Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación
Investigación
de operaciones
de operaciones
Un enfoque practico
Validar Resolver
Cuando la función objetivo y las restricciones son lineales, se dice que se está ante un problema de programación
lineal.
2. Una función objetivo de primer grado cuyas variables son las variables de decisión y que se pretende optimizar
(hallar su máximo o su mínimo). La función objetivo es en realidad la representación matemática del objetivo
general de la situación mediante la cual se pretende tomar la mejor decisión.
3. Un conjunto de restricciones establecidas mediante relaciones lineales entre las variables del problema y que
pueden ser de igualdad o de desigualdad.
La recta x – y + 1 = 0 divide al plano en las siguientes tres regiones:
lineales. • El conjunto de puntos (x, y) del plano para los que ax + by + c > 0
• El conjunto de puntos (x, y) del plano para los que ax + by + c < 0
Interpretación
•A la parte del plano que es solución de una inecuación se le llama región
geométrica factible de la inecuación.
• Cuando deben satisfacerse simultáneamente más de una inecuación estamos ante un
sistema de inecuaciones lineales.
• El conjunto de soluciones del sistema se puede obtener por la intersección de las
diferentes regiones factibles de las inecuaciones.
• A dicha región se le llama región factible del sistema.
x–y=0
x0
¿Cuál es la región factible
ìx ³ 0
ïy ³ 0
x5 y0
del sistema í ?
x£5
ï
îx – y ³ 0
x–y0
x=5
Formulación matemática
Función objetivo
Optimizar (maximizar o minimizar) z = ax + by sujeta a las siguientes restricciones
a1x + b1y d1
a2x + b2y d2
... ... ...
a x + b y d
n n n
• Solución posible: cualquier par de valores (x1, y1) que cumpla todas la restricciones. Al
conjunto de soluciones posibles de un problema lineal se le llama región factible.
• Solución óptima: un par de valores (x1, y1), si existe, que hace máxima o mínima la
función objetivo.
• Un problema de pr. lineal puede tener ninguna, una o infinitas soluciones óptimas.
• z(P) = 13 · 85 + 14 . 0 = 1105
• z(Q) = 13 · 55 + 14 . 30 = 1135
• z(R) = 13 · 0 + 14· 100/1,5 = 933 €
P(85, 0)
Método gráfico o
de la recta móvil
• Se deben dar los siguientes pasos:
• Se representa gráficamente la región
factible.
Validar Resolver
Caracteristicas:
Algoritmo eficiente y rápido para encontrar el óptimo.
Determina la solución óptima sin evaluar todos los puntos extremos factibles.
Para ilustrar el desarrollo del método simplex, consideremos el problema de los bolsos y mochilas presentado
anteriormente, cuyo modelo matemático se expresa de la siguiente manera:
MAX Z = 3 x1 + 5 x2
• s.a.
x1 4
2 x2 12
3 x x1 + 2 x2 18
x1 , x2 0
•Hemos visto que este modelo matemático tiene la forma de un problema de programación lineal (PPL).
Ejemplo
El modelo anterior se puede expresar gráficamente de la siguiente manera,
donde la recta en azul representa la FO en el punto óptimo:
x2 x1 = 4
x2 = 6
6
4
Región 3 x1 + 5 x2 = 36
2 Factible
x1
2 4 6
3 x1 + 2 x2 = 18
Variables de Holgura
•Para convertir cada restricción del tipo () en (=) se debe agregar una nueva variable positiva
llamada variable de holgura (hi).
•A las variables hi se les denomina de holgura porque representan la cantidad no utilizada del
recurso i , es decir, es la diferencia entre la cantidad disponible del recurso i, y la cantidad
utilizada.
Variables de Holgura
Si agregamos las variables de holgura al ejemplo anterior,
obtenemos el siguiente modelo matemático:
MAX Z = 3 X1 + 5 X2
s.a. X1 + h1 = 4
2 X2 + h2 = 12
3 X1 + 2 X 2 + h3 = 18
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Presentación tabular
Para trabajar se utiliza un cuadro resúmen llamado “Tableau”.
Variables de Decisión Variables de Holgura
VB CB XB x1 x2 .. xn h1 h2 .. hm
VB CB XB x1 x2 .. xn h1 h2 .. hm
VB CB XB x1 x2 .. xn h1 h2 .. hm
MAX Z = 3 x1 + 5 x2
s.a. x1 4
2 x2 12
3 x1 + 2 x2 18
x 1 , x2 0
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
Z - 3 X1 - 5 X 2 = 0
X1 + h1 = 4
2 X2 + h2 = 12
3 X1 + 2 X 2 + h3 = 18
Método simplex
Al registrar la información en la tabla del simplex se obtiene lo
siguiente:
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
Ecuación de la FO 0 -3 -5 0 0 0 zj - cj
3 5 0 0 0
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
•Criterio de optimalidad:
•Para identificar si la solución básica actual es óptima, se revisan los coeficientes zj - cj de las
variables no básicas (los de las variables básicas son cero cuando la solución está en forma
canónica).
•Si los zj - cj son todos positivos se ha llegado al óptimo, sino se debe continuar.
Método simplex
En este caso los zj - cj son menores que cero, luego esta
solución no es óptima:
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
0 -3 -5 0 0 0 zj - cj
Max 3 5 0 0 0
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
• Se selecciona como variable básica entrante aquella que incrementa más rápidamente la
F.O.
• Para ello, se selecciona como variable que entra la que tiene los coeficientes zj - cj más
negativos.
Método simplex
En este caso el valor más negativo de zj - cj corresponde a la
variable X2 , luego se elige X2 como la variable que entra a la
base.
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
0 -3 -5 0 0 0 zj - cj
Max
3 5 0 0 0
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
•Se elige como variable básica que sale aquella que llega más rápidamente a cero al
incrementar la variable entrante.
•Para ello, se selecciona como variable básica que sale la que tiene el menor valor de XBi /Yij ,
para todos los Yij > 0.
•
Método simplex
En este caso el menor valor de XBi/Yij corresponde a la
segunda ecuación (reglón 2), luego h2 es la variable que sale de
la base. Pivote
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0 Yij = 0
h2 0 12 0 2 0 1 0 12/2 = 6
h3 0 18 3 2 0 0 1 18/2 = 9
0 -3 -5 0 0 0
Max 3 5 0 0 0
Yij
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
Entra X1 a la base
Método simplex
Iteración : 2 Determinar variable que sale
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0 4/1 = 4
X2 5 6 0 1 0 1/2 0 Yij = 0
h3 0 6 3 0 0 -1 1 6/3 = 2
30 -3 0 0 5/2 0
Max 3 5 0 0 0
Yij
Método simplex
Iteración: 3 Determinar nueva solución básica
VB CB XB X1 X2 h1 h2 h3
h1 0 2 0 0 1 1/3 -1/3
X2 5 6 0 1 0 1/2 0
X1 3 2 1 0 0 -1/3 1/3
36 0 0 0 3/2 1
Max 3 5 0 0 0
VB CB XB X1 X2 h1 h2 h3
h1 0 2 0 0 1 1/3 -1/3
X2 5 6 0 1 0 1/2 0
X1 3 2 1 0 0 -1/3 1/3
36 0 0 0 3/2 1
Max 3 5 0 0 0
Solución óptima
Método simplex
Observación:
• La resolución óptima de uno produce en forma automática la resolución óptima del otro.
• El problema dual se forma a partir del primal siguiendo las siguientes indicaciones:
• Los coeficientes de restricción (columna) de una variable primal definen los coeficientes en el
lado izquierdo de la restricción dual.
• Los lados derechos de las restricciones primales definen los coeficientes de la función
objetivo del problema dual.
DUALIDAD
•
⋮• ⋮ ⋮ ⋮ ⋮ ⋮
•
⋮• ⋮ ⋮ ⋮ ⋮ ⋮
Los lados derechos de las restricciones primales pasan a ser los coeficientes
de la función objetivo del dual
Los coeficientes de la función objetivo primal serán los lados derechos de las
restricciones del problema dual
Relaciones entre los problemas primal y dual
primal dual
•
⋮• ⋮ ⋮ ⋮ ⋮ ⋮
Los coeficientes de restricción por columna del primal pasan a ser los
coeficientes de restricción por renglón del problema dual. La cantidad
de variables del problema primal corresponderá a la cantidad de restricciones
del problema dual.
Reglas para construir
el problema Dual
•Metodología:
•
•1. Escribir el problema primal en ecuaciones Objetivo del problema Problema Dual
Primal Objetivo Tipo de Restricciónes Signos de variables
Objetivo del problema
Maximización Minimización Problema
≥ Dual No restringido
Primal Objetivo Tipo de Restricciónes Signos de variables
•2. Definir las variables duales Minimización
Maximización
Maximización
Minimización
≤
≥
No restringido
No restringido
Minimización Maximización ≤ No restringido
•3. Convertir el problema primal a dual
Ejemplo
Primal Dual
• •
x+y+2z
10
4 Iteraciones v1 Iteración
Dualidad y Análisis de Sensibilidad
s.a
+
+
El florista ha encontrado que su combinación optima es
•Por este motivo se le llama precio sombra al vector de variables duales en el optimo.
•Análisis de sensibilidad: Consiste en determinar cual es el rango de variación de los parámetros del
problema de modo que la base ´optima encontrada siga siendo optima
•Análisis post optimal: Consiste en determinar como varía la base optima si cambia alguno de los
parámetros del problema.
Desarrollo
En una empresa se quieren utilizar los recursos 1 y 2 en la producción de los productos A, B y C. La cantidad unitaria
necesaria de cada recurso para cada tipo de producto, la cantidad disponible de cada recurso y el beneficio unitario
de cada una
Base A B C h1 h2 Po
h1 4 2 3 1 0 40
h2 2 2 1 0 1 30
z -3 -2 -1 0 0 0
Base A B C h1 h2 Po
A 1 0,5 0,75 0,25 0 10
Max B 0 1 -0,5 -0,5 1 10 *-2
+1C z 0 -0,5 1,25 0,75 0 30 *3
4 𝐴 +2 𝐵+3 𝐶 ≤ 40
2 𝐴 +2 𝐵+1 𝐶 ≤ 30
Base A B C h1 h2 Po
+1C
4 𝐴 +2 𝐵+3 𝐶 ≤ 40
2 𝐴 +2 𝐵+1 𝐶 ≤ 30
Optimo
Solución
+1C
+1C
4 𝐴 +2 𝐵+3 𝐶 ≤ 40
2 𝐴 +2 𝐵+1 𝐶 ≤ 30
+1C
0,5 -0,5 4
3 2 x - 3 0 3*5+2*10+1*0=35
x =
-0,5 1 2
Ct
B^-1 Aj
4
1,5+-1=0,5 0,5 x - 3 = 0
2
+1C
0,5 -0,5 4
4 2 x - 3 0
x =
-0,5 1 2
Ct
B^-1 Aj
4
2+-1=1 -2+2=0 x - 3 = 1
2