Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Historia de La Programacion Lineal 1
Historia de La Programacion Lineal 1
En los siglos XVII y XVIII, grandes matemáticos como Newton, Leibnitz, Bernouilli y, sobre
todo, Lagrange, que tanto habían contribuido al desarrollo del cálculo infinitesimal, se
ocuparon de obtener máximos y mínimos condicionados de determinadas funciones.
Posteriormente el matemático
fránces Jean Baptiste-
Joseph Fourier (1768-1830) fue el
primero en intuir, aunque de forma
imprecisa, los métodos de lo que
actualmente llamamos
programación lineal y la
potencialidad que de ellos se
deriva.
Si exceptuamos al
matemático Gaspar Monge (1746-
1818), quien en 1776 se interesó por problemas de este género, debemos remontarnos al año
1939 para encontrar nuevos estudios relacionados con los métodos de la actual programación
lineal. En este año, el matemático ruso Leonodas Vitalyevich Kantarovitch publica una
extensa monografía titulada Métodos matemáticos de organización y planificación de la
producción en la que por primera vez se hace corresponder a una extensa gama de problemas
una teoría matemática precisa y bien definida llamada, hoy en día, programación lineal .
Tres años más tarde, G. Stigler plantea otro problema particular conocido con el nombre de
régimen alimenticio optimal.
En estos años posteriores a la Segunda Guerra Mundial, en Estados Unidos se asumió que la
eficaz coordinación de todas las energías y recursos de la nación era un problema de tal
complejidad, que su resolución y simplificación pasaba necesariamente por los modelos de
optimización que resuelve la programación lineal.
En 1947, G.B. Dantzig formula, en términos matemáticos muy precisos, el enunciado estándar
al que cabe reducir todo problema de programación lineal. Dantzig, junto con una serie de
investigadores del United States Departament of Air Force, formarían el grupo que dio en
denominarse SCOOP (Scientific Computation of Optimum Programs).
Una de las primeras aplicaciones de los estudios del grupo SCOOP fue el puente aéreo de
Berlín. Se continuó con infinidad de aplicaciones de tipo
preferentemente militar.
Respecto al método del simplex, que estudiaremos después, señalaremos que su estudio
comenzó en el año 1951 y fue desarrollado por Dantzig en el United States Bureau of
Standards SEAC COMPUTER, ayudándose de varios modelos de ordenador de la firma IBM.
Se ha estimado, de una manera general, que si un país subdesarrollado utilizase los métodos
de la programación lineal, su producto interior bruto (PIB) aumentaría entre un 10 y un 15% en
tan sólo un año.
Fue utilizada por G. Monge en 1776 y se considera a L. V. Kantoróvich uno de sus creadores. La
presentó en su libro Métodos matemáticos para la organización y la producción (1939) y la desarrolló
en su trabajo Sobre la transferencia de masas (1942). Kantoróvich recibió el premio Nobel de
economía en 1975 por sus aportaciones al problema de la asignación óptima de recursos
humanos.Uno de momentos más importantes en la programación lineal fue la aparición del método
del Simplex. Este método, desarrollado por G. B. Dantzig en 1947, consiste en la utilización de un
algoritmo para optimizar el valor de la función objetivo teniendo en cuenta las restricciones
planteadas. Este tipo de análisis se utiliza en casos donde intervienen cientos e incluso miles de
variables.
En 1946 comienza el largo período de la guerra fría entre la antigua Unión Soviética (URSS) y las
potencias aliadas (principalmente , Inglaterra y Estados Unidos). Uno de los episodios más
llamativos de esa guerra fría se produjo a mediados de 1948, cuando la URSS bloqueó las
comunicaciones terrestres desde las zonas alemanas en poder de los aliados con la ciudad de Berlín,
iniciando el bloqueo de Berlín. A los aliados se les plantearon dos posibilidades: o romper el bloqueo
terrestre por la fuerza, o llegar a Berlín por el aire. Se adoptó la decisión de programar una
demostración técnica del poder aéreo norteamericano; a tal efecto, se organizó un gigantesco puente
aéreo para abastecer la ciudad: en diciembre de 1948 se estaban transportando 4500 toneladas
diarias; en marzo de 1949, se llegó a las 8000 toneladas, tanto como se transportaba por carretera y
ferrocarril antes del corte de las comunicaciones. En la planificación de los suministros se utilizó la
programación lineal. (El 12 de mayo de 1949, los soviéticos levantaron el bloqueo)
Ahora bien , esta disciplina científica se aplica principalmente en el terreno de la actividad
económica y, por consiguiente, tiene una importancia muy especial para la economía política y otras
ciencias económicas. El nombre de programación lineal no procede de la creación de programas de
ordenador, sino de un término militar, programar, que significa realizar planes o propuestas de
tiempo para el entrenamiento, la logística o el despliegue de las unidades de combate.
FORMULACIÓN DE MODELOS DE PROGRAMACIÓN LINEAL
Mezcla de Alimentos
Transporte y asignación
Planeación financiera
Mercadotecnia
Asignación de recursos
En esta parte debemos considerar algo muy importante, hay una variedad de
aplicaciones de modelos lineales, en las siguientes paginas vamos a tratar de
considerar modelos lineales y sobre todo de mas aplicación al inicio del
aprendizaje de formulación de modelos lineales.
Problema 1.-(producción)
Una industria vinícola produce vino y vinagre. El doble de la producción de vino es
siempre menor o igual que la producción de vinagre más cuatro unidades. Por otra
parte, el triple de la producción de vinagre sumado con cuatro veces la producción
de vino se mantiene siempre menor o igual a 18 unidades.Halla el número de
unidades de cada producto que se deben producir para alcanzar un beneficio
máximo, sabiendo que cada unidad de vino deja un beneficio de S/8 y cada
unidad de vinagre de S/2.
Solución:
Vino Vinagre
Variable de decisión:
Xi= Número de unidades producidas de i(i=Vino,vinagre=1,2) a elaborar.
Función Objetivo:
Max=8x1+2x2
Restricciones:
El doble de la producción de vino es siempre menor o igual que la producción de
vinagre más cuatro unidades:2x1<=x2+4 el triple de la producción de vinagre
sumado con cuatro veces la producción de vino se mantiene siempre menor o
igual a 18 unidades.
3x2+4x1<=18
Modelo Lineal
Max=8x1+2x2
Sujeto a:
2x1-x2<=4
4x1+3x2<=18
no negatividad:
Xi>=0
P=40x+30y
Elementos
Maíz Trigo
disponibles
Horas 2 1
Hectáreas 1 1 800
Utilidad por unidad $40 $30 480
La cantidad total de tiempo par hectáreas para sembrar maíz y trigo está dada por 2x+y horas
que no debe exceder las 800 horas disponibles para el trabajo. Así se tiene la desigualdad:
2x+y<800
En forma análoga, la cantidad de hectáreas disponibles está dada por x+y, y ésta no puede
exceder las hectáreas disponibles para el trabajo, lo que conduce a la desigualdad.
Por último, si no queremos tener pérdidas, x y y no pueden ser negativa, de modo que
x>0
y>0
2x+y<800
x+y<480
x>0
y>0
Solución Gráfica
Si consideremos el problema del granjero López, es decir, de maximizar P = 40x+ 30y sujeta a
2x+y<800
x+y<480
El sistema de desigualdades (7) define la región plana S que aparece en la figura 5. Cada
punto de S es un candidato para resolver este problema y se conoce
No es casualidad que la solución óptima de este problema aparezca como vértice del
conjunto factible S. De hecho, el resultado es consecuencia del siguiente teorema básico de la
programación lineal, que se enuncia sin demostración.
En nuestro ejemplo los únicos vértice del conjunto factible S son los puntos
coordenados: (0,0); (400,0); (320,160); (0,480), llamados también puntos esquinas (Fig. 6).
VERTICE P=40x+40y Supóngase que la utilidad por hectáreas es de $40 para ambos,
maíz y trigo. La tabla para este caso muestra la misma utilidad total
(0,0) 0 en los vértices(0,480) y (320,160). Esto significa que la línea de
(0,480) 19.200 utilidad en movimiento abandona la región sombreada por el lado
(320,160) 19.200 determinado por esos vértices (adyacentes) , así todo punto en ese
lado da una utilidad máxima. Todavía es válido, sin embargo, que la
(400,0) 16.000 utilidad máxima ocurre en un vértice.
El teorema 1 dice que la búsqueda de las soluciones a un problema de programación lineal se
puede restringir al examen del conjunto de vértices del conjunto factible S relacionado con el
problema. Como un conjunto factible S tiene un número finito de vértices, el teorema sugiere
que las soluciones a un problema de programación lineal se puedan hallar inspeccionando los
valores de la función objetivo P en los vértices.
Teorema 2: Supóngase un problema de programación lineal con un conjunto factible S y una función
objetivo P = ax + by.
Existencia
de una 1. Si S está acotado, entonces P tiene u valor máximo y n valor mínimo en S.
solución
2. Si S no está acotado y tanto a como b son no negativos, entonces P tiene un valor mínimo
en S, si las restricciones que definen a S incluyen las desigualdades x ³ 0 e y ³ 0.
El método utilizado para resolver el problema del granjero López recibe el nombre de método
de las esquinas. Este método sigue un procedimiento muy sencillo para resolver los problemas
de programación lineal basada en el teorema1.
Aplicaremos los conceptos antes emitidos al siguiente problema de nutrición, basado en los
requerimientos, en el cual hay que minimizar la función objetivo.
C = 6x+ 8y
40x+10y>2400
Consideraciones similares con los requisitos mínimos de vitaminas B-1 y B-2 conducen a las
desigualdades:
10x+15y>2100
5x+15y>1500
40x+10y>2400
10x+15y>2100
5x+15y>1500
x>0, y>0
El conjunto factible S definido por el sistema de restricciones aparece en la figura. Los vértices
del conjunto factible S son A(0,240); B(30,120); C(120; 60) y D(300,0).
Los valores de la función objetivo C en estos vértices en la tabla que sigue
Vertice C=6x + 8y
A (0,240) 1920
B(30,120) 1140
C(120,60) 1200
D(300,0) 1800
La tabla muestra que el mínimo de la función objetivo C=6x+8y ocurre en el vértice B(30,120) y
tiene un valor de 1140. Así el paciente debe adquirir 30 píldoras de la marca A y 120 de la
marca B, con un costo mínimo de $11,40.
EJEMPLO 1:
Maximizar
Sujeto a:
La solución óptima siempre se encuentra en uno de los vértices del conjunto de
soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.
EJEMPLO 2.
Minimizar
Sujeto a:
SOLUCION OPTIMA:
EJEMPLO 3.
Minimizar
Sujeto a:
PROGRAMACIÓN LINEAL MÉTODO GRÁFICORestricciones: a. X
1≤
10b. X
2
≤
10c. X
1
+X
2
≤
16d. 6X
1
+ 4X
2
≥
48e. X
1
+X
2
≤
20f. 2X
1
+ 4X
2
≥
16g. X
1
-X
2
≤
0h. No negatividad: X
1
,X
2
≥
0
SOLUCION OPTIMA:
El método gráfico se emplea para resolver problemas que presentan sólo
2 variables de decisión. El procedimiento consiste en trazar las ecuaciones de
las restricciones en un eje de coordenadas X1, X2para tratar de identificar el
área de soluciones factibles (soluciones que cumplen con todas las
restricciones).
EJEMPLO 1:
Maximizar
Sujeto a:
La solución óptima siempre se encuentra en uno de los vértices del conjunto de
soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.
EJEMPLO 2.
Sujeto a:
SOLUCION OPTIMA:
EJEMPLO 3.
Minimizar
Sujeto a:
SOLUCION OPTIMA: