Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Vicerrectorado de Investigación
OPTIMIZACIÓN DE SISTEMAS I
TINS Básicos
Lima - Perú
OPTIMIZACIÓN DE SISTEMAS I
© OPTIMIZACIÓN DE SISTEMAS I
Desarrollo y Edición: Vicerrectorado de Investigación
2
OPTIMIZACIÓN DE SISTEMAS I
3
OPTIMIZACIÓN DE SISTEMAS I
4
OPTIMIZACIÓN DE SISTEMAS I
PRESENTACIÓN
5
OPTIMIZACIÓN DE SISTEMAS I
6
OPTIMIZACIÓN DE SISTEMAS I
ÍNDICE GENERAL
CAPÍTULO 1
PROGRAMACION LINEAL: EL METODO GRAFICO...................... 11
CAPÍTULO 2
PROGRAMACION LINEAL: FORMULACIÓN DE PROBLEMAS..... 43
CAPÍTULO 3
EL MÉTODO SIMPLEX.................................................................... 67
CAPÍTULO 4
EL PROBLEMA DUAL ..................................................................... 83
CAPÍTULO 5
ANALISIS DE SENSIBILIDAD ......................................................... 97
CAPÍTULO 6
PROGRAMACION LINEAL ENTERA............................................... 109
7
OPTIMIZACIÓN DE SISTEMAS I
8
OPTIMIZACIÓN DE SISTEMAS I
DISTRIBUCIÓN TEMÁTICA
Clase
Tema Semana Horas
N°
Introducción a la Investigación de
Operaciones: Origen, Definición, Modelo,
1 1 04
Tipos de modelo. Metodología de la
Investigación de Operaciones.
Programación Lineal: Definición, Presentación
del modelo de P.L., Suposiciones del modelo
de P.L., Interpretación económica del modelo
2 de PL., Propiedades del modelo de PL., 2 04
Formas de mostrar el modelo de PL., Variable
de holgura, Transformaciones en el modelo de
PL.
9 Revisión – Nivelación 9 04
10 EXAMEN PARCIAL 10 02
9
OPTIMIZACIÓN DE SISTEMAS I
Clase
Tema Semana Horas
N°
19 EXAMEN FINAL 19 02
10
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 1
PROGRAMACION LINEAL: EL METODO GRAFICO
1.1. INTRODUCCIÓN
Existen problemas de decisión administrativos que pueden ser resueltos
a través de un modelo matemático llamado programación lineal. Por
ejemplo el fabricante desea elaborar un programa de producción de
costo mínimo; exigido por la demanda a atender y limitado por su
capacidad de producción.
1
Función lineal de varias variables es una función de la forma Z = C1 X1 + C2 X2 + C3 X3 +....+
Cn Xn, donde las variables aparecen con exponente 1 y no se permiten productos cruzados: C1
X1 x C2 X2; o de orden superior: C1 X12.
Restricciones lineales: son funciones lineales de tipo:
ai1 X1 + ai2 X2 + ai3 X3 +....+ ain Xn < bi
ò ai1 X1 + ai2 X2 + ai3 X3 +....+ ain Xn > bi
ò ai1 X1 + ai2 X2 + ai3 X3 +....+ ain Xn = bi
11
OPTIMIZACIÓN DE SISTEMAS I
Ejercicio
Juan es un prospero negociante que se dedica a la compra y venta de
naranja y papaya. Él tiene su cartera de clientes que son aquellos
comerciantes que tienen su puesto de frutas en los diferentes mercados
del distrito de Jesús María. Todos los días temprano en la mañana visita
a su proveedor de frutas en el mercado mayorista y hace las compras del
día. El día anterior recibe los pedidos de sus clientes y esta suma 600
kilos de papaya y 1200 kilos de naranja. Juan lleva su camión para el
transporte cuya capacidad de carga es de 1600 kilos. Entonces
¿Cuántos kilos de cada fruta debe comprar Juan para maximizar los
beneficios?
Para resolver esta pregunta se tienen los siguientes precios y costos por
kilo de fruta:
12
OPTIMIZACIÓN DE SISTEMAS I
El Modelo
Maximizar Z = 0.30 X1 + 0.20 X2 (Beneficio Total)
Sujeto a:
R1 X1 < 600 (Cantidad máxima de Papaya)
R2 X2 < 1200 (Cantidad máxima de Naranja)
R3 X1 + X2 < 1600 (Carga máxima del camión)
X1, X2 > 0 (Condición de no negatividad)
X2 X2
(0,0) (600,0) X1
(0,0) (600,0) X1
Gráfica 1
13
OPTIMIZACIÓN DE SISTEMAS I
14
OPTIMIZACIÓN DE SISTEMAS I
X2
Los valores que optimizan la
función objetivo siempre se
encuentran en uno de los
R1
(0,1600) puntos extremos, en este
caso A, B, C, D ó E.
(0,1200) (400,1200) R2
B C
(600,1000)
D
R3
A E (1600,0)
(0,0) (600,0) X1
Gráfica 2
15
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en dólares, que se debe invertir en bonos tipo A.
X2 = Cantidad, en dólares, que se debe invertir en bonos tipo B.
2
WINQSB es un software creado por el Dr. Yih-Long Chang que se puede bajar de internet.
Buscando en google hallamos varias direcciones, una de ellas es http://www.investigacion-
operaciones.com/Metodos_computacionales.htm
16
OPTIMIZACIÓN DE SISTEMAS I
FUNCION OBJETIVO:
Se debe maximizar la rentabilidad total de la inversión en los dos tipos de
bonos.
Maximizar Z = 0.06 X1 + 0.10 X2
RESTRICCIONES:
R1 = Fondo máximo a depositar: X1 + X2 ≤ 50,000
R2 = Máximo a invertir en bonos tipo A: X1 ≤ 0.25 (X1 + X2)
0.75 X1 – 0.25 X2 ≤ 0
R3 = Mínimo a invertir en bonos tipo B: X2 ≥ 10,000
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
17
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1= Cantidad, en dólares, que se debe asignar para créditos
hipotecarios
X2 = Cantidad, en dólares, que se debe asignar para créditos de autos.
FUNCION OBJETIVO:
Se debe maximizar la recuperación total de los préstamos
Maximizar Z = 0.10 X1 + 0.12 X2
RESTRICCIONES:
R1 = Fondo máximo para asignar créditos: X1 + X2 ≤ 20,000,000
R2 = Relación de préstamos X1 ≥ 4 X2 X1 – 4 X2 ≥ 0
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
18
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en unidades, del producto Alfa que se debe producir por
mes.
X2 = Cantidad, en unidades, del producto Beta que se debe producir
por mes.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total de los dos productos
Maximizar Z = 10 X1 + 12 X2
RESTRICCIONES:
R1 = Horas disponibles del Departamento 1: 2X1 + 3X2 ≤ 1500
R2 = Horas disponibles del Departamento 2: 3X1 + 2X2 ≤ 1500
R3 = Horas disponibles del Departamento 3: 1X1 + 1X2 ≤ 600
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
19
OPTIMIZACIÓN DE SISTEMAS I
20
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en onzas, de la fuente alimenticia #1 que se debe
asignar a la dieta por día.
X2 = Cantidad, en onzas, de la fuente alimenticia #2 que se debe
asignar a la dieta por día.
FUNCION OBJETIVO:
Se debe minimizar el costo total de la dieta.
Minimizar Z = 6/16 X1 + 8/16 X2 = 0.375 X1 + 0.5 X2
RESTRICCIONES:
R1 = Cantidad mínima de nutriente A: 100X1 + 200X2 ≥ 1000
R2 = Cantidad mínima de nutriente B: 400X1 + 250X2 ≥ 2000
R3 = Cantidad mínima de nutriente C: 200X1 + 200X2 ≥ 1500
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
21
OPTIMIZACIÓN DE SISTEMAS I
1.3.5. La fábrica ABC vende dos tipos de bombas hidráulicas: (1) normal
y (2) extra grande. El proceso de manufactura asociado con la
fabricación de las bombas implica tres procesos: ensamblado,
pintura y pruebas de control de calidad. Los requerimientos de
recursos para ensamble, pintura y prueba de las bombas se
muestran en la siguiente tabla:
22
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en unidades, de bombas hidráulicas normales que se
debe producir por semana
X2 = Cantidad, en unidades, de bombas hidráulicas extragrandes que
se debe producir por semana.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total de los dos productos
Maximizar Z = 50 X1 + 75 X2
RESTRICCIONES:
R1 = Horas disponibles de ensamble: 3.6 X1 + 4.8 X2 ≤ 4800
R2 = Horas disponibles de pintado: 1.6 X1 + 1.8 X2 ≤ 1980
R3 = Horas disponibles de prueba: 0.6 X1 + 0.6 X2 ≤ 900
R4 = Demanda mínima de X1: X1 ≥ 300
R5 = Demanda mínima de X2: X2 ≥ 180
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
23
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en toneladas, de papel para libros que se debe producir
por año.
X2 = Cantidad, en toneladas, de papel para revistas que se debe
producir por año.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total de los dos productos
Maximizar Z = 215 X1 + 270 X2
RESTRICCIONES:
R1 = Disponibilidad de abeto: 2 X1 + 2 X2 ≤ 300000
R2 = Disponibilidad de pino: 3 X1 + 2 X2 ≤ 450000
R3 = Razón de mercado: X2 ≥ 1.5 X1 1.5 X1 – X2 ≤ 0
R4 = Demanda mínima de X1: X1 ≥ 25000
R5 = Demanda mínima de X2: X2 ≥ 10000
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
24
OPTIMIZACIÓN DE SISTEMAS I
25
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en onzas, del ingrediente A en la lata de 16 onzas.
X2 = Cantidad, en onzas, del ingrediente B en la lata de 16 onzas.
FUNCION OBJETIVO:
Se debe minimizar el costo total de los ingredientes en la lata de 16
onzas.
Minimizar Z = 0.04 X1 + 0.03 X2
RESTRICCIONES:
R1 = Cantidad de los ingredientes A y B en la lata de 16 oz.: X1+X2=16
R2 = Cantidad mínima de proteínas: 0.5 X1 + 0.10 X2 ≥ 4
R3 = Cantidad máxima de grasas C: 0.125 X1 + 0.333 X2 ≤ 2.5
0.375 X1 + X2 ≤ 7.5
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
26
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en libras, de carne molida de res contenida en una libra
de albondigón.
X2 = Cantidad, en libras, de carne molida de cerdo contenida en una
libra de albondigón.
FUNCION OBJETIVO:
Se debe minimizar el costo total de los ingredientes en una libra de
albodigón.
Minimizar Z = 0.80 X1 + 0.60 X2
RESTRICCIONES:
R1 = Cantidad de ingredientes en una libra de albondigón: X1 + X2 = 1
R2 = Cantidad máxima de grasa 0.25 libras: 0.20 X1 + 0.32 X2 ≤ 0.25
27
OPTIMIZACIÓN DE SISTEMAS I
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
28
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en unidades, de automóviles que se debe producir por
mes.
X2 = Cantidad, en unidades, de camiones que se debe producir por
mes.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total de los dos productos
Maximizar Z = 300 X1 + 250 X2
RESTRICCIONES:
R1 = El departamento 1 puede estampar, por mes, planchas metálicas
para 25000 automóviles o 35000 camiones. Supongamos que los
primeros 15 días (1/2 mes) se producen 12500 automóviles,
entonces los últimos 15 días se deben producir 17500 camiones.
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
29
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en galones, del combustible A que se debe producir por
hora.
X2 = Cantidad, en galones, del combustible B que se debe producir por
hora.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total (ingreso menos costo) de los dos
productos
30
OPTIMIZACIÓN DE SISTEMAS I
Ingreso en centavos = 75 X1 + 90 X2
Costo en centavos =
30 (0.25 X1) + 60 (0.25 X1 + 0.50 X2) + 50 (0.50 X1 + 0.50 X2)
Maximizar Z = Ingreso – Costo = 27.5 X1 + 35 X2
RESTRICCIONES:
R1 = Gasolina grado 1 disponible: 0.25 X1 ≤ 75
R2 = Gasolina grado 2 disponible: 0.25 X1 + 0.50 X2 ≤ 150
R3 = Gasolina grado 3 disponible: 0.50 X1 + 0.50 X2 ≤ 200
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
31
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad de días que debe ser operada la refinería I para cumplir
con los requerimientos de producción.
X2 = Cantidad de días que debe ser operada la refinería II para cumplir
con los requerimientos de producción.
FUNCION OBJETIVO:
Se debe minimizar el costo total de operación de las dos refinerías.
Minimizar Z = 2500 X1 + 2000 X2
RESTRICCIONES:
R1 = Cantidad mínima de barriles de petróleo de grado bajo requerido:
200X1 + 100X2 ≥ 800
R2 = Cantidad mínima de barriles de petróleo de grado medio
requerido: 300X1 +200X2 ≥ 1400
R3 = Cantidad mínima de barriles de petróleo de grado alto requerido:
100X1 + 100X2 ≥ 500
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
32
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en litros, del producto químico que se debe producir con
el proceso anterior.
X2 = Cantidad, en litros, del producto químico que se debe producir con
el proceso nuevo.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total del producto químico en los dos
procesos
Maximizar Z = 30 X1 + 20 X2
RESTRICCIONES:
R1 = Descarga máxima de dióxido de azufre: 15 X1 + 5 X2 ≤ 10500
R1 = Descarga máxima de partículas: 40 X1 + 40 X2 ≤ 30000
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
33
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en unidades, del producto Z-1200 que se debe producir
por día.
X2 = Cantidad, en unidades, del producto Z-1500 que se debe producir
por día.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total de los dos productos
Maximizar Z = 50 X1 + 40 X2
RESTRICCIONES:
R1 = Horas disponibles del Departamento 1: 2 X1 ≤ 300
R2 = Horas disponibles del Departamento 2: 3 X2 ≤ 540
R3 = Horas disponibles del Departamento 3: 2 X1 + 2 X2 ≤ 440
R4 = Horas disponibles del Departamento 4: 1.2 X1 + 1.5 X2 ≤ 300
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
34
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad de soldados de madera que se debe producir por
semana.
X2 = Cantidad de trenes de madera que se debe producir por semana.
FUNCION OBJETIVO:
Se debe maximizar la utilidad total (ingreso menos costo) de los dos
productos:
RESTRICCIONES:
R1 = Horas disponibles de carpintería: 1 X1 + 1 X2 ≤ 80
R2 = Horas disponibles de acabado: 2 X1 + 1 X2 ≤ 100
R3 = Demanda máxima de soldados: X1 ≤ 40
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
35
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES DE DECISIÓN:
X1 = Cantidad, en unidades, que se debe adquirir del fondo de acciones
X2 = Cantidad, en unidades, que se debe adquirir del fondo de bonos
FUNCION OBJETIVO:
Se debe minimizar el riesgo total de la inversión.
Minimizar Z = 8 X1 + 3 X2
RESTRICCIONES:
R1 = Cantidad máxima a invertir de dólares: X1 + X2 ≤ 1200000
R2 = Rendimiento anual mínimo requerido: 5 X1 + 4 X2 ≥ 60000
R3 = Inversión mínima en bonos: 100 X2 ≥ 300000
CONDICION DE NO NEGATIVIDAD:
X1 ≥ 0, X2 ≥ 0
36
OPTIMIZACIÓN DE SISTEMAS I
Costo
Proteínas Hidratos Grasas
(pts/kg)
A 2 6 1 600
B 1 1 3 400
37
OPTIMIZACIÓN DE SISTEMAS I
38
OPTIMIZACIÓN DE SISTEMAS I
1.5.9. Una compañía minera tiene abiertas dos minas M1 y M2, desde
las cuales transporta carbón a dos grupos G1 y G2 de una central
térmica. De la mina M1 salen diariamente para la central 800T de
antracita y de la mina M2 300T.
39
OPTIMIZACIÓN DE SISTEMAS I
1.5.14. Un joyero fabrica dos tipos de anillos: los anillos A1 precisan 1g.
de oro y 5g. de plata vendiéndolos a $40 cada uno. Para los
anillos tipo A2 emplea 1,5g. de oro y 1g. de plata y los vende a
$50. El joyero dispone en su taller de 750g. de cada metal.
1.5.15. Electrón S.A. produce 2 tipos de monitores para PC; de 17” y 15”
(conocidos como M17 y M15). Los pronósticos de mercado
indican que será posible vender todos los monitores que se
puedan producir para el siguiente mes.
40
OPTIMIZACIÓN DE SISTEMAS I
41
OPTIMIZACIÓN DE SISTEMAS I
42
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 2
PROGRAMACION LINEAL: FORMULACIÓN DE PROBLEMAS
Nueva Los
De / A Boston Chicago Dallas
York Angeles
Cincinnati $ 120 $ 150 $ 80 $ 250 $ 180
Denver 210 220 150 100 110
Atlanta 150 170 150 240 200
43
OPTIMIZACIÓN DE SISTEMAS I
FORMULACIÓN:
Variables de Decisión:
Sea:
X11 = Número de cajas enviadas de la primera fábrica (Cincinnati) al
primer almacén (Nueva York), en miles de cajas.
Análogamente:
X12, X13, X14, X15 = Número de cajas enviadas de la primera
fábrica (Cincinnati) al segundo, tercer, etc.,
almacén (Boston, Chicago, etcétera)
Función Objetivo:
El objetivo es minimizar costos de transporte.
Restricciones:
Hay dos conjuntos de restricciones para este problema. El primero
garantiza que se cumplirán las necesidades del almacén, entonces, para
Nueva York:
X11 + X21 + X31 = 50
44
OPTIMIZACIÓN DE SISTEMAS I
En forma similar:
Denver: X21+ X22 + X23 + X24 + X25 < 60
Atlanta: X31 + X32+ X33 + X34 + X35 < 50
Por último, todas las X deben ser mayores o iguales que cero.
Condición de no negatividad
X11, X12, …., ……, X35 > 0
45
OPTIMIZACIÓN DE SISTEMAS I
Mezclas Cantidad
Octanaje Presión de vapor
disponibles disponible
Gasolina para
mezcla, tipo 1 104 5 30 000 barriles
Gasolina para
mezcla, tipo 2 94 9 70 000 barriles
FORMULACIÓN:
Variables de Decisión:
Sea:
X1 = Número de barriles de gasolina para la mezcla 1 utilizados en
gasolina para aviación
X2 = Número de barriles de gasolina para la mezcla 2 utilizados en
gasolina para aviación
46
OPTIMIZACIÓN DE SISTEMAS I
Función Objetivo:
La función objetivo es maximizar Z = Ingresos totales:
Maximizar: Z = 45.10 (X1 + X2) + 32.40 (X3 + X4)
= 45.10 X1 + 45.10 X2 + 32.40 X3 + 32.40 X4
Restricciones:
Hay varios tipos de restricciones que afectan la forma en que la refinería
mezclará su gasolina. La primera es el nivel de ventas o tamaño de la
demanda, el hecho de que no pueden venderse más de 20 000 barriles
de gasolina para aviación. Lo anterior puede expresarse así:
X1 + X2 < 20 000
X1 + X3 < 30 000
X2 + X4 < 70 000
47
OPTIMIZACIÓN DE SISTEMAS I
Octanaje 104 * X1 + 94 * X2
de la --------------------------
gasolina para aviación X1 + X2
Las cifras 104 y 94 provienen de la tabla 2.1 y son los octanajes de las
gasolinas para mezcla 1 y 2, respectivamente. En la tabla 2.2 se observa
que el octanaje de la gasolina para aviación debe ser por lo menos 102,
por lo cual se tiene la siguiente restricción:
104 X1 + 94 X2
------------------- > 102
X1 + X2
2 X1 – 8 X2 > 0 Restricciones de
8 X3 – 2 X4 > 0 octanaje
48
OPTIMIZACIÓN DE SISTEMAS I
Condición de no negatividad
X1, X2, X3, X4 > 0
Requerimientos y costos
Mes
1 2 3 4 5 6
Compromisos de entrega
(unidades) 95 85 110 115 90 105
Costo por unidad en
tiempo normal $30 30 32 32 31 32
Costo por unidad en
tiempo extra $35 35 37 37 36 37
FORMULACIÓN:
Variables de Decisión:
Sea:
X1, X2, X3, X4, X5, X6 = Número de unidades producidas en tiempo
normal cada mes
Y1, Y2, Y3, Y4 , Y5 , Y6 = Número de unidades producidas en tiempo
extra cada mes
49
OPTIMIZACIÓN DE SISTEMAS I
Restricciones:
Las restricciones de la producción en tiempo normal son:
Para el mes 2:
I1 + X2 + Y2 = 85 + I2, ó
I1 + X2 + Y2 - I2 = 85
50
OPTIMIZACIÓN DE SISTEMAS I
Mes 5: I4 + X5 + Y5 - I5 = 90
Mes 6: I5 + X6 + Y6 - I6 = 105
Puesto que el inventario final debe ser cero, la última restricción es:
I6 = 0
Minimizar: Z = 30 X1 + 30 X2 + 32 X3 + 32 X4 + 31 X5 + 32 X6 +
35 Y1 + 35 Y2 + 37 Y3 + 36 Y4 + 37 Y5 + 37 Y6 +
2 I 1 + 2 I 2 + 2 I 3 + 2 I 4 + 2 I 5 + 2 I6
Sujeto a: X1 + Y1 - I1 = 95
I1 + X2 + Y2 - I2 = 85 Restricciones
I2 + X3 + Y3 - I3 = 110 de balance de
I3 + X4 + Y4 - I4 = 115 inventario
I4 + X5 + Y5 - I5 = 90
I5 + X6 + Y6 - I6 = 105
X1 < 100
X2 < 100 Restricciones
X3 < 100 de producción
X4 < 100 en tiempo normal
X5 < 100
X6 < 100
Y1 < 15
Y2 < 15 Restricciones
Y3 < 15 de producción
Y4 < 15 en tiempo extra
Y5 < 15
Y6 < 15
I6 = 0 Restricción de inventario final
Condición de no negatividad
X1, X2, X3, X4, X5, X6 > 0
Y1, Y2, Y3, Y4, Y5, Y6 > 0
I1, I2, I3, I4, I5, I6 > 0
51
OPTIMIZACIÓN DE SISTEMAS I
TECNICA DE ENSAMBLADO
Manual Semi-automática Robotizada
Mano de Obra Especializada 1 min 4 min 8 min
Mano de Obra no-especializada 40 min 30 min 20 min
Tiempo de Taller de Ensamblado 3 min 2 min 4 min
FORMULACIÓN:
Variables de Decisión:
Xi: Cantidad de tostadoras ensambladas con la técnica i: (= M, S, R)
Función Objetivo:
Se debe minimizar Costos
Minimizar Z = 7 XM + 8XS + 8.5XR
Restricciones:
Disponibilidad de Recursos:
Ensamblado Manual:
1 XM + 4 XS + 8 XR < 4,500
Ensamblado Semiautomático:
40 XM + 30 XS + 20 XR < 36,000
Ensamblado Robotizado
3XM + 2XS + 4XR < 2,700
Condición de Producción:
XM + XS + XR = 1000
Condición de No Negatividad:
XM > 0 , XS > 0 , XR > 0
52
OPTIMIZACIÓN DE SISTEMAS I
Meses-hombre Meses-hombre
Mes Mes
requeridos requeridos
Enero 60 Abril 80
Febrero 50 Mayo 70
Marzo 60 Junio 100
FORMULACIÓN:
Este problema tiene un aspecto dinámico, ya que la fuerza de trabajo en
cualquier mes depende de la fuerza de trabajo regular y en
adiestramiento del mes anterior. Para cualquier mes, el número total de
meses-hombre disponibles se puede expresar como sigue:
Variables de Decisión
Meses-hombre disponibles: Ri + 0.2Ai
en donde:
Función Objetivo
El objetivo global del gerente de personal es minimizar el costo de
personal
Minimizar Z =
800 (R1 + R2 + R3 + R4 + R5 + R6) + 500 (A1 + A2 + A3 + A4 + A5 + A6)
53
OPTIMIZACIÓN DE SISTEMAS I
Restricciones
Entonces los requerimientos de cada mes pueden expresarse por las
restricciones:
enero R1 + 0.2A1 ≥ 60
febrero R2 + 0.2A2 ≥ 50
marzo R3 + 0.2A3 ≥ 60
abril R4 + 0.2A4 ≥ 80
mayo R5 + 0.2A5 ≥ 70
Enero R1 = 58 (dado)
febrero R2 = 0.9 R1 + A1
marzo R3 = 0.9 R2 + A2
abril R4 = 0.9 R3 + A3
mayo R5 = 0.9 R4 + A4
junio R6 = 0.9 R5 + A5
julio R7 = 0.9 R6 + A6
Condición de No Negatividad:
R1, R2, R3, R4, R5, R6, R7, A1, A2, A3, A4, A5, A6 > 0
54
OPTIMIZACIÓN DE SISTEMAS I
FORMULACIÓN:
Variables de Decisión:
X1 = Cantidad de unidades de adquisición de tanques.
X2 = Cantidad de unidades de adquisición de aviones.
X3 = Cantidad de unidades de adquisición de misiles.
Función Objetivo:
Se debe maximizar la utilidad total de las armas:
Maximizar: Z = 1 X1 + 3 X2 + 2 X3
Restricciones:
Esta primera restricción nos indica la cantidad mínima que se deberá
comprar de tanques es 200:
X1 > 200
1 < X3 < 1
4 X2 2
55
OPTIMIZACIÓN DE SISTEMAS I
Sujeto a:
Cantidad mínima de tanques: X1 > 200
Cantidad mínima de aviones: X2 > 200
Cantidad máxima de aviones: X2 < 300
Relación de misiles con aviones: 4X3 – X2 > 0
2X3 – X2 < 0
Presupuesto militar: 3 X1 + 10X2 + 4X3 = 4500
Condición de No Negatividad:
X1, X2, X3 > 0.
56
OPTIMIZACIÓN DE SISTEMAS I
FORMULACIÓN:
Variables de Decisión
X i j : Cantidad , en kilogramos, de azúcar que van en envases de i (=A,
B) suministrada por los proveedores j(= 1,2)
Donde
A: envases de 1 Kg. y B: envases de 5 Kg.
1: Proveedor uno y 2: Proveedor 2
Función Objetivo
Maximizar Z =
$300(XA1 + XA2) + $250(XB1 + XB2) - $90(XA1 + XB1) - $110(XA2 + XB2)
Restricciones
57
OPTIMIZACIÓN DE SISTEMAS I
Condición de No Negatividad
Xij ≥ 0 ∀i = A, B
∀ j = 1. 2
Número
HORA DEL
Período Mínimo
DIA
Enfermeras
2 AM - 6 AM 1 25
6 AM - 10 AM 2 60
10 AM - 2 PM 3 50
2 PM - 6 PM 4 35
6 PM - 10 PM 5 55
10 PM - 2 AM 6 40
FORMULACIÓN:
Variables de Decisión
En este caso podemos identificar como variable de decisión el número
de enfermeras Ni que comienza a trabajar en el turno "i" (i = 1 : : : 6).
Función Objetivo
El objetivo será disminuir costos
Minimizar Z = 50 N1 + 40 N2 + 40 N3 + 40 N4 + 50 N5 + 50 N6
58
OPTIMIZACIÓN DE SISTEMAS I
Restricciones
Para construir las restricciones es conveniente recurrir a una
representación gráfica de los turnos:
N1 + N2 ≥ 60
N2 + N3 ≥ 50
N3 + N4 ≥ 35
N4 + N5 ≥ 55
N5 + N6 ≥ 40
N6 + N1 ≥ 25
Condición de No Negatividad
Ni ≥ 0 ∀i = 1, 2, …., 6
59
OPTIMIZACIÓN DE SISTEMAS I
FORMULACIÓN:
Variables de Decisión
Pi = Cantidad, en toneladas, de acero que se produce en el mes
i(=1,2,3,4).
Ii = Cantidad, en toneladas, de acero que se quedan en el inventario
al final del mes i(=1,2,3,4).
Ai = Aumento, en toneladas, de la producción de acero en el mes
i(=1,2,3,4)
Di = Disminución, en toneladas, de la producción de acero en el mes
i(=1,2,3,4)
Función Objetivo
Minimizar Z: costo de Producción + costo de Inventario + costo por
Aumento de producción. + costo por Disminución de producción
60
OPTIMIZACIÓN DE SISTEMAS I
Restricciones:
P0 = 1800 Producción del mes anterior al mes 1.
P1 < 4000 Cantidad máxima de producción en el mes 1
P2 < 4000 Cantidad máxima de producción en el mes 2
P3 < 4000 Cantidad máxima de producción en el mes 3
P4 < 4000 Cantidad máxima de producción en el mes 4
I0 = 1000 Inventario inicial del mes 1 es 1000 toneladas
I4>= 1500 Inventario para el mes 4 es al menos 1500 toneladas
Relación Contable
Mes Inventario Inicial + Producción – Inventario Final = Demanda
1 I0 + P1 - I1 = 2400
2 I1 + P2 - I2 = 2200
3 I2 + P3 - I3 = 2700
4 I3 + P4 - I4 = 2500
Condición de No Negatividad
Ii > 0; para todo i(=1,2,3,4)
Pi > 0; para todo i(=1,2,3,4)
Ai > 0; para todo i(=1,2,3,4)
Di > 0; para todo i(=1,2,3,4)
61
OPTIMIZACIÓN DE SISTEMAS I
Bata cuenta con mano de obra suficiente para operar hasta 300
hrs. de tiempo semanal en la operación-1 y hasta 360 hrs. para la
operación-2. Se ha calculado una utilidad de S/.14, S/16 y S/17
por cada par de calzado E1, E2 y E3 respectivamente.
62
OPTIMIZACIÓN DE SISTEMAS I
1 1000 20 10 30 30 10 30
2 2000 10 20 30 30 10 40
3 3000 5 5 70 20 0 50
63
OPTIMIZACIÓN DE SISTEMAS I
64
OPTIMIZACIÓN DE SISTEMAS I
65
OPTIMIZACIÓN DE SISTEMAS I
PRODUCCIÓN SALARIOS
Canastos/sem
$/semana
ana
Artesano dedicado sólo a la producción 10 30.000
Artesano dedicado a prod. y entrenamiento 5 40.000
Aprendiz 5 15.000
Novato 1 5.000
Cada artesano puede entrenar hasta dos novatos por semana (el
entrenamiento de un novato sólo dura una semana). Todo
excedente de producción semanal puede ser guardado para
cumplir los siguientes compromisos comerciales.
66
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 3
EL MÉTODO SIMPLEX
DEFINICIONES
Todo modelo de programación lineal, luego de habérsele agregado las
variables de holgura y/o exceso, se convierte en un sistema de
ecuaciones con n variables y m ecuaciones, siendo n>m, en donde las m
restricciones del modelo dan origen a las m ecuaciones del sistema. Una
solución de tal sistema es un vector n-dimensional que satisface la
relación Ax = b.
67
OPTIMIZACIÓN DE SISTEMAS I
LA SOLUCIÓN ÓPTIMA
Cada solución tiene un valor y la función objetivo controla cuál de las
muchas soluciones es la óptima. Si aplicamos el teorema 1 podemos,
efectivamente, encontrar dicha solución óptima.
68
OPTIMIZACIÓN DE SISTEMAS I
69
OPTIMIZACIÓN DE SISTEMAS I
UN PROBLEMA DE MAXIMIZACIÓN
El tipo más sencillo de problema con el que se trabaja en programación
lineal es el de maximización, en el que todas las restricciones son de tipo
“menor o igual que”.
Problema.- Una empresa cuenta con 1000 toneladas del mineral b1,
2000 toneladas del mineral b2 y 500 toneladas del b3. A partir de dichos
minerales pueden extraerse y fundirse los productos metálicos 1, 2 y 3.
70
OPTIMIZACIÓN DE SISTEMAS I
y la condición de no negatividad:
x1 >= 0; x2 >= 0; x3>= 0
Puesto que cada una de las restricciones es del tipo “menor o igual”,
debemos sumar nuevas variables no negativa, variables de holgura, para
obtener:
Que no sólo es una solución básica inicial sino que también es factible.
El significado físico de las nuevas variables puede ilustrarse razonando
sobre s1. Esta representa, tanto en la primera solución como en todas
las posteriores, la cantidad del mineral b1 sobrante en el programa. Si
s1 resulta igual a cero en la última iteración, será debido a que el
programa emplea todo el material b1 para fabricar todos los productos
del mismo. Puesto que x1=x2=x3=0 en la primera solución, s1 es igual a
la cantidad total del mineral útil b1. Puesto que de no usar el mineral, no
resulta de ningún provecho para la empresa, el coeficiente de s1 en la
función objetivo es cero.
71
OPTIMIZACIÓN DE SISTEMAS I
cj 100 200 50 0 0 0
ck xk b x1 x2 x3 s1 s2 s3 θ
0 s1 1000 5 5 10 1 0 0 200
0 s2 2000 10 8 5 0 1 0 250
0 s3 500 10 5 0 0 0 1 100t
s3: variable
zj 0 0 0 0 0 0 0 saliente
cj – zj 100 200 50 0 0 0
u
x2: variable entrante
En la tabla simplex, la primera fila cj, son los coeficientes de las variables
en la función objetivo. La primera columna ck, es la de los coeficientes
de las variables básicas en la primera solución, la columna xk es la
“solución” y contiene a las variables básicas de la presente solución, la
siguiente columna b contiene el vector solución, es decir los valores que
toman las variables básicas en la solución actual. La sub-matriz bajo las
columnas x1, x2 y x3 son los vectores estructurales, es decir los
coeficientes de las variables en las restricciones. La sub-matriz bajo las
columnas s1, s2 y s3, es la matriz de vectores unitarios. Nótese que
cada variable básica está colocada en la fila en la que aparece el 1 de
su vector unitario. En la última columna se encuentra el cociente θ.
cj–zj, vemos que existen varios valores positivos, por lo tanto la solución
puede ser mejorada. Por la regla del ascenso más rápido, escogemos
como variable entrante en la siguiente solución a la variable x2 por tener
el cj–zj más positivo. Para determinar la variable saliente, calculamos el
cociente θ = min bi / aik para todo los aik >0, la variable saliente
72
OPTIMIZACIÓN DE SISTEMAS I
cj 100 200 50 0 0 0
ck xk b x1 x2 x3 s1 s2 s3 θ
0 s1 500 -5 0 10 1 0 -1 50t
0 s2 1200 -6 0 5 0 1 -1.6 240 sal
200 x2 100 2 1 0 0 0 0.2 --
zj 20000 400 200 0 0 0 40
cj – zj -300 0 50 0 0 -40
u
x2: variable entrante
Tabla de 1ra Iteración
Tabla Óptima:
cj 100 200 50 0 0 0
ck xk b x1 x2 x3 s1 s2 s3
50 x3 50 -0.5 0 1 0.1 0 -0.1
0 s2 950 -3.5 0 0 -0.5 1 -1.1
200 x2 100 2 1 0 0 0 0.2
Tabla de la
zj 20500 375 200 50 5 0 35 2da Iterac.
cj – zj -275 0 0 -5 0 -35
x1 = 0 No se fabrica el producto 1.
x2 = 100 Fabricar 100 tons. del producto 2.
x3 = 50 Fabricar 50 tons. del producto 3.
s1 = 0 Se consume todo el mineral b1.
73
OPTIMIZACIÓN DE SISTEMAS I
VARIABLES ARTIFICIALES
MAXIMIZACIÓN CON RESTRICCIONES DADAS POR “IGUALDADES”
Consideremos el mismo ejemplo de maximización, una de cuyas
restricciones sea una igualdad. Podemos cambiar una restricción del
problema, exigiendo que todo el mineral b2 sea utilizado en la
producción. Esto se hace incluyendo una igualdad en la segunda
restricción. Considerando las variables de holgura en la primera y tercera
restricción, tenemos:
74
OPTIMIZACIÓN DE SISTEMAS I
grande, tan grande que puede dominar a los demás números que
aparecen en el problema. El hecho de penalizar a la variable artificial en
la función objetivo con un coeficiente M, se conoce como el método de
la penalización.
cj 100 200 50 0 -M 0
ck xk b x1 x2 x3 s1 a2 s2
0 s1 1000 5 5 10 1 0 0
-M a1 2000 10 8 5 0 1 0
0 s2 500 10 5 0 0 0 1t
zj -2000M -10M -8M -5M 0 -M 0
cj-zj 100+10M 200+8M 50+5M 0 0 0
u
0 s1 750 0 25 10 1 0 -0.5t
-M a1 1500 0 3 5 0 1 -1
100 x2 50 1 0.5 0 0 0 1
zj 5000-1500M 100M 50-3M -5M 0 -M 0
cj-zj 0 150+3M 50+5M 0 0 -10-M
u
75
OPTIMIZACIÓN DE SISTEMAS I
Para tener una solución inicial básica factible, es necesario añadir una
variable artificial a la segunda restricción. En la función objetivo esta
variable artificial estará penalizado con el coeficiente –M, así:
76
OPTIMIZACIÓN DE SISTEMAS I
MINIMIZACIÓN
La tabla simplex para un problema de minimización se dispone en la
misma forma que para un problema de maximización. Las diferencias en
el problema de minimización son:
cj 2 4 1 0 0 M M
ck xk b x1 x2 x3 s1 s2 a1 a2
0 s1 5 1 2 -1 1 0 0 0
M a1 2 2 -1 2 0 0 1 0
M a2 1 -1 2 2 0 -1 0 1
zj 3M M M 4M 0 -M M M
cj-zj 2-M 4-M 1-4M 0 M 0 0
0 s1 11/2 ½ 3 0 1 -½ 0 ½
M a1 1 3 -3 0 0 1 1 -1
1 x3 ½ -½ 1 1 0 -½ 0 ½
zj M+ ½ - ½ +3M 1-3M 1 0 -M M M
cj-zj 5/2 -3M 3+3M 0 0 ½ -M 0 - ½ +2M
77
OPTIMIZACIÓN DE SISTEMAS I
1
0 s1 16/3 0 7/2 0 -2/3 -1/6 2/3
0
2 x1 1/3 1 -1 0 1/3 1/3 -1/3
0
1 x3 2/3 0 ½ 1 -1/3 1/6 1/3
zj 4/3 2 -3/2 1 0 1/3 5/6 -1/3
cj-zj 0 11/2 0 0 -1/3 -5/6+M 1/3+M
0 s1 6 2 3/2 0 1 0 ½ 0
0 s2 1 3 -3 0 0 1 1 -1
1 x3 1 1 -1/2 1 0 0 ½ 0
zj 1 1 -1/2 1 0 0 ½ 0
cj-zj 1 9/2 0 0 0 -½+M M
s. a. :
3x1 + 5x2 <= 150 Horas de ensamble disponible.
1x2 <= 20 Monitores disponibles para la Portable.
8x + 5x2 <= 300 Espacio de almacén disponible.
x1, x2 >= 0
78
OPTIMIZACIÓN DE SISTEMAS I
s. a. :
3x1 + 5x2 + s1 <= 150
1x2 + s2 <= 20
8x + 5x2 + s3 <= 300
x1, x2, s1, s2, s3 >= 0
Cj 50 40 0 0 0
Ck Xk b x1 x2 s1 s2 s3
0 s1 150 3 5 1 0 0
0 s2 20 0 1 0 1 0
0 s3 300 8 5 0 0 1
Zj 0 0 0 0 0 0
Cj - Zj 50 40 0 0 0
40 x2 12 0 1 8/25 0 - 3/25
0 s2 8 0 0 - 8/25 1 3/25
50 x1 30 1 0 - 5/25 0 - 5/25
Zj 1980 50 40 14/5 0 26/5
Cj - Zj 0 0 - 14/5 0 - 26/5
79
OPTIMIZACIÓN DE SISTEMAS I
PROBLEMA
Una fábrica de productos químicos produce dos tipos de solventes, 1 y 2.
Los costos de producir estos solventes son de $2 y $3 por galón,
respectivamente. Un estudio de mercado ha determinado que la
demanda mínima del solvente 1 para el próximo mes será de 125
galones. Por su parte, la gerencia de producción ha dispuesto que la
producción mínima total de los solventes para el próximo mes sea de
350 galones. El solvente 1 requiere dos horas de tiempo de proceso, y el
solvente 2 requiere una hora para su proceso. Se disponen de 600 horas
de proceso para la producción del siguiente mes.
80
OPTIMIZACIÓN DE SISTEMAS I
Cj 2 3 0 M 0 M 0
Ck Xk b x1 x2 s1 a1 s2 a2 s3
M a1 125 1 0 -1 1 0 0 0
M a2 350 1 1 0 0 -1 1 0
0 s3 600 2 1 0 0 0 0 1
Zj -475M 2M M -M M -M M 0
Cj - Zj 2-M 3-M M 0 M 0 0
2 x1 125 1 0 -1 0 0 0
M a2 225 0 1 1 -1 1 0
0 s3 350 0 1 2 0 0 1
Zj -250-225M 2 M -2+M -M M 0
Cj - Zj 0 3-M 2-M M 0 0
Cj 2 3 0 0 0
Ck Xk b x1 x2 s1 s2 s3
2 x1 250 1 0 0 1 1
3 x2 100 0 1 0 -2 -1
0 s1 125 0 0 1 1 1
Zj 800 2 3 0 -4 -1
Cj - Zj 0 0 0 4 1
81
OPTIMIZACIÓN DE SISTEMAS I
82
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 4
EL PROBLEMA DUAL
83
OPTIMIZACIÓN DE SISTEMAS I
At y >= ct
Como c es un vector fila de n componentes, entonces el Primal
tiene n variables, mientras que el Dual tiene n restricciones. Por
lo tanto cada variable del Primal corresponde a una restricción en
el Dual.
c) Como b es un vector columna de m componentes, entonces el
primal tiene m restricciones ( A x <= b ), mientras que el Dual
tiene m variables ( W = bt y). Por lo tanto, a cada restricción del
Primal, corresponde una variable en el Dual.
d) En el primal, el objetivo es maximizar la función Z, mientras que en
el Dual, el objetivo es minimizar la función W.
e) El rol del vector c en el Primal, corresponde al rol del vector b del
programa Dual, y viceversa.
TEOREMA 1
Si x0 es una solución factible del programa primal P, y0 es una solución
factible del programa Dual D, entonces Z0 = c x0 <= bt y0 = W0.
TEOREMA 2
El Dual del programa Dual es el Primal.
TEOREMA 3
El programa lineal P, expresado en forma estandarizada, tiene el Dual
dado por D.
Primal: Dual:
Max Z = c x Min W = bt y
Sujeto a: Sujeto a:
Ax = b At y >= ct
x >= 0 y sin restricción de signo (SRS).
84
OPTIMIZACIÓN DE SISTEMAS I
TEOREMA DE DUALIDAD
Las siguientes son las únicas relaciones posibles entre los problemas
Primal y Dual:
85
OPTIMIZACIÓN DE SISTEMAS I
86
OPTIMIZACIÓN DE SISTEMAS I
Función objetivo:
Máx Z = 18.5x1 + 20x2
s.a. :
0.05x1 + 0.05x2 <= 1100 Disponib. de nitrato
0.05x1 + 0.10x2 <= 1800 Disponib. de fosfato
0.10x1 + 0.05x2 <= 2000 Disponib. de potasio
x1, x2 >= 0
Al plantear el problema dual, el objetivo es minimizar el uso de los
recursos disponibles, de manera que el valor de los recursos que se
usan en la fabricación de cada uno de los productos respectivos, sea
igual o mayor que la contribución a las utilidades que reportan dichos
productos.
87
OPTIMIZACIÓN DE SISTEMAS I
TABLA 1. Tabla óptima para el planteamiento dual del problema con dos
fertilizantes.
ck xk b y1 y2 y3 s1 s2 a1 a2
-1,100 y1 340 1 0 3 -40 20 40 -20
-1,800 y2 30 0 1 -1 20 -20 -20 20
-
zj -1,100 -1,800 -1,500 8,000 14,000 -8,000 -14,000
428,000
-M+ -M+
cj -zj 0 0 -500 -8,000 -14,000
8,000 14,000
cj → 18.5 20.0 0 0 0
ck xk b x1 x2 s1 s2 s3
18.5 x1 8,000 1 0 40 -20 0
20 x2 14,000 0 1 -20 20 0
0 s3 500 0 0 -3 1 1
zj 428,000 18.5 20.0 340 30 0
cj -zj 0 0 -340 -30 0
88
OPTIMIZACIÓN DE SISTEMAS I
Valor de la
función Problema dual
objetivo
W
Valor óptimo _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _
Problema primal
0 Número de iteraciones
89
OPTIMIZACIÓN DE SISTEMAS I
90
OPTIMIZACIÓN DE SISTEMAS I
91
OPTIMIZACIÓN DE SISTEMAS I
92
OPTIMIZACIÓN DE SISTEMAS I
Cj 150 20 300 0 M 0 M
Ck Xk b y1 y2 y3 s1 a1 s2 a2
M a1 50 3 0 8 -1 1 0 0
M a2 40 5 1 5 0 0 -1 1
Zj -90M 8M M 13M -M M -M M
Cj - Zj 150-8M 20-M 300-13M M 0 M 0
93
OPTIMIZACIÓN DE SISTEMAS I
PROBLEMA:
En una mezcla de productos x1, x2, x3 y x4 representan las unidades de
los productos 1, 2, 3 y 4 respectivamente. Se tiene el siguiente modelo
de programación lineal:
94
OPTIMIZACIÓN DE SISTEMAS I
Cj 4 6 3 1 0 0 0
Ck Xk b x1 x2 x3 x4 s1 s2 s3
0 s1 550 3/2 2 4 3 1 0 0
0 s2 700 4 1 2 1 0 1 0
0 s3 200 2 3 1 2 0 0 1
Zj 0 0 0 0 0 0 0 0
Cj - Zj 4 6 3 1 0 0 0
De la solución óptima del problema Primal, se tiene que los valores que
toman las variables duales en la solución óptima son:
95
OPTIMIZACIÓN DE SISTEMAS I
96
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 5
ANALISIS DE SENSIBILIDAD
97
OPTIMIZACIÓN DE SISTEMAS I
s.a.:
0. 05x1 + 0.05x2 + 0.05x3 <= 1100 Tons. disponibles de Nitrato
0. 05x1 + 0.10x2 + 0.05x3 <= 1800 Tons. disponibles de Fosfato
0.10x1 + 0.05x2 + 0.05x3 <= 2000 Tons. disponibles de Potasio
x1, x2, x3 >= 0
Cj 18.5 20 14.5 0 0 0
Ck Xk b x1 x2 x3 s1 s2 s3
18.5 x1 8,000 1 0 1 40 -20 0
20.0 x2 14,000 0 1 0 -20 20 0
0 s3 500 0 0 -0.05 -3 1 1
Zj 428,000 18.5 20 18.5 340 30 0
Cj-Zj 0 0 -4.0 -340 -30 0
En este análisis hay que recordar que una variable no básica es aquella
cuya contribución neta a las utilidades (es decir, cj –zj ) en la tabla
óptima es no positiva. Es decir, las utilidades que se obtendrían al
fabricar cualquier cantidad de una variable no básica son menores o
iguales que las utilidades a las que sería necesario renunciar.
98
OPTIMIZACIÓN DE SISTEMAS I
Cj 18.5 20 14.5+Δ3 0 0 0
Ci Xk b x1 x2 x3 s1 s2 s3
18.5 x1 8,000 1 0 1 40 -20 0
20.0 x2 14,000 0 1 0 -20 20 0
0 s3 500 0 0 -0.05 -3 1 1
Zj 428,000 18.5 20 18.5 340 30 0
Cj-Zj 0 0 Δ3-4.0 -340 -30 0
99
OPTIMIZACIÓN DE SISTEMAS I
Δj >= | cj – zj |
100
OPTIMIZACIÓN DE SISTEMAS I
Cj 18.5+ Δ1 20 14.5 0 0 0
Ck Xk B x1 x2 x3 s1 s2 s3
18.5+Δ1 x1 8,000 1 0 1 40 -20 0
20.0 x2 14,000 0 1 0 -20 20 0
0 s3 500 0 0 -0.05 -3 1 1
Zj 428,000+8,000 Δ1 18.5+ Δ1 20 8.5+ Δ1 340-40 Δ1 30-20 Δ1 0
Cj-Zj 0 0 -4.0+ Δ1 -340-40 Δ1 -30+20 Δ1 0
Para que la solución actual siga siendo óptima, debe asegurarse que
ningún valor (cj – zj) de la tabla 3 se vuelva positivo. La pregunta es
¿Cuánto puede cambiar c1 en una dirección positiva o negativa de
manera que mantengan las condiciones de optimalidad? Puede
determinarse la magnitud de estos cambios, Δj, despejando una
desigualdad para cada uno de los valores no básico, es decir: cj – zj <=
0. Se tienen entonces las siguientes condiciones para un cambio de Δ1
en el valor de las utilidades de c1:
– 4 – Δ1 <= 0 Δ1 >= – 4
– 340 – 40Δ1 <= 0 Δ1 >= – 8.5
– 30 + 20Δ1 <= 0 Δ1 <= 1.5
101
OPTIMIZACIÓN DE SISTEMAS I
Cj 18.5 20 14.5 0 0 0
Ck Xk B x1 x2 x3 s1 s2 s3
18.5+Δ1 x1 1,100+ ΔN 0.05 0.05 0.05 1 0 0
20.0 x2 1,800 0.05 0.10 0.05 0 1 0
0 s3 2,000 0.10 0.05 0.05 0 0 1
Zj 0 0 0 0 0 0 0
Cj-Zj 18.5 20 14.5 0 0 0
Para hacer esto, se estructura una desigualdad para cada función, mayor
o igual que cero, y se obtiene de ella el intervalo de ΔN que satisface a
cada una de ellas. Estas desigualdades y las variables básicas
correspondientes son:
ΔN >= – 200
ΔN <= 700
ΔN <= 166.67
102
OPTIMIZACIÓN DE SISTEMAS I
Cj 18.5 20 14.5 0 0 0
Ck Xk b x1 x2 x3 s1 s2 s3
18.5 x1 8,000+40ΔN 1 0 1 40 -20 0
20.0 x2 14,000-20 ΔN 0 1 0 -20 20 0
0 s3 500-3 ΔN 0 0 -0.05 -3 1 1
Zj 428,000 18.5 20 18.5 340 30 0
Cj-Zj 0 0 -4.0 -340 -30 0
103
OPTIMIZACIÓN DE SISTEMAS I
Cj 3 5 0 0 0
Ck Xk b x1 x2 s1 s2 s3
0 s1 2 0 0 1 1/3 -1/3
5 x2 6 0 1 0 ½ 0
3 x1 2 1 0 0 -1/3 1/3
Zj 36 3 5 0 3/2 1
Cj-Zj 0 0 0 -3/2 -1
104
OPTIMIZACIÓN DE SISTEMAS I
Por lo tanto esta solución dual sigue siendo factible, es decir óptima. En
consecuencia la solución primal original (2, 6, 2, 0, 0) junto con XNUEVA=0
todavía es óptima, y se concluye que no debe incluirse este nuevo
producto en el plan de producción.
Cj 1 2 3 4 0 0 0
Ck Xk b x1 x2 x3 x4 s1 s2 s3
3 x3 12 1 2 1 2 1 0 0
0 s2 6 0 1 0 0 0 1 0
0 s3 4 0 0 0 1 0 0 1
Zj 36 3 6 3 6 3 0 0
Cj - Zj -2 -4 0 -2 -3 0 0
105
OPTIMIZACIÓN DE SISTEMAS I
106
OPTIMIZACIÓN DE SISTEMAS I
Cj 16 22.8 12.4 0 0 0 0 -M
Ck Xk b x1 x2 x3 s1 s2 s3 s4 a1
0 s1 75 0 0 0 1 -0.37 -0.25 0 0
16 x1 10000 1 0 0 0 20 -20 0 0
0 s4 4500 0 0 1.5 0 -12.5 25 1 -1
22.8 x2 12500 0 1 1.5 0 -12.5 25 0 0
Zj 445000 16 22.8 34.2 0 35 250 0 0
Cj-Zj 0 0 -21.8 0 -35 -250 0 -M
107
OPTIMIZACIÓN DE SISTEMAS I
108
OPTIMIZACIÓN DE SISTEMAS I
CAPÍTULO 6
PROGRAMACION LINEAL ENTERA
6.1. INTRODUCCIÓN
Hasta ahora hemos visto los problemas de programación lineal en el
dominio de los reales. Sin embargo, en muchos modelos algunas o todas
las variables de decisión deben ser enteras. Estos modelos son
conocidos como modelos de programación lineal entera (PLE).
109
OPTIMIZACIÓN DE SISTEMAS I
Formulación.
Resumiendo el problema, se tiene
• Boxcar debe decidir cuántos restaurantes debe abrir en los suburbios
y en el centro de Washington DC
• Desean maximizar su ganancia total semanal promedio
• La inversión total no puede exceder US$ 2.7 millones
• Se deben abrir al menos 2 restaurantes en el centro
• Sólo se cuenta con 19 administradores.
Variables de decisión:
X1 = Número de restaurantes que se deben construir en los suburbios.
X2 = Número de restaurantes que se deben construir en el centro.
110
OPTIMIZACIÓN DE SISTEMAS I
111
OPTIMIZACIÓN DE SISTEMAS I
En conclusión:
112
OPTIMIZACIÓN DE SISTEMAS I
Problema Original
Solución PL
X1 = 5.44 X2 = 2.69
Z = 11900
X2 = 2 X2 > 3
Solución PL Solución PL
X1 = 5 X2 = 2 X1 = 4 X2 = 3
Z = 10000 Z = 10800
Mejor solución con Nueva solución, es
enteros en la rama óptima, No hay más
ramas por investigar
Además ella confía más en el fondo mutuo que en la bolsa, por lo tanto
se impuso la restricción que la máxima cantidad a invertir en la bolsa no
113
OPTIMIZACIÓN DE SISTEMAS I
Formulación.
Variables de Decisión
X1 = Cantidad de acciones de Telecomunicaciones que debe adquirir.
X2 = Cantidad en dólares que debe invertir en el fondo mutuo.
Función Objetivo
Minimizar la inversión de dólares en la compra de acciones y en la
inversión en los fondos mutuos.
Mínimizar Z = 55 X1 + X2
Restricciones
Obtener un retorno de al menos US$250 al año
(68 -55) X1 + 0.09 X2 > 250
Mínimizar Z = 55 X1 + X2
s.a.
13 X1 + 0.09 X2 > 25
55 X1 < 750
33 X1 -0.40 X2 < 0
X1, X2 >= 0, X1 entero
114
OPTIMIZACIÓN DE SISTEMAS I
Si Y < 1
Y>0
Y es entera
Entonces Y es una variable binaria (0,1)
Decisiones Dicotómicas
Cuando se tienen solo 2 elecciones, la decisión se puede representar por
variables de decisión restringidas exclusivamente a 2 valores.
Yi = ⎡1, si la decisión i es sí
⎣ 0, si la decisión i es no
o sea:
Yi ≤ 1
Yi ≥ 0
y Yi es un entero
Decisiones Contingentes
Se dice que una decisión es contingente cuando depende de decisiones
anteriores, en otras palabras:
115
OPTIMIZACIÓN DE SISTEMAS I
Matemáticamente se escribiría:
Yk - YJ ≤ 0
Propuesta A B C D E F G H
Costo (miles
$80 15 120 65 20 10 60 100
de dólares)
Valor 40 10 80 50 20 5 80 100
Variables de Decisión
Yi = ⌠ 1, si el proyecto i (= A, B, C, D, E, F, G, H) SI se financia.
⎩ 0, si el proyecto i (= A, B, C, D, E, F, G, H) NO se financia
116
OPTIMIZACIÓN DE SISTEMAS I
Función Objetivo
Se debe maximizar el valor total
Maximizar Z=40 XA+10 XB+80XC+50XD+20XE+5XF+80XG+100XH
Restricciones
Presupuesto
80XA + 15XB + 120XC + 65XD + 20XE + 10XF + 60XG + 100XH < 320
Restricciones Alternativas:
En ocasiones puede elegirse entre dos restricciones, de manera que
debe cumplirse una "o bien" la otra. En un modelo de Programación
Lineal TODAS las restricciones deben cumplirse para que éste tenga
solución factible, esto se debe a que la presencia de restricciones del
tipo "o bien" crea un espacio de soluciones no convexo. Lo anterior se
puede evitar incorporando al modelo variables binarias y definiendo a M
como un número suficientemente grande el cual, al sumarlo a cualquiera
de las restricciones, automáticamente estaríamos eliminando esa
restricción porque sería redundante.
Ejemplo:
Suponga que se debe elegir sólo una de las siguientes 2 restricciones
3 X1 + 2 X2 ≤ 20,
o bien,
X1 + 3 X2 ≤ 15
117
OPTIMIZACIÓN DE SISTEMAS I
o bien
3 X1 + 2 X2 ≤ 20
X2 + 3 X2 ≤ 15 + M
Si
Y = ⎧ 0 si se elimina la primera restricción.
⎩1 si se elimina la segunda restricción.
3X1 + 2X2 ≤ 20 + M (1-Y) → redundante p / Y = 0, activa p/ Y=1
X1 + 3X2 ≤ 15 + M (Y) → activa p / Y = 0, redundante p/ Y=1
118
OPTIMIZACIÓN DE SISTEMAS I
Si definimos
Yi = ⌠ 1, si la i-ésima restricción no se cumple donde i = 1,2,...N
⎩ 0, si la i-ésima restricción si se cumple
Sea:
Xj Nivel de actividad j.(Unidades producidas)
Cj Xj Costo variable
Kj Costo fijo para esa actividad j.
Xj → Nivel de actividad
Cj → Costo por unidad
Kj → Costo de preparación
Donde
fj (xj) =⎧ Kj + CjXj , si Xj > 0
⎩ 0, si Xj = 0
Minimizar Z = ∑ ( Kj + CjXj )
119
OPTIMIZACIÓN DE SISTEMAS I
Si Kj fuera cero para todos los j el problema seria de P.L. pero si Kj > 0
hay que replantear el problema introduciendo n decisiones de si ó no
acerca de emprender las n actividades respectivas.
Minimizar Z = ∑ ( Cj Xj + KjYj )
El problema quedaría:
: Minimizar Z = ∑ ( Cj Xj + KjYj )
Sujeto a:
Xj - MYj ≤ 0
Yj ≤ 1
Yj ≥0
y Yj es entero para j = 1, 2, 3, ....... n
Restricciones de Aportaciones
Suponga que se tienen las siguientes restricciones:
120
OPTIMIZACIÓN DE SISTEMAS I
Ejercicio 6.3.3:
Cierta compañía industrial ha decidido expandirse construyendo una
nueva fábrica ya sea en Lima o en Arequipa. Está considerando también
la construcción de un nuevo almacén en aquella ciudad que se
seleccione para la nueva fábrica. La información sobre cada alternativa
se muestra en la siguiente tabla:
121
OPTIMIZACIÓN DE SISTEMAS I
Valor
Numero de Pregunta de Variable de Cap. Req. de
Presente
Decisión Sí o No Decisión inversión (mills )
Neto
¿se construye la fábrica
1 Y1 7 20
en Lima ?
¿Se construye la fábrica
2 Y2 5 15
en Arequipa?
¿Se construye el almacén
3 Y3 4 12
en Lima?
¿Se construye el almacén
4 Y4 3 10
en Arequipa ?
Sea:
Yi = ⌠ 1, si la decisión i es Si donde i = 1,2,3,4
⎩ 0, si la decisión i es No
122
OPTIMIZACIÓN DE SISTEMAS I
1 A1 K1 P1
2 A2 K2 P2
3 A3 K3 P3
Restricciones de capacidad:
Almacén 1 X12 + X11 + X14 ≤ A1Y1
Almacén 2 X21 + X22 + X23 + X24 ≤ A2Y2
Almacén 3 X32 + X33 + X34 ≤ A3Y3
123
OPTIMIZACIÓN DE SISTEMAS I
Restricciones de demanda:
Costos de almacén en 1 ⇒
K1Y1 + P1 ( X11 + X12 + X14 ) + C11X11 + C12X12 + C14X14
Similarmente para 2 y 4
K2Y2 + P2 ( X21 + X22 + X23 +X24 ) + C21X21 + C22X22 + C23X23 + C24X24
K3Y3 + P3 ( X32 + X33 + X34 ) + C32X32 + C33X33 + C34X34
124
OPTIMIZACIÓN DE SISTEMAS I
Sea:
Y1 = ⎧ 1 Si el proceso 1 es usado
⎩ 0 Si el proceso 1 no es usado
Y2 = ⎧ 1 Si el proceso 2 es usado
⎩ 0 Si el proceso 2 no es usado
Y3 = ⎧ 1 Si el proceso 3 es usado
⎩ 0 Si el proceso 3 no es usado
Variables de producción.
Sea
X1 = nivel de producción para el proceso 1
X2 = nivel de producción para el proceso 2
X3 = nivel de producción para el proceso 3
125
OPTIMIZACIÓN DE SISTEMAS I
Entonces:
X1 + X2 + X3 = 3500
Para proceso 1:
Si X1 = 0, entonces Y1 = 0
Si X1 > 0, entonces Y1 = 1
Si Y1 = 0, entonces X1 = 0.
Para proceso 2:
Si X2 = 0, entonces Y2 = 0
Si X2 > 0, entonces Y2 = 1
Si Y2 = 0, entonces X2 = 0.
Para proceso 3:
Si X3 = 0, entonces Y3 = 0
Si X3 > 0, entonces Y3 = 1.
Si Y3 = 0, entonces X3 = 0.
126
OPTIMIZACIÓN DE SISTEMAS I
Sujeto a:
X1 + X2 + X3 = 3500
X1 ≤ 2000 Y1
X2 ≤ 3000 Y2
X3 ≤ 4000 Y3
Yi es binaria para i = 1, 2, 3
Xi ≥ 0 para i = 1, 2, 3
127
OPTIMIZACIÓN DE SISTEMAS I
Variables de decisión
Yj = ⎡ 1 si el proyecto j es seleccionado j = 1, 2, 3, 4, 5.
⎣ 0 si el proyecto j no es seleccionado
Y1, Y2, Y3 , Y4 y Y5 Son variables de decisión binarias.
Función objetivo.
La meta de la Cia. es seleccionar los proyectos que maximicen la
utilidad total esperada.
128
OPTIMIZACIÓN DE SISTEMAS I
Sujeto a
60Y1 + 40Y2 + 20Y3 + 40Y4 + 50Y5 ≤ 150
Yi es binaria para i = 1, 2, 3, 4, 5.
Solución.-
Y3 ≤ Y4 restricción a ser agregada
129
OPTIMIZACIÓN DE SISTEMAS I
EJERCICIOS PROPUESTOS
1. Presupuesto de capital
Se esta evaluando el capital de cinco proyectos a lo largo de un
horizonte de planificación de tres años. La siguiente tabla
proporciona las utilidades para cada proyecto, y los egresos
anuales asociados
Utilidades
Proyecto 1 2 3
Mill .US.$
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
Fondos disponibles
25 25 25
Mill.US.$
3. Inversiones
La junta de directores estudia el conjunto de inversiones, donde Ri
y Ci representan el rendimiento total y el costo de la inversión i.
Se quiere maximizar no más de M dólares en total. Determinar un
plan óptimo de inversión.
130
OPTIMIZACIÓN DE SISTEMAS I
inversión Condiciones
1 Ninguna
2 Sólo si 1
3 Sólo si 2
4 Se hará si 1 y 2
5 No si 1 o 2
6 No si 2 y 3
7 Solo si 2 y no 3
Categoría Personas
Mujeres A,b,c.d,e
Hombres F,g,h,i,j
Estudiantes A,b,c,j
Administradores E,f
Profesorado D,g,hi
131
OPTIMIZACIÓN DE SISTEMAS I
Utilidades
8 am 10 am 12 am
Arequipa 10 6 6
Cusco 9 10 9
Trujillo 14 11 10
Iquitos 18 15 10
7. Instalación
Cada día un electricista debe decidir que generadores conectar.
Tiene 3 generadores. Hay dos períodos en el día. En el primer
período se necesitan 2900 MEGAWATTS. En el segundo, 3900
MW. Un generador que se conecte para el primer período puede
ser usado en el segundo sin causar un nuevo gasto de conexión.
132
OPTIMIZACIÓN DE SISTEMAS I
133
OPTIMIZACIÓN DE SISTEMAS I
134
OPTIMIZACIÓN DE SISTEMAS I
BIBLIOGRAFÍA
135