INSTITUTO TECNOLOGICO DE

SALINA CRUZ

ALUMNO: ADRIEL ALFONSO

MELCHOR DIAZ

NC: 181020302

“INGENIERIA MECANICA”

MATERIA: TOMA DE
DECISIONES

11 DE FEBRERO DEL 2022

 INTRODUCCIÓN

La programación lineal es, entonces, un proceso por el cual se maximizará una

función lineal. Es decir, una ecuación de primer grado, donde las variables están
elevadas a la potencia 1.

Debemos recordar que este tipo de ecuación es una igualdad matemática que
puede tener una o más incógnitas. Así, tiene la siguiente forma básica, donde a y b
son las constantes, mientras que x e y son las variables.

ax+b=y

mediante la programación lineal, se podría optimizar esta función, hallando el

máximo o el mínimo valor de y. Esto, tomando en cuenta que x está sujeta a ciertas
restricciones.

Los principales elementos de la programación lineal son los siguientes:

 Función objetivo: Es aquella función que se optimiza, ya sea maximizando o

minimizando su resultado.
 Restricciones: Son aquellas condiciones que deben cumplirse al optimizar la
función objetivo. Puede tratarse de ecuaciones o inecuaciones algebraicas.

Lindo tal vez sea uno de los lenguajes de programación más sencillos, con una
menor curva de aprendizaje. Esta funcionalidad no lleva aparejado una perdida
funcionalidad no lleva aparejado una pérdida de funcionalidad, aunque otros
lenguajes más sofisticados y exigentes seguramente reduzcan la posibilidad de
cometer errores a costa de un mayor esfuerzo en su aprendizaje.

Por cual es este reporte se planea abarcar diversos puntos importantes acerca del
programa para su correcto uso, desarrollo, análisis e interpretación de las
herramientas y datos que este nos brinde.
 LINDO 6.1

Lindo 6.1 es una herramienta simple para formular problemas lineales y no lineales,
resolverlos y analizar su solución. El resultado que Lindo 6.1 nos proporciona es la
optimización que nos ayuda a encontrar el mejor resultado: la ganancia más alta, o
el costo más bajo. A menudo estos problemas involucran el uso más eficiente de
los recursos.

Los problemas de optimización son clasificados a menudo como lineales o no

lineales, dependiendo si las relaciones en el problema son lineales con respecto a
las variables. Uno de los rasgos más poderosos de LINGO es su aplicación en el
lenguaje de modelo matemático. El cual permite expresar un problema de una
manera muy similar a la anotación matemática normal pudiendo también, expresar
una serie entera de restricciones en una declaración compacta. Esto lleva a modelos
que son mucho más fáciles de mantener.

CARACTERÍSTICAS

Una de las características más destacables de LINGO es su lenguaje de modelado.

Este lenguaje permite expresar un problema de una manera muy similar a la
notación matemática normal usada en problemas de optimización (lenguaje
algebraico).

Además, es posible expresar sumatorias y repeticiones a partir de expresiones

iterativas, permitiendo la escritura de modelos más compactos y fáciles de
mantener. Otro aspecto a destacar del lenguaje de modelado es la posibilidad de
aislar los datos de la propia formulación del modelo, de forma que el mismo modelo
se pueda usar para resolver diferentes instancias.
 MANUAL PARA USO DE LINDO 6.1

1. La función objetivo no debería contener ninguna restricción. Por ejemplo, no se

puede ingresar Max 2X1 + 5.

2. Todas las variables deben aparecer en el lado izquierdo de las restricciones,

mientras que los valores numéricos deben aparecer en el lado derecho de las
restricciones.

3. Se presupone que todas las variables son no negativas. No ingrese las

condiciones de no negatividad. Por defecto, LINDO ya considera la no
negatividad de las variables.

4. LINDO sólo acepta cinco operadores: +, - , <=, >=, =. Así pues, en la formulación
del problema no podrá usarse ningún otro operador ( * , / , ^ , etc.) ni tampoco
paréntesis asociativos.

5. LINDO interpreta las desigualdades del tipo ‘<=’ y ‘>=’ como desigualdades
estrictas (del tipo ‘<’ y ‘>’)

6. Para separar los dígitos decimales de un numero se usa el punto ‘.’ , por ejemplo
en LINDO no se escribe 1,5 sino 1.5.

7. Siempre hemos de finalizar la formulación del problema añadiendo el comando

END.

¡Se puede añadir comentarios personales sin más que anteponerles el signo de
admiración!

MAX 50X1 + 30 X2

SUBJECT TO

2X1 + X2 <40 ! restricción de mano de obra

X1 + 2X2 < 50 ! restricción de materiales

END
Guarde el archivo con cualquier nombre y asegúrese que quede con la extensión
LTX

El siguiente paso es pedirle a LINDO que resuelva el problema. Para ello es

suficiente con hacer clic sobre el botón Solve (el que tiene forma de diana), o bien
seleccionar esta opción en la barra de menús.

Nota: Si seleccionamos la opción SOLVE desde la barra de menús:

Si tras resolver un problema hacemos alguna modificación en la formulación del

mismo, es necesario volver a compilar el modelo (Solve>Compile) antes de volver
a usar Solve.

Si el modelo ha podido ser compilado, LINDO comenzará la resolución efectiva del

problema, mostrando la ventana “Status”, donde se da información sobre el estado
del proceso resolutivo:
A continuación, se describen algunos de los campos que aparecen en la ventana
anterior:

 Status: ofrece el estado de la solución actual (óptima, factible, no factible, o

no acotada).
 Iterations: número de iteraciones (tablas del algoritmo) que se han realizado.
 Infeasibility: cantidad por la cual las restricciones han sido excedidas o
violadas.
 Objective: valor actual de la función objetivo.
 Elapsed time: tiempo transcurrido desde el inicio de la resolución.

Cuando la resolución haya finalizado, el programa nos preguntará si queremos

realizar un análisis de sensibilidad. De momento elegiremos la opción NO.

Cerramos la ventana ’Status’:

Aparecerá una nueva ventana en la pantalla, la “Reports Window” (hay que hacer
‘clic’ en la ventana debajo de la ventana principal del LINDO)
La información básica que nos proporciona esta ventana para nuestro ejemplo es
que

1. Se han necesitado dos iteraciones para llegar a la solución óptima `LP OPTIMUM
FOUND AT STEP 2' (OPTIMO DE PL ENCONTRADO EN EL PASO 2) indica que
se encontró la solución óptima en la iteración

2. LINDO utiliza el método de optimización simplex.

Muchas veces, aparecerá un mensaje muy confuso: "LP OPTIMUM FOUND AT

STEP 0" (OPTIMO DE PL ENCONTRADO EN EL PASO 0). ¿Cómo puede ser’ paso
0’?

Lindo lleva un registro en su memoria de todas las actividades previas realizadas

antes de resolver cualquier problema que usted ingrese. Por lo tanto, no muestra
exactamente cuántas iteraciones fueron necesarias para resolver el problema en
cuestión.

Para saber cuántas iteraciones lleva realmente resolver un problema en particular,

debe salir de Lindo y luego reingresar, volver a escribir y a presentar el problema.
De esta manera aparecerá la cantidad exacta de vértices (excluyendo el origen)
visitados para llegar a la solución óptima (si es que existe) en forma correcta.
2. Inmediatamente debajo aparece el óptimo del valor de la función objetivo.

Este significa que los ingresos netos óptimos (solución optima del LP) son 1100
euros.

Después sigue la solución del problema, es decir la estrategia para fijar las variables
de decisión a fin de lograr el valor óptimo antes mencionado. Esto aparece con una
columna de variables y una columna de valores.

¿Cómo interpreto el análisis de sensibilidad?

1.- Los coeficientes de función objetivo, los cambios en los coeficientes objetivos
NO afectan la forma de la región factible, por lo que no afectaran a la solución
óptima.

2.- Los coeficientes tecnológicos. Los cambios de estos coeficientes provocaran

cambios sustanciales en la forma de la región factible. Gráficamente lo que varía es
la pendiente de las rectas que representan las restricciones.

3.- Los recursos disponibles. Intuitivamente los cambios en el RHS suponen

desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual hará
variar la forma de la región factible y, con ellos, a la solución óptima.
 EJEMPLOS

El problema

Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer bicicletas de
paseo y de montaña que quiere vender, respectivamente a 20.000 y 15.000 pesos
cada una para sacar el máximo beneficio. Para la de paseo empleará 1 Kg. De acero
y 3 Kg. de aluminio, y para la de montaña 2 Kg. de ambos metales. ¿Cuántas
bicicletas de paseo y de montaña deberá fabricar para maximizar las utilidades?

El modelo matemático

Declaración de variables

x = Cantidad de bicicletas de paseo a producir

y = Cantidad de bicicletas de montaña a producir

Restricciones de capacidad

Aluminio:

x + 2y <= 80

Acero:

3x + 2y <= 120

Función Objetivo

Zmax = 20000x + 15000y

Ingresando los datos a Lingo

La interfaz de LINGO es quizá la más simple de todas las aplicaciones de resolución

de modelos matemáticos, y en el caso de los modelos de programación lineal el
ingreso de los datos es muy sencillo, en su ventana inicial es suficiente con utilizar
un comando de apertura «MODEL:» y uno de cierre «END», en medio de estos
comandos se escribe el modelo tal como mostramos a continuación:

Como podemos observar, el comando «MAX:» se utiliza para consignar la función

objetivo y su criterio (en caso de minimizar se utilizará MIN:). Para separar cada
línea de código es necesario utilizar el carácter «;». Una vez tenemos el código con
nuestras restricciones establecidas, procedemos a resolver, dando clic en el botón
Solve:

Al resolver obtendremos el reporte solución, con base en sus datos podremos

efectuar un análisis de sensibilidad, hay que tener en cuenta que los datos
expresados en el reporte se encuentran en función de la línea de código ingresada,
por lo tanto hay que considerar en que línea se escribió cada restricción y función
objetivo para hacer un adecuado análisis.
Objective Function: Nos muestra el resultado de nuestra función objetivo, en este
caso la solución óptima tiene una función objetivo (utilidad) de $ 850.000.

Value: Es el valor que toman las variables de decisión en la función objetivo.

Slack or Surplus: Cuando la restricción en cuestión tiene el operador <=,

corresponde a una holgura, es decir, se puede interpretar como el recurso no
utilizado. Cuando la restricción en cuestión tiene el operador >=, corresponde a un
exceso, es decir, se puede interpretar como el recurso utilizado por encima de la
restricción de mínimo uso.

Dual Price: El precio sombra de una restricción, es el cambio marginal de la función

objetivo cuando el valor del lado derecho de la restricción aumenta en una unidad.
En nuestro ejemplo sería así: por cada kg de acero adicional que tengamos
disponible, la función objetivo aumentará en $ 1250.
CONCLUSION

Se puede concluir entonces que la programación lineal es un método mediante el

cual se optimiza, ya sea maximizando o minimizando, una función objetivo, donde
las variables están elevadas a la potencia 1. Esto, tomando en cuenta distintas
restricciones dadas.

Hay muchas maneras de resolver dichos problemas de distintos métodos y maneras

el método utilizado hoy fue la herramienta de lindo, un programa especializado en
la resolución de estos problemas y situaciones mediante el uso de software
especializado haciendo así que la resolución de estos problemas sea mucho más
productiva, practica y rápida, para desarrollar soluciones más rápidas que es lo que
la industria el día de hoy demanda, productividad, ganancias y bajo costo de
producción.

Dicho programa nos proporciona diversas herramientas para la solución de estos

problemas, que concluimos que serán importantes para nuestro desarrollo
académico y laboral más adelante.