Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 Clasificacion de Los Modelos de Investigacion de Operaciones
4 Clasificacion de Los Modelos de Investigacion de Operaciones
• Modelos deterministas.
En los modelos deterministas, ni las variables exógenas, ni las endógenas, se
obtienen por medio del azar, debido a que se suponen relaciones exactas para las
características de operación, en lugar de funciones de densidad de probabilidad.
Son variables con valores preestablecidos.
• Modelos estocásticos.
Son aquellos modelos en los que, por lo menos una de las características de
operación está dada por una función de probabilidad. Los valores de ésta o éstas
variables, se obtienen al azar.
• Modelos estáticos.
Son aquellos modelos que no toman en cuenta, explícitamente, a la variable
tiempo.
• Modelos dinámicos.
Los modelos matemáticos que tratan de las interacciones que varían con el
tiempo, se denominan modelos dinámicos.
Los modelos que se han considerado como propios de la IO, por ser los que en
escencia se aplican con mayor frecuencia y por lo mismo se les han dedicado más
horas de estudio son:
Programación lineal
Programación no lineal
Programación entera
Programación binaria
Programación de metas múltiples
Redes de optimización
Modelos de inventarios
Líneas de espera
Teoría de juegos
Análisis de decisiones
Cadenas de Markov
Programación dinámica
Simulación de sistemas
La mayoría de estos modelos dan soluciones analíticas y por tanto exactas
mientras que la técnica de la simulación proporciona soluciones numéricas lo que
les da un carácter de aproximación en los resultados.
EL METODO SIMPLEX
6
Maximizar P x 1.2 y o de forma equivalente Px y (función objetivo)
5
Sujeto a las siguientes restricciones:
2 x y 180
x 3 y 300
Convertir las desigualdades en igualdades e introducir sus variables de holgura (u, v).
Nota: Las variables de holgura son positivas y únicamente serán para las ecuaciones.
2x y u 180
x 3y v 300
6
Igualar a cero la función objetivo. Px y
5
6
x y P0
5
Paso uno: Plantear la tabla símplex inicial. (Utilizando los coeficientes del sistema).
2x y u 180
x 3y v 300
6
x y P0
5
x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
símplex inicial.
x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
x y u v P Constante
- 1 - 6/5 0 0 1 0
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 - 6/5 0 0 1 0
x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 - 6/5 0 0 1 0
x y u v P Constante Razón
2 1 1 0 0 180 180/1
- 1 - 6/5 0 0 1 0
Columna pivote
Desarrollando
x y u v P Constante Razón
2 1 1 0 0 180 180/1
- 1 - 6/5 0 0 1 0
x y u v P Constante Razón
Renglón 3 - 1 - 6/5 0 0 1 0
6 1 5
Para x = Para y = 11 0 Para u = 1 0 1 Para v =
3 3 3
1 1
0
3 3
5 1
Para x = Para y = 0 Para u = 1 Para v =
3 3
x y u v P Constante
Renglón 3 - 1 - 6/5 0 0 1 0
- 6/5 + 6/5 = 0
A cada una de las variables del renglón 3 le sumamos el producto que resulte de
multiplicar 6/5, por el valor que tenga cada una de las variables del renglón 2.
( R3 (6 / 5)( R2 )) :
Para x = 1 6 1 1 6 15 6 9
3
5 3 15 15 15 15 5
6 6 6 6
Para y = 1 0
5 5 5 5
Para u = 0 6 0 0 0 0
5
6 600
Para la constante = 0 100 120
5 5
x y u v P Constante
x y u v P Constante
x y u v P Constante
x y u v P Constante
pivote.
renglón pivote.
Columna pivote
5 3 3 3 3
Para x = 1 Para y = (0) 0 Para u = (1)
3 5 5 5 5
1 3 3 1 3
Para v = Para P = (0) 0
3 5 15 5 5
Desarrollando
x y u v P Constante
1 1 1 1 1 5 1 6 2
Para v =
3 3 5 3 15 15 15 5
Para P = 000
1
Para la constante = 100 (48) 100 16 84
3
x y u v P Constante
3 3
Para x =
3 3
1 0 Para y = 0 3 0 0 0 0
5 5 5 5 5
2 3 1 2 3 10 3 7
Para v =
5 5 5 5 25 25 25
3
Para P = 1 (0) 1 0 1
5
x y u v P Constante
Paso 4: Determinar la solución optima: Se localizan las variables básicas en tabla final.
En este caso, las variables básicas ( las que encabezan columnas unitarias)
son x, y, y P.
contiene al 1).
contiene al 1 ).
4
El valor encontrado para el objetivo P es 148
5
x y u v P Constante
4
Renglón 3 0 0 9/25 7/25 1 148 OBJETIVO
5
4
Se concluye que x = 48, y = 84 y P = 148
5
COMPROBANDO EL SISTEMA:
Sustituyendo y en 1 o 2.
2 x 84 180
x 3(84) 300
180 84 96
x x 300 252
2 2
x 48
x 48
Ecuación Función
2 x y 180 y 2 x 180
x 300
x 3 y 300 y
3
( 48, 84 )
200
C (48,84)
100
D (0,100)
ZONA OPTIMA
Mtro. René Bretón Salinas.
PROBLEMA DE MINIMIZACIÓN
En el siguiente ejemplo de problema de programación lineal, hay que minimizar la función
objetivo.
Hierro 40 mg 10 mg 2400 mg
Vitamina B1 10 mg 15 mg 2100 mg
Vitamina B2 5 mg 15 mg 1500 mg
(A = 6 x ).
C = A + B
C = 6x + 8y Función objetivo por minimizar.
La cantidad de hierro contenida en x píldora de la marca A y y píldora de la marca
B esta dada por 40 x 10 y mg, y esto debe ser mayor o igual a 2400 mg, esto se
traduce en la desigualdad.
40 x 10 y 2400
10 x 15 y 2100
5 x 15 y 1500
40 x 10 y 2400
10 x 15 y 2100
5 x 15 y 1500
x 0, y 0
Solución por el Método Grafico:
2400 40 x
1.- Ecuación 40 x 10 y 2400 , Función y
10
2100 10 x
2.- Ecuación 10 x 15 y 2100 Función y
15
1500 5x
3.- Ecuación 5x 15 y 1500 Función y
15