Repú blica Bolivariana de Venezuela

I.U Polité cnico Santiago Mariñ o

Barinas Edo. Barinas

Programación
Lineal,
Paramétrica y
Entera

Alumna:

Ana Benavente ci 18289829

Barinas, Julio de 2015
 Programació n Lineal

La Programació n Lineal corresponde a un algoritmo a travé s del cual se

resuelven situaciones reales en las que se pretende identificar y
resolver dificultades para aumentar la productividad respecto a los
recursos (principalmente los limitados y costosos), aumentando así los
beneficios. El objetivo primordial de la Programació n Lineal es
optimizar, es decir, maximizar o minimizar funciones lineales en varias
variables reales con restricciones lineales (sistemas de inecuaciones
lineales), optimizando una funció n objetivo tambié n lineal.

Los resultados y el proceso de optimizació n se convierten en un

respaldo cuantitativo de las decisiones frente a las situaciones planteadas.
Decisiones en las que sería importante tener en cuenta diversos
criterios administrativos como:

 Los hechos
 La experiencia
 La intuició n
 La autoridad

¿COMO RESOLVER UN PROBLEMA MEDIANTE PROGRAMACIÓ N LINEAL?

El primer paso para la resolució n de un problema de programació n

lineal consiste en la identificació n de los elementos bá sicos de un
modelo matemá tico, estos son:

 Funció n Objetivo
 Variables
 Restricciones

El siguiente paso consiste en la determinació n de los mismos, para lo cual

proponemos seguir la siguiente metodología:
° LA FUNCIÓ N OBJETIVO
La funció n objetivo tiene una estrecha relació n con la pregunta general que
se desea responder. Sí en un modelo resultasen distintas preguntas,
la funció n objetivo se relacionaría con la pregunta del nivel superior, es
decir, la pregunta fundamental. Así por ejemplo, si en una situació n se
desean minimizar los costos, es muy probable que la pregunta de mayor
nivel sea la que se relacione con aumentar la utilidad en lugar de un
interrogante que busque hallar la manera de disminuir los costos.

° LAS VARIABLES DE DECISIÓ N

Similar a la relació n que existe entre objetivos específicos y
objetivo general se comportan las variables de decisió n respecto a la
funció n objetivo, puesto que estas se identifican partiendo de una serie de
preguntas derivadas de la pregunta fundamental. Las variables de decisió n
son en teoría factores controlables del sistema que se está modelando, y
como tal, estas pueden tomar diversos valores posibles, de los cuales se
precisa conocer su valor ó ptimo, que contribuya con la consecució n del
objetivo de la funció n general del problema.

° LAS RESTRICCIONES
Cuando hablamos de las restricciones en un problema de
programació n lineal, nos referimos a todo aquello que limita la libertad
de los valores que pueden tomar las variables de decisió n. La mejor
manera de hallarlas consiste en pensar en un caso hipoté tico en el que
decidié ramos darle un valor infinito a nuestras variables de decisió n,
por ejemplo, ¿qué pasaría sí en un problema que precisa maximizar sus
utilidades en un sistema de producció n de calzado decidié ramos producir
una cantidad infinita de zapatos? Seguramente ahora nos surgirían
mú ltiples interrogantes, como por ejemplo:

*Con cuá nta materia prima cuento para producirlos.

* Con cuá nta mano de obra cuento para fabricarlos.
 * Pueden las instalaciones de mi empresa albergar tal cantidad de
producto.
* Podría mi fuerza de mercadeo vender todos los zapatos.
* Puedo financiar tal empresa.

Pues bueno, entonces habríamos descubierto que nuestro sistema presenta

una serie de limitantes, tanto físicas, como de contexto, de tal manera que
los valores que en un momento dado podrían tomar nuestras variables
de decisió n se encuentran condicionados por una serie de restricciones.

° EJEMPLO DE RESOLUCIÓ N DE UN PROBLEMA DE PROGRAMACIÓ N

LINEAL

EL PROBLEMA
La fá brica de Hilados y Tejidos "SALAZAR" requiere fabricar dos
tejidos de calidad diferente T y T’; se dispone de 500 Kg de hilo a, 300
Kg de hilo b y 108 Kg de hilo c. Para obtener un metro de T
diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c; para
producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de b y
27 gr de c.

El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se

debe obtener el má ximo beneficio, ¿cuá ntos metros de T y T’ se deben
fabricar?
El problema se recomienda leer en má s de una ocasió n para facilitar el
reconocimiento de las variables, ademá s es muy recomendable la
elaboració n de tablas o matrices que faciliten una mayor comprensió n
del mismo.

° PASO 1: "FORMULAR EL PROBLEMA"

Para realizar este paso partimos de la pregunta central del problema.

¿cuá ntos metros de T y T’ se deben fabricar?

Y la formulació n es:
 “Determinar la cantidad de metros diarios de tejido tipo T y T’ a
fabricar teniendo en cuenta el ó ptimo beneficio respecto a la utilidad”.

° PASO 2: DETERMINAR LAS VARIABLES DE DECISIÓ N Basá ndonos en la

formulació n del problema nuestras variables de decisió n son:

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

° PASO 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA

En este paso determinamos las funciones que limitan el problema,
estas está n dadas por capacidad, disponibilidad, proporció n, no
negatividad entre otras.

De disponibilidad de materia prima:

0,12XT + 0,2XT’ <= 500 Hilo “a”

0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”

De no negatividad

XT,XT’ >= 0

° PASO 4: DETERMINAR LA FUNCIÓ N OBJETIVO

En este paso es de vital importancia establecer el contexto operativo del
problema para de esta forma determinar si es de Maximizació n o
Minimizació n. En este caso abordamos el contexto de beneficio por
ende lo ideal es Maximizar.

Funció n Objetivo

ZMAX = 4000XT + 5000XT’

°PASO 5: RESOLVER EL MODELO UTILIZANDO SOFTWARE O MÉ TODOS
MANUALES

A menudo los problemas de programació n lineal está n constituidos por

innumerables variables, lo cual dificulta su resolució n manual, es por
esto que se recurre a software especializado, como es el caso de
WinQSB, TORA, Lingo o para modelos menos complejos se hace ú til la
herramienta Solver de Excel.

El anterior ejercicio fue resuelto mediante Solver - Excel, y su

resultado fue:

MÉ TODO GRÁ FICO

El mé todo grá fico es un procedimiento de solució n de problemas de

programació n lineal muy limitado en cuanto al nú mero de variables (2 si
es un grá fico 2D y 3 si es 3D) pero muy rico en materia de
interpretació n de resultados e incluso aná lisis de sensibilidad. Este
consiste en representar cada una de las restricciones y encontrar en la
medida de lo posible el polígono (poliedro) factible, comú nmente
llamado el conjunto solució n o regió n factible, en el cual por razones
trigonomé tricas en uno de sus vé rtices se encuentra la mejor
respuesta (solució n ó ptima).

MÉ TODO SIMPLEX

El Mé todo Simplex es un mé todo analítico de solució n de problemas de

programació n lineal capaz de resolver modelos má s complejos que los
resueltos mediante el mé todo grá fico sin restricció n en el nú mero de
variables.
El Mé todo Simplex es un mé todo iterativo que permite ir
mejorando la solució n en cada paso. La razó n matemá tica de esta
mejora radica en que el mé todo consiste en caminar del vé rtice de un
poliedro a un vé rtice vecino de manera que aumente o disminuya
(segú n el contexto de la funció n objetivo, sea maximizar o minimizar),
dado que el nú mero de vé rtices que presenta un poliedro solució n es finito
siempre se hallará solució n.

Este famosísimo mé todo fue creado en el añ o de 1947 por el

estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich
Kantorovich, con el á nimo de crear un algoritmo capaz de solucionar
problemas de m restricciones y n variables.

¿QUE ES UNA MATRIZ IDENTIDAD?

Una matriz puede definirse como una ordenació n rectangular de elementos,

(o listado finito de elementos), los cuales pueden ser nú meros reales
o complejos, dispuestos en forma de filas y de columnas.
La matriz idé ntica o identidad es una matriz cuadrada (que posee el mismo
nú mero tanto de columnas como de filas) de orden n que tiene todos los
elementos diagonales iguales a uno (1) y todos los demá s componentes
iguales a cero (0), se denomina matriz idé ntica o identidad de orden n,
y se denota por:

La importancia de la teoría de matrices en el Mé todo Simplex es

fundamental, dado que el algoritmo se basa en dicha teoría para la
resolució n de sus problemas.

Programació n Lineal Entera

Los modelos de programació n entera son una extensió n de los

modelos lineales en los que algunas variables toman valores enteros. Con
frecuencia las variables enteras só lo toman valores en 0-1, ya que este tipo
de variables permiten representar condiciones ló gicas. Este tipo de
modelos permite representar sistemas mucho má s complejos. A cambio,
la resolució n de los mismos se complica excesivamente. No se puede
utilizar la suavidad de las funciones para inferir el comportamiento de las
mismas cerca del ´optimo. Problemas con unas solas decenas de variables
pueden ser casi imposibles de resolver.

• Existen tres tipos de modelos de programació n entera:

Pura
Binaria

Mixta

° Programació n Entera Pura

o Un modelo entero puro (PLE) es, como su nombre lo indica, un

problema en el que se exige que todas las variables de decisió n
tengan valores enteros. Por ejemplo
Min 6×1 + 5×2 + 4×3
s.a. 108×1 + 92×2 + 58×3 &gt;= 576
7×1 + 18×2 + 22×3 &gt;= 83

o x1, x2, x3 >= 0 y enteros

o 4. Es un modelo entero puro. Sin las restricciones adicionales de que
x1, x2, x3 sean enteros (o sea las condiciones de integralidad) seria un
problema de programació n lineal

Ejemplo
Corte de Madera Una
marquetería debe enmarcar 175 cuadros de 119x96 cm. En el mercado
puede comprar varillas de la moldura indicada con longitud de
300 cm.
¿Có mo deben cortarse las varillas para obtener los marcos requeridos,
obteniendo el menor sobrante posible? Solució n:
Modalidades de corte

° PROGRAMACION ENTERA MIXTA

Algunas de las variables de decisió n tienen valores enteros. Las
demá s cumplen con la suposició n de divisibilidad.

 Un problema en el que solo se requieren que algunas variables

tengan valores enteros mientras que otras pueden asumir
cualquier nú mero no negativo (es decir, cualquier valor co ntinuo)
se llama programació n lineal entera mixta (PLEM). Por ejemplo,
supó ngase que en el problema solo x1 y x2 deben ser enteros y x3
no. El problema resultante es:
Ejemplo
Programació n de la Producció n de un Ensamble Cierta
empresa produce un artículo que se forma con cuatro piezas del
componente A y tres piezas del componente B.

Las piezas se pueden fabricar en cualquiera de las tres má quinas diferentes

que posee la compañ ía, las cuales transforman las dos materias primas en
las piezas que van al en samble del producto final. La tabla siguiente
muestra el nú mero de gramos de cada materia prima que deben
utilizarse en cada má quina para realizar un ciclo de producció n de las
componentes. La misma tabla muestra el nú mero de componentes de
cada tipo que se obtienen en cada ciclo de producció n de cada una
de las maquinas, así como el nú mero de gramos disponibles
de las materias primas.

¿Có mo debe programarse la producció n para obtener la má xima

cantidad de artículos?

Construcció n del modelo

Para un mejor entendimiento elaboremos un diagrama de la situació n

Definició n de variables
Xi = Nú mero de tandas de producció n que realiza la má quina i.
Cada tanda de producció n de las má quinas utiliza cierta cantidad de
las materias primas y produce cierta cantidad de los componentes A y B,
con los cuales se obtiene el ensamble del producto final. Como
para cada unidad del ensamble se utilizan cuatro unidades del componente
A y tres del componente B, se concluye que el nú mero total de
ensambles obtenidos será el resultado de dividir por cuatro el numero de
componentes tipo A, pero tambié n debe ser igual al numero de
componentes tipo B, dividido por tres. Necesitamos entonces
definir tambié n que

XA = nú mero de componentes de tipo A obtenidas. XB =

nú mero de componentes de tipo B obtenidas.
PROGRAMACION ENTERA BINARIA
Utiliza variables binarias

Programació n Entera Binaria

En algunos problemas se restringe el valor de las variables a 0 o 1. Son

de particular interé s debido a que se pueden usar las variables 0 –
1 para representar decisiones dicotó micas (sí o no). Diversos
problemas de asignació n, ubicació n de plantas, planes de producció n y
elaboració n de cartera, son de programació n lineal entera 0 –1.

Programació n Entera Binaria

 Existen dos mé todos para generar las restricciones especiales que

fuercen la solució n ó ptima del problema, hacia la solució n ó ptima
entera deseada:

- Mé todo de ramificar y acotar.

- Mé todo de planos de corte.

Desafortunadamente, ninguno de los dos mé todos es efectivo en la

solució n de problemas de programació n lineal entera.

Programació n de Proyectos Una

compañ ía tiene cuatro proyectos llamados A, B, C y D, cada uno de los
cuales puede o no hacerse. Los proyectos B y D no se pueden ejecutar
simultá neamente (son mutuamente excluyentes). La informació n
relevante de los proyectos es: (cifras en millones de pesos)

° Problemas típicos:

Problema del transporte

Problema de flujo con coste mínimo en red

Problema de asignació n

Problema de la mochila (knapsack)

Problema del emparejamiento (matching)

Problema del recubrimiento (set-covering)

Problema del empaquetado (set-packing)

Problema de partició n (set-partitioning)

Problema del coste fijo (fixed-charge)

Problema del viajante (TSP)

Problema de rutas ó ptimas

Programació n Lineal Paramétrica

Se refiere al estudio sistemá tico de los cambios en la solució n ó ptima

cuando cambia el valor de muchos pará metros al mismo tiempo,
dentro de un intervalo. Por el contrario, la programació n lineal paramé trica
(o programació n paramé trica en forma má s corta) se refiere al estudio
sistemá tico de los cambios en la solució n ó ptima cuando cambia el
valor de muchos pará metros al mismo tiempo, dentro de un intervalo.
Este estudio proporciona una extensió n muy ú til al aná lisis de
sensibilidad; por ejemplo, se puede verificar el efecto de cambios
simultá neos en pará metros "correlacionados", causados por factores
exó genos tales como el estado de la economía. sin embargo, una
aplicació n má s importante es la investigació n de los trueques
entre los valores de los pará metros. por ejemplo, si los valores de cj
representan la ganancia unitaria de las actividades respectivas, es
posible aumentar el valor de alguna cj a costa de disminuir el de otras
mediante un intercambio apropiado de personal y equipo entre las
actividades. De manera parecida, si los valores
de bi representan las cantidades disponibles de los respectivos
recursos, es imposible aumentar alguna bi si se está de acuerdo en
disminuir algunas otras.

• Consiste en analizar los coeficientes C de la funció n objetivo de la

siguiente manera: Max Z = (C + (tC ) )X Sujeto a Ax = bX ≥ 0III. Variació n en
los Coeficientes de costes

• Ejemplo: Sea Z = C1X1 + C2X2 una funció n objetivo que

representa el con el pará metro t = (t1, t2) de forma que la funció n
objetivo parametrizada es:

Z = (C1 - t1)X1 + (C2 + 2t2)X2Esta funció n objetivo se tiene como

caso particular de la anterior en que C = (-1,2)= (-1, 2)

• Ejemplo: Funció n objetivo: Max = (45+ )X1 + (80 + )X2Sujeta a las

siguientes restricciones: Para el problema original, cuando λ = 0, la
solució n ó ptima es X*1= 14, X*2 = 14 yZ*= $2200.

se necesita considerar lo que pasa ahora cuando λ se aumenta o

disminuye.

• = (-1, 2)La solució n actual permanecerá ó ptima para -100/3 ≤ λ

≤ 25.Se observa que:• λ = 25 , Z = 70 X1 + 105 X2, la cual es paralela a 10
X1 + 15 X2 = 450.• λ = -100/3, Z = 35/3 X1 + 140/3 X2, la cual es paralela a
5 X1 + 20 X2 = 400.• λ = -100/3 ambos puntos (24, 14) y (0,
20) son soluciones optimas con Z* = $2800/3.CB VB B X1 X2 S1 S280
+ X2 14 0 1 2/25 -1/2545 + X1 24 1 0 -3/25 4/250 Z 2200 + 38 0 0 (25 -
)/25 100+ 3
)/25
• Variació n en los Recursos. En el caso de los recursos, tambié n es
posible realizar de forma sencilla un aná lisis de variació n
paramé trica, ya que existen problemas en los cuales, los recursos no son
independientes y puede ocurrir que la variació n en el nivel de alguno
implique la variació n en los niveles de otros.

• Procedimientos a seguir para el aná lisis de la solució n: Paso

0:Calcular la tabla optima del simplex para t = 0 y añ adir a esta una
columna a la derecha de la XB, cuyos elementos son los valores XºBy Zº.

Paso 1:Imponer a la tabla modificada la condició n de

factibilidad(manteniendo la optimalizad), es decir, que los valores XB (t)
sean no negativos. Determinar el recorrido del paramé trico para el que
la tabla permanezca factible, es decir, determinarlos valores extremos I, S,
tales que para I ≤ t ≤ S se mantiene la factibilidad .

Paso 2:Sustituir t por aquellos valores extremos que sean fin itos y
aplicar el mé todo del simplex dual a las filas que pasen a degeneradas (es
decir, XB (t) = 0), obteniendo una nueva tabla.

Paso 3:Repetir los pasos 1 y 2 hasta haber analizado el recorrido

paramé trico.

• Ejemplo: Max Z = 4 X1 + 7 X2 + 3 X3Con sus restricciones:2X1 + X2+

2X3 ≤ 30 – TX1 + 2X2+ 2X3 ≤ 45 – 2TX1, X2, X3 ≥ 0Tablero ó ptimo
del simplex, para cuando t = 0CB VB b T X1 X2 X3 S1 S24 X1
5 0 1 0 2/3 2/3 -1/37 X2 20 -1 0 1 2/3 -1/3 2/30 Z 160 -7 0 0 13/3
1/3
10/3

• Ejemplo: Se calcula XB y Z a partir de: Los coeficientes Objetivos

originales de las variables bá sicas optimas primales Inversa Primal Optima
Resultado
• . Ejemplo: Luego imponemos en el tablero anterior la condició n de
factibilidad, que se tiene para 20 - t 0. De la primera condició n no
obtenemos nada y siempre que el valor de t se encuentre entre - < t
20), de aquí se tiene que la solució n optima sea: X*1 = 5, X*2 = 20 - t,
X*3 = 0, S*1 = 0, S*2 = 0 y Z*= 160 - 7t.Posteriormente sustituimos los
valores extremos finitos en el tablero anterior. Si t = 20 la variable X2 pasa
a ser degenerada y utilizamos el mé todo del dual simplex para obtener
el tablero que mostramos a continuació n con X2 como variable de
salida de la base y S1 como variable de entrada a la base. CB VB b T X1 X2
X3 S1 S24 X1 45 -2 1 2 2 0 10 S1 -60 3 0 -3 -2 1 -20
Z 180 -8 0 1 5 0 4

• Ejemplo: La condició n de factibilidad impuesta en el ú ltimo

tablero viene dada por las condiciones 45 - 2t 0 Y -26 + 3t 0 O o lo que es
lo mismo20 t 45/2. En este caso la solució n ó ptima es: X*1 = 45 -
2t, X*2 = 0, X*3= 0, S*1 = -60 + 3t, S*2 = 0 y Z* = 180 - 8t.Finalmente
reemplazamos en el ú ltimo tablero t = 45/2 que lleva a la variable X1 a
degenerada. Aplicamos el dual simplex, pero sin embargo notamos que
no existe pivote, luego el dual es no acotado y por tanto el problema
no tiene solució n; así cuando t > 45/2 el problema es infactible .

Este resultado es natural, si observamos la segunda restricció n, si t >

45/2 la disponibilidad del segundo recurso se convierte en negativa, lo que
carece de sentido. Hasta aquí hemos examinado todo el recorrido del
pará metro t y los resultados los resumimos en el siguiente cuadro:

Recorrido de t Solució n Optima Valor Optimo- < t 20X*1 = 5, X*2 = 20 - t,

X*3 = 0S*1 = 0, S*2 = 0Z* = 160 -t20 t 45/2X*1 = 45 - 2t, X*2 =0, X*3
= 0,S*1 = -60 + 3t, S*2 = 0Z* = 180 - 8tt > 45/2 Infactible
 Conclusiones

Los modelos de Programació n Lineal son ampliamente utilizados como

herramienta de apoyo a la toma de decisiones tanto por sus propiedades
que facilitan su resolució n, como así también su pertinencia a distintos
problemas de naturaleza real. A continuació n se presentan algunos
ejemplos resumidos en complejidad con el objetivo de mostrar algunas
aplicaciones típicas.

Los modelos de Programació n Entera son aquellos donde la

totalidad o un subconjunto de las variables de decisió n
toman valores enteros.

La programació n entera es programació n lineal con la restricció n adicional

deque los valores de las variables de decisió n sean enteros. Esta se divide
en tres rangos:

Programació n Entera pura: Donde todas las variables de decisió n tienen

valores enteros.

Programació n Entera Mixta: Donde algunas de las variables de decisió n

tienen valores enteros. Las demá s cumplen con la suposició n de
divisibilidad.

Programació n Entera Binaria: Donde se utiliza variables binarias.