Mario Ayala Pedroza

Apuntes

INVESTIGACIÓN
DE OPERACIONES
Divisibilidad: En un modelo de programación lineal, las variables de decisión
pueden tomar cualquier valor, incluso valores no enteros, que satisfagan las
restricciones funcionales y de no negatividad. En consecuencia, estas
variables no están restringidas a sólo valores enteros.

Certidumbre dice que todos los parámetros del modelo (los valores aij,bi y cj)
son constantes conocidas. En los problemas reales, muy pocas veces se
satisface por completo esta suposición. Casi siempre se formula una modelo
de programación lineal para elegir un curso de acción futuro.

(lainvestigaciondeoperaciones, 2013)

UNIDAD II
2.1. FORMULACIÓN
Uno de los modelos más comunes a formular en investigación de
operaciones y el primero que estudiarás es el modelo de programación
lineal, la formulación del mismo consiste en una representación idealizada
de un sistema. Es imprescindible la “definición de variables” y los
“parámetros”. Los modelos de optimización tienen asociadas: n
decisiones→variables de decisión X1,X2….Xn que son las incógnitas a
determinar para que sea óptimo el desempeño conjunto → Función Objetivo
(F.O). Todo problema de programación lineal involucra cuatro componentes:
un conjunto de variables de decisión, los parámetros, la función objetivo y
un conjunto de restricciones. Al formular un determinado problema de
decisión en forma matemática, deben establecerse las siguientes
condiciones técnicas:

Definir las variables de decisión: Son las incógnitas del problema,

básicamente consisten en los niveles de todas las actividades que pueden
llevarse a cabo en el problema a formular, estas pueden ser de tantos tipos
diferentes como sea necesario, e incluir tantos subíndices como sea
requerido.

Definir el objetivo: Consiste en definir un criterio de optimización el cual

puede ser maximización o minimización dependiendo del problema que se
desee resolver, el cual es una función lineal de las diferentes actividades del
problema. Bajo el criterio de optimización definido se pretende medir la
contribución de las soluciones factibles que puedan obtenerse y determinar
la óptima. (Hiller, 2010)
Definir las restricciones: Son los diferentes requisitos que debe cumplir
cualquier solución para que pueda llevarse a cabo. En cierta manera son las
limitantes en los valores de los niveles de las diferentes actividades
(variables). Las restricciones más comunes son de seis tipos, las cuales se
listan a continuación:

 Restricción de capacidad: limitan el valor de las variables debido a la

disponibilidad de horas-hombre, horas-máquina, espacio, etc.
 Restricción de mercado: Surge de los valores máximos y mínimos en
las ventas o el uso del producto o actividad a realizar.
 Restricción de entradas: Son limitantes debido a la escases de
materias primas, mano de obra, dinero, etc.
 Restricción de calidad: Son las restricciones que limitan las mezclas de
ingredientes, definiendo usualmente la calidad de los artículos a
manufacturar.
 Restricciones de balance de material: Estas son las restricciones que
definen las salidas de un proceso en función de las entradas, tomando
en cuenta generalmente cierto porcentaje de merma o desperdicio.
 Restricciones internas: Son las que definen a una variable dada, en la
formulación interna del problema, un ejemplo tipo, es el de inventario.
 Condiciones técnicas: En este apartado se establece que todas las
variables deben tomar valores no negativos.

(Barchitec, 2021)

2.2. Método Gráfico

El método grafico se utiliza para la solución de problemas de PL,
representando geométricamente a las restricciones, condiciones técnicas y
el objetivo. El modelo se puede resolver en forma geométrica si solo se
tiene 2 variables. Para modelos con 3 o más variables el método grafico es
impráctico o imposible. Cuando los ejes son relacionados con las variables
del problema, el método es llamado método grafico en actividad. Cuando
se relacionan las restricciones tecnológicas se denomina método grafico
en recursos. *PL.- es una técnica mediante la cual se toman decisiones
reduciendo el problema bajo estudio a un modelo matemático general.

Maximizar y Minimizar.

Podemos maximizar y minimizar por el método grafico nuestros problemas

y nos lleva a un resultado exacto al igual que el simplex solo que este es aún
más fácil, pues como al principio mandas en la ecuación a X cero y
después Y así te da el primer punto a graficar y así con las demás
ecuaciones, el punto donde se interceptan dos o más líneas de las
ecuaciones es el punto solución, este se sustituye debidamente cada
número en Su variable en la función objetivo para dar la comprobación. Así
el espacio debajo del punto de intersección es para maximización y se
presenta el resultado.

1. Graficar las soluciones factibles, o el espacio de soluciones

(factible), que satisfagan todas las restricciones en forma simultánea.
2. Las restricciones de no negatividad Xi>= 0 confían todos los valores
posibles.
3. El espacio encerrado por las restricciones restantes se determinan
sustituyendo en primer término <= por (=) para cada restricción, con
lo cual se produce la ecuación de una línea recta.
4. Trazar cada línea recta en el plano y la región en cual se encuentra
cada restricción cuando se considera la desigualdad lo indica la
dirección de la flecha situada sobre la línea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de
soluciones satisfacen todas las restricciones y por consiguiente,
representa un punto factible.
6. Aunque hay un número infinito de puntos factibles en el espacio
de soluciones, la solución óptima puede determinarse al observar
la dirección en la cual aumenta la
1. función objetivo.

(Taha, 2012) (Carbajal, 2021)

2.3. MÉTODO SIMPLEX
Objetivo del Método Simplex: El alumno analizará los fundamentos de la
programación lineal así como el procedimiento gráfico y el respectivo
procedimiento del Método Simplex. El Método Simplex es un procedimiento
iterativo el cual permite mejorar la solución a cada paso. Este proceso
concluye cuando no es posible seguir mejorando la solución. Éste método se
puede considerar como un método algebraico para resolver problemas de
programación lineal el cual involucra dos o más variables. El Método
Simplex fue creado en el año de 1947. Su primera aplicación fue después
del verano de 1947 cuando se resolvió un problema de programación de 9
restricciones y 27. Usando calculadora de escritorio se requirieron 120
días, en la actualidad y un programa para resolver el Método Simplex será
cosa de minutos. El Método Simplex como herramienta de programación
lineal constituye una de las mejores formas para obtener la solución más
óptima en programación lineal. En este método utilizaremos las
desigualdades <, >, ≥ y ≤.

Conceptos utilizados en el Método Simplex

1. Variable de decisión. Con estas variables se hace referencia al

conjunto de variables cuya magnitud se desea determinar.
2. Restricciones. Están constituidas por el conjunto de desigualdades
que limitan los valores que puedan tomar las variables de
desigualdad.
3. Función objetivo. Es una función matemática que relaciona las
variables de decisión.
4. Linealidad. Se refiere a que la relación entre las variables de la función
objetiva y restricciones deben ser lineales.
5. Desigualdades. Las desigualdades utilizadas para representar las
restricciones deben ser cerradas.
6. Condición de no negatividad. En la programación lineal las variables de
decisión solo pueden tomar valores mayores o iguales que cero.
2.4. MÉTODOS ARTIFICIALES
2.4.1 MÉTODO DE DOS FASES
Una de estas alternativas es el método de las dos fases, el cual, como su
nombre lo indica, trabaja por medio de 2 fases o procedimientos, con el
objetivo de encontrar primeramente una solución factible inicial y después
pasar a resolver el modelo a través del método simplex. Para utilizar este
método se deber tener el modelo en su forma ampliada, las variables de
decisión deben de ser reales y mayores a cero.

Las fases del método se describen a continuación:

Fase 1 (Se busca la primera Solución básica factible):

Consideramos un modelo de programación lineal que se encuentra en su

forma canónica, este modelo debe de ser transformado en su forma
ampliada agregando variables artificiales en las restricciones donde el
origen no es una solución. Ahora se cambia la función objetivo por una
función de minimización donde las variables de decisión son las variables
artificiales, pero tomamos el conjunto de restricciones de la función original.

Procedemos a resolver el modelo que tenemos planteado hasta que se de

uno de los siguientes casos: las variables artificiales salen de la base o la
función objetivo obtiene el valor de cero. Si no ocurre ninguno, entonces el
modelo no tiene solución

Fase 2 (Resolvemos el modelo con la nueva solución encontrada):

Eliminamos las variables artificiales de las restricciones, pero conservamos

los cambios que se dieron durante la fase 1.

Regresamos a la función objetivo original y resolvemos el modelo con los

cambios que se dieron en las restricciones durante la fase 1.

2.4.2 METODO DE LA GRAN M

El método de la gran M consiste en modificar el problema original para dar
lugar a un nuevo problema agregando una variable W llamada artificial y que
se penalizara mediante un costo “M” de valores grandes y positivos, y esto
permite que la función objetivo tome valores muy grandes.
Cuando W salga de la base en ese momento W=0 y esto indica haber
regresado al problema original, pero si se llega a W>0, entonces el problema
no tendrá solución.

MinZ= Cx + Mw

Sujeta a las restricciones y penalizando a Zw1 - Cw

Condición de introducción de las variables

Restricción > resta

Restricción < suma

Debido a que M es un valor positivo suficientemente grande, la variable R1

se penaliza en la función objetivo utilizando —MR, en el caso de la
maximización, y +RM, en la minimización. Debido a esta penalidad El proceso
de optimización lógicamente tratara de impulsar R1, al nivel cero

Referencias
Barchitec. (14 de Agosto de 2021). Definiendo el alcance de una investigación: exploratoria,
descriptiva, correlacional o explicativa. Obtenido de Barchitec:
https://barchitec.com/2017/12/18/definiendo-el-alcance-de-una-investigacion-
exploratoria-descriptiva-correlacional-o-explicativa/

Carbajal, A. (21 de Agosto de 2021). Importancia del Método Científico: 7 Razones Principales.
Obtenido de lifeder: https://www.lifeder.com/importancia-metodo-cientifico/

Hiller, F. S. (2010). Introduccion a la investigacion de operaciones. México: Mc-GrawHill.

lainvestigaciondeoperaciones. (13 de Octubre de 2013). certidumbre. Obtenido de

lainvestigaciondeoperaciones:
https://lainvestigaciondeoperaciones.blogspot.com/2013/10/certidumbre.html

Martha. (21 de Agosto de 2021). Programacion Lineal. Obtenido de Superprof:

https://www.superprof.es/apuntes/escolar/matematicas/algebralineal/pl/programacion-
lineal.html

nibib. (21 de Agosto de 2021). modelado-computacional. Obtenido de nibib:

https://www.nibib.nih.gov/espanol/temas-cientificos/modelado-computacional

Taha, H. A. (2012). Investigacion de operaciones. Mexico: Pearson.