Está en la página 1de 9

UNIDAD 2: PROGRAMACIN LINEAL Criterios de Dantzig 1. El vector Aj que entrar a la base ser igual a: a.

Para el caso de Maximizacin: aquel cuyo (Zj Cj) < 0, es decir el ms negativo b. Para el caso de Minimizacin: aquel cuyo (Zj Cj) >0, es decir el ms positivo 2. El vector que sale de la base es aquel cuya lnea i correspondiente a positivo, tanto para maximizacin como para minimizacin 3. Solucin: a. Maximizacin: Cuando todo (Zj - Cj) > 0. En otras palabras, cuando no sea posible encontrar una sola cantidad (Zj - Cj) < 0 negativa. No ser posible aumentar Z, lo que indicar que hemos alcanzado la solucin ptima b. Minimizacin: Cuando todo (Zj - Cj) < 0 Variable Artificial: Surge de un artificio para evitar que las variables de holgura sean negativas, y as poder obtener la primera solucin bsica. Se usan en las relaciones de > Variable de holgura o slak: representan el sobrante en la operacin. Mediante stas, se transforman las desigualdades en igualdades. Se usan en las relaciones de < PROBLEMA N 1: Maximizacin de Ganancia Puerta A Mecanizado Prensado Lijado Ganancia 1 minuto 5 minutos 3 minutos $ 40 Puerta B 2 minutos 4 minutos 1 minutos $ 50 Tiempo disponible mquina/semana 720 minutos 1800 minutos 900 minutos

xi sea el mnimo xij

Qu cantidad de puertas A y B debo fabricar para maximizar la ganancia? Variables: X1: Cantidad de puertas tipo A X2: Cantidad de puertas tipo B Funcin Objetivo: Restricciones X1 > 0 ; X2 > 0 Maquinado: 1 min/puerta + 2 min/puerta < 720 min Prensado: Lijado: 5 min/puerta + 4 min/puerta < 1800 min 3 min/puerta + 1 min/puerta < 900 min
Pgina 1 de 9

max Z [$] = 40 $/puerta * X1 puerta + 50 $/puerta * X2 puerta

Adrin Botta I. Operativa Unidad 2

Resolucin Grfica Como tenemos 2 incgnitas, podemos representar las restricciones sobre el plano en forma de rectas R1: X1+X2=720 - Para X1=0: X2=720/2=360 - Para X2=0: X1=720 R2: 5X1+4X2=1800 - Para X1=0: X2=1800/4=450 - Para X2=0: X1=1800/5=360 R1: X1+X2=720 - Para X1=0: X2=900 - Para X2=0: X1=900/3=300 Paso 1: Determinacin del espacio de soluciones factibles Primero, se tendrn en cuentas las restricciones de no negatividad, x1 > 0 y x2 > 0. En la imagen, el eje horizontal x1 y el vertical x2 representan las variables. En consecuencia, las restricciones de no negatividad limitan el rea del espacio de soluciones al 1 cuadrante: arriba de x1 y a la derecha de x2. Para tener en cuenta las dems restricciones, se transforman las desigualdades en ecuaciones, se grafican, y luego se determina el efecto de la desigualdad: para qu lado de la recta trazada es correcta la desigualdad. Esto se suele hacer tomando un punto de referencia y reemplazndolo en la desigualdad a ver si la cumple. Aplicando esto a todas las restricciones, obtenemos el espacio de soluciones factibles. Paso 2: Determinacin de la Solucin ptima Todo punto en la regin de soluciones factibles satisface todas las restricciones. Como consta de infinitos puntos, debemos usar algn mtodo sistemtico para identificar la solucin. Lo que se hace es darle valores a Z. Para nuestro ejemplo, como es de maximizacin, se le da valores incrementales, y se van trazando las rectas. La solucin ptima ser aquel punto en el que la recta trazada toque slo ese punto y ningn otro del espacio factible. En la imagen vemos que B es el punto de solucin ptima. Siempre la solucin ptima se encuentra en alguno de los puntos de esquina del polgono de soluciones factibles.
Adrin Botta I. Operativa Unidad 2 Pgina 2 de 9

Resolucin por mtodo SIMPLEX Primero, debemos agregar variables de holgura a las restricciones, para transformar la desigualdad en igualdad. Estas variables representan el recurso que sobra en la operacin. Para nuestro caso: 1*x1 + 2*x2 < 720 pasa a ser: 1*x1 + 2*x2 + x3 = 720

5*x1 + 4*x2 < 1800 pasa a ser: 5*x1 + 4*x2 + x4 = 1800 3*x1 + 1*x2 < 900 pasa a ser: 3*x1 + 1*x2 + x5 = 900 MAX Z = 40*x1 + 50*x2 + 0*x3 + 0*x4 + 0*x5 (el coeficiente es 0 si es MAX, si es MIN) Estamos frente a un sistema de 3 ecuaciones con 5 incgnitas. 5-3=2, lo que implica que necesito 2 variables hacer iguales a cero para obtener un Sistema compatible determinado. Planteamos la 1 solucin bsica, con x1= x2 =0 CK 0 0 0 ZJ Z J - CJ La tabla se llena como sigue: en CK van los coeficientes que multiplican a las variables indicadas en XK que figuran en la funcin objetivo (Ej: 40 para X1, 50 para X2, 0 para X3, X4 y X5) en CJ (fila superior) van todos los coeficientes en orden que multiplican a las variables en la funcin objetivo. B representa el vector de trminos independientes, en este caso, [720, 1800, 900] Ai representa el vector del recurso i respecto a las restricciones. Si tomamos una lnea de la tabla, por ejemplo [1,2,1,0,0] representa 1*x1 + 2*x2 + 1*x3 + 0*x4 + 0*x5. Ahora, debemos calcular primero los ZJ, y luego los (ZJ - CJ). (1): ZJ = 0*40 + 0*50 + 0*720 + 0*1800 + 0*900 = 0. En otras palabras, es el valor que toma la variable (Bi) multiplicado por su coeficiente (CK). Como el problema es de Maximizacin, indica Beneficio alcanzado hasta ese punto. (2): ZJ = 0*1 + 0*5 + 0*3 = 0 (CK * Ai) La tabla hasta ahora nos ha quedado: CK 0 0 0 ZJ XK X3 X4 X5 CJ B 720 1800 900 0 (1) 40 A1 1 5 3 50 A2 2 4 1 0 A3 1 0 0 0 A4 0 1 0 0 A5 0 0 1 XK X3 X4 X5 CJ B 720 1800 900
(1)

40 A1 1 5 3
(2)

50 A2 2 4 1

0 A3 1 0 0

0 A4 0 1 0

0 A5 0 0 1

720/2=360 1800/4=450 900/1=900

0 0 0 0 0 Z J - CJ -40 -50 0 0 0 ** Propiedad: Los ZJ de los vectores de la base son siempre 0, y los AI forman matriz identidad **
Adrin Botta I. Operativa Unidad 2 Pgina 3 de 9

Debemos determinar el vector que ingresa a la base (Ver criterios de Dantzig). En este caso, es A 2, por ser el ms negativo en un problema MAX. Para determinar que vector sale de la base, debemos calcular = Bi dividido el elemento del vector que entra a la base. En nuestro caso, 720/2 = 360; 1800/4=450; 900/1 = 900. Por Dantzig, sale X3, por ser el menor . Hacemos entrar a una de las variables de afuera, indicada por el vector que ingresa a la base (Como ingres A2, entra x2). Recalculamos la tabla utilizando la regla del paralelogramo-pivote, y continuamos calculando. CK 50 0 0 ZJ Z J - CJ XK X2 X4 X5 CJ B 360 360 540 18000 40 A1 0,5 3 2,5 25 -15 50 A2 1 0 0 50 0 0 A3 0,5 -2 -0,5 25 25 0 A4 0 1 0 0 0 0 A5 0 0 1 0 0

360/0,5=720 360/3=120 450/2,5=315

En esta iteracin, vemos que como x2=360, x1 = x3 = 0, 0*x4=360 y 0*x5=540, aplicando estos valores a la restriccin x1 + 2*x2 < 720, la mquina correspondiente a x2 est a pleno uso, mientras que x4 y x5 me indican holgura. CK 50 40 0 ZJ Z J - CJ XK X2 X1 X5 CJ B 300 120 240 19800 40 A1 0 1 0 40 0 50 A2 1 0 0 50 0 0 A3 5/6 -2/3 7/6 15 15 0 A4 -1/6 1/3 -5/6 5 5 0 A5 0 0 1 0 0

Por Dantzig, como todos los (ZJ - CJ) > 0, hemos llegado a la solucin ptima, siendo la ganancia mxima $ 19800.

PROBLEMA N 2: Minimizacin de Costos Complemento Nutritivo CN1 CN2 CN3 CN4 Costo / kg Alimentos Alimento 1 0.1 0 0.1 0.2 $ 10 Alimento 2 0 0.1 0.2 0.1 $4 Cantidad Mnima (kg) 0.4 0.6 2 1.7

Un ganadero trata de alimentar econmicamente al ganado, y esa alimentacin debe tener obligadamente 4 tipos de componentes nutritivos, y el animal debe consumir un mnimo de cada uno (ver tabla). Qu cantidad de alimento 1 y 2 se debe usar para obtener la alimentacin ms econmica?
Adrin Botta I. Operativa Unidad 2 Pgina 4 de 9

Variables: X1: Cantidad de Alimento Tipo 1 X2: Cantidad de Alimento Tipo 2 Funcin Objetivo: Restricciones X1 > 0 ; X2 > 0 CN1: 0.1*X1 + 0*X2 > 0.4 [cn1/kg*cn1 > cn1] CN2: 0*X1 + 0.1*X2 > 0.6 CN3: 0.1*X1 + 0.2*X2 > 2 CN4: 0.2*X1 + 0.1*X2 > 1.7 Para el caso en que el sistema posea desigualdades de >, se procede de la siguiente forma: 1. Conversin de las inecuaciones en ecuaciones, restando una variable de holgura y agregando una variable artificial 2. Se la asigna a la variable de holgura el valor 0 como coeficiente de costo, y a cada variable artificial un valor M tan grande como se quiera, con signo positivo para el caso de minimizacin, y con signo negativo para el caso de maximizacin 3. En este caso, en el desarrollo de la tabla simplex, el vector que ingresa a la base queda determinado por el mayor valor positivo de (ZJ - CJ) para el caso de minimizacin, y el menor negativo para el caso de maximizacin, por lo que las variables artificiales no aparecern 4. El vector que sale de la base es aquel menor positivo para ambos casos Las variables artificiales surgen porque las variables de holgura no pueden tomar valores negativos. Con esto nos permiten obtener una primera solucin bsica. Transformamos las restricciones en igualdades mediante variables de holgura y artificiales (): CN1: 0.1*X1 + 0*X2 > 0.4 pasa a ser: 0.1*X1 + 0*X2 X3 + 7 = 0.4 CN2: 0*X1 + 0.1*X2 > 0.6 pasa a ser: CN3: 0.1*X1 + 0.2*X2 > 2 pasa a ser: CN4: 0.2*X1 + 0.1*X2 > 1.7 pasa a ser: La 1 iteracin de la tabla simplex quedara: CK M M M M ZJ Z J - CJ XK 7 8 9 10 CJ B 0.4 0.6 2 1.7 4.7M 10 4 A1 A2 0.1 0 0 0.1 0.1 0.2 0.2 0.1 0.4M 0.4M 0.4M- 0.4M10 4 0 A3 -1 0 0 0 -M -M 0 A4 0 -1 0 0 -M -M 0 A5 0 0 -1 0 -M -M 0 A6 0 0 0 -1 -M -M M A7 1 0 0 0 M 0 M A8 0 1 0 0 M 0 M A9 0 0 1 0 M 0 M A10 0 0 0 1 M 0 0*X1 + 0.1*X2 X4 + 8 = 0.6 0.1*X1 + 0.2*X2 X5 + 9 = 2 0.2*X1 + 0.1*X2 X6 + 10 = 1.7 min Z [$] = 10*X1 + 4*X2

Adrin Botta I. Operativa Unidad 2

Pgina 5 de 9

Como observacin, 4.7M es un costo altsimo. Luego de varias iteraciones, llegamos a la solucin (Se omite parte de la tabla) CK 10 4 0 0 ZJ Z J - CJ XK X1 X2 X4 X5 CJ B 4 9 0.3 0.2 76 10 A1 4 A2 0 A3 0 A4 0 A5 0 A6 M A7 M A8 M A9 M A10

-20

-40

20-M

-M

-M

40-M

Algunas preguntas que pueden hacerse en exmenes sobre la tabla son: 1. De acuerdo a la tabla, Se ha llegado a la solucin ptima? Por qu? S. Como todos los (ZJ - CJ) < 0, y el problema es de minimizacin, por el criterio de Dantzig podemos afirmar que hemos llegado a la solucin ptima. 2. Qu es el vector B? B indica el valor de cada variable. Si es real, su valor. Si es holgura, capacidad sobrante. 3. Cules son variables de reales en la ltima iteracin? De holgura? Y las artificiales? X1 y X2 son variables reales. X4 y X5 son variables de holgura. No figuran variables artificiales. 4. Cul es el resultado del problema? Qu significa? ZJ=76. Esto es, la cantidad de dinero que se gasta por animal por da cumpliendo con las cantidades mnimas de complemento nutritivo. 5. Qu cantidad de alimento 1 y 2 hay que darle al animal? 4kg de Alimento 1, y 9kg de Alimento 2 6. Qu representan las variables de holgura X4 y X5? X4 es lo sobrante en la mezcla de CN2, y X5 de CN3 7. Qu pasa con los otros Complementos Nutritivos? Del CN1 y CN2 estoy dando la cantidad justa, ya que ni X3 ni X6 (sobrantes de CN1 y CN4) aparecen en la tabla final. 8. Qu significa que X6 = 0? (o que no figure en la tabla final) Significa que del CN4 le estoy dando la cantidad justa 9. Cunto le estoy dando al animal de CN3? 2.0 + 0.2 = 2.2, donde 2.0 es la cantidad mnima de CN3 (que estoy cumpliendo), y 0.2 es lo que estoy dando de ms (ya que figura X5 = 0.2 en la tabla final, que es la holgura de CN3) 10. Cmo armo la mezcla? La mezcla la armo con 4kg de Alimento 1 + 9kg de Alimento 2 = $76 (costo) 11. En el 1 Caso (o 1ra iteracin de la tabla), Estn comiendo los animales? No
Adrin Botta I. Operativa Unidad 2 Pgina 6 de 9

PROBLEMA N 3: Maximizacin De Ganancia (DUAL del problema 2) Volviendo al problema de la dieta de los animales, vamos a considerar ahora el caso de un competidor que vende los CN por separado. A qu precio debe vender los CN por separado sin superar los precios del competidor que vende el alimento 1 y 2? Debe tener en cuenta las cantidades mnimas que debe consumir cada animal y las cantidades que contiene el alimento 1 y 2

Problema Primitivo Variables Xi: Cantidad de Alimento Tipo i (1 2) Funcin min Z [$] = 10*X1 + 4*X2 Objetivo Restricciones X1 > 0 ; X2 > 0 CN1: 0.1*X1 + 0*X2 > 0.4 CN2: 0*X1 + 0.1*X2 > 0.6 CN3: 0.1*X1 + 0.2*X2 > 2 CN4: 0.2*X1 + 0.1*X2 > 1.7 Restricciones CN1: 0.1*X1 + 0*X2 X3 + 7 = 0.4 con variables CN2: 0*X1 + 0.1*X2 X4 + 8 = 0.6 de Holgura y CN3: 0.1*X1 + 0.2*X2 X5 + 9 = 2 artificiales CN4: 0.2*X1 + 0.1*X2 X6 + 10 = 1.7 Conclusiones de la Dualidad

Problema DUAL Yi: Cantidad de CNi (1, 2, 3 o 4) max Z [$] = 0.4*Y1 + 0.6*Y2 + 2*Y3 + 1.7*Y4 Y1 > 0 ; Y2 > 0 ; Y3 > 0 ; Y4 > 0 Alimento 1: 0.1*Y1 + 0*Y2 + 0.1*Y3 + 0.2*Y4 < 10 Alimento 2: 0*Y1 + 0.1*Y2 + 0.2*Y3 + 0.1*Y4 < 4 Alimento 1: 0.1*Y1 + 0*Y2 + 0.1*Y3 + 0.2*Y4 + Y5 = 10 Alimento 2: 0*Y1 + 0.1*Y2 + 0.2*Y3 + 0.1*Y4 + Y6 = 4

TEOREMA DE LA DUALIDAD ZMIN (P. Primitivo) = ZMAX (P. Dual)

Adrin Botta I. Operativa Unidad 2

Pgina 7 de 9

Uno de los problemas se llama PRIMAL y el otro DUAL. Los primeros miembros del primer problema son coeficientes de la funcin objetivo del segundo y viceversa. La matriz de coeficientes de un problema es la transpuesta de la del otro. Un problema minimiza y el otro maximiza. Problema simtrico: Si todas las desigualdades tienen el mismo sentido, el otro problema tiene desigualdades de sentido contrario. Si uno de los dos problemas tiene una igualdad el otro tiene una variable libre y viceversa. Los problemas duales existen siempre, aunque no se le encuentre sentido. El valor de la funcin objetivo es el mismo en los dos problemas. Toda la informacin del ptimo de un problema est contenida en la tabla del otro problema. Una tabla tiene los coeficientes de la otra, cambiados de lugar y algunos cambiados de signo. Puedo resolver el problema dual o el primal, y llegar a la misma solucin. Las variables de holgura del primer problema corresponden a las variables fuertes del segundo y las variables fuertes del primero a las de holgura del segundo. Esta correspondencia nos dice cmo puedo encontrar los datos de un problema en el otro. Comparemos ahora la ltima iteracin de ambas tablas simplex: Prob. DUAL CK XK 0.4 Y1 1.7 Y2 ZJ Z J - CJ Observaciones: $76 es lo que va a ganar Y3, Y4, Y5, Y6 no estn en la base El CN1 lo vende a $20 El CN2 lo vende a $40 P. Primitivo CK XK 10 X1 4 X2 0 X3 0 X4 ZJ Z J - CJ Observaciones: $76 es lo que va a costar alimentar a cada animal X3, X6 no estn en la base CJ B 4 9 0.3 0.2 76 10 A1 1 0 0 0 10 0 4 A2 0 1 0 0 4 0 0 A3 -10 20 2 3 -20 -20 0 A4 0 0 1 0 0 0 0 A5 0 0 0 1 0 0 0 A6 0 -10 -1 -2 -40 -40 El CN3 y CN4 lo regala Y5 e Y6 es ganancia ociosa (lo que dejo de ganar) CJ B 20 40 76 0.4 A1 1 0 0.4 0 0.6 A2 -2 1 0.9 0.3 2 A3 -3 2 2.2 0.2 1.7 A4 0 1 1.7 0 0 A5 10 0 4 4 0 A6 -20 1 9 9

Le tengo que dar 4kg de Alimento 1 y 9kg de Alimento 2 Sobra 0.3kg de CN2 y 0.2kg de CN3 De CN1 y CN4 le estoy dando lo justo

Conclusin: Si tengo la informacin, me conviene comprar Alimento 1 y 2, y no los complementos nutritivos por separado, ya que cuesta lo mismo, y adems tengo excedentes de alimento.
Adrin Botta I. Operativa Unidad 2 Pgina 8 de 9

Ejemplo de Correspondencia Primal Dual PRIMAL Fn. Objetivo: MAX Z = CT.X Formulacin Matemtica Funcin Objetivo Restricciones: A.X > B Variables: X > 0 MAX Z = 5.X1 + 2.X2 + 1.X3 2.X1 + 3.X1 + 1.X3 > 20 Restricciones 6.X1 + 8.X1 + 5.X3 > 30 7.X1 + 1.X1 + 3.X3 > 40 1.X1 + 2.X1 + 4.X3 > 50 DUAL Fn. Objetivo: MIN Z = BT.W Restricciones: AT < C Variables: W > 0 MIN Z = 20.W1 + 30.W2 + 40.W3 + 50.W4 2.W1 + 6.W2 +7.W3 + 1.W4 < 5 3.W1 + 8.W2 +1.W3 + 2.W4 < 2 1.W1 + 5.W2 +3.W3 + 4.W4 < 1

* Tener en cuenta, en las restricciones, que si no figura una variable, sta va multiplicada por 0

Adrin Botta I. Operativa Unidad 2

Pgina 9 de 9