ataque aéreo ya que estos tenían
una capacidad aérea pequeña, aunque experimentada en el combate.
El gobierno británico, buscando algún método para defender su país, convoco
a varios científicos de diversas disciplinas para tratar de resolver el problema
de sacar al máximo beneficio de los radares que disponían. Con su trabajo se
determinó la localización optima de las antenas y la mejor distribución de las
señales con lo que duplicaron la efectividad del sistema de defensa aérea.
Estados Unidos - 1947: Se crea el proyecto SCOOP (Scientific Computation
Of Optimum Programs) para solucionar problemas relacionados con la
logística militar pues al acabar la segunda guerra mundial, la organización de
los Estados Unidos ( energía, armamentos y todo tipo de suministros)
preocupaba y se consideró oportuno realizarla mediante modelos de
optimización, resueltos mediante la programación lineal. En el grupo de
científicos estaba George B Danzig. Con la creación de este grupo se
considera que se formalizo la programación lineal.
1947: George Bernard Dantzing es el creador del método simplex. Durante el
inicio de la segunda guerra mundial se unió a la fuerza aérea de USA y
trabajo con el Combat Analysis of Statistical Control. Fue el asesor de
matemáticas del U.S. Air Force Controller y resolvió para ellos la forma más
rápida de calcular el tiempo de duración de las etapas de un programa de
despliegue, entrenamiento y suministro logístico, lo que lo llevo a sus
importantes descubrimientos y conto con el apoyo de ordenadores de la IBM.
En 1947 hizo la primera formulación del método simplex para resolver el
citado problema logístico-militar. Contribuyo a la teoría de la dualidad,
ideada conjuntamente con Fulkerson y Johnson en 1954 para resolver el
problema del agente viajero. Aporto el desarrollo de la programación
estocástica desde 1955 y a sectores de la industria y la administración
1979: Otro matemático ruso, Leonid Khachiyan, diseñó el llamado Algoritmo
del elipsoide, a través del cual demostró que el problema de la programación
lineal es resoluble de manera eficiente, es decir, en tiempo polinomial y se
constituyó en la base de otros algoritmos más eficientes y sofisticados, con lo
que se ha logrado impulsar a las ciencias de la computación.
1984: Narendra Karmarkar introduce un nuevo método del punto interior para
resolver problemas de programación lineal, lo que constituiría un enorme
avance en los principios teóricos y prácticos de la programación lineal.
2.4. Programación lineal
Según Beneke y Winterboer (1984: 5) los métodos matemáticos de optimización
(aquellos que permiten identificar los valores máximos o mínimos de determinadas
expresiones matemáticas) alcanzaron un desarrollo notable en la década de los años 40.
Afirman estos autores que ya en 1945 Stiegler define y soluciona el problema particular
de la obtención de la dieta de mínimo costo para la alimentación de ganado.
A partir de 1949 aparece un extraordinario número de publicaciones sobre la base
teórica de la programación lineal así como de sus aplicaciones a las diversas ramas de la
economía. Merecen mención especial, por la decidida influencia que tuvieron en el
perfeccionamiento y difusión de estas técnicas matemáticas, los trabajos y actividades
de la Cowles Commission for research in econoomics, la Rand Corporation, el
Departamento de Matemáticas de la Universidad de Princeton y el Carnegie Institute of
Technology.
Moya (1998: 63) menciona que fue George B. Dantzig y otro grupo de personas
asociadas que en el año 1947, acatando la solicitud de autoridades militares del gobierno
de los Estados Unidos, se dedicaron a investigar cómo se podía aplicar las matemáticas
y la estadística para resolver problemas de planeación y programación con fines
puramente militares. En ese mismo año Dantzig y sus colaboradores plantean por
primera vez la estructura matemática básica del problema de programación lineal.
Según Anderson (2004: 224), en el año 1948 Tjalling Koopmans le comentó a
Dantzig que el nombre era demasiado largo y que era conveniente cambiarlo, ante lo
cual Dantzig accedió y el nombre fue sustituido por el “Programación Lineal”, que se
usa incluso en la actualidad.
En términos generales, se puede decir que cualquier fenómeno en que interviene un
número determinado de variables no negativas (es decir, variables cuyo valor es
positivo o cero), que se pueden ligar entre sí mediante relaciones de desigualdad o
igualdad y que reflejen las limitaciones o restricciones que el fenómeno presenta con
miras a optimizar un objetivo, puede ser formulado como un modelo de programación
matemática. Si tanto las restricciones como la función objetivo se pueden enunciar
mediante expresiones lineales, estamos frente a un campo particular de la programación
matemática denominada “programación lineal”.
14
12
10
6
B (0,6)
C (18/7, 30/7)
4
2
A (0,0) D (4,0)
0
-2 -1 0 1 2 3 4 5 6 7 8 9 10 11
-2 X1
-4
REGION FACTIBLE
PUNTOS Z = 2X1+X2
A (0, 0) 0.0
B (0, 6) 6.0
C (18/7, 30/7) 9.4
D (4, 0) 8.0
TABLA SIMPLEX #1
Z X1 X2 X3 X4 X5 X6 S1 S2 S3 S4 CR
S1 0 1 1 1 1 1 1 1 0 0 0 100
S2 0 -3 -3 2 2 2 2 0 1 0 0 0
S3 0 -7 -7 13 13 -7 -7 0 0 1 0 0
S4 0 -7 -7 -7 -7 13 13 0 0 0 1 0
Z 1 -3 -2.5 -3.5 -4 -5 -4.5 0 0 0 0 0
TABLA SIMPLEX #2
Z X1 X2 X3 X4 X5 X6 S1 S2 S3 S4 CR
S1 0.0 2.5 2.5 0.0 0.0 0.0 0.0 1.0 -0.5 0.0 0.0 100.0
X5 0.0 -1.5 -1.5 1.0 1.0 1.0 1.0 0.0 0.5 0.0 0.0 0.0
S3 0.0 -17.5 -17.5 20.0 20.0 0.0 0.0 0.0 3.5 1.0 0.0 0.0
S4 0.0 12.5 12.5 -20.0 -20.0 0.0 0.0 0.0 -6.5 0.0 1.0 0.0
Z 1.0 -10.5 -10.0 1.5 1.0 0.0 0.5 0.0 2.5 0.0 0.0 0.0
TABLA SIMPLEX #3
Z X1 X2 X3 X4 X5 X6 S1 S2 S3 S4 CR
S1 0.0 0.0 0.0 4.0 4.0 0.0 0.0 1.0 0.8 0.0 -0.2 100.0
X5 0.0 0.0 0.0 -1.4 -1.4 1.0 1.0 0.0 -0.3 0.0 0.1 0.0
S3 0.0 0.0 0.0 -8.0 -8.0 0.0 0.0 0.0 -5.6 1.0 1.4 0.0
X1 0.0 1.0 1.0 -1.6 -1.6 0.0 0.0 0.0 -0.5 0.0 0.1 0.0
Z 1.0 0.0 0.5 -15.3 -15.8 0.0 0.5 0.0 -3.0 0.0 0.8 0.0
TABLA SIMPLEX #4
Z X1 X2 X3 X4 X5 X6 S1 S2 S3 S4 CR
X4 0.0 0.0 0.0 1.0 1.0 0.0 0.0 0.3 0.2 0.0 -0.1 25.0
X5 0.0 0.0 0.0 0.0 0.0 1.0 1.0 0.4 0.0 0.0 0.1 35.0
S3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0 -4.0 1.0 1.0 200.0
X1 0.0 1.0 1.0 0.0 0.0 0.0 0.0 0.4 -0.2 0.0 0.0 40.0
Z 1.0 0.0 0.5 0.5 0.0 0.0 0.5 4.0 0.2 0.0 0.0 395.0
IV. CONCLUSIONES.
La programación lineal no puede ser puesta en práctica sin antes tener nociones de
conocimiento y practica básicas de los sistemas lineales, ya que éstos son las bases de
las programaciones lineales. La programación lineal se resuelve mediante los sistemas
lineales.
La programación lineal no solo es utilizada en ámbitos relacionados con las
matemáticas sino en situaciones de la vida diaria, en los cuales uno desea desenvolverse
y prosperar; es uno de los métodos más eficientes.
Del mismo modo, la programación lineal es muy usada en la microeconomía y la
administración de empresas, ya sea para aumentar al máximo los ingresos o reducir al
mínimo los costos de un sistema de producción
Los modelos matemáticos han adquirido cada vez más importancia, gracias sin duda a
aportes de personajes de la historia como Frederick Taylor con la aplicación del método
científico en la administración, la especialización del trabajo y los estudios de tiempos;
Henry L. Gantt con la planeación de la producción; y Ford Harris con modelos para el
cálculo de lotes económicos y control de inventarios.
V. BIBLIOGRAFÍAS.
Anderson, D., Sweeney, D. y T. Williams. (2004). Métodos cuantitativos para los negocios. México:
Recuperado de https://www.redalyc.org/pdf/729/72912559007.pdf
Weber, J. (1984). Matemática para administración y economía. México: Editorial Hala. 823 p
Tomo II. Ed. Paraninfo. Madrid 1990. Supervisado por: José María Úbeda Delgado.