Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACION LINEAL
ESTUDIANTES
KEISA KARINA ROJAS VENCE
DORENIS JOHANA GARCIA MUÑOZ
DIEGO ARMANDO CANTILLO VIZCAINO
JORGE ANTONIO VALBUENA COTES
OSNAIDER BOTELLO RUEDAS
PROFESOR
HAROLD VALLE
DUALIDAD
1. La solución óptima del problema dual proporciona los precios en el mercado o los
beneficios de los recursos escasos asignados en el problema original.
2. La solución óptima del problema dual aporta la solución óptima del problema original y
viceversa.
La resolución de los problemas duales respecto a los primales se justifica dada la facilidad
que se presenta dados problemas donde el número de restricciones supere al número de
variables. Además de tener gran aplicación en el análisis económico del problema.
CARACTERISTICAS
4. Los coeficientes de la función objetivo del dual vendrán dados por los coeficientes del
lado derecho de las restricciones del primal.
5. Los coeficientes del lado derecho del dual vendrán dados por los coeficientes de la
función objetivo del primal.
6. Los coeficientes que acompañaran a las variables en una restricción del dual
corresponderán a aquellos coeficientes que acompañan a la variable primal
correspondiente a la restricción dual.
Es una herramienta útil cuando no tenemos una certeza absoluta sobre los valores que se
han dado a los términos independientes de las restricciones o los coeficientes de la función
objetivo, en este sentido el análisis de sensibilidad consiste en estudiar cómo evoluciona el
óptimo y el valor de la función objetivo del optimo ante variaciones de dichos términos
independientes y coeficientes.
Este análisis consiste en determinar que tan sensible es la respuesta óptima del Método
Simplex, al cambio de algunos datos como las ganancias o costos unitarios coeficientes de
la función objetivo, o la disponibilidad de los recursos términos independientes de las
restricciones.
CARACTERÍSTICAS DEL ANÁLISIS DE SENSIBILIDAD
Los modelos de programación lineal son frecuencias grandes y costosas por lo tanto
no es recomendable para usarlos en un solo caso.
Los elementos que se dan como datos para un problema de programación lineal la
mayoría de las veces son estimaciones; por lo tanto es necesario investigar o tener
en cuenta más de un conjunto de casos posibles.
Los problemas primales, dado que tienen una relación directa con la necesidad del
planteamiento, y sus resultados responden a la formulación del problema original; sin
embargo, cada vez que se plantea y resuelve un problema lineal, existe otro problema
ínsitamente planteado y que puede ser resuelto, es el considerado problema dual, el cual
tiene unas importantes relaciones y propiedades respecto al problema primal que pueden
ser de gran beneficio para la toma de decisiones.
Los problemas primales y duales se encuentran ligados por una serie de relaciones, saber
la existencia de estas puede ser considerado de gran utilidad para la resolución de
problemas que parecen no factibles, o que no pueden ser resueltos mediante un método
en particular.
La resolución de los problemas duales respecto a los primales se justifica dada la facilidad
que se presenta dados problemas donde el número de restricciones supere al número de
variables. Además de tener gran aplicación en el análisis económico del problema. Otra de
las ventajas que presenta, es que dado a que el número de restricciones y variables entre
problema dual y primal es inverso, se pueden resolver gráficamente problemas que
presenten dos restricciones sin importar el número de variables.
De lo anteriormente expuesto se puede deducir que existe una estrecha relación entre el
problema primal y dual que puede expresarse en lo siguiente:
● Los términos independientes del conjunto de las restricciones del problema primal
forman los coeficientes de la función objetivo del dual.
● Los coeficientes de la función objetivo del primal forman los términos independientes
de las restricciones del dual.
● Las restricciones del dual cambian su sentido al igual que el criterio de optimización
en términos de mínimo o máximo.
Para la realización de este análisis vamos a partir del supuesto que se tiene un problema
de programación lineal donde se maximiza el valor de la función objetivo, por ejemplo la
ganancia.
EL DUAL SIMPLEX
Como sabemos, el método simplex es un algoritmo iterativo que iniciando en una solución
básica factible pero no óptima, genera soluciones básicas factibles cada vez mejores hasta
encontrar la solución óptima (sí esta existe). Nótese que la base de su lógica es mantener
la factibilidad, mientras busca la optimalidad. Pero surge la posibilidad de usar otro
esquema igualmente iterativo, que, como contraparte del simplex, comienza en una
solución básica óptima, pero no factible y mantiene la inmejorabilidad mientras busca la
factibilidad. Con este procedimiento se llega igualmente a la solución óptima.
El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre de
Método Dual-Simplex. A continuación, se presenta su estructura y un ejemplo para ilustrar
su aplicación.
El método simplex dual resulta ser una estrategia algorítmica eficiente cuando luego de
llevar un modelo de programación lineal a su forma estándar, la aplicación del método
simplex no es inmediata o más bien compleja, por ejemplo, puede requerir la utilización del
método simplex de 2 fases.
Una aplicación típica del método simplex dual es en la resolución de problemas con una
función objetivo de minimización, con restricciones del tipo mayor o igual y donde las
variables de decisión son mayores o iguales a cero.
Existen algunas de las propiedades de interés a cerca de las soluciones del dual y el primal.
Si el primal tiene solución óptima acotada x*, el dual también tendrá solución óptima
acotada u*, ambas soluciones darán el mismo valor de la función objetivo. c´. x* =
b´. u*
Si uno de los dos problemas tiene óptimo no acotado, el otro solo tendrá solución,
la región factible será un conjunto vacío.
Si uno de los dos problemas no tiene solución, el otro puede obtener óptimo no
acotado, o tampoco tener solución.
Importancia
La resolución de los problemas duales respecto a los primales se justifica dada la facilidad
que se presenta dados problemas donde el número de restricciones supere al número de
variables. Además de tener gran aplicación en el análisis económico del problema.
Otra de las ventajas que presenta es que dado a que el número de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver gráficamente
problemas que presenten dos restricciones sin importar el número de variables.
A B C S1 S2 S3
-15 -2 -1 1 0 0 -200
-7,5 -3 -1 0 1 0 -150
-5 -2 -1 0 0 1 -120
315 110 50 0 0 0 0
Paso 2: Se selecciona el lado derecho "más negativo" lo cual indicará cuál de las actuales
variables básicas deberá abandonar la base. En el ejemplo el lado derecho más negativo
se encuentra en la primera fila, por tanto, S1 deja la base. Para determinar cuál de las
actuales variables no básicas (A, B, C) entrará a la base se busca el mínimo de {-Yj/aij}
donde aij es el coeficiente de la respectiva variable no básica en la fija i (del lado derecho
más negativo, marcado en verde) y donde Yj es el costo reducido de la respectiva variable
no básica. De esta forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21, donde el pivote
(marcado en rojo) se encuentra al hacer el primer cociente, por tanto, A entra a la base.
A B C S1 S2 S3
-
1 2/15 1/15 0 0 40/3
1/15
-
0 -4/3 -2/3 -1/3 0 1
160/3
-
0 68 29 21 0 0
4.200
A B C S1 S2 S3
-
1 0 0 0 1/10 8
1/10
0 1 0 1/4 -1 3/4 10
0 0 1 0 2 -3 60
-
0 0 0 4 10 36
6.620
Cuando escribimos un modelo, damos por aceptado que los valores de los parámetros se
conocen con certidumbre; pero en la realidad no siempre se cumple que los valores sean
verídicos, ya que por ejemplo las variaciones en los costos de los materiales, en la mano
de obra o en el precio de un producto, ocasionan cambios en los coeficientes de la función
objetivo. Así mismo las demoras en los envíos de los proveedores, las huelgas, los
deterioros no previstos y otros factores imponderables generaran cambios en la
disponibilidad de los recursos.
Los cambios en el modelo matemático, que pueden cuantificarse a veces sin necesidad de
volver a resolver el modelo, se relacionan con:
Los efectos de cambios en los coeficientes dentro de la matriz A son muy difíciles de
cuantificar, y por tanto en estos casos se aconseja correr de nuevo el modelo con los
cambios. En primera instancia veremos cuando solo un coeficiente cambia; después
veremos cuando varios coeficientes cambian simultáneamente.
1. Revisión del modelo: se realizan los cambios que se desean investigar en el modelo.
2. Revisión de la tabla final Símplex: se aplica el criterio adecuado para determinar los
cambios que resultan en la tabla final Símplex.
3. Conversión a la forma apropiada de eliminación Gauss: se convierta la tabla en la
forma apropiada para identificar y evaluar la solución básica actual, para lo cual se
aplica la metodología de eliminación Gauss si es necesario.
6. Reoptimización: si esta solución no pasa una de las pruebas indicadas en los puntos
4 y 5 anteriores, se procede a buscar la nueva solución óptima a partir de la tabla
actual como tabla Simplex inicial, luego de aplicadas las conversiones de lugar, ya
sea con el método Símplex o el Símplex Dual.
MODELO DE TRANSPORTE.
DEFINICIÓN.
Se considera también como una técnica cuantitativa, la cual es utilizada para minimizar los
costos asociados a la distribución de un bien o un servicio desde diferentes orígenes hasta
diferentes destinos, sin embargo, las condiciones de linealidad están presentes, como en
cualquier técnica de programación lineal.
OBJETIVO.
Para esto se debe contar con un nivel de oferta en cada fuente y la cantidad de demanda
en cada destino; y también, un costo de transporte unitario de mercancía desde cada punto
fuente hasta cada destino. También es necesario satisfacer ciertas restricciones; primero
no enviar más de la capacidad especificada desde cada punto de suministro (oferta),
segundo enviar bienes solamente por las rutas válidas y por último, cumplir o exceder los
requerimientos de bienes en los puntos de demanda.
Debido al éxito alcanzado en los diferentes sistemas de transporte, esta técnica o método
empezó a ser empleado en otros sistemas, en ellos el problema no implica transporte físico
de bienes, pero existen relaciones lineales y el modelo formulado contiene las
características de un modelo de transporte, teniendo en cuenta que el modelo supone que
el costo de envío de una ruta determinada es directamente proporcional al número de
unidades enviadas en esa ruta. Sin embargo, algunas de sus aplicaciones importantes
(como la programación de la producción) de hecho no tienen nada que ver con el transporte.
CARACTERÍSTICAS.
4. Cada modelo tiene tantas restricciones de oferta como el número de orígenes (m)
que existan y tantas restricciones de demanda como el número de destinos (n) que
existan.
1
1
a1
b1
2 2
Unidades n
de oferta. Unidades de
m demanda.
b2
a2
bn
m3
Cmn Xmn
4. Propiedad de soluciones enteras: En los casos en los que tanto los recursos
como las demandas toman un valor entero, todas las variables básicas
(asignaciones), de cualquiera de las soluciones básicas factibles, incluyendo la
solución óptima.
FORMA TABULAR:
DESTINOS OFERTA
(1) (2)
CALI (3)
X21 X22
102 68
X31 X32
De la tabla anterior se puede explicar qué; en los renglones se ubican los orígenes
indicando en la columna de la derecha los recursos (oferta disponible).
En las columnas se ubican los dos destinos indicando en el último renglón los
totales demandados, y en el pequeño recuadro ubicado en la margen superior derecha se
indica el costo de distribuir una unidad desde el origen hasta ese destino y en la parte
inferior de cada recuadro se registran las asignaciones Xi para cada variable. En los casos
donde la sumatoria de los recursos y la demanda no sean las mismas, se agrega un origen
o destino ficticio con la cantidad que permita cumplir la propiedad de soluciones factibles.
Problema de transporte
Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es
utilizado con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy
elevado.
Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina
Noroeste. Es común encontrar gran variedad de métodos que se basen en la misma
metodología de la esquina Noroeste, dado que podemos encontrar de igual manera el
método e la esquina Noreste, Sureste o Suroeste.
Se parte por esbozar en forma matricial el problema, es decir, filas que representen fuentes
y columnas que representen destinos, luego el algoritmo debe de iniciar en la celda, ruta o
esquina Noroeste de la tabla (esquina superior izquierda).
Paso 1
Paso 2
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después
del «Paso 1», si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la
restante se deja con demanda u oferta cero (0) según sea el caso.
Paso 3
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o
columna, si este es el caso se ha llegado al final el método, «detenerse».
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.
Solución paso a paso
Nueva iteración:
Una vez finalizada esta asignación, se elimina la «Planta 3» que ya ha sido satisfecha con
la asignación de 60 unidades, por ende nos queda una sola fila a la cual le asignamos las
unidades estrictamente requeridas y hemos finalizado el método.
El cuadro de las asignaciones (que debemos desarrollarlo paralelamente) queda así:
Mínimos costos
El método del costo mínimo o método de los mínimos costos es un algoritmo desarrollado
con el objetivo de resolver problemas de transporte o distribución, arrojando mejores
resultados que métodos como el de la esquina noroeste, dado que se enfoca en las rutas
que presentan menores costos.
Este algoritmo es mucho más sencillo que los anteriores, dado que se trata simplemente
de la asignación de la mayor cantidad de unidades posibles (sujeta a las restricciones de
oferta y/o demanda) a la celda menos costosa de toda la matriz hasta finalizar el método.
Paso 1
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se
procede a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad
asignada a la celda.
Paso 2
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después
del «Paso 1», si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la
restante se deja con demanda u oferta cero (0) según sea el caso.
Paso 3
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o
columna, si este es el caso se ha llegado al final el método, «detenerse».
El problema
Seleccionamos la celda con menor valor, es decir la menos costosa, para asignarle la mayor
cantidad posible.
Problema de transporte
Paso 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.
Paso 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en
el «Paso 1» se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).
Paso 3
Si queda sin tachar exactamente una fila o columna con cero oferta o demanda,
detenerse.
Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las
variables básicas en la fila o columna con el método de costos mínimos, detenerse.
Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda,
determine las variables básicas cero por el método del costo mínimo, detenerse.
Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las
ofertas y las demandas se hayan agotado.
El problema
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas
las ciudades al tiempo que minimice los costos asociados al transporte.
Sin embargo, cabe recordar que uno de los errores más frecuentes en los que caen los
ingenieros industriales es en tratar de adaptar sus organizaciones a los modelos
establecidos, cabe recordar que son los modelos los que deben adaptarse a las
necesidades, lo cual requiere de determinada habilidad para realizar de forma inmediata
cambios innovadores para sus fines.
El método del Cruce del Arroyo, Trampolín, o de Salto de Piedra en Piedra (Stepping Stone)
es un método de resolución de problemas de transporte en programación lineal que
consiste en calcular cuál sería la variación del costo del envío a través de las ruta posibles,
es decir asignar cierta cantidad de artículos desde varios orígenes (fábricas/fuentes) a un
conjunto de destinos (clientes/depósitos) de tal manera que se disminuyan los costos, hasta
optimizar el objetivo. Se parte de una solución factible de Costo Mínimo, Vogel, o Esquina
Noroeste.
El Método del Cruce del Arroyo, se basa en una solución inicial y mediante un proceso
repetitivo sobre las celdas vacías (en el que se salta) buscando llegar a una solución óptima
más conveniente que la hallada por los métodos mencionados. Si la solución de partida no
es relativamente favorable en costos, el método requerirá una mayor cantidad de
repeticiones para llegar a la solución óptima.
2. Definir las celdas que son de agua y las que son de piedras, las celdas de agua son
aquellas a los que no le hemos asignado un valor, mientras que las de piedra son
aquellas a las que le hemos asignado un valor de transporte.
3. Calcular los costos relativos de las celdas de agua, mediante el salto de piedra en
piedra en dirección vertical y/o horizontal (no en diagonal) realizando un
procedimiento de sumas y resta de los costos de los nodos de salto.
4. De los costos relativos obtenidos de las celdas de agua se debe seleccionar el más
negativo. En caso de ser todos positivos ya estamos ante una solución óptima.
6. Recalculamos los costos relativos para las celdas de agua en función de la nueva
matriz, nuevamente si se presenta algún valor negativo se debe realizar el cálculo
de costos relativos de las celdas de agua y repetir el proceso hasta lograr que todos
sean positivos, una vez logrado esto no hay posibilidades de mejorar el resultado
de la función objetivo.
Para explicar el método vamos a partir de un ejercicio de transporte de tres fábricas y cuatro
depósitos en el que se cuenta con una determinada producción y demanda de distribución
resuelta por el método de costo mínimo:
El primer paso es identificar a las celdas de agua (vacías) y las celdas de piedra
(llenas), desde las celdas de agua que están vacías y serán positivas, deberemos
partir, saltando y pisando siempre en celdas de piedra siguiendo una secuencia de
paridad para completar + y - (negativo y positivo) siempre en forma vertical u
horizontal como veremos a lo largo del ejemplo.
Como podemos apreciar existe un solo camino o ruta negativa, así que lo seleccionamos,
en caso de que existieran varios se parte de la selección del más negativo.
Por lo tanto, volvemos a la ruta del camino seleccionado:
De las celdas negativas de la ruta que son Fabrica B Deposito 1 y Fabrica A Deposito 2
tomamos la menor en cantidad que es Fabrica B Deposito 1 y realizamos el traslado de
Fabrica B Deposito 1 cuyo valor es 27 a Fabrica B Deposito 2 por lo tanto:
Una vez definidas las celdas de agua y de piedra repetimos nuevamente el método para
ubicar una ruta o camino negativo o confirmar que estamos ante una solución óptima:
El método del cruce del arroyo, nos confirma que la solución es óptima puesto que todos
los valores son positivos; 2, 1, 6, 9, 4 y 13 y hemos mejorado de $558 a $531.-
Método MODI
El algoritmo MODI conocido como el método de los costes ficticios, consiste en añadir a la
matriz de costes una fila y una columna que recogen unos costes ficticios determinados
arbitrariamente (los números MODI), tal que permite calcular los índices de mejora para las
celdas (casillas) no utilizadas.
A continuación se explicará con un ejercicio cada uno de los pasos que se deben realizar
para la resolución de problemas de transporte por el método MODI
COMPARACIÓN DEL METODO DE TRANSPORTE Y ALGORITMO SIMPLEX.
Se debe tener en cuenta que; mientras que el método de transporte busca determinar un
plan de transporte de una mercancía de varias fuentes a varios destinos, el algoritmo
simplex; se utiliza para hallar las soluciones óptimas de un problema de programación
lineal con tres o más variables. Es un procedimiento iterativo de programación lineal que va
desechando las soluciones no factibles y, en cada paso, evalúa si la solución obtenida es
óptima o no.
A demás de esto, se deben tener en cuenta las etapas del algoritmo las cuales son:
Para determinar las variables de un problema mediante el método del simplex, es preciso
hallar primero la base de resolución, teniendo en cuenta que para esta base se debe tener
en cuenta:
EL PROBLEMA DE ASIGNACION
Para que se ajuste a la definición de un problema de asignación, es necesario que este tipo
de aplicaciones se formule de manera tal que se cumplan los siguientes supuestos:
EL PROBLEMA
PASO 1
PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz original y el
elemento menor de la fila a la cual corresponde.
PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta vez en
relación a las columnas, por ende escogemos el elemento menor de cada columna.
Igualmente construimos una nueva matriz con la diferencia entre los valores de la matriz 2
y el elemento menor de la columna a la cual corresponde cada valor.
PASO 4
Como se puede observar el menor número de líneas horizontales y/o verticales necesarias
para cubrir los ceros de la matriz de costos reducidos es igual a 2, por ende al ser menor
que el número de filas o columnas es necesario recurrir al paso 5.
PASO 5
En este paso seleccionamos el menor elemento de los elementos no subrayados.
Por ende la asignación que representa el menor costo para la jornada de mantenimiento
preventivo determina que el Equipo 1 realice el mantenimiento de la Máquina 1, el Equipo
2 realice el mantenimiento de la Máquina 3 y el Equipo 3 realice el mantenimiento de la
Máquina 2, jornada que tendrá un costo total de 17 unidades monetarias.