EII 405 Investigacin de Operaciones Profesor: Drago RadovicL.

dradovic@hotmail.cl

Programa de Estudio
Objetivo Familiarizar al alumno con las tcnicas de modelamiento y metodologas de resolucin de problemas de la Investigacin de operaciones, con especial nfasis en la aplicacin de algoritmos de solucin para modelos de programacin matemtica, en especial modelos lineales Contenido Introduccin Investigacin de operaciones Modelos matemticos Programacin Lineal Formulacin de modelos Mtodos Grfico Mtodo Simplex Problema de transporte Mtodo hngaro de asignacin

Programacin Lineal

Programa de Estudio
Programacin Entera
Teora de redes

Programacin Lineal Entera Programacin Entera 0,1

Introduccin Camino ms corto Vendedor Viajero PERT / CPM Introduccin Modelos Determinsticos Sistemas Continuos/Periodicos Teora de Colas Cadenas de Markov

Teora de Inventario

Modelos Estocsticos

Programa de Estudio
Bibliografa Hillier, Frederick y Lieberman, Gerald: Introduccin a la Investigacin de Operaciones, McGraw Hill Interamericana Hadley, G.: Linear Programming, Addison Wesley Pub. Co. Hamdy Taha: Investigacin de Operaciones. Ed. AlfaOmega. Winston Wayne L.: Investigacin de Operaciones: Aplicaciones y Algoritmos. Grupo Editorial Iberoamericana. Bronson, Richard: Investigacin de Operaciones. Ed. Mc GrawHill.

Evaluacin
Elementos de Evaluacin 2 Pruebas de Ctedras 2 3 Pruebas (trabajos) de Ayudanta 1 Exmen Clculo de la Nota de Presentacin a Examen (PE) Ctedra 80% Ayudanta 20% Si nota de Ctedra < 4,0 entonces Ctedra 85% Ayudanta 15%

Evaluacin
Examen Si PE < 3,0 entonces Nota Final = PE Si Nota Examen < 3,0 entonces Nota Final = Nota Examen Examen: 30% PE: 70%

Toma de decisiones

Toda toma de decisin empieza con la deteccin de un problema.

Para tomar la decisin correcta, se debe: Definir el problema en forma clara Formular el o los objetivos
Identificar las restricciones Identificar las alternativas de solucin Evaluar las alternativas y elegir la mejor

Toma de decisiones

Como se elige la mejor alternativa? Mtodos Cualitativos En base a la experiencia y al juicio profesional de la persona que toma la decisin Mtodos Cuantitativos En base a la utilizacin de herramientas matemticas que permitan maximizar la efectividad en la toma de decisiones.

Investigacin de Operaciones
La dificultad de tomar decisiones ha hecho que el hombre se aboque en la bsqueda de una herramienta o mtodo que le permita tomar las mejores decisiones de acuerdo a los recursos disponibles y a los objetivos que persigue. Este conjunto de herramientas o mtodos es lo que llamaremos Investigacin de Operaciones. Definicin ms formal Enfoque cientfico de la toma de decisiones que requiere la operacin de sistemas organizacionales. La IO nos ofrece una serie de herramientas cuantitativas para la toma de decisiones.

Investigacin de Operaciones
Para la aplicacin de la IO se siguen los siguientes pasos:

La IO comienza con la observacin cuidadosa de la realidad.

Formular el problema.
Construir un modelo que intente abstraer la esencia del problema
real.

Solucin del modelo.

Anlisis de sensibilidad, hay que ver como se comporta el modelo ante
cambios en las restricciones y/o parmetros del modelo

Implementar los resultados, se debe interpretar los resultados y dar

conclusiones y cursos de accin para la optimizacin del problema real

Modelos de la Investigacin de Operaciones

Modelos de IO
Determinsticos
Optimizacin Lineal Optimizacin no Lineal

Hbridos
Programacin Dinmica Teora de Inventarios Simulacin Pert / CPM Heursticas

Estocsticos Cadenas de Markov

Teora de Colas Procesos Estocsticos Teora de Decisiones y Juegos

Programacin Lineal Transporte y Asignacin Prog Entera y 0,1

Mtodos Clsicos
Mtodos de bsqueda Programacin no lineal

Redes

Programacin Lineal
FO: Max o Min Z = C X Sujeto a AXB Xj 0 ; j = 1, 2,...., n
La Programacin Lineal es una herramienta para resolver problemas de optimizacin que se caracterizan por tener como funcin objetivo y restricciones combinaciones lineales de las variables de decisin. Conceptos Bsicos:

Variables de Decisin Funcin Objetivo Restricciones Restricciones de Signo

Programacin Lineal
Consideremos el siguiente ejemplo para describir los conceptos bsicos presentes en todo problema de programacin lineal (PPL)

1.- Una mueblera produce mesas y sillas de madera. Cada mesa es vendida en $27.000 y se requiere $10.000 en materiales para su construccin, adems, el costo unitario por mano de obra es de $14.000. En el caso de las sillas, el precio de venta es de $21.000 y los costos de materiales y mano de obra son $9.000 y $10.000 respectivamente. La fabricacin de cada producto requiere de dos labores: carpintera y terminaciones. Una mesa requiere de 1 hora de carpintera y 2 de terminaciones, mientras que la silla requiere de 1 hora en cada labor.

Programacin Lineal
Cada semana, la mueblera puede obtener todos los materiales que desee, sin embargo, se pueden dedicar hasta 100 horas a las terminaciones y hasta 80 horas a la carpintera. La demanda por mesas no est limitada, mientras que la demanda por sillas es de 40 unidades. Formule un modelo matemtico que permita maximizar las utilidades de la mueblera. Variables de decisin: Se debe comenzar definiendo las variables de decisin relevantes. En un PPL las variables de decisin deben ser capaces de describir completamente las decisiones que puedan ser tomadas y todas las variantes que existan.

Programacin Lineal

Antes de definir las variables de decisin es importante definir las unidades involucradas en el problema. En este caso, se habla de unidades de sillas y mesas, de horas de trabajo por unidad y de demanda semanal. De acuerdo a ello, una buena opcin para definir las variables de decisin consiste en asociar las variables al nmero de unidades de sillas y mesas a producir por semana. Por lo tanto, podemos definir:

X1 = Nmero de mesas producidas por semana. X2 = Nmero de sillas producidas por semana.

Programacin Lineal
Funcin Objetivo: En un PPL, se debe tomar la decisin de maximizar (usualmente las utilidades) o de minimizar (usualmente los costos) cierta funcin de las variables de decisin.

La funcin que se va a optimizar se llama Funcin Objetivo (FO) y en ella no aparece ningn trmino independiente o constante. Los valores de las variables de decisin son independientes de cualquier constante.
En el ejemplo, los costos e ingresos no dependen del valor de X1 o X2 por lo tanto basta concentrarse en maximizar la diferencia entre: Ingresos Semanales Costos de Materiales Costos por mano de obra

Programacin Lineal
Luego se deben expresar los trminos anteriores en funcin de las variables de decisin X1 y X2. Por lo que la funcin objetivo queda (expresada en miles de $): (27X1 + 21X2) (10X1 + 9X2) (14X1 + 10X2) = 3X1 + 2X2 As, el objetivo de la mueblera es escoger los valores X1 y X2 tal que se maximize 3X1 + 2X2 Denotando por Z el valor de la FO para cualquier PPL, la funcin de la mueblera es: Max Z = 3X1 + 2X2

El coeficiente que acompaa a cada variable en la FO se denomina coeficiente en la funcin objetivo de la variable y refleja el aporte unitario de dicha variable a la funcin objetivo

Programacin Lineal
Restricciones: En las medidas que las variables crecen, la FO aumenta su valor. Por lo tanto si se pudiera escoger arbitrariamente el valor de la variables, la mueblera podra hacer crecer el valor de sus utilidades en forma infinita. En la prctica esto no es posible y en el ejemplo el valor que toman las variables est limitado por las siguientes 3 restricciones:

Mximo 100 horas semanales para terminaciones. Mximo 80 horas semanales para carpintera. Produccin mxima de 40 sillas semanales.
Luego, el prximo paso consiste en formular matemticamente las restricciones anteriores en funcin de las variables de decisin.

Programacin Lineal

Para formular la primera restriccin en funcin de las variables X1 y X2 observamos que: Hrs. terminaciones x mesa + hrs. terminaciones x silla hrs. disponibles para terminacin Por lo que la restriccin queda: 2X1 + X2 100 Es importante notar que todos los valores en la expresin anterior son por semana, ya que las variables de decisin se han escogido con esa referencia.

Programacin Lineal
Anlogamente la segunda restriccin queda: X1 + X2 80 Finalmente, la tercera restriccin slo limita el valor de la variable X2 X2 40 Restricciones de Signo: Para completar la formulacin del modelo es importante definir si existe alguna restriccin de signo para cada variable de decisin. Si una variable de decisin Xi debe cumplir condiciones de NO NEGATIVIDAD, debemos agregar la siguiente restriccin: Xi 0

Programacin Lineal

Si la variable de decisin Xi puede asumir valores positivos o negativos se dice que Xi no tiene restriccin de signo (SRS).

En el ejemplo ambas variables de decisin se refieren a cantidades a producir, por lo tanto son no negativas. Sin embargo, en otros ejemplos las variables pueden ser SRS, por ejemplo en el caso de que Xi se refiere al saldo de alguna cuenta.

Combinando todas las expresiones anteriores, es posible completar el modelo matemtico para este problema de optimizacin, quedando de la siguiente forma:

Programacin Lineal
Definicin de variables:

X1: nmero de mesas producidas por semana. X2: nmero de sillas producidas por semana.
F.O: Max Z = 3X1 + 2X2 S a: 2X1 + X2 100 X1 + X2 80 X2 40 Xj 0 j = 1 y 2 Horas disponibles para terminaciones por semana Horas disponibles para carpintera por semana Produccin mxima de sillas por semana No negatividad

Programacin Lineal
Generalizacin: Dado un conjunto de m desigualdades o ecuaciones lineales, con n variables, se requiere hallar valores de estas variables que satisfagan las restricciones y maximicen o minimicen alguna funcin lineal de las variables

FO: Max o Min Z = C X Sujeto a AXB Xj 0 ; j = 1, 2,...., n

Programacin Lineal
Matemticamente Hallar Xj ; j = 1, 2,..., n Para Max o Min Z = C1 X1 + C2 X2 +...+ Cn Xn

Sujeto a
a11 X1 +...+ a1j Xj +...+ a1n Xn b1 . . . . . . ai1 X1 +...+ aij Xj +...+ ain Xn bi . . . . . . am1 X1 +...+ amj Xj +...+ amn Xn bm Xj 0 j = 1, 2,..., n

Caractersticas de la PL
1.- Una funcin f(X1, X2, ..., Xn) de X1, X2, ..., Xn es una funcin lineal s y slo s para un conjunto de constante C1, C2, ..., Cn se tiene: f(X1, X2, ..., Xn) = C1X1 + C2X2 + ... + CnXn Linealidad asume que no pueden haber trminos del siguiente tipo:

X1 X 2

X3

a14 log X 4

2.- Asume las propiedades aditivas y multiplicativas

Si una unidad tipo 1 necesita 2 horas en la mquina A y una unidad

tipo 2 necesita 3 horas, entonces ambas necesitan 5 horas. Si una unidad tipo 3 necesita 1 hora en la mquina B, entonces 5 unidades necesitan 5 horas

Caractersticas de la PL
3.- La funcin que se va a optimizar se llama Funcin Objetivo y en ella no aparece ningn trmino independiente o constante. Los valores de las Xj son independientes de cualquier constante 4.- Los valores de las variables de decisin deben satisfacer un conjunto de restricciones. Cada restriccin debe ser una ecuacin o desigualdad lineal. 5.- Existe una restriccin de signo asociada a cada variable. Para toda variable Xi la restriccin de signo especifica si Xi debe ser no negativa o bien sin restriccin de signo. 6.- En las m restricciones no deben considerarse las condiciones de no negatividad de las variables (Xj 0)

Caractersticas de la PL
7.- Supuesto de Divisibilidad, requiere que cada variable puede tomar valores fraccionarios. En el ejemplo anterior, el supuesto se traduce en que es aceptable producir 2,4 sillas o 1,6 mesas. Evidentemente este supuesto no es vlido en el ejemplo, en este caso se puede proceder a formular el problema como un problema de programacin lineal entera (PPE), problema en que una o ms variables deben ser enteras. Cuando no se satisface el supuesto de divisibilidad, una posibilidad es redondear la solucin obtenida a un valor entero, sin embargo, no existe garantas que dicha solucin sea la mejor. 8.- Supuesto de Certeza: exige que cada parmetro, es decir, coeficientes de la funcin objetivo, coeficientes del lado derecho de las restricciones, etc. sean conocidos con certeza, es decir, no se acepta incertidumbre en sus valores

Caractersticas de la PL
Regiones Factibles y Soluciones ptimas

Dos de los conceptos ms fundamentales en los PPL son el de regin factible y de solucin ptima de un problema. Llamaremos punto a la especificacin de un valor para cada variable de decisin.
La regin factible para un PPL es el conjunto de puntos que satisfacen todas las restricciones (incluidas las de signo) del problema.

En el caso de un problema de maximizacin, una solucin ptima del PPL es un punto de la regin factible que est asociado al mayor valor posible de la funcin objetivo. Similarmente, para un problema de minimizacin, una solucin ptima es un punto que est asociado al menor valor.

Caractersticas de la PL

Cualquier conjunto Xj que satisface las restricciones se llama solucin al problema. Si satisface la condicin de no negatividad se llama solucin factible y si adems optimiza la funcin objetivo se llama solucin factible ptima

Usualmente hay un nmero infinito de soluciones factibles al problema, de todas estas se tiene que tratar de hallar, en lo posible, una ptima.