Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACION LINEAL
METODO GRAFICO
1. Use el método grafico para encontrar todas las soluciones optimas del siguiente modelo:
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 500𝑥1 +
300𝑥2
Con: 𝑥1 ≥ 0, 𝑥2 ≥ 0
Solución:
Usamos geogebra para graficar las restricciones y encontrar la región factible, así como también los
vértices de la región optima:
Para maximizar el valor de Z, X1 debe ser igual a 15 y X2 debe sería igual a 15; y obtener como
resultado 12,000.
2. Use el método grafico para encontrar todas las soluciones optimas del siguiente modelo:
𝑥1 + 2𝑥2 ≥
10 2𝑥1 −
3𝑥2 ≤ 6
𝑥1 + 𝑥2 ≥ 6
Con: 𝑥1 ≥ 0, 𝑥2 ≥ 0
Solución:
Usamos geogebra para graficar las restricciones y encontrar la región factible, así como también los
vértices de la región factible:
Para maximizar el valor de Z, X1 debe ser igual a 2 y X2 debe sería igual a 4; y obtener como resultado
110.
3. Considerar el siguiente problema, donde el valor de 𝑐1 no se ha determinado
restricciones:
4𝑥1 + 𝑥2 ≤ 12
𝑥1 − 𝑥2 ≥ 2
Con: 𝑥1 ≥ 0, 𝑥2 ≥ 0
Usar el método gráfico para determinar la(s) solución(es) de (𝑥1, 𝑥2) para los valores
posibles de 𝑐1.
Solución:
Usando el programa de geogebra:
Como el valor de C1 todavía no ha sido establecido tomamos los positivos incluyendo el
Cero, es decir 𝐶1 ≥ 0.
Tomando Función Objetivo. entonces el ángulo 𝑍 = 0𝑥1 + 2𝑥2 , Entonces Hallando la
pendiente 𝑚 = 0/2 = 0
−1
Tomando Función Objetivo.𝑍 = 1𝑥1 + 2𝑥2 , Entonces Hallando la pendiente 𝑚 = 2
Al evaluar los vértices en la función objetivo obtenemos lo siguiente: 𝑧 = 0𝑥1 + 2𝑥2
Para el punto A= (2.8,0.8): 𝑧 = 1.6
Para el punto B= (2,0): 𝑧 = 0
Para el punto C= (3,0): 𝑧 = 0
Solución:
3.1-8
Nuestras variables son:
x1= Producto 1
x2= Producto 2
Partes X1 X2 Disponibilidad
Metal 1 3 200
Eléctrica 2 2 300
Condiciones de no negatividad:
𝑥1, 𝑥2 ≥ 0
Leyendo el problema, se nos pide maximizar Z, por lo tanto, haciendo haciéndolo por el método grafico
por el software geogebra:
b) Para maximizar Z, X1 valdría 125 y X2 valdría 25, al hacer esto Z tendría un valor de 175.
3.1-9
Solución:
Con x1 ≥ 0 ,x2 ≥ 0
b) Método grafico
2x1 ≤ 1200
x1 ≤600
Ahora con x1=0, para 3x1 + 2x2 ≤ 2400; obtenemos que x2 ≤ 1200.
Después con x2 = 0, para 3x1+2x2 ≤ 2400; obtenemos que x1 ≤ 800.
Para encontrar otro punto de la recta solución de color negra y trazarla en el plano, hacemos x2 = 0,
para 3600 = 5x1+ 2x2, De donde x1 = 720.
La solución óptima es x1=600 y para x2=300, lo que nos da Z= 3600
c) Verificación del valor del exacto:
3.4-1
La aplicación de un modelo IO para la programación del tratamiento de radioterapia
ha demostrado ser capaz de ayudar a los planificadores de radioterapia a producir
un programa de alta calidad que satisfaga todas las limitaciones médicas y técnicas
de una manera mucho más rápida que lo que se hace actualmente en la práctica. En
nuestro estudio, la participación temprana de gerentes y médicos, mantenerse en
estrecho contacto con las partes interesadas y realizar adaptaciones graduales del
modelo en pequeños pasos demostraron ser los factores más importantes para
facilitar la implementación de un modelo IO en el entorno de la práctica.
3.4-2
Se adaptó un modelo de investigación de operaciones matemáticas para generar
programas de tratamiento de radioterapia en dos centros holandeses. El modelo se
ajustó iterativamente para cumplir con las limitaciones técnicas y médicas de cada
centro hasta lograr un modelo válido. Los datos de los pacientes fueron
recolectados para el horizonte de planificación de una semana, y la factibilidad de
los horarios obtenidos fue verificada por el personal de cada centro. Las soluciones
optimizadas resultantes se comparan con las desarrolladas manualmente en la
práctica. La aplicación práctica de un modelo teórico de investigación operativa para
la programación de tratamientos de radioterapia ha proporcionado a los
planificadores de radioterapia un programa factible y de alta calidad de forma
automatizada. Las adaptaciones iterativas del modelo realizadas en pequeños
pasos, la participación temprana de las partes interesadas y la comunicación
constante demostraron facilitar la implementación de modelos de investigación
operativa en la práctica clínica.
3.4-3
a) El modelo se ajusta iterativamente junto con los planificadores y los médicos para
cumplir con las limitaciones y los objetivos de cada centro de radioterapia, y el
programa de computadora resultante puede encontrar un programa de buena
calidad en un tiempo de cálculo razonable. Se comparó el desempeño de la salida
del cronograma final del modelo con la solución que se construyó manualmente en
la práctica y se elaboró las principales limitaciones que se encontraron durante el
proceso de ajuste del modelo. Al tener los programas resultantes validados por los
tomadores de decisiones reales en las clínicas, se mostró que es factible llevar los
modelos IO hacia la implementación en la práctica clínica. b) Se identifican algunas
de las características que distinguen la planificación social de la planificación en el
sector privado o en la industria de propiedad pública. Un estudio de las
investigaciones de IO (tanto tácticas como estratégicas) en el área de la
planificación urbana/regional respalda el caso de que la contribución de la corriente
principal de IO violenta la naturaleza del sistema en estudio. En particular, los
problemas se formulan en términos de (o se transforman en) objetivos únicos, para
ser optimizados; los aspectos del mundo social están sujetos a una cuantificación
total, con la consiguiente distorsión; los modelos hacen demandas de datos
inverosímiles; la definición y ejecución de proyectos refuerzan la “cientificación” del
debate político; los problemas se formulan bajo el supuesto de un único tomador de
decisiones jerárquicamente poderoso; y los problemas se formulan como si tuvieran
que ser resueltos en su totalidad en un punto en el tiempo. c) Los principales
problemas de calidad del aire de interés local, nacional e internacional se enumeran
a continuación en orden creciente de dificultad según el número de diferentes tipos
de contaminantes y los problemas en la cuantificación de los riesgos que plantean
los contaminantes, luego se dirige la atención a los modelos de programación
matemática que van desde programas lineales deterministas bastante simples
hasta modelos estocásticos bastante sofisticados que han aparecido en la literatura
que trata estos temas.
Calentamiento global/cambio climático: algunos gases traza difíciles de controlar,
principalmente dióxido de carbono (CO 2), metano (CH 4), óxido nitroso (N 2 O) y
CFC, con riesgos muy inciertos;
Tóxicos o HAPS (contaminantes peligrosos del aire): cientos de tipos de productos
químicos gaseosos y partículas con riesgos inciertos.
3.4-4
a) La gestión de residuos sólidos (SWM) es una tarea cada vez más compleja, que
absorbe una gran cantidad de recursos y tiene un gran impacto ambiental . Los
sistemas informatizados basados en técnicas de investigación operativa pueden
ayudar a los responsables de la toma de decisiones a lograr importantes ahorros de
costes, así como a mejorar la recuperación de residuos. Aunque las principales
dificultades para resolver las diferentes ocurrencias del problema pertenecen al
ámbito de la formulación de políticas, hasta ahora el empleo de métodos de
sistemas e investigación operativa parece adoptar una postura puramente
tecnocrática, concentrándose en el contenido y subestimando el proceso de
solución. En las diferentes formulaciones del problema como optimización estática
relacionada con la economía de la ubicación de las instalaciones de tratamiento y
los métodos y rutas de transporte de residuos, se descuida la dinámica del problema
y las actividades de intervención, mientras que las perspectivas cognitivas y
sociales del proceso de solución son objetivadas y sobre-racionalizadas. b) consiste
en el proceso de organizar, asignar, controlar y optimizar los recursos de mano de
obra (es decir, el personal) en un entorno de servicio, producción o
fabricación. Tiene un impacto directo significativo en la productividad de un proceso
y en los costos laborales de la organización. Un número de personal superior al
requerido podría generar tiempos de inactividad no deseados y niveles de
productividad más bajos. Por otro lado, un número de personal inferior al requerido
podría generar sobrecargas de trabajo y mayores riesgos de no satisfacer la
demanda. Por estas razones, encontrar un número óptimo de personal no
representa una tarea trivial. Sin embargo, las tareas de programación del personal
pueden analizarse y resolverse utilizando algoritmos de programación de números
enteros, en los que se debe asignar un número n de empleados a i horarios
diferentes mientras se satisfacen los requisitos dados. c) Los procesos de
distribución de las empresas de paquetería y mensajería son complejos debido al
alto número de clientes, instalaciones y vehículos involucrados. Esto hace que los
procesos de planificación de la red y entre ellos la asignación de los recursos
(infraestructura, personas y vehículos) sean difícil de realizar, por lo que es
necesario usar herramientas como modelos matemáticos que permiten encontrar
las mejores condiciones de funcionamiento, minimizando los costos de operación y
asegurando los niveles de servicio adecuados para la satisfacción de los clientes.
Por ejemplo, se presenta un modelo matemático para la optimización de una red de
distribución de paquetería y mensajería, la cual se estructura incluyendo 200
clientes, un conjunto de 4 terminales centrales de consolidación y 10 plataformas
satélite, en donde los clientes son atendidos, como tradicionalmente ocurre para
este tipo de empresas. El modelo permite asignar los clientes y las mercancías a
cada una de las instalaciones de la red mediante la modificación del factor de carga
de los vehículos y de la aplicación del concepto de P-mediana, lo cual produce de
reducciones de alrededor del 19% de los costos totales de distribución.
3.5-3:
Solución:
Cada máquina está disponible durante 40m horas al mes, Cada parte manufacturada dará un
rendimiento de una unidad de ganancia:
a)
b)
c)
d)
e)
Función objetivo:
𝑧 = 50𝑥1 + 40𝑥2 + 30𝑥3
Restricciones:
0.02𝑥1 + 0.03𝑥2 + 0.05 ≤ 40
0.05𝑥1 + 0.02𝑥2 + 0.04𝑥3 ≤ 40
𝑥1, 𝑥2, 𝑥3 ≥ 0