DOCENTE: JHONNY HENRRY PIÑAN GARCIA

CURSO: INVESTIGACION DE OPERACIONES

INTEGRANTES :
ALVARADO DOROTEO, BRIAN
 CRESPO ESPINOZA , PAOLO ELIZANDRO
MUÑOZ FERNANDEZ ,LUZ PILAR
 ¿Qué es un modelo?
• Una representation abstracta de ciertos aspectos de la
realidad
• Estructura basada en elementos seleccionados de la
realidad.
 Modelo de Programación Lineal
• Abarca el problema general de asignar recursos limitados entre actividades
competitivas de la mejor manera posible (es decir, en forma óptima).
• incluye elegir el nivel de ciertas actividades que compiten por recursos escasos
necesarios para realizarlas.
• los niveles de actividad elegidos dictan la cantidad de cada recurso que consumirá
cada una de ellas.

• La programación lineal utiliza un modelo matemático para describir el problema.

• El adjetivo lineal significa
Programación lineal
que todas las funciones
matemáticas del modelo deber ser funciones lineales. En
este caso, las palabra programación no se refiere a
programación en computadoras; en esencia es un sinónimo
de planeación.
• Así, la programación lineal trata la planeación de las
actividades para obtener un resultado óptimo, esto es, el
resultado que mejor alcance la meta especificada (según el
modelo matemático) entre todas las alternativas de solución.
• Método simplex: Resuelve problemas de n variables por m
restricciones.
 Programación lineal
• Lostérminos clave son recursos y actividades, en donde m
denota el número de distintos tipos de recursos que se pueden
usar y n denota el número de actividades bajo consideración.
• ejemplos de recursos son dinero y tipos especiales de
maquinaria, equipo, vehículos y personal.
• Losejemplos de actividades incluyen inversión en proyectos
específicos, publicidad en un medio determinado y el envío de
bienes de cierta fuente a cierto destino.
 Modelo general de PL
• optimizar (maximizar o minimizar)
Z = c1x1 + c2x2 +....+ cnxn, donde el valor de las variables es:

• sujeta a las restricciones: X1  0, X2  0, ..., Xn  0

• a11x1 + a12x2 +....+ a1nxn < b1

m: recursos
• a21x1 + a22x2 +....+ a2nxn < b2
n:las actividades
• .
• am1x1 + am2x2 +....+ amnxn < bm
 OBJETIVO

• Con el objetivo se pretende medir la efectividad de las diferentes soluciones

factibles que pueden obtenerse y determinar la mejor solución. Deberá
definirse claramente las unidades de medición del objetivo, como dinero,
tiempo, etc.
 VARIABLES DE DECISIÓN

• Son las incógnitas del problema y básicamente

consisten en los niveles de todas actividades que
pueden llevarse a cabo en el problema a formular.
Estas pueden ser de tantos tipos diferentes como sea
necesario. En la mayoría de los problemas a
formular, la definición de las variables es el punto
clave.
 RESTRICCIONES ESTRUCTURALES
• Son diferentes requisitos que debe cumplir cualquier solución para
que pueda llevarse a cabo. En cierta manera son las limitantes en
los valores de los niveles de las diferentes actividades (variables).
Las restricciones más comunes son:
• Restriccionesde capacidad. Limitan el valor de las variables
debido a la disponibilidad de horas-hombre, horas-máquina,
espacio, etc.
• Restricciones de mercado. Surgen de los valores máximos y/o
mínimos de la demanda o el uso del producto o actividad a realizar.
 VARIABLES DE HOLGURA Y
EXCESO

• El Método Simplex trabaja basándose en ecuaciones y las restricciones

iniciales que se modelan mediante programación lineal que no son
ecuaciones, para ello hay que convertir estas inecuaciones (≤)en
ecuaciones(=) utilizando unas variables denominadas de holgura y exceso
relacionadas con el recurso al cual hace referencia la restricción y que en el
tabulado final representa el "Slack or surplus" al que hacen referencia los
famosos programas de resolución de investigación de operaciones, estas
variables adquieren un gran valor en el análisis de sensibilidad y juegan un rol
fundamental en la creación de la matriz identidad base del Simplex.
 VARIABLES DE HOLGURA Y EXCESO
CUANDO (≤,≥)
MAX( 𝑍) = 30 𝑋1 + 50 𝑋2 + 0 𝑆1 + 0𝑆2
MAX 𝑍 = 30 𝑋1 + 50 𝑋2 + 0𝑆1 − 𝑀𝐴1 + 0𝑆2 − 𝑀𝐴2

𝐴1 +

𝐴2 +
𝐴3 +
 VARIABLE ARTIFICIAL / MÉTODO DE LA
"M"
• Una variable artificial “A“ es un truco matemático para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la característica
principal de estas variables es que no deben formar parte de la solución, dado que no
representan recursos. El objetivo fundamental de estas variables es la formación de la
matriz identidad.

• Estas variables se representa por la letra "A", siempre se suman a las restricciones, su
coeficiente es M (por esto se le denomina Método de la M grande, donde M significa
un número demasiado grande muy poco atractivo para la función objetivo), y el signo
en la función objetivo va en contra del sentido de la misma, es decir, en problemas de
Maximización su signo es menos (-) y en problemas de Minimización su signo es (+),
repetimos con el objetivo de que su valor en la solución sea cero (0)
REGLAS DE AUMENTO
 Ejemplo – Método Simplex

La compañía SONYT S. A. produce radios y televisores, cada radio se vende con una ganancia de S/.
30, mientras que cada televisor vendido se gana S/. 50.

Ambos productos deben pasar por los departamentos A y B (impresión de circuitos y ensamble)
respectivamente: mensualmente se dispone de 200 horas en el departamento A y 140 horas en el
departamento B. Cada radio requiere de una hora en departamento A como en el departamento B,
cada televisor requiere de 2 horas en departamento A y una hora en el departamento B. Cuál es el
programa de producción que maximiza la ganancia.

REQUERIMIENTOS
DEPARATMENTO DISPONIBILIDAD
RADIO TELEVISOR
A 1 hr. 2 hrs. 200 hrs / mes
B 1 hr. 1 hr. 140 hrs. / mes
PLANTEAMIENTO DEL PROBLEMA
Variables de decisión
Xi:Numero de unidades del producto tipo i que se deben producir
mensualmente.
Max (Z) = 30 X1 + 50 X2

Pasamos el problema a la forma estándar,

Sujeto a:
añadiendo variables de exceso, holgura, y
X1 + 2 X2 ≤ 200
artificiales según corresponda (mostrar/ocultar
X1 + X2 ≤ 140
detalles)
X1 , X2 ≥ 0
• Como la restricción 1 es del tipo '≤' se agrega la variable de holgura 𝑆1.
• Como la restricción 2 es del tipo '≤' se agrega la variable de holgura 𝑆2
 Solución

(0,100)

(80,60)

(140,0)
http://www.phpsimplex.com/simplex/simplex.htm?l=es

NOTA:
En color verde los puntos en los que se
encuentra la solución.
En color rojo los puntos que no pertenecen
a la región factible
 Método simplex
• Empate en el criterio en la variable que ingresa
• se escoge arbitrariamente cualquiera.
• Seleccionamos la variable que sale {θi menor}
• Empate en el criterio en la variable que sale se escoge
arbitrariamente cualquiera.
Criterio de Optimalidad
Max Zj - Cj ≥ 0 ; Cj - Zj ≤ 0
Min Zj - Cj ≤ 0 ; Cj - Zj ≥ 0

• Tipo de soluciones.
 Solución
Iteración N° 1

Cj 30 50 0 0
Ci XB X1 X2 S1 S2 bi θi
0 S1 1 2 1 0 200 100
0 S2 1 1 0 1 140 140
Cj -Zj 30 50 0 0 0

Iteración N° 2
Cj2 30 50 0 0
Ci XB X1 X2 S1 S2 bi θi
50 X2 1/2 1 1/2 0 100 200
0 S2 1/2 0 -1/2 1 40 80
Cj -Zj 5 0 -25 0 5000
 Solución
Iteración N° 3

Cj 30 50 0 0
Ci XB X1 X2 S1 S2 bi θi
50 X2 0 1 1 -1 60
30 X1 1 0 -1 2 80
Cj -Zj 0 0 -20 -10 5400

La solución óptima es Z = 5400

X1 = 80
X2 = 60