Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2012
Desarrollo de aplicaciones prácticas a diferentes
campos mediante la Programación Lineal
GRUPO1
INTEGRANTES:
ZARATE SIERRA, JACK
ZAVALA AlVAN, MARVIN
LLOPEZ GUARDAMINO, PEDRO
PROFESOR: ALEX CRUZ HUALPARA.
FACULTAD: MATEMÁTICA
CURSO: OPTIMIZACION
22/07/2012
DEDICATORIA
Este trabajo en primer lugar se lo queremos dedicar a Dios, que durante todo este
tiempo nos estuvo acompañando, iluminando y guiándonos para llegar a nuestro
objetivo.
OPTIMIZACION
INTRODUCCION
El siguiente trabajo monográfico está orientado a desarrollar más a profundidad el
tema de Programación Lineal, ya que no solamente se trata de aprenderse
mecánicamente las formulas de las diferentes formas de soluciones, el propósito de
este trabajo es analizar las variables y los coeficientes a utilizarse.
OPTIMIZACION
Historia de la programación lineal
Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo simplex,
en 1947, John von Neumann, que desarrolló la teoría de la dualidad en el mismo
año, y Leonid Kantoróvich, un matemático ruso, que utiliza técnicas similares en la
economía antes de Dantzig y ganó el premio Nobel en economía en 1975. En 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.2 Más tarde, en 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 en el área.
OPTIMIZACION
CONCEPTOS:
OPTIMIZACION
Componentes básicos de la programación lineal:
Variables:
Restricciones:
Tipo 1:
Tipo 2:
Tipo 3:
Donde:
A: valor conocido a ser respetado estrictamente
B: valor conocido que debe ser respetado o puede ser superado
C: valor conocido que no debe ser superado
j= 1,2,3,…,m (número total de restricciones)
i=1,2,3,…,n
X: variables incógnitas
OPTIMIZACION
Formulación de un programa lineal: Formas Estándar y Canónica
Un programa lineal se presenta en forma estándar cuando todas sus restricciones son de
igualdad y sus variables son no negativas.
Un programa lineal se presenta en forma canónica cuando todas sus restricciones son de
desigualdad y sus variables son no negativas.
OPTIMIZACION
Para el caso de maximización se tiene:
Max: c1x1 + c2x2 +……..+ cnxn
Método grafico:
El procedimiento gráfico comienza elaborando una gráfica que muestre las soluciones
posibles (valores X1 y X2). La gráfica tendrá valores los valores X1 en el eje horizontal y los
valores X2 en el eje vertical. El procedimiento para hallar la solución gráfica consiste en lo
siguiente:
Para cada inecuación del sistema de restricciones (medio espacio cerrado) se toma la recta
correspondiente y se determinan los interceptos con la gráfica. Si la recta pasa por el
origen del eje de coordenadas, el término independiente es cero, entonces se traza la recta
tomando el origen y otro punto determinado dando un valor arbitrario a una de las
variables.
Para determinar los puntos que satisfacen cada inecuación se sustituye un punto
cualquiera del espacio (se recomienda el origen cuyas coordenadas son (0,0)), y de esta
forma se determina si los puntos que satisfacen la misma están hacia el lado que está el
origen o hacia el lado contrario, señalando con una flecha ese lado. Cuando la recta pasa
por el origen entonces se toma otro punto cualquiera pero que sean sencillos los valores de
sus coordenadas, por ejemplo, ( 0,1) , (1,0 ), (1,1), etc.
Luego se determina la región solución que es la región del plano que satisface todas las
restricciones al mismo tiempo y que debe estar en el primer cuadrante. La figura formada
es un poliedro convexo que tiene un conjunto de puntos extremos.
Se busca el punto óptimo entre el conjunto de puntos extremos. Para eso se sustituye cada
par de puntos (X1, X2) de los puntos extremos en la función objetivo y se calcula el valor
de Z. Si se está maximizando el valor de la misma, el punto óptimo será aquel que
proporcione el valor mayor para Z y si el criterio de optimización es de minimizar,
entonces el punto óptimo será aquel que proporcione el valor mínimo de Z.
Una desventaja del método grafico es que generalmente es aplicable para 2 variables.
OPTIMIZACION
Ej.:
Sujeto a: 3x + 2y ≤ 12
x + 2y ≤ 8
x, y≥0
Solución:
Z(0, 0) = 20(0) + 25(0) = 0
Z (0, 4) = 20(0) + 25(4) = 100
Z(2, 3) = 20(2) + 25(3) = 115
Z(4, 0) = 20(4) + 25(0) = 80
Los valores óptimos son:
Valor Optimo: 115
Vértice Optimo: (2,3)
OPTIMIZACION
Método matricial: (Búsqueda exhaustiva de soluciones básicas)
Representemos la P.L.:
Consideremos:
A=
Sujeto a: AX = B
X≥0
Sea:
OPTIMIZACION
Ej.:
Sujeto a: 3x 1+ x2 ≤ 9
x 1+ 2x2 ≤ 8
x1 , x2≥0
En forma estándar:
Sujeto a: 3x 1+ x2 + x3= 9
x 1+ 2x2 + x4= 8
C= ; B= ; A= ; X= ; (A, B)=
De:
Luego:
Xb= Ab-1.B → = . =
De:
Luego:
Xb= Ab-1.B → = . =
OPTIMIZACION
De:
Luego:
Xb= Ab-1.B → = . =
De:
Luego:
Xb= Ab-1.B → = . =
De:
Luego:
Xb= Ab-1.B → = . =
x1 =2 , x2=3 → 3(2)+2(3)=12
OPTIMIZACION
Método Simplex:
Simplex Tabular
Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
- 3x - 2y + Z = 0
En las columnas aparecerán todas las variables del problema y, en las filas, los coeficientes de
las igualdades obtenidas, una fila para cada restricción y la última fila con los coeficientes de
la función objetivo:
Tabla I . Iteración nº 1
Base Variable de decisión Variable de holgura Valores solución
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
OPTIMIZACION
Z -3 -2 0 0 0 0
A. Para escoger la variable de decisión que entra en la base, nos fijamos en la última fila,
la de los coeficientes de la función objetivo y escogemos la variable con el coeficiente
negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada
término de la última columna (valores solución) por el término correspondiente de la
columna pivote, siempre que estos últimos sean mayores que cero. En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algún elemento menor o igual que cero no se hace dicho cociente. En el
caso de que todos los elementos fuesen menores o iguales a cero, entonces tendríamos
una solución no acotada y no se puede seguir.
Si al calcular los cocientes, dos o más son iguales, indica que cualquiera de las
variables correspondientes pueden salir de la base.
OPTIMIZACION
5. Encontrar los coeficientes de la nueva tabla.
Veámoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II):
Vieja fila de s 2 3 0 1 0 42
- - - - - -
Coeficiente 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 1 1/3 0 0 1/3 8
= = = = = =
Nueva fila de s 0 7/3 0 1 -2/3 26
Tabla II . Iteración nº 2
Base Variable de decisión Variable de holgura Valores solución
x y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
Como en los elementos de la última fila hay uno negativo, -1, significa que no hemos llegado
todavía a la solución óptima. Hay que repetir el proceso:
OPTIMIZACION
A. La variable que entra en la base es y, por ser la variable que corresponde
al coeficiente -1
B. Para calcular la variable que sale, dividimos los términos de la última
columna entre los términos correspondientes de la nueva columna pivote:
2:1/3 [=6], 26:7/3 [=78/7] y 8:1/3 [=8]
y como el menor cociente positivo es 6, tenemos que la variable de
holgura que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
Como en los elementos de la última fila hay uno negativo, -1, significa que no
hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
OPTIMIZACION
Obtenemos la tabla:
APLICACIÓN:
La NORI & LEET CO., una de las mayores productoras de acero del mundo occidental, está
localizada en la ciudad de Steeltown y es la única empresa grande de la localidad.
Steeltown ha crecido y prosperado junto con la compañía, que de momento emplea a
cerca de 50.000 residentes. La actitud de los residentes h a s i d o s i e m p r e f a v o r a b l e
a la compañía; sin embargo, esta actitud está cambiando, ya que
l a contaminación no controlada del aire debida a los altos hornos de la planta
está en camino de arruinar la apariencia de la ciudad y de poner en peligro la salud de sus
habitantes. Como resultado, después de una revuelta de los accioni stas se eligió un
nuevo consejo directivo más responsable. Los nuevos directores han decidido
seguir políticas de responsabilidad social y realizar consultas con las autoridades de
la ciudad y con grupos de ciudadanos para tomar medidas respecto a la contaminación
ambiental. Juntos han establecido estándares rigurosos de calidad del aire para la
ciudad de Steeltown. Los tres tipos principales de contaminantes son partículas de
materia, óxidos de azufre e hidrocarburos. Los nuevos estándares requieren que
la compañía reduzca su emisión anual de estos contaminantes en las siguientes
cantidades presentadas en la tabla Nº I. E041l consejo directivo ha dado instrucciones a la
gerencia para que el personal de ingeniera determine como lograr estas reducciones en la
forma más económica. La fabricación de acero tiene 2 fuentes principales de
contaminación, los altos hornos para fabricar el arrabio y los hornos de hogar abierto
para transformar el hierro en acero. En ambos casos, los ingenieros determinaron que los
métodos de abatimiento más efectivos son: 1) aumentar la altura de las chimeneas,2) usar
filtros (incluyendo trampas de gas) en las chimeneas y 3) incluir limpiadores de
OPTIMIZACION
alto grado en los combustibles de los hornos. Todos estos métodos tienen
limitaciones tecnológicas en cuanto al nivel en que pueden usarse (por ejemplo,
un incremento factible máximo en la altura de las chimeneas), pero t a m b i é n
existe una gran flexibilidad para usar el método en cualquier nivel
f r a c c i o n a r i o d e s u l í m i t e tecnológico.
La tabla II se muestra la cantidad de emisión (en millones de libras anuales) que se puede
eliminar de cada tipo de horno usando el método de abatimiento al máximo límite
tecnológico. Para fines de análisis, se supone que cada método se puede usar a un nivel
menor para lograr cualquier fracción en las reducciones de las tasas de emisión mostradas en
la tabla. Además, para cualquiera de los hornos, el uso simultáneo de otro método no afecta de
manera significativa la reducción de emisiones que alcanza cada uno de ellos.
Después de obtener estos datos, quedó claro que ningún método por si solo podría lograr las
reducciones requeridas. Por otro lado, la combinación de los tres métodos a toda su capacidad
(lo que sería demasiado caro si se quiere que los productos sigan siendo competitivos en
precio) resulta mucho mayor de lo que se pide. Por todo esto, la conclusión de los
ingenieros fue que tendrían que usar alguna combinación de métodos, tal vez con
capacidades fraccionarias, con base en sus costos relativos. Lo que es más, debido a las
OPTIMIZACION
diferencias los altos hornos y los hornos de hogar abierto, es probable que la combinación sea
diferente para cada tipo de horno. Se llevó a cabo un análisis para estimar el costo
total anual de cada método de abatimiento. El costo total a n u a l d e u n m é t o d o
i n c l u ye e l a u m e n t o e n l o s g a s t o s d e o p e r a c i ó n y m a n t e n i m i e n t o , a l i g u a l
q u e l a reducción en los ingresos debida a cualquier pérdida de eficiencia en el proceso de
producción que pudiera resultar por el uso del correspondiente método. El otro costo
importante que se debe tener en cuenta es el capital inicial requerido para instalar el método.
Para hacer que este costo único fuera conmensurable con los costos anuales, se usó el
valor del dinero en el tiempo para calcular el gasto anual (sobre el tiempo
esperado de vida del método) que será equivalente a este costo fijo inicial. El análisis
proporcionó estimaciones de los costos anuales totales (en millones de dólares)
dados en la tabla Nº III, en que se incurren al usar los métodos a toda su
capacidad de abatimiento. También se determinó que el costo de un método q ue
se utiliza a un nivel menor es esencialmente proporcional a la capacidad
fraccional de la capacidad de aba timiento dada en la tabla Nº III que se logra.
Entonces, para cualquier fracción lograda, el costo anual seria en esencia la fracción de la
cantidad correspondiente en la tabla Nº II. En este momento, todo está listo para desarrollar el
marco general del plan de la compañía para disminuir la contaminación.
Definición de variables de decisión: Xij = fracción por año del método i (1, 2, 3) utilizado
en el tipo de horno j (1, 2)
i (1: Partículas, 2: Óxidos de Azufre, 3: Hidrocarburos)
j (1: Altos hornos, 2: Hornos de hogar abierto)
Xij≥0
OPTIMIZACION
Con la ayuda del programa Lingo se tiene que:
Se considero que:
OPTIMIZACION
Conclusiones:
Se pedía minimizar los costos de aplicar métodos para reducir la contaminación producida
por partículas de materia, oxido de azufre e hidrocarburos, en el cual se obtiene que:
Se gastaría 29.8 millones de dólares, aplicando 0.4 años el método de chimeneas más altas
para las emisiones de partículas de materia de los hornos de hogar abierto y 4.2 años el
método de colocar filtros en los hornos de hogar abierto.
Aportes:
Así como se utilizo el programa LINGO, también una variedad de programas matemáticos
para la resolución de problemas de Programación Lineal:
TABLEAU (http://www.slideshare.net/alexandergts/programacin-lineal-2886624)
SOLVER de EXCEL
(http://www.slideshare.net/alexandergts/programacin-lineal-2886624)
LINDO (http://mat.uab.es/~mzakyn/lunes_30_10_06.pdf),
(http://www.investigacion-operaciones.com/Software/Winqsb.zip)
WinQSB (http://www.investigacion-operaciones.com/Software/Manual%20WinQSB.pdf)
Prglinhttp (http://www.investigacion-operaciones.com/Software/prglin.exe)
InvOp (http://www.investigacion-operaciones.com/Software/invop.zip)
OPTIMIZACION