Clasificación de los modelos de investigación de operaciones.

Los modelos utilizados en la IO son eminentemente matemáticos y se pueden

clasificar de acuerdo a los valores y características de sus variables, en:
deterministas y estocásticos, y cada uno de ellos a su vez, en estáticos y
dinámicos.

• 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.

En otro orden de ideas, un enfoque diferente a la representación por medio de

modelos de sistemas complejos consiste en utilizar la simulación. La técnica de
simulación involucra tanto a modelos matemáticos como lógicos. Un modelo de
simulación divide el sistema representado en módulos básicos o elementales a
los que les corresponde, generalmente un modelo matemático y que después se
enlazan entre si vía relaciones lógicas bien definidas; utilizando la estructura SI......
, .....ENTONCES..... Por lo tanto, partiendo del módulo de entrada, las operaciones
de cálculo pasarán de un módulo a otro hasta que se obtenga un resultado de
salida.

Los modelos de simulación, en comparación con los modelos matemáticos,

ofrecen una mayor flexibilidad en la representación de sistemas complejos, la
razón principal es que la simulación enfoca el sistema desde un nivel básico
elemental. Por otra parte, la modelación matemática tiende a considerar el sistema
desde un nivel menos detallado.

EL METODO SIMPLEX

PARA SOLUCIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL

Es un procedimiento iterativo que permite ir mejorando la solución a

cada paso. El proceso concluye cuando no es posible seguir
mejorando más dicha solución.

Partiendo del valor de la función objetivo en un vértice cualquiera, el

método consiste en buscar sucesivamente otro vértice que mejore al
anterior. La búsqueda se hace siempre a través de los lados del
modelo (o de las aristas del poliedro, si el número de variables es
mayor). Cómo el número de vértices (y de aristas) es finito, siempre se
podrá encontrar la solución. Con miras a conocer la metodología que
se aplica en el Método SIMPLEX, vamos a resolver el siguiente
problema:
Ejemplo:

6
Maximizar P  x  1.2 y o de forma equivalente Px 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. Px y
5
6
x y P0
5
Paso uno: Plantear la tabla símplex inicial. (Utilizando los coeficientes del sistema).

2x  y  u  180

x  3y v  300

6
x y P0
5

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 Función objetivo

Paso dos: Determinar si ha alcanzado la solución óptima. Primero se consulta la tabla

símplex inicial.

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 Función objetivo

Como existen entradas negativas en el último renglón o fila de dicha tabla la

solución inicial no es óptima. Se continúa en el paso tres.

Nota: En la función objetivo no debemos tener entradas negativas.

Paso tres: Realizar las siguientes iteraciones.

Primero, se localiza el elemento pivote.

a) Como la entrada - 6/5 es la más negativa a la izquierda de la recta

numérica en el último renglón o fila de la tabla símplex inicial, la segunda
columna de la tabla será la columna pivote.

x y u v P Constante

2 1 1 0 0 180 (180/1) = 180

1 3 0 1 0 300____ (300/3) = 100

- 1 - 6/5 0 0 1 0

b) Se divide cada número positivo en la columna pivote entre la entrada

correspondiente en la columna de constantes y se comparan las razones
así obtenidas. Se ve que la razón 300/3 es menor que la razón 180/1,
de modo que el segundo renglón o fila de la tabla es el renglón pivote.
Nota: La razón que resulte menor, indicara cual es el renglón pivote.
 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

c) La entrada 3, que esta en el cruce de la columna pivote y el renglón o fila

pivote es el elemento pivote (3).

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

A continuación, se convierte este elemento pivote en un 1, multiplicando todas las

entradas del renglón o fila pivote por 1/3. Entonces, al utilizar operaciones elementales
por renglón o fila, se concluye la conversión de la columna pivote en una columna unitaria.

Los detalles de la iteración se registran como sigue:

x y u v P Constante Razón

2 1 1 0 0 180 180/1

Renglón pivote 1 3 0 1 0 300____ 300/3

- 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

1/3 3/3 0/3 1/3 0/3 300/3____ 300/3

- 1 - 6/5 0 0 1 0

x y u v P Constante Razón

Renglón 1 2 1 1 0 0 180 180/1 = 180

Renglón 2 (Pivote) 1/3 1 0 1/3 0 100____ 300/3 = 100

Renglón 3 - 1 - 6/5 0 0 1 0

Restarle al Renglón 1 el Renglón 2 (Pivote), ( R1  R2 ).

6 1 5
 
Para x = Para y = 11 0 Para u = 1  0  1 Para v =
3 3 3
1 1
0 
3 3

Para P = 000 Para la constante = 180 – 100 = 80

Los nuevos valores encontrados para las variables formaran la siguiente iteración.

5 1
Para x = Para y = 0 Para u = 1 Para v = 
3 3

Para P = 0 Para la constante = 80

x y u v P Constante

Renglón 1 5/3 0 1 -1/3 0 80

Renglón 2 (Pivote) 1/3 1 0 1/3 0 100____

Renglón 3 - 1 - 6/5 0 0 1 0

Sumarle al numero - 6/5 de la columna pivote, del renglón 3 (Objetivo), la cantidad

de (6/5), para que al sumarlos se elimine el numero negativo - 6/5, y quede cero y
así poder eliminar el primer numero negativo en nuestro objetivo.

- 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

Para v = 0   6  1  

6 2

 5  3  15 5

Para P = 1   6 0  1

5

6 600
Para la constante = 0   100    120
5 5
 x y u v P Constante

Renglón 1 5/3 0 1 -1/3 0 80

Renglón 2 (Pivote) 1/3 1 0 1/3 0 100____

Renglón 3 -3/5 0 0 2/5 1 12 0   6  1  

6 2
 0
  
5 3 15 5

Esto completa una iteración. El último renglón de la tabla simplex contiene un

número negativo, de modo que no se ha alcanzado la solución óptima; por lo tanto,
se repite el paso iteractivo una vez más.

Paso uno: Plantear la tabla símplex inicial.

x y u v P Constante

Renglón 1 5/3 0 1 -1/3 0 80

Renglón 2 1/3 1 0 1/3 0 100____

Renglón 3 -3/5 0 0 2/5 1 120

Paso dos: Determinar si ha alcanzado la solución óptima. Primero se consulta la tabla

símplex inicial. Como existen entradas negativas en el ultimo renglón o fila de

dicha tabla la solución inicial no es óptima. Se continúa en el paso tres.

x y u v P Constante

Renglón 1 5/3 0 1 -1/3 0 80

Renglón 2 1/3 1 0 1/3 0 100____

Renglón 3 -3/5 0 0 2/5 1 120

Paso tres: Realizar las siguientes iteraciones.

 Primero, se localiza el elemento pivote.

a) Como la entrada - 3/5 es la más negativa a la izquierda de la recta

numérica en el ultimo renglón o fila de la tabla símplex inicial, la primera
columna de la tabla será la columna pivote.

x y u v P Constante

Renglón 1 5/3 0 1 -1/3 0 80 (80/(5/3)) = 48

Renglón 2 1/3 1 0 1/3 0 100____ (100/(1/3)) = 300

Renglón 3 -3/5 0 0 2/5 1 120

b) Se divide cada número positivo en la columna pivote entre la entrada

correspondiente en la columna de constantes y se comparan las razones
así obtenidas. Se ve que la razón (80) / (5/3) es menor que la razón
(100) / (1/3), de modo que el primer renglón o fila de la tabla es el
renglón

pivote.

x y u v P Constante Razón para

renglón pivote.

Renglón 1 5/3 0 1 -1/3 0 80 (80) / (5/3) =

48

Renglón 2 1/3 1 0 1/3 0 100____ (100) / (1/3) =

300

Renglón 3 -3/5 0 0 2/5 1 120

c) La entrada 5/3, que esta en el cruce de la columna pivote y el renglón o

fila pivote es el elemento pivote.
x y u v P Constante

Renglón 1 (Pivote) 5/3 0 1 -1/3 0 48

Renglón 2 1/3 1 0 1/3 0 100____

Renglón 3 -3/5 0 0 2/5 1 120

Columna pivote

A continuación, se convierte este elemento pivote en un 1 y multiplicando todas las

entradas del renglón o fila pivote por 3/5. Entonces, al utilizar operaciones elementales
por renglón o fila, se concluye la conversión de la columna pivote en una columna unitaria.

Los detalles de la iteración se registran como sigue:

(3/5) ( cada una de las entradas del renglón )

 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

Renglón 1 (Pivote) 1 0 3/5 -1/5 0 48

Renglón 2 1/3 1 0 1/3 0 100____

Renglón 3 -3/5 0 0 2/5 1 120

Restarle al Renglón 2, la cantidad de (1/3) que multiplica al (Renglón 1 (Pivote)), en

este caso se utiliza (1/3) por estar en la columna pivote y ayudara en convertir ese
1
elemento en cero. R2  R1 
3
1 1 1
0  1
1 1
Para x =   (1)    0 Para y = 1  
3  3 3 3  3
  1  3  3 1
Para u = 0        
 3  5  15 5

 1   1  1  1 1 5  1 6 2
Para v =            
 3   3  5  3 15 15 15 5
Para P = 000

1
Para la constante = 100   (48)  100  16  84
 3

x y u v P Constante

Renglón 1 (Pivote) 1 0 3/5 -1/5 0 48

Renglón 2 0 1 -1/5 2/5 0 84____

Renglón 3 -3/5 0 0 2/5 1 120 OBJETIVO

Sumarle al Renglón 3 (Objetivo), la cantidad de (3/5) que multiplica al (Renglón 1

(Pivote)), en este caso se utiliza 3/5 para que al sumarlo con - 3/5 estos se eliminen,
quedando cero y así poder eliminar el numero negativo en nuestro objetivo.

Sumarle al renglón 3, 3/5 del renglón 1 ( R3  (3 / 5)( R1 )) :

 3  3
Para x =
3 3
     1     0 Para y = 0   3 0  0  0  0
 5 5 5 5 5

Para u = 0   3  3   0  9


9
 5  5  25 25

 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

 3 144 600  144 744 4

Para la constante = 120   48  120     148
5 5 5 5 5

x y u v P Constante

Renglón 1 (Pivote) 1 0 3/5 -1/5 0 48

Renglón 2 0 1 -1/5 2/5 0 84____

Renglón 3 0 0 9/25 7/25 1 148 (4/5) OBJETIVO

Por lo tanto el último renglón de la tabla simplex ya no contiene números negativos,

por lo cual se concluye que se ha alcanzado la solución óptima.

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.

El valor asignado a la variable básica x es el número 48, que es la entrada que

se

encuentra en la columna de constantes y en el primer renglón ( el renglón que

contiene al 1).

El valor asignado a la variable básica y es el numero 84, que es la entrada que

se

encuentra en la columna de constantes y en el segundo renglón ( el renglón que

contiene al 1 ).
 4
El valor encontrado para el objetivo P es 148
5

x y u v P Constante

Renglón 1 (Pivote) 1 0 3/5 -1/5 0 48

Renglón 2 0 1 -1/5 2/5 0 84____

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

COMPROBACIÓN SUSTITUCIÓN DESARROLLO

 504  240  504

P  48   
6 6  5  5
P  x y P  48   (84)
5 5 744 4
  148
5 5

COMPROBANDO EL SISTEMA:

1 ecuación 2 x  y  180 (1)  2 x  y  180

2 ecuación x  3 y  300 (2) 2 x  6 y  600
 5 y  420
420
y  84
5

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

Para graficar tenemos que convertir las igualdades en funciones,

Ecuación Función

2 x  y  180 y  2 x  180

 x  300
x  3 y  300 y
3

Dar valores a la variable independiente “x”.

Punto de intersección ( x, y)
y

( 48, 84 )

200

C (48,84)
100
D (0,100)

100 200 300 x

A (0,0)
B (0,90)

ZONA OPTIMA
 Mtro. René Bretón Salinas.
PROBLEMA DE MINIMIZACIÓN
En el siguiente ejemplo de problema de programación lineal, hay que minimizar la función
objetivo.

Un nutriólogo asesora a un individuo que sufre de una deficiencia de hierro y vitamina B,

y le indica que debe ingerir al menos 2400 mg de hierro, 2100 mg de vitamina B1
(tiamina) y 1500 de vitamina B2 (riboflavina) durante cierto periodo. Existen dos
píldoras de vitaminas disponibles, la marca A y la marca B.

Cada píldora de la marca A contiene 40 mg de hierro, 10 mg de vitamina B1 , 5 mg

de vitamina B2 y cuesta 6 centavos.

Cada píldora de la marca B contiene 10 mg de hierro, 15 mg de vitamina B1 y de

vitamina B2 , y cuesta 8 centavos.

¿Cuáles combinaciones de píldora debe comprar el paciente para cubrir sus

requerimientos de hierro y vitamina al menor costo?

Planteamiento del problema.

Vitaminas Marca A Marca B Requerimientos

Mínimos

Hierro 40 mg 10 mg 2400 mg

Vitamina B1 10 mg 15 mg 2100 mg

Vitamina B2 5 mg 15 mg 1500 mg

Costo de la píldora. 6 centavos 8 centavos

Datos:

Sea x el número de píldoras de la marca A

Sea y el número de píldoras de la marca B

El costo C, medido en centavos, por lo tanto C=A+B

Planteamiento del problema:

Sustituyendo A por su valor en centavos que multiplica a la variable x, por lo tanto

(A = 6 x ).

Sustituyendo B por su valor en centavos que multiplica a la variable y , por lo tanto

( B = 8y ).

Sustituyendo A y B con sus nuevos valores en la expresión algebraica C = A + B,

obtendremos la función objetivo por minimizar.

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

Consideraciones similares con los requisitos mínimos de vitamina B1 y B2 conducen

a las desigualdades respectivamente

10 x  15 y  2100
5 x  15 y  1500

Así, el problema en este caso consiste en minimizar C = 6x + 8y sujeta a las

restricciones siguientes.

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