Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
Zar Cudini Gisela – Aguirre Daniela
Procesos de Solución
1. Algoritmo: es un conjunto de procedimientos o reglas que cuando se siguen
en forma ordenada proporciona la mejor solución para un modelo
determinado
2. Métodos Heurísticas: Se utiliza para desarrollar soluciones aproximadas
aceptables. Se basa en reglas intuitivas que, cuando se aplican al modelo,
proporcionan una o mas soluciones.
3. Simulación: Cuando no se puede resolver un modelo en forma matemática
se utiliza la simulación para analizar el problema, pero la solución que se
obtiene no necesariamente es la optima. Cuando no se puede utilizar este
método, se utiliza el heurística
2
Zar Cudini Gisela – Aguirre Daniela
3
Zar Cudini Gisela – Aguirre Daniela
Para diferenciar las soluciones factibles de las que no lo son, se identifica como solución
factible básica cada solución en la que todas sus variables son no negativas. Las soluciones
factibles básicas son las esquinas o los vértices de la región factible.
4
Zar Cudini Gisela – Aguirre Daniela
5
Zar Cudini Gisela – Aguirre Daniela
6
Zar Cudini Gisela – Aguirre Daniela
Un método Algebraico:
El método algebraico requiere las siguientes etapas:
1. Identificar una solución básica inicial
2. Determinar si existe una solución factible mejor. Si existe una mejor solución,
llevar a cabo la etapa 3, si no es así, la solución que se tiene es la óptima.
3. Pasar a la mejor solución factible cambiando una variable no básica por una básica,
haciendo que todas las variables sigan siendo no negativas, y después volver a la
etapa 2.
La tabla Simplex:
La primera etapa al aplicar el método simplex (al igual que en el caso del enfoque
algebraico) consiste en transformar todas las desigualdades de restricción en igualdades
añadiendo variables de holgura y restando variables de excedente.
Con el objeto de identificar la primera tabla o tabla inicial, se requiere saber que variables
serán básicas y cuales serán no básicas. Identificar una solución factible básica inicial
puede no siempre ser tan sencillo, a menos que se utilicen ciertos procedimientos para
identificar las variables básicas. El procedimiento más eficiente para hacer esto es
considerar una matriz identidad de m x m con los coeficientes de las restricciones.
Este proceso de elegir una matriz identidad siempre dará como resultado una solución
factible básica inicial y siempre permitirá identificar el conjunto inicial de variables
básicas. Sin embargo, adicionar variables de holgura y restar variables de excedente de las
desigualdades de restricción, para convertirlas en igualdades de restricción no siempre
produce una matriz identidad con los coeficientes de las restricciones. Puede ser necesario
anexar otras variables (variables artificiales) con el objeto de completar la matriz
Mejora la solución:
El renglón cj – zj de la tabla se utiliza para determinar si la solución que se ha alcanzado es
óptima, y si no lo es, para determinar que variable debe incluirse en la base. Los números
del renglón cj – zj reflejan el cambio en la función objetivo que se dará al incluir una
unidad de la variable Xj en la base. Si al examinar cj – zj todas las cantidades de renglón
son cero o negativas, entonces la solución que se tiene es la óptima; bajo estas condiciones
incluir una variable adicional en la base no aumenta las utilidades.
Variable que entra: la selección de la variable que debe incluirse en la base parte de los
valores del renglón cj – zj de la tabla. Se elige la variable que tenga el mayor valor
positivo.
Variable que sale: Se elige dividiendo las cantidades de la columna del 2do término entre
los coeficientes positivos de la columna de la variable que entra.
Minimización:
El método simplex puede aplicarse a un problema de minimización si se modifican pasos
de algoritmo. Son necesarios dos cambios: En primer lugar, se cambia la prueba de
7
Zar Cudini Gisela – Aguirre Daniela
optimidad, de manera que el proceso de solución continúa hasta que todos los valores del
renglón cj – zj sean ceros o positivos. En segundo lugar, la variable que entra es la que
tiene el valor más negativo.
Existe una forma de resolver problemas de minimización. Puede convertirse un problema
de minimización en uno de maximización simplemente multiplicando los coeficientes de
la función objetivo del problema de minimización por -1. Una vez que se establece el
problema de maximización, simplemente se continúa con el procedimiento simplex
normal de maximización.
Variables artificiales:
Las variables artificiales se utilizan en el método simplex solo como auxiliares para
identificar una solución factible básica inicial para el problema. Estas variables son
necesarias cuando un problema contiene restricciones de mayor que o igual a y de
igualdad. Las variables artificiales se utilizan para completar la matriz de identidad, y de
esta manera permitir una solución inicial.
La regla para usar variables artificiales es añadir una de esas variables a cada restricción
de “mayor que o igual a” o “de igualdad”, que existan en el problema original. Estas
variables pueden incluirse cuando se añaden las variables de holgura y las de excedente.
PROBLEMAS ESPECIALES:
Problemas no acotados:
En ocasiones, en problemas de PL, un error en el planteamiento da como resultado que el
problema no tenga solución óptima.
Dado que la región factible de un problema no acotado carece de frontera, es imposible
que el método simplex pase de un vértice a otro alrededor de la región factible al buscar la
solución óptima. Cuando no hay coeficientes positivos, no puede calcularse la siguiente
base. Esta condición en el proceso de solución es señal de que la solución óptima es no
acotada.
Problemas inconsistentes:
Otra situación que se presenta por errores en el planteamiento de problemas de PL es el de
restricciones inconsistentes. En esta situación no existe una sola región factible porque las
restricciones se violan entre sí.
Puesto que todos los valores del renglón cj – zj (maximiz) son ceros o negativos, se tiene la
solución optima; pero la solución contiene una variable artificial. Esto indica que la
8
Zar Cudini Gisela – Aguirre Daniela
Problemas degenerados:
La degeneración es otro problema especial que puede ocurrir cuando se utiliza el método
simplex. A diferencia de los problemas no acotados y los no factibles, la ocurrencia de
degeneración no impide que se alcance la solución óptima. La degeneración puede ocurrir
en el método simplex durante el proceso de pivoteo cuando se tiene un empate al
determinar la variable que se debe salir de la base.
Cuando se presenta la degeneración, una o más de las variables básicas se vuelven
estrictamente no positivas; es decir, una solución factible básica tiene una o más variables
básicas que son iguales a cero; éstas son variables degeneradas. En términos geométricos,
la degeneración ocurre cuando un vértice está definido por “demasiadas” restricciones.
9
Zar Cudini Gisela – Aguirre Daniela
Ecuación:
(Pág. 228)
Restricción 1: la suma de los envíos desde una fuente no puede ser mayor que su oferta.
Restricción 2: la suma de los envíos a un destino satisfaga a su demanda
10
Zar Cudini Gisela – Aguirre Daniela
Técnicas de Transporte:
Los pasos básicos de la técnica de transporte
a) Determine una solución factible inicial
b) Determine la variable que entra, que se elige entre las variables no básicas.
c) Determine la variable que sale (mediante el uso de condición de factibilidad) de
entre las variables de la solución básica actual, obtenga la nueva solución básica.
a) El modelo de transporte tiene m+n-1 ecuaciones independientes, por lo tanto como
en el método simplex, una solución factible básica inicial debe incluir m+n-1 variables
básicas.
Regla de la esquina noroeste: Comienza asignando la máxima cantidad posible a la
variable X11, de manera que satisfaga totalmente la demanda, o bien se agote la oferta.
Costo mínimo y aproximación de Vogel: Son procedimientos que suelen producir
soluciones iniciales óptimas, en el sentido de que los variables asociados de la función
objetivo son más chicos.
b) Método de multiplicadores: La variable que entra se determina mediante el uso de
la condición de optimizad del método simplex. Otro método llamado procedimiento
saltando piedras, también sirve para determinar la variable que entra.
Los multiplicadores deben satisfacer la siguiente ecuación: Ui + Vj = Cij para cada variable
básica Xij. Estas ecuaciones produce m + n - 1 ecuaciones con m + n incógnitas.
Los valores de los multiplicadores se pueden determinar a partir de estas ecuaciones
suponiendo un valor arbitrario para cualquiera de los multiplicadores (por lo general u se
hace cero) y resolviendo las m + n – 1 multiplicadores desconocidos restantes.
Al hacer esto, la evaluación de cada variable no básica Xpq está dada por
11
Zar Cudini Gisela – Aguirre Daniela
12
Zar Cudini Gisela – Aguirre Daniela
13
Zar Cudini Gisela – Aguirre Daniela
Solo una actividad crítica debe tener una holgura total cero. La HL debe también ser cero
cuando la holgura total es cero.
14
Zar Cudini Gisela – Aguirre Daniela
La construcción del diagrama de tiempo debe hacerse dentro de las limitaciones de los
recursos disponibles, ya que no es posible realizar actividades simultáneas debido a las
limitaciones del personal y equipo.
Las HT para actividades no críticas son útiles. Se utilizan las HT para nivelar los recursos
sobre la duración del proyecto completo.
Las funciones de HT y HL en la programación de actividades no críticas se explican en
término de dos reglas generales:
a) Si HT es igual a HL: la actividad no crítica se puede programar en cualquier parte
entre los TIP y TTT
b) Si HL es menor que HT: El inicio de la actividad no crítica se puede demorar en
relación con su TIP, en una cantidad no mayor que el monto de su HL, sin afectar
la programación de sus actividades inmediatamente sucesivas.
D = (a + b)/2 + 2m = a + b + 4m
3 6
V= b-a 2
6
15
Zar Cudini Gisela – Aguirre Daniela
Sea ui el tiempo de ocurrencia más próximo del evento i. Ya que los tiempos de las
actividades que se suman hasta i son variables aleatorias, ui es también una variable
aleatoria. Suponiendo que todas las actividades en la red son estadísticamente
independientes, se obtiene la media y la varianza de u i como sigue. Si existe únicamente
una ruta que lleva desde el evento de “inicio” al evento i, entonces E(u i) está dado por la
suma de las duraciones esperadas D para las actividades a lo largo de esta ruta y varianza
(ui) es la suma de las varianzas de las mismas actividades. Las complicaciones surgen,
donde más de una ruta lleva al mismo evento.
En este caso, si se van a calcular los valores exactos de E (u i) y varianza (ui) se debe
desarrollar primero la distribución estadística par ala mas larga de las rutas (esto es, la
distribución del máximo de varias variables aleatorias) y encontrar su valor esperando y su
varianza. Si dos o más rutas tienen la misma E (u i) se elige aquella con la varianza mas
grande ya que refleja mayor incertidumbre y, por lo tanto, resultados mas conservadores.
Para resumir, E (ui) y var (ui) están dados para las rutas seleccionadas como:
Ecuación:
(Pág. 541)
Donde k define las actividades a lo largo de la ruta más larga que lleva a i.
La idea es que ui es la suma de variables aleatorias independientes y, por lo tanto, de
acuerdo con el teorema del limite central u i es casi normalmente distribuida como media E
(ui) y var (ui). Ya que ui representa el tiempo de ocurrencia más próximo, el evento i va a
satisfacer un cierto tiempo programado TPi con probabilidad.
Ecuación
(Pág. 542)
Ecuación
(Pág. 542)
16
Zar Cudini Gisela – Aguirre Daniela
17