Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Final Programación Lineal
Informe Final Programación Lineal
CARTILLA DIDÁCTICA
Vicerrectoría Académica
Oficina de Educación Virtual y TIC
Unidades Tecnológicas de Santander
2019
CARTILLA DIDÁCTICA DIGITAL PROGRAMACIÓN LINEAL
MG. ÁLVARO VALENCIA CALLE
Reservados todos los derechos. No se permite la reproducción total o parcial de esta obra, ni su incorporación a un sistema
informático, ni su transmisión en cualquier forma o por cualquier medio (electrónico, mecánico, fotocopia, grabación u otros) sin
autorización previa y por escrito de los titulares del copyright. La infracción de dichos derechos puede constituir un delito contra la
propiedad intelectual.
8
JUSTIFICACIÓN
PROGRAMACIÓN LINEAL
La Programación Lineal, se considera que tiene una parte de arte, y otra parte de ciencia;
el arte es la capacidad de describir desde la experiencia, y modelar los problemas de la
vida real; como ciencia tiene la capacidad de solucionar los modelos, que son aplicados
como algoritmos de tipo analítico, y matemático.
9
https://www.freepik.es/fotos-vectores-gratis/negocios
Foto de negocios creado por jannoon028 - www.freepik.es
INTRODUCCIÓN A LA
PROGRAMACIÓN LINEAL
10
Capítulo I
11
El problema que se va a resolver, se da en el modelar el mundo real de las organizaciones,
e interpretarlo a través de un modelo matemático.
El capítulo I, aborda conceptos básicos, para que los estudiantes, puedan aprender a
modelar eficientemente, y en ocasiones intenta explicar alguna circunstancia, que ayude
a entender las ventajas de distintas técnicas, que se aplican.
Pidd (2010), propone la siguiente definición: “Un modelo es una representación explícita
y externa de parte de la realidad, como la ven las personas que desean usar el modelo,
para entender, cambiar, gestionar y controlar dicha parte de la realidad”
12
Figura 2. Modelos de programación lineal.
La Definición del problema general de Programación lineal dice (Hillier F, 2010), Este
proceso de definición del problema es crucial, pues afectará de forma significativa la
relevancia de las conclusiones del estudio. ¡Es difícil obtener una respuesta
“correcta” a partir de un problema enfocado de manera “equivocada”!
13
Cuando se tiene en la solución como respuesta que el modelo es factible, se debe a que
este está en capacidad de satisfacer las restricciones que se han planteado en el sistema
de restricciones; y además se puede evaluar si en esa condición es óptima, cuando en la
función objetivo, se genera un máximo o un mínimo, que esta requiere.
1.1.2. modelo de programación lineal
Una de las características de la programación lineal, es que no existe una sola
metodología para resolver todos los diferentes tipos de modelos, que en realidad
resultan en la práctica.
14
Requieren de los niveles de abstracción el mundo real y estar concentrados en las
variables dominantes que controlan el comportamiento del sistema, Estos modelos
matemáticos representaran la forma del comportamiento supuesto del modelo.
15
La definición del problema implica, definir el alcance del problema de análisis. El objetivo
es identificar tres elementos principales, del problema:
16
1.2.5. Fase para implementar la solución
La implementación, es utilizar la solución del modelo que ya ha sido validado; representa
convertir el modelo en instrucciones, que sean de fácil comprensión de las personas que
van utilizar el sistema, para obtener el máximo beneficio de la aplicación. Teniendo la
posibilidad de que se pueda actualizar, con facilidad en un entorno, altamente dinámico.
1.3. CONCEPTUALIZACIÓN DE LA PROGRAMACIÓN LINEAL
Siguiendo el objetivo de este estudio, se van a describir, cada uno de los elementos de
que conforman el modelo, con sus características, para llegar a formular y desarrollar.
modelos de Programación Lineal y solucionar los problemas, hasta la optimización.
1.3.1 Modelo general
A continuación, describiremos los conceptos de la programación, resaltando las
características más importantes en los modelos lineales.
En los modelos de la Programación Lineal, se requiere que en las condiciones la
restricción y la función objetivo se realicen de forma lineal, de tal forma de se define así:
En un grupo con n las variables, que cumpla la condición de no negatividad, y forma un
conjunto compuesto de m desigualdades lineales, para satisfacer el conjunto de
restricciones para que optimice (maximicen o minimicen) la Función Objetivo que
también es una función lineal.
Matemáticamente se puede expresar de la siguiente forma:
• El problema básico de programación lineal, para minimización de costos, la expresión
típica del problema es:
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑒 𝐶𝑖 𝑥𝑖
𝑖
Sujeto a:
𝐴𝑖𝑗 ∗ 𝑥𝑖 ≥ 𝐵𝑗 ∀𝑗
𝑖
𝑥𝑖 ≥ 𝐵𝑗 ∀𝑗
𝑖
𝑥𝑖 ≥ 0 ∀𝑖 17
El análisis de la factibilidad de la región, será poliedro y se estudiará en el capítulo de
método gráfico.
Para el ejercicio básico de programación, sobre la maximización de beneficios. La
expresión típica de este problema es:
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑒 𝑃𝑉𝑖 ∗ 𝑥𝑖
𝑖
Sujeto a:
𝑥𝑖 ≤ 𝐷𝑖 ∀𝑖
𝐴𝑖𝑗 ∗ 𝑥𝑖 ≥ 𝐵𝑗 ∀𝑗
𝑖
𝑥𝑖 ≥ 𝐵𝑗 ∀𝑗
𝑖
𝑥𝑖 ≥ 0 ∀𝑖
18
Definir verbalmente y claramente las variables, que sirven para tomar las decisiones, que
van a ser parte, en las restricciones.
Atienda a las características de las restricciones, de menor que (>), menor o igual a (<=),
mayor que mayor o igual (<=) o igual (=)
Describir claramente las condiciones de la función objetivo, con palabras si es de:
maximizar o minimizar.
Describir la función objetivo del ejercicio, utilizando para ello, cada una de las variables
de decisión.
Describir cada una de las restricciones del ejercicio, utilizando para ello, cada una de las
variables de decisión, que corresponda.
No olvidar, que cada variable de decisión, sólo va estar en zona Positiva, o condición de
No Negatividad.
1.3.2. Ejemplo de modelo de general con dos variables
El estudio de la solución, de modelos de Programación lineal de dos variables, ayuda al
estudiante a encontrar la solución muy fácil de analizar, y suministra los fundamentos de
estudio, cuando se pasan de dos variables, a sistemas multivariables, que son los que
realmente se encuentran, en el mundo real.
Resolver conjuntamente, el siguiente ejercicio:
Una empresa elabora dos tipos de productos, uno manual y uno eléctricos. Para cada uno
se necesita en su elaboración, usar tres tipos de maquinaria la Tipo A, Tipo B y la Tipo C.
En la tabla 1, se registra la información que corresponde con la elaboración, de los dos
tipos de productos.
El producto manual, requiere del uso de la maquinaria Tipo A, por un tiempo de dos
horas, de la maquinaria Tipo B por una hora, y de la maquinaria Tipo C por una hora. El
producto eléctrico requiere de una hora de la maquinaria Tipo A, de dos horas de la
maquinaria Tipo B, y una hora de la maquinaria Tipo C.
La empresa, dispone máximo de un número de horas disponibles al mes, para trabajar en
cada máquina, la maquinaria Tipo A, dispone de 180 horas, la maquinaria Tipo B, dispone
de 160 horas y la maquinaria Tipo C, dispone de 100 horas.
19
La utilidad que recibe la empresa por fabricar cada producto manual, es $4 y por cada
producto eléctrico, es $6. ¿Para maximizar la utilidad mensual, cuántos artículos de cada
uno, debe fabricar la empresa?
Tabla 1. De recursos.
Para este ejemplo, la empresa que fabrica dos tipos de productos uno manual, y uno
eléctricos; se deberán calcular las cantidades mensuales, que a producir de cada artículo.
Al definir las variables de decisión en el ejercicio, serán:
20
𝑥1 = Número de productos manuales, a fabricar por la empresa
𝑥2 = Número de productos eléctricos, a fabricar por la empresa
𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 ℎ𝑜𝑟𝑎𝑠
𝑑𝑒 𝑙𝑎 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑟𝑖𝑎 𝑡𝑖𝑝𝑜 𝐴 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑛𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 ℎ𝑜𝑟𝑎𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
≤
𝑝𝑎𝑟𝑎 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑚𝑎𝑛𝑢𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑟𝑖𝑎 𝑡𝑖𝑝𝑜 𝐴
𝑦 𝑒𝑙𝑒𝑐𝑡𝑖𝑐𝑜
21
Con la maquinaria Tipo A, se necesita para trabajar sobre 𝑥1 artículos manuales es
horas y el tiempo para trabajar sobre 𝑥2 artículos eléctricos es 1 𝑥2 horas.
A continuación, se describirán cada una de las restricciones que tiene este ejercicio de
forma verbal y matemática, para facilitar la comprensión del tema.
𝑥1 = Numero de productos manuales, a fabricar por la empresa
𝑥2 = Numero de productos eléctricos, a fabricar por la empresa
22
Definen que sólo es válido en el primer cuadrante, del plano cartesiano.
23
4. En la restricción (1) se tiene 2 𝑥1 + 1 𝑥2 ≤ 180: 2𝑥40 + 1𝑥60 = 140 , la cual es
menor que el lado derecho, de la restricción (≤180).
5. Por otra parte, la solución es 𝑥1 =80 y 𝑥2 =40, no factible porque no satisface por lo
menos una restricción, por ejemplo la restricción (1) 2 𝑥1 + 1 𝑥2 ≤ 180: 2𝑥80 +
1𝑥40 = 200, la cual es mayor, que el lado derecho (>180).
6. La meta del problema, es determinar la solución óptima, es decir, la mejor solución
factible., que maximice la utilidad total Z.
24
PARA RESOLVER
Ejercicio de la Dieta
Una empresa fabrica cereales naturales, y los distribuye por kilos,
con base a tres diferentes tipos de granos. En su promoción anuncia
que, 130 gramos de su producto mezclado con leche, satisface las
necesidades nutricionales magnesio, fósforo, hidratos carbono y las
proteínas de un adulto.
Los costos de las materias primas, y el contenido nutricional de los
gramos, se muestran en la tabla:
25
PARA RESOLVER
Ejercicio de inversión
La inversión en acciones, está sujeta a la rentabilidad del tipo de
riesgo, que se tome en la inversión. Una persona tiene 100 millones,
los quiere invertir en de tipos de acciones Tipo A y Tipo B. Las de
Tipo A son productos que tiene un riesgo alto dando un beneficio de
11%. Las acciones de Tipo B, son productos que tienen menos riesgo,
o más seguro y producen una rentabilidad, del 6%.
26
PhotoMIX-Company [ Imagen ]Recuperado de: https://pixabay.com
OPTIMIZACIÓN
27
Capítulo II
OPTIMIZACIÓN
Figura 4. Mapa conceptual de optimización.
28
El estudio de la programación lineal, busca la solución óptima de una función que es
lineal, y, además, debe cumplir o satisfacer un grupo de condiciones, llamadas
restricciones, que son ecuaciones de igualdad o desigualdad, según sea el caso.
La optimización se entiende, como una solución de un conjunto de valores específicos,
para llegar al máximo o el mínimo del conjunto de opciones de resultado de la función
lineal, meta u objetivo, también debe mantener las características, de ser factible y ser
óptima
29
Conociendo ya el modelo de programación lineal. del capítulo I, se tiene:
𝑥1 = Número de productos manuales, a fabricar por la empresa.
𝑥2 = Número de productos eléctricos, a fabricar por la empresa.
30
2.1.5 análisis de la región factible
En este análisis se tendrá en cuenta, todas las restricciones del modelo de programación
lineal, para ser evaluadas las condiciones de la región.
31
Primero se deben tener en cuenta las restricciones, de no negatividad para definir el
espacio donde se va trazar la gráfica, donde 𝑥1 ≥0 y 𝑥2 ≥0
Después sustituir y graficar, cada desigualdad con una ecuación.
Encontrando los puntos de corte de las rectas, sobre la abscisa, y la ordena. Evaluando
todos los puntos resultantes, diciendo 〖si,x〗_1=0 entonces 𝑥2 =180, así sucesivamente.
2 𝑥 1 + 1 𝑥 2 ≤ 180 2 𝑥1 + 1 𝑥2 = 180
𝒙𝟏 𝒙𝟐
0 180
90 0
Así, se obtiene la primera restricción, que se puede graficar, en los puntos 〖(x〗_1, 𝑥2 ) que
pasa por (0,180) y (90,0).
1 𝑥1 + 2 𝑥2 ≤ 160 1 𝑥1 + 2 𝑥2 = 160
𝒙𝟏 𝒙𝟐
0 80
160 0
32
De la misma forma se obtiene, la segunda restricción, que se puede graficar en los puntos
〖(x〗_1, 𝑥2 ), que pasa, por (0,80) y (160,0).
1 𝑥1 +1 𝑥2 ≤100 1 𝑥1 +1 𝑥2 =100
𝒙𝟏 𝒙𝟐
1
0 0
0
10
0
0
Para la tercera restricción, que se puede graficar en los puntos ((𝑥1 , 𝑥2 ), que pasa por (0,80)
y (160,0).
3. Para continuar con el análisis, se evaluará, la recta que divide en dos semiplanos todo el
plano y que, en forma excluyente, sólo uno de ellos da la condición de ser la región factible,
según sea el sentido de la desigualdad. Una forma de evaluar cuál de los lados es la región
factible (correcta), evaluará la ecuación de desigualdad, en el punto (0,0), como guía.
Cuando la desigualdad es correcta, este lado del semiplano, se llamará “región factible”.
33
5. Existe un caso especial, cuando la ecuación que se requiere graficar, es una línea que
interseca con el punto de origen (0,0), la solución para resolver este caso, es tomas un
punto diferente al origen (0,0), y evaluar la ecuación de la desigualdad, con la región
factible.
6. El conjunto de todas las soluciones factible de las restricciones, representadas en el
plano cartesiano se llamará el “Espacio de Solución Factible”, ubicado dentro del primer
cuadrante, y además deberá satisfacer, el total del conjunto de restricciones
simultáneamente. En la figura 2.1, aquellos puntos inclusive los que conforman el límite
del espacio de solución factible, descrito por ABCDE. Aquellos puntos que están por fuera
del área se llamara área de solución, no factibles.
Este enunciado, da una forma de encontrar una solución óptima, sin dibujar las rectas de
isoutilidad, como lo hizo, antes.
Con el fin de encontrar la solución óptima, evaluar la función objetivo, en cada uno de los
vértices del espacio de solución factible, y dependiendo si se está maximizando o
minimizando, encontrando el vértice, que optimice la función objetivo.
VERTI 𝒙𝟏 𝒙𝟐
CE
A 40 60
B 80 20
C 90 0
D 0 0
E 0 80
34
Ahora, evaluando la función objetivo Maximizar Z=4 𝑥1 + 6 𝑥2 , en cada uno de los puntos:
Z (A)=4*(40 ) + 6*(60 )= 520
Z (B)=4*(80 ) + 6*(20 )= 440
Z (C)=4*(90 ) + 6*(20 )= 360
Z (D)=4*( 0 ) + 6*( 0 )= 0
Z (E)=4*( 0 ) + 6*(80 )= 480
Así, Z tiene un valor máximo de 520 en A (40, 60), donde esta es solución óptima para la
maximización del problema de programación lineal planteado, y está dada por el valor
óptimo (máximo) de la función objetivo, y el punto donde ocurre dicho valor.
MÉTODO SIMPLEX
El algoritmo del Método Simplex, es muy sencillo de resolver y bastante práctico, que
favorece para trabajar las restricciones, y la función objetico de manera eficiente, como
ya se había visto, fue desarrollado por Danzinen, buscando encontrar el óptimo, se aplica
para todos los tipos de problemas de Programación Lineal que posean dos o más
variables de decisión.
2.2.1. Modelo matemático de programación lineal
Las condiciones que se deben plantear para el desarrollo del algoritmo del Método
Simplex, estas se establecen como complemento del Modelo de Programación Lineal
planteado en el capítulo I, y utilizar como modelo el mismo ejercicio que se resolvió, para
el método gráfico, y son las siguientes:
a) Las ecuaciones de restricción, debe tener el lado derecho de la igualdad o
desigualdad positivo, (no negativo), si lo hay se debe hacer, que se cumpla esta
condición.
b) Se sigue aplicando la condición de No Negatividad, para las variables del conjunto de
ecuaciones.
35
Transformar las ecuaciones de desigualdad, de las restricciones en ecuaciones, de
igualdad y deberá tener lado derecho que en este caso representa la disponibilidad de los
recursos, este recurso debe ser positivos. (no negativos), y resto de ecuación en el lado
derecho, mostrando las actividades a evaluarse.
Trasformar las ecuaciones de desigualdad, en ecuaciones de igualdad, se debe tener en
cuenta, es sentido de las ecuaciones de desigualdad, para adicionar o restar la variable de
Holgura:
▪ Si la desigualdad es≤le agregamos la variable de holguar +S_1 = y ademas S_1≥0
▪ Si la desigualdad es ≥le quitamos la variable de superavit-S_1 = y ademas S_1≥0
Para el ejercicio que está trabajando, la restricción de máquina Tipo A, en el tiempo de
utilización de la máquina es igual a a 2 𝑥1 +1 𝑥2 ≤180 se deberá convertirla, en una
ecuación:
2 𝑥1 + 1 𝑥2 + 𝑆1 = 180 , 𝑠𝑖 𝑆1 ≥ 0
La variable no negativa S_(1,) es la holgura (o cantidad no utilizada), del recurso de la
máquina tipo A.
Para los casos, donde se tienen restricciones (≥), esta no establece un límite inferior, en
las actividades del ejercicio, así que la cantidad en la cual el lado izquierdo excede el
límite mínimo representa un superávit. Así pues, la conversión de(≥),a - S_1= se logra
restando una variable de superávit no negativa del lado izquierdo de la desigualdad.
Se deberá tener en cuenta, que el lado derecho de la ecuación resultante puede ser no
negativo. En el caso que sucediera, que el lado derecho resulta negativo, la condición se
cumple, multiplicando ambos lados de la ecuación por (-1).
En el ejemplo para resolver el modelo de la empresa fábrica, dos tipos de productos, uno
manual, y uno eléctricos:
36
𝑥1 = Número de productos manuales a fabricar por la empresa
𝑥2 = Número de productos eléctricos a fabricar por la empresa
37
1. Como ya se había visto, las variables 〖S_1,S〗_2 ,S_3, son variable de holgura, que
corresponde a cada una de las restricciones, del modelo de Programación Lineal.
2. Igualando a cero, la función objetivo, así;
Z-4 𝑥1 6 𝑥2 =0
𝑧 1 -4 -6 0 0 0 0 FILA 𝒁
𝑺𝟏 0 2 1 1 0 0 180 FILA 𝑺𝟏
𝑺𝟐 0 1 2 0 1 0 160 FILA 𝑺𝟐
𝑺𝟑 0 1 1 0 0 1 100 FILA 𝑺𝟑
38
2.2.2. Interpretación de la tabla inicial
Este diseño de la “Tabla Inicial” de método del Algoritmo Simplex, entrega una solución
inicial, para el ejercicio o primera iteración, las variables de la función objetivo y las
restricciones de decisión, se registran en la columna izquierda.
En la columna derecha se registran los recursos a utilizar, que son el lado derecho de cada
una de las ecuaciones, para la función objetivo es cero.
Con los coeficientes de las variables básicas, y debajo de las variables de holgura,
construir una versión de la matriz identidad, donde existe variable de holgura (S),
utilizando el valor de uno, y donde no se tiene una variable de holgura; el valor será cero.
39
2.2.3. Variable de entrada
Para definir la variable de entrada en cada una de las iteraciones, utilizar la condición de
Condición de Optimalidad.
Condición de Optimalidad:
Esta condición define, que cada una de las variables de entrada, en los ejercicios de
simplex, sea de maximización o, de minimización), es la fila Z tomando como entrada la
“Variable No Básica”, con el coeficiente “más negativo” (positivo) en caso de tener dos o
más igual se toma cualquier. Realizando tantas iteraciones para encontrar el “óptimo”, y
se encuentra, en la iteración, donde los coeficientes en la “fila z son no negativos”, (no
positivos).
40
Tabla 3. Condición de factibilidad.
41
Después de conocer la tabla inicial resolver el ejercicio por el método simplex,
realizaremos todas las operaciones apoyados en el resumen las Operaciones de filas de
Gauss - Jordán, en combinación de los Pasos del Método Simplex. Tomando el Resumen
de método Simplex (Taha, 2012), novena edición pág. 85 tendremos:
42
Para el ejercicio planteado, se desarrollará todo el conjunto de operaciones de algoritmos
de gauss, y el simplex.
PASO NÚMERO UNO Y DOS:
Utilizando la metodología de solución de ecuaciones por método de Gauss, se identificó
en la columna pivote (resaltada), que es 𝑥2 por ser la más negativa, y la fila pivote
(resaltada), en la tabla anterior, siendo esta intersección el elemento pivote.
ENTRAD
A
↓
BÁSI
𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑺𝟐 𝑺𝟑 SOL
Z
CA UCIÓN
Z 1 -4 -6 0 0 0 0
𝑺𝟏 0 2 1 1 0 0 180
SAL 𝑺𝟐 FILA
E ← 0 1 2 0 1 0 160 PIVOT
E
𝑺𝟑 0 1 1 0 0 1 100
Columna
Pivote
43
PASO NÚMERO TRES:
A partir del elemento pivote, realizar dos tipos de cálculos (con Gauss -Jordan) para
obtener una nueva solución.
• Nueva fila Pivote.
Para convertir el elemento pivote, en uno (1)
a) Para encontrar la Nueva fila Pivote, en la columna Básica, sustituya la variable de
salida.
b) 𝑆2 en la columna Básica con la variable de entrada 𝑥2 .
c) La Nueva fila Pivote = Fila pivote actual ÷ Elemento pivote
44
Proceder a ubicar estos resultados de la primera iteración, en la nueva tabla para tener
como resultado la nueva solución ,básica es (𝑥2 ,S_1, S_3 ):
BÁSICA Z 𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑺𝟐 𝑺𝟑 SOLUCIÓN
Z 1 -1 0 0 3 0 480
𝑺𝟏 3 1
0 0 1 − 0 100
2 2
𝐱𝟐 1 1
0 1 0 0 80
2 2
𝑺𝟑 1 1
0 0 0 − 1 20
2 2
45
Después de la primera iteración, valores negativos en la fila Z, pasar de nuevo al PASO
UNO, y realizar todo el desarrollo del procedimiento nuevamente:
BASICA Z 𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑺𝟐 𝑺𝟑 SOLUCION
Z 1 -1 0 0 3 0 480
𝑺𝟏 3 1
0 0 1 − 0 100
2 2
𝐱𝟐 𝟏 𝟏
0 1 0 0 80
𝟐 𝟐
𝑺𝟑 𝟏 𝟏
0 0 0 − 1 20
𝟐 𝟐
Entrada
BÁSIC 𝒙𝟏 SOLUCIÓN
A
-1
𝑺𝟏
3 100
100 𝑥2 = = 66.67
2 3
2
𝐱𝟐
𝟏 80
80 𝑥2 = = 160
𝟐 1
2
𝑺𝟑
𝟏 20 ← 𝑚𝑖𝑛𝑖𝑚𝑜
20 𝑥2 = = 40
𝟐 1
2
La entrada se realiza, por 𝒙𝟏 y sale por 𝑺𝟑
46
ENTRAD
A
BÁSIC
𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑺𝟐 𝑺𝟑 SOLUCIÓ
Z
A N
Z 1 -1 0 0 3 0 480
𝑺𝟏 3 1
0 0 1 − 0 100
2 2
𝐱𝟐 𝟏 𝟏
0 1 0 0 80
𝟐 𝟐
SALE 𝑺𝟑 FILA
𝟏 𝟏
← 0 0 0 − 1 20 PIVOT
𝟐 𝟐
E
Columna
Pivote
47
BASICA Z 𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑺𝟐 𝑺𝟑 SOLUCION
Z 1 0 0 0 2 2 520
𝑺𝟏 0 0 0 1 1 -3 40
x2 0 0 1 0 1 -1 60
𝑥1 0 1 0 0 -1 2 40
VARIABLES DE VALOR
RECOMENDACIÓN
DECISIÓN ÓPTIMO
Z La utilidad máxima será, de
520 maximizar la función
objetivo.
𝑥1 40 Fabricar 10 manuales.
𝑥2 60 Fabricar 75 eléctricos.
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 4 𝑥1 + 6𝑥2
𝑍 = 4 𝑋40 + 6𝑋60 = 520
48
PARA RESOLVER
AUTOEVALUACIÓN II TEÓRICO:
Resolver en forma gráfica (graficar), los siguientes sistemas de
inecuaciones.
𝑥<4
𝑥 − 4𝑦 > 5
𝑥>0
3𝑥 + 𝑦 > 6
2𝑥−𝑦 ≥ 2
2𝑥+𝑦 > 4
−2𝑥+𝑦 ≥ 1
5𝑥+2𝑦 ≤ 4
𝑥+𝑦 >0
−𝑥 + 2 𝑦 ≤ 0
METODO GRÁFICO:
Una carpintería fabrica mesas redondas y cuadradas para su venta, la
utilidad de las mesas redondas es de $100.000, se necesita 5 horas
en la máquina de lijar y de 4 horas de trabajo de pintura, la demanda
no es superior a las 10 unidades.
La mesa cuadrada, requiere de 4 horas en la máquina de lijar y de 3
horas de trabajo de pintura, produce una utilidad de $130.000. La
carpintería dispone a la semana de 50 horas totales en la máquina de
lijar y de 55 horas totales de trabajo de pintura, la demanda no es
superior a las 10 unidades.
¿Cuantas mesas redondas y cuadradas deberán producir la
carpintería para maximizar la utilidad?
Presente este ejercicio como un problema de programación lineal y
resuélvalo optimizándolo por el método gráfico.
49
PARA RESOLVER
MÉTODO SIMPLEX:
Resolver por método simplex, el siguiente ejercicio:
SIMPLEX:
Un banco en tiene cuatro productos de inversión, en su portafolio
que son: créditos de consumo, acciones, depósitos de metales
preciosos, y préstamos industriales. Las directivas del banco con el
fin de lograr la diversificación de su cartera, plantea nuevas políticas.
La primera es maximizar el interés esperado, para el siguiente
semestre. Y cumplir con la diversificación propuesta por los
directivos, según la tabla. En la actualidad tiene una disponibilidad
de 5 millones de dólares para las inversiones.
50
PARA RESOLVER
LÍMITE DE
INTERÉS INVERSIÓN
TIPO DE INVERSIÓN
ESPERADO (MILLONES DE
DÓLARES)
Acciones 10 % 2.4
51
https://www.freepik.es/fotos-vectores-gratis/fondo
Foto de fondo creado por jcomp
TRASPORTE Y ASIGNACIÓN
52
Capítulo III
TRASPORTE Y ASIGNACIÓN
Figura 5. Mapa conceptual transporte y asignación.
Y como todos los problemas de programación lineal, la función objetivo tiene como principal
misión, la optimización para minimizar el costo total de transporte de todos los elementos,
después de cumplir con las condiciones de la oferta (origen), y la demanda (destinos).
53
3.1. MODELO DE TRANSPORTE
Los problemas de asignación, se pueden tratar como un tipo particular del Modelo de
transporte que requiere de asignar recursos, como es el caso de personas a actividades.
Figura 6. Modelo de transporte.
54
Para describir este modelo que utilizará, la siguiente terminología.
2.1 SUPOSICIONES
3.1.1. Suposición de requerimientos
La cantidad suministrada de uni, en el conjunto de destinos, su solución tiene factibilidad
cuando si y sólo sí, debe existir el balance:
𝑚 𝑛
𝑠𝑖 = 𝑑𝑗
𝑖=1 𝑗=1
𝑚 𝑛
𝑥𝑖𝑗 𝐶𝑖𝑗
𝑖=1 𝑗=1
55
3.1.3. Modelo de programación lineal para el problema de transporte
𝑥𝑖𝑗 = Cantidad a transportar o distribuir una unidad de producto, desde origen i hasta el
destino j
𝑚 𝑛
∀𝑥𝑖𝑗 ≥ 0 𝑝𝑎𝑟𝑎 𝑖 = 1, 2, … 𝑚 , 𝑗 = 1, 2, … 𝑛
En conclusión, se tiene:
𝑥𝑖𝑗 = Cantidad a transportar o distribuir una unidad de producto, desde origen i hasta el
destino j.
𝑚 𝑛
57
MATRIZ DE COSTOS
COSTO POR UNIDAD TRASNPORTADA
RECURS
DESTINO
OS
DESDE/HAS OFERT
1 2 ….. n
TA A
1 𝐶11 𝐶12 …. 𝐶1𝑛 𝑠1
…. …. …. …. …. ….
𝑑1 𝑑2 …. 𝑑𝑛
DEMANDA
Una empresa cuenta con cuatro fábricas de calzado, en las ciudades de Bogotá,
Bucaramanga, Cali y Barranquilla, despacha las cajas de calzado a los almacenes que tiene
en las ciudades de Cúcuta, Tunja Ibagué y Villavicencio; estos despachos, se hacen en
forma mensual. Las directivas de la empresa, están analizando la optimización de la
programación, de los despachos de esta producción. Los costos de transporte se ven en la
siguiente tabla, estos son los costos por unidad distribuida.
58
Tabla 7. Matriz de costos.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA:
DESTINO:
DESDE/HASTA VILLAVICENCIO TUNJA IBAGUÉ CúCUTA OFERTA
BOGOTA 25 35 36 60 15
ORIGEN
BUCARAMANGA 55 30 45 38 6
CALI 40 50 26 65 14
BARRANQUILLA 60 40 66 27 11
DEMANDA 10 12 15 9
En algunos casos los ejemplos, no entregan la matriz de costos, y debe ser construida,
teniendo en cuenta, la disponibilidad de los recursos que son suministrados o sea la
oferta, que se ubicará en la columna de la derecha, y los requerimientos de productos o
sea la demanda, se ubicará en la última fila.
59
PROCEDIMIENTO DE ASIGNACIÓN INICIAL
En la literatura de este tema existen muchos métodos para la asignación inicial, para el
caso de estudio de este curso tomaremos tres tipos distintos, que son los más
representativos son:
Método Esquina Noroeste
Método Costo Mínimo
Método de Aproximación de Vogel
Esta solución inicial no es la más óptima o difícilmente se utiliza, porque su solución sólo
se basa en la asignación de la posición física dentro de la tabla de costos, y no en el costo,
que lo que quiere minimizar.
60
Sobre la fila de la fábrica Bogotá queda un excedente de 5u, según el procedimiento,
pasamos a la columna izquierda - Tunja y procederá de misma forma, asignar lo máximo
posible que es 5 unidades, de la fábrica de Bogotá, porque es lo máximo que Bogotá
puede asignar, Tunja quedará con una demanda pendiente de 7 unidades, y así Bogotá,
quedará con su oferta que ha terminado, en cero. Pasando a la siguiente fila.
Para Bucaramanga, en la columna de Villavicencio la demanda ya está satisfecha o sea
está en cero, se pasa a la columna de la derecha, tendríamos que en Tunja existe una
demanda de 7 u. que se asignarán desde la fábrica de Bucaramanga, Tunja quedará con
una demanda pendiente de 1 unidad. Para la fábrica de Bucaramanga quedará con su
oferta terminada en cero. Pasando a la siguiente fila.
Se pasa a la siguiente fila la fábrica de Cali que produce 14 u., puede asignar 1 u en Tunja
y así queda con toda se demanda satisfecha, se pasa a la columna siguiente, Ibagué en la
cual se pueden asignar 13 unidades restantes de la fábrica de Cali, quedando esta fábrica
con su oferta en cero. Se pasa a la siguiente fila Barranquilla, de la producción u oferta de
Barranquilla, se puede asignar las 2 u. que faltan para completar la demanda de Ibagué,
que quedará su demanda satisfecha, y pasamos a la columna siguiente Cúcuta, y
asignando 9 u. quedando en cero la oferta de Barranquilla y la demanda de CÚCUTA,
terminando así el proceso.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO
DESDE/HASTA VILLAVICENCIO TUNJA IBAGUÉ CÚCUTA OFERTA
BOGOTA 10 25 5 35 36 60 15
ORIGEN
BUCARAMANGA 55 6 30 45 38 6
CALI 40 1 50 13 26 65 14
BARRANQUILLA 60 40 2 66 9 27 11
DEMANDA 10 12 15 9
61
Fuente: elaboración propia.
El siguiente paso consiste en calcular el costo total, que resulta de tomar cada asignación
y multiplicarla por el costo de la misma, que es desarrollar la función objetivo.
𝑍 = 𝑐𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙
Para este método se busca dentro de la matriz de costos en cada ejercicio la relación que
tenga el menor costo, a esa relación se le asigna la mayor cantidad de posible de
producto a transportar. En el caso donde existan dos o más costos iguales, la decisión de
en cual asignar, se toma arbitrariamente el que el tomador de la decisión elija, aquellas
filas y columnas que se asignen completas o queden en cero sus recursos o sus
demandas, no se tendrán en cuenta continuando con el proceso. Este proceso de
asignación termina cuando se satisface todas las demandas y quedan en cero todas las
ofertas.
62
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO
DESDE/HASTA VILLAVICENCIO TUNJA IBAGUÉ CÚCUTA OFERTA
BOGOTÁ 10 25 (1) 5 35(5) 36 60 15/5/0
ORIGEN
El siguiente paso consiste en calcular el costo total, que resulta de tomar cada asignación
y multiplicarla por el costo de la misma, que es desarrollar la función objetivo.
𝑍 = 𝑐𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎 l
63
3.4 MÉTODO DE ASIGNACIÓN DE VOGEL
El método de Aproximación de Vogel, es un método heurístico en la mayoría de los casos
nos proporciona la mejor solución básica inicial, más cercana al óptimo que los dos
sistemas de asignación anterior, encontrando una solución básica más eficiente.
Este modelo se desarrolla por medio de cinco etapas, como un conjunto de
penalizaciones para toda la tabla de costos, el procedimiento se explicará a continuación:
ETAPA 1.
Evaluar en las filas y en las columnas, el valor de la penalización (diferencia o resta,) de los
dos elementos de menor valor, en cada fila, y cada columna.
ETAPA 2.
Encontrar de todas las penalizaciones evaluadas en el paso anterior, cuál es la del mayor
valor de todas las filas y columnas, seleccionándolo. En el caso de existir igualdad en
algunos resultados, romper arbitrariamente.
ETAPA 3.
De la fila o columna seleccionada en el paso anterior, encontrar la que tenga el menor
costo y asignar la mayor cantidad de recursos que sea posible de la oferta o ya sea el
requerimiento de la demanda. Descontando lo asignado, de la oferta y la demanda.
ETAPA 4.
De cada fila o columna, cuya asignación resulte completa ya sea de oferta o demanda, no
se tendrá en cuenta para asignaciones posteriores (se eliminan).
Si todas las filas o columnas tienen recursos igual a cero, parar.
ETAPA 5.
Evaluar nuevamente para cada fila, y para cada columna, la penalización de la etapa uno.
Aquellas que este en cero, no tener en cuenta, posteriormente ir, a la etapa dos.
En el caso que quede sólo una fila o sólo una columna, con recurso de oferta o demanda,
determinar su asignación, por el método del costo mínimo.
64
Tabla 10. Matriz de costos, por unidad distribuida,
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO
OFE
DESDE/HASTA VILLAVICENCIO TUNJA IBAGUÉ CÚCUTA
RTA
BOGOTÁ 25 35 36 60 15
ORIGEN
BUCARAMANGA 55 30 45 38 6
CALI 40 50 26 65 14
BARRANQUILLA 60 40 66 27 11
DEMANDA 10 12 15 9
65
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO DIFERENCIA
VILLAVICE 1
DESDE/HASTA NCIO
TUNJA IBAGUE CUCUTA OFERTA
BOGOTA 25 35 36 60 15 10
ORIGEN
55 30 45 38 6 8
CALI 40 50 26 65 14 14
BARRANQUILLA 60 40 66 27 11 13
DEMANDA 10 12 15 9
DIFERENCIA 1 15 5 10 11
66
Tabla 12. Matriz de costos, por unidad distribuida.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DIFERENC
DESTINO
IA
VILLAVICENCI OFERT 1
DESDE/HASTA O TUNJA IBAGUÉ CÚCUTA
A
2 10
BOGOTÁ 10 35 36 60 15/5
5
5 8
ORIGEN
BUCARAMANGA 30 45 38 6
5
4 14
CALI 50 26 65 14
0
6 13
BARRANQUILLA 40 66 27 11
0
DEMANDA 10/O 12 15 9
DIFERENCIA 1 15 5 10 11
En la Etapa cuatro, verificamos si todos los recursos fueron asignados están en cero, como
no es el caso, pasamos a la etapa cinco. Descartando la ciudad de VILLAVICENCIO para
futuros cálculos.
67
Tabla 13. Matriz de costos, por unidad distribuida.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO DIFERENCIA
DESDE/HASTA VILLAVICENCIO
TUNJA IBAGUÉ CÚCUTA OFERTA 1 2
BOGOTÁ 10 25 35 36 60 15/5 10 1
ORIGEN
BUCARAMANGA 55 30 45 38 6 8 8
CALI 40 50 14 26 65 14/0 14 14
BARRANQUILLA 60 40 66 27 11 13 13
DEMANDA 10/0 12 15/1 9
DIFERENCIA 1 15 5 10 11
DIFERENCIA 2 - 5 10 11
Se pasa a la Etapa dos y tres: encontrando que la mayor diferencia está en la fábrica de
Cali, y que el costo menor coincide con el almacén de Ibagué. Por lo tanto, en la Etapa
cuatro asignarán 14u. Dejando la fábrica de Cali con cero recursos y Ibagué, con una
demanda pendiente de 1 u.
68
Tabla 14. Matriz de costos, costo por unidad distribuida.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DIFERENCI
DESTINO
A
VILLAV 1 2 3
DESDE/HASTA ICENCI TUNJA IBAGUE CUCUTA OFERTA
O
2 1 1 1
BOGOTA 10 35 36 60 15/5
5 0
5 8 8 8
ORIGEN
BUCARAMANGA 30 45 38 6
5
4 1 14 -
CALI 50 14 26 65 14/0
0 4
6 1 13 13
BARRANQUILLA 40 66 9 27 11/
0 3
DEMANDA 10/0 12 15/1 9/0
DIFERENCIA 1 15 5 10 11
DIFERENCIA 2 - 5 10 11
DIFERENCIA 3 - 5 9 11
Sin tener en cuenta, Cali y Villavicencio. Se encuentra que la mayor diferencia es Barranquilla
y encontrando que analizando el menor costo está en transportar, a la ciudad de Cúcuta, por
lo tanto, se procederá a asignar lo más posible, que son 9 u. Quedando satisfecha la
demanda de Cúcuta y un remante de recursos en Barranquilla 2 u.
Procediendo a realizar una nueva iteración, calculando la diferencia cuatro (4) nuevamente
los pasos de la Etapa uno, dos, tres, cuatro. Iniciar la evaluación, para todas filas y para todas
las columnas, las diferencias entre las dos celdas, son las del costo menor.
69
Tabla 15. Matriz de costos, costo por unidad distribuida
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO DIFERENCIA
DESDE/HASTA VILLAVICENCIO
TUNJA IBAGUÉ CÚCUTA OFERTA 1 2 3 4
1 2 3 10 1 1 1
BOGOTÁ 36 60 15/5
0 5 5
5 3 8 8 8 15
ORIGEN
BUCARAMANGA 45 38 6
5 0
4 5 14 14 - -
CALI 14 26 65 14/0
0 0
6 4 13 13 13 26
BARRANQUILLA 2 66 9 27 11/2/0
0 0
DEMANDA 10/0 12/10 15/1 9/0
DIFERENCIA 1 15 5 10 11
DIFERENCIA 2 - 5 10 11
DIFERENCIA 3 - 5 9 11
DIFERENCIA 4 - 5 9 -
Sin tener en cuenta, Cúcuta, Cali y Villavicencio. Se encuentra que la mayor diferencia es,
Barranquilla y encontrando que, analizando el menor costo, está en transportar a la ciudad
de Tunja, por lo tanto, se procederá a asignar lo más posible, que son las 2 u. restantes.
Quedando completa, la oferta de la planta de Barranquilla y en Tunja faltante de producto,
en 10 u.
Como todavía se tiene demanda por ser cubierta, y oferta por ser asignada, se procederá a
realizar una nueva iteración, calculando la diferencia cinco (5) nuevamente los pasos de la
etapa uno, dos, tres, cuatro, evaluando para todas filas y para todas las columnas, las
diferencias entre las dos celdas, del costo menor.
70
Tabla 16. Matriz de costos.
MATRIZ DE COSTOS
COSTO POR UNIDAD DISTRIBUIDA
DESTINO DIFERENCIA
DESDE/HASTA VILLAVICENCIO
TUNJA IBAGUÉ CÚCUTA OFERTA 1 2 3 4 5
BOGOTÁ 10 25 35 36 60 15/5 10 1 1 1 1
ORIGEN
BUCARAMANGA 55 6 30 45 38 6/0 8 8 8 15 15
CALI 40 50 14 26 65 14/0 14 14 - - -
BARRANQUILLA 60 2 40 66 9 27 11/2/0 13 13 13 26 -
Sin tener en cuenta, Barranquilla, Cúcuta, Cali y Villavicencio. Se encuentra que la mayor
diferencia es Bucaramaga y encontramos que analizando el menor costo está en
transportar a la ciudad de Tunja, por lo tanto, se procederá a asignar lo más posible que son
6 u. restantes. Quedando completa la oferta de la planta de Bucaramaga y en Tunja faltante
de producto en 4 u.
Como todavía se tiene demanda por ser cubierta y oferta por ser asignada, continuar con la
última iteración, por quedar sólo una fila, calculando la diferencia seis (6).
71
Tabla 17. Matriz de costos, por unidad distribuida.
72
Para esta parte del ejercicio, se tienen recursos por asignar 5 u. de Bogotá y existe
faltante en Tunja 4u. e Ibagué 1 u., para este caso utilizar el principio del costo mínimo,
asignado los más posible a Tunja primero, porque cuesta menos, o su costo es menor
asignado 4u. y terminando con Ibagué y asignando 1u.
El siguiente paso consiste en calcular el costo total, que resulta de tomar cada asignación
y multiplicarla por el costo de la misma, que es desarrollar la función objetivo.
𝑍 = 𝑐𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙
Los problemas de transporte tienen una clase muy específica, llamada “asignación”,
donde se asignan determinados recursos, para el desarrollo de actividades o tareas. Esta
descrito, que está subclase está la capacidad del origen como recursos, y la capacidad de
destino como demanda son iguales a “uno”. Por ejemplo, dónde se deben asignar
empleados, máquinas o vehículos, para realizar un trabajo.
3.5.1 SUPOSICIONES
La definición del costo 𝐶𝑖𝑗 es aquel que se carga por la asignación i por la realización de la
actividad j donde i=1, 2, … n y j = 1, 2, …. N.
Se debe tener en cuenta que numero de asignados debe estar balanceado (ser iguales)
con el número de tareas.
Las actividades deben ser realizadas exactamente por el sujeto que fue asignado.
Las variables normalmente, tienen una connotación binaria, para el modelo de
asignación. Cuando es afirmativa es uno y cuando no la hay es cero.
73
𝑚 𝑛
Cómo se puede apreciar este modelo matemático del problema de asignación, es similar
al modelo de transporte, en donde se ubicarán los datos del origen los ahora serán los
asignados, y los destinos serán la asignación o las tareas asignadas, además, los datos de
orígenes (m) = datos de destinos (n). Los recursos de oferta es 𝑠𝑖 = 1 y además la
Demanda de recurso es 𝑑𝑖 = 1.
74
Tabla 18. Matriz de asignación.
MATRIZ DE COSTOS
COSTO POR UNIDAD ASIGNADA
RECURSO
TAREA S
OFERT
DESDE/HASTA 1 2 ….. m=n
A
1 𝐶11 𝐶12 …. 𝐶1𝑛 1
ORIGEN
…. …. …. …. …. …….
DEMANDA 1 1 …. 1
El método Húngaro es un algoritmo, para optimizar para los ejercicios del Modelo de
Asignación, desarrollados inicialmente por Dénes König y Jenő Egerváry, matemáticos
Húngaros. Está desarrollado, para optimizar la minimización de los problemas de
asignación.
75
Tabla 19. Costo por unidad asignada.
MATRIZ DE COSTOS
PACIENTES NUMER
O
DESDE/HASTA 1 2 3 4 MENOR
0 4 1 3 2
AMBULANCIA
2 0 1 4 2 1
3 3 2 0 4 1
4 1 3 0 4 1
ETAPA UNO.
Para encontrar los “costos de oportunidad”, es necesario encontrar en número de menor
valor (más Pequeño) de las filas y restarlo a cada uno de los elementos de esta fila. Tabla 190.
Resta de filas
PACIENTES
DESDE/HASTA 1 2 3 4
2 6 3 5
AMBULANCIAS
2 1 2 5 3
3 4 3 1 5
4 2 4 1 5
76
En esta etapa, se ve que, en cada fila, aparece como mínimo un cero. Todos los valores
diferentes de cero, serán considerados como “costo de oportunidad”, por no tomar la
decisión de asignar la ambulancia. Con esta operación aparecerá, una nueva matriz para
ser evaluada en la etapa dos.
ETAPA DOS:
En esta etapa, se requiere encontrar en número de menor valor (más Pequeño), de cada
columna, y restarlo de cada uno de los elementos de esta columna. Haciendo este
proceso en cada columna, se encontrará, una nueva matriz resultante. Obteniendo la
matriz de costos reducidos.
MATRIZ DE COSTOS
PACIENTES
DESDE/HASTA 1 2 3 4
0 3 1 1
AMBULANCIAS
2 0 0 4 0
3 3 1 0 2
4 1 2 0 2
NUMERO MENOR 0 1 0 2
77
ETAPA TRES:
Después de las etapas uno y dos, obtendremos la matriz de costos reducidos. Con esta
verificaremos si hemos encontrado la solución.
MATRIZ DE COSTOS
COSTO POR UNIDAD ASIGNADA (Tiempos)
PACIENTES
DESDE/HASTA 1 2 3 4
1 0 3 1 1
AMBULAN
CIAS
2 0 0 4 0
3 3 1 0 2
4 1 2 0 2
ETAPA CUATRO:
Para analizar si hemos encontrado la solución debemos en resaltar con líneas rectas
“todos” los ceros que encontremos en la matriz de costos reducidos. Posteriormente
debemos sombrear “los ceros” con el menor número de líneas en formas horizontales y/o
verticales y/o ambas.
El análisis a realizar puede tener dos opciones; la primera, es cuando la cantidad de líneas
sombreada es el mismo del número de filas o columnas decimos se ha alcanzado la
solución óptima. La segunda opción, es que la cantidad de líneas sombreadas es “menor” a
la cantidad de filas o columnas, sí este es el caso, pasaremos a la etapa cinco.
78
Tabla 23. Matriz de costos, minimizados.
MATRIZ DE COSTOS
PACIENTES
DESDE/HASTA 1 2 3 4
0 3 1 1
AMBULANCIAS
2 0 0 4 0
3 3 1 0 2
4 1 2 0 2
Para el ejemplo, cuenta con sólo tres líneas sombreadas, siendo menor el número de filas
o columnas, que son cuatro, por esta razón, se pasa a la etapa cinco.
ETAPA CINCO:
La etapa cinco sólo se aplica para casos, donde en la etapa cuatro el número de las líneas
sombreadas, es menor al número de filas o columnas, y se debe hacer una modificación de
la matriz. Para este caso, resultaron tres líneas sombreadas, y el número de filas y
columnas es cuatro. El siguiente proceso debe seleccionar el número de menor valor, que
no fue cruzado por las líneas sombreadas trazadas. Para encontrar, la matriz final.
• El número de menor valor, se les sumará a todos los valores, que se encuentran en las
intersecciones de las líneas.
79
• El número de menor valor, se le s restará a los números no cruzados por las líneas
sombreadas.
Realizando nuevamente el análisis de la Etapa 4, donde se cruzar todos los ceros que hay
en la matriz resultante. Para este caso, resultan las cuatro líneas, significa que esta es la
solución óptima.
MATRIZ DE COSTOS
PACIENTES
DESDE/HASTA 1 2 3 4
0 2 1 0
AMBULANCIAS
2 1 0 5 0
3 3 0 0 1
4 1 1 0 1
Las asignaciones finales y específicas que para cada paciente una ambulancia, se
realizarán teniendo en cuenta, ubicando cualquier cero que este sólo en una fila o en
una columna.
MATRIZ DE COSTOS
PACIENTES
DESDE/HASTA 1 2 3 4
0 2 1 0
AMBULANCIAS
2 1 0 5 0
3 3 0 0 1
4 1 1 0 1
Asignando los dos anteriores, queda una matriz de 2 X 2, de las ambulancias 2 y 3 con los
pacientes 2 y 4.
MATRIZ DE COSTOS
PACIENTES
DESDE/HASTA 2 4
AMBULANCIAS
2 0 0
3 0 1
PACIENTES
DESDE/HASTA 1 2 3 4
1
AMBULANCIAS
2 1
3 1
4 1
82
PARA RESOLVER
TRANSPORTE;
FLORIDABLANCA. 20 15 35
SOACHA. 40 18 35
83
PARA RESOLVER
A 58 58 60 54
B 66 70 70 78
C 106 104 100 95
D 52 54 64 54
84
GLOSARIO
C H
Conjunto Convexo: conjunto de puntos, Holgura: cantidad por la cual el valor del
para el cual el segmento de recta que lado izquierdo de una restricción, cuando
conecta entre sí, a cualquier pareja de es evaluado en el punto óptimo, es
puntos, debe estar contenido menor que el valor del lado derecho.
totalmente, dentro del conjunto.
M
E
Método Simplex: método analítico, de
Espacio de soluciones: conjunto de solución de problemas de programación
soluciones factibles. lineal capaz de resolver modelos más
complejos que los resueltos mediante el
Excedente: cantidad por la cual el lado método grafico sin restricción en el
izquierdo de una restricción, cuando es número de variables.
evaluada en condiciones de optimalidad,
excede al lado derecho. P
F Punto extremo: vértice de la región
factible
Función Objetivo: es la función que R
expresa aquello que se desea, optimizar
(maximizar, o minimizar).
Región Factible: conjunto de
Función Lineal: función en la cual cada combinaciones de valores de variables
una de las variables, aparece en un de decisión, que satisfacen las
término individual. No hay potencias que condiciones de no negatividad, y todas
no sean 1. las restricciones simultáneamente.
85
GLOSARIO
R
Restricciones: desigualdad matemática,
(restricción de desigualdad,) o igualdad.
Solución factible: son aquellas
soluciones, que satisfacen las
condiciones de no negatividad, y todas
las demás restricciones.
S
Solución/Punto óptimo: punto de la R
región factible, donde la función objetivo
se maximiza.
V
Variables de decisión: son las variables
que están bajo el control, de la persona
encargada de tomar las decisiones.
86
REFERENCIAS
BIBLIOGRÁFICAS
BAZARAA, M. S.; JARVIS, J. J.; y SHERALI, H. D (2005). Linear Programming and network
flow. Wiley.
87