Contenido

1. Programación lineal. 10. Moldeo de transbordo.

2. Método Simplex. 11. Modelos de ruta crítica.
3. Programa dual. 12. Toma de decisiones.
4. Problema de transporte. 13. Probabilidad condicional.
5. Problema de asignación. 14. Arboles de decisión.
6. Problema de la ruta mas corta. 15. Cadenas de Markov.
7. Problema de árbol de expansión
mínima.
8. Problema de flujo máximo.
9. Problema de costo mínimo.
 Corte 3 (40%)
 Talleres y actividades (20%)
 Parcial (20%)

 Corte 4 (50%)
 Talleres y actividades (25%)
 Parcial (25%)

 Prueba objetiva(10%)
 La mayoría de los capítulos del 1 al 14 (introducción,
programación lineal y programación matemática) no
requieren de matemáticas más allá del álgebra a nivel
medio superior. La notación matricial se utiliza en el
capítulo 5, 6 y en la sección 7.4 (Apéndice 4.). Para los
capítulos del 15 al 20 (modelos probabilísticos), se
supone una introducción previa a la teoría de
probabilidad y el cálculo se usa en unos cuantos sitios.

Capítulos 1-9, 15, 16.

Las primeras actividades formales de Investigación de operaciones (IO)
se iniciaron en Inglaterra durante la Segunda Guerra Mundial, cuando
un equipo de científicos empezó a tomar decisiones con respecto a la
mejor utilización del material bélico. Al término de la guerra, las ideas
formuladas en operaciones militares se adaptaron para mejorar la
eficiencia y productividad en el sector civil.

La IO o programación matemática, es una disciplina que consiste en

el uso de modelos matemáticos, estadística y algoritmos con objeto
de realizar un proceso de toma de decisiones. Frecuentemente se
trabaja en estudio de sistemas reales, con la finalidad de mejorar (u
optimizar) su funcionamiento.
La IO es la aplicación del método científico para asignar los recursos o
actividades de forma eficaz, en la gestión y organización de sistemas
complejos, su objetivo es ayudar a la toma de decisiones y requiere un
enfoque interdisciplinario.

Podemos considerar la situación como un problema de toma de

decisiones, cuya solución requiere responder tres preguntas:

1. ¿Cuáles son las alternativas de decisión?

2. ¿Conforme a qué restricciones se toma la decisión?
3. ¿Cuál es el criterio objetivo apropiado para evaluar las
alternativas?
La investigación de operaciones ha tenido un efecto impresionante en el
mejoramiento de la eficiencia de numerosas organizaciones de todo el
mundo. La IO ha contribuido de manera significativa al incremento de la
productividad de la economía de varios países. Hoy existen más de 30 países
miembros de la International Federation of Operational Research Societies
(IFORS).
La programación lineal utiliza un modelo matemático para describir el problema. El
adjetivo lineal significa que todas las funciones matemáticas del modelo deben ser
funciones lineales. En este caso, la palabra programación no se refiere aquí a
términos computacionales; en esencia es sinónimo de planeación. Por lo tanto, la
programación lineal involucra la planeación de actividades para obtener un
resultado óptimo.

El tipo más común de aplicación de la programación lineal abarca el problema

general de asignar de la mejor manera posible —es decir, de forma óptima— recursos
limitados a actividades que compiten entre sí por ellos.

!La variedad de situaciones a las que se puede aplicar esta descripción es sin duda muy grande!
1. Variables de decisión: Si deben tomarse n decisiones cuantificables relacionadas entre sí:
(x1, x2, . . . , xn).
2. Función objetivo: La medida de desempeño adecuada se expresa como una función
matemática de estas variables de decisión: P=ax1+bx2+...+hxn.
3. Restricciones: También se expresan en términos matemáticos todas las limitaciones que se
puedan imponer sobre los valores de las variables de decisión: 10 ≥ 3x1+2x2+...+5xn.

Las constantes de las restricciones y de la función objetivo se llaman parámetros del modelo.
El equipo de IO también identificó los datos que necesitaba reunir:

1. Número de horas de producción disponibles por semana en cada planta para fabricar estos
nuevos productos.
2. Número de horas de fabricación que se emplea para producir cada lote de cada artículo nuevo
en cada una de las plantas.
3. La ganancia por lote de cada producto nuevo.
 ¿Cuál sería la formula para la ganancia?

El objetivo es elegir los valores de x1 y x2 que maximice Z, sujeta a las restricciones

impuestas sobre sus valores por las capacidades de producción limitadas de las cuales se
disponen en las tres plantas.
Cada vez que se cambia Z se
Modifica el punto de corte.
 X2

Soluciones Factibles  las que satisfacen las Restricciones

(2,6)
Solución Óptima  Solución Factible, que entrega el valor
más favorable (máximo o mínimo) de la función objetivo Z. Z

Región
Factible
Solución Óptima
X
Una vez que un problema es formulado como un PPL NO siempre se
consigue una solución óptima factible, pueden ocurrir casos
denominados como especiales, tales como:
 Problema sin solución (Inviabilidad).
 Soluciones no acotadas (Ilimitación).
 Soluciones múltiples.
 Degeneración.
∄ Solución
Factible
En ciertos casos el espacio de soluciones es no acotado, y es posible que el problema tenga o no tenga
solución, dependerá de la función objetivo del problema, tanto de la pendiente de la función objetivo
como de la dirección de optimización, según se trate de maximizar o minimizar
el objetivo que se persigue.

Ej. 2X1  40

Max Z =2X1 + X2 X2
s.a.
X1 – X2  10
X1 – X2  10
2X1  40
X1, X2  0

10 20 Z X1
La función objetivo puede
crecer en forma indefinida y
no tiene acotación. Z = 2X1 + X2
Hay ocasiones en que el problema tiene más de una solución óptima.

Ej. X1 + X2  4
La solución se
Max Z = 2X1 + 4X2
representa como una
s.a. X2 combinación lineal de
X1 + 2X2  5
dos puntos solución
X1 + X2  4
X1, X2  0

X1

X1 + 2X2  5
Z = 2X1 + 4X2
 La degeneración ocurre cuando el modelo tiene por lo menos una restricción
redundante

Ej.
Max Z = 3X1 + 9X2 X2 La segunda restricción
es redundante.
s.a. X1 + 4X2  8
X1 + 2X2  4
2
X1, X2  0
X1 + 4X2  8
X1
Z = 3X1 + 9X2 4 8

X1 + 2X2  4
 PROBLEMA DE DEMANDA
Una compañía productora de lácteos tiene dos máquinas de producción en paralelo y necesita
hacer la entrega de 200 barriles de yogur enriquecido y 500 barriles de yogur especial. Cada
día la máquina A produce 13 barriles del tipo enriquecido y 28 del tipo especial; mientras que
la máquina B produce 18 barriles del tipo enriquecido y 23 del tipo especial. La operación
diaria de las máquinas A y B cuesta $30 y $20, respectivamente.

¿Problema?
¿Cuántos días debe operar cada máquina para satisfacer la demanda a un costo mínimo?

¿Objetivo?
Minimizar el costo de operación en función de la cantidad de días.

¿Variables de decisión?
: Número de días que opera la máquina A.
: Número de días que opera la máquina B.
 EL MODELO MATEMÁTICO
 Objetivo: Minimizar el costo
 Variables de decisión: y
 Función objetivo: = 30 + 20
 Factores a considerar: (Factores de restricción del sistema): la demanda mínima 200 de yogur
enriquecido y mínima 500 de yogur especial.
 Parámetros: Número de barriles/día que produce cada máquina de cada tipo de yogur.

Minimizar
= 30 + 20
Sujeto a
13 + 18 ≥ 200
28 + 23 ≥ 500
, ≥0
http://www.phpsimplex.com
Modelos de programación lineal
FORMA ESTÁNDAR DE UN MODELO DE
PROGRAMACIÓN LINEAL
FORMA ESTÁNDAR DE UN MODELO DE
PROGRAMACIÓN LINEAL
 Proporcionalidad
 Aditividad
 Divisibilidad
 Certidumbre