Vous êtes sur la page 1sur 43

MAIP

INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

PROGRAMACION LINEAL

Nombre Alumno (s): Loreto Vergara F. Tamara Arvalo Carolina Oyarce Pa Gutirrez Nombre Jonathan Snchez Fecha: 26 de Junio de 2013

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

INDICE

PROGRAMACION LINEAL .............................................................................................................................. 1 INTRODUCCION A LA PLANEACIN LINEAL .................................................................................................. 3 1.- CONCEPTO: .............................................................................................................................................. 4 2.- PLANTEAMIENTO ..................................................................................................................................... 4 3.- FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL ................................................................ 5 ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL ........................................................................ 5 MODELO GENERAL DE PROGRAMACION LINEAL ..................................................................................... 6 Formulacin de modelos de Programacin Lineal. ................................................................................... 6 FORMA ESTNDAR DE LOS MODELOS DE PROGRAMACIN LINEAL. ....................................................... 9 OTRAS FORMAS DE MODELOS DE PROGRAMACIN LINEAL.................................................................. 10 FORMULACION ALGEBRAICA: ................................................................................................................. 11 FORMA CANONICA ................................................................................................................................. 11 IMPORTANCIA DE LA FORMA CANONICA ............................................................................................... 12 TERMINOLOGIA Y CONCEPTOS BASICOS: ............................................................................................... 12 4.-METODO GRAFICO.................................................................................................................................. 13 INTRODUCCIN....................................................................................................................................... 13 DEFINICION ............................................................................................................................................. 14 CONCEPTO GENERAL DEL METODO GRAFICO ............................................................................................ 16 PASOS PARA LA SOLUCION MEDIANTE EL METODO GRAFICO ............................................................... 17 5.-METODO SIMPLEX .................................................................................................................................. 20 INTRODUCION......................................................................................................................................... 20 CONCEPTO .............................................................................................................................................. 20 PASOS PARA EL DESARROLLO DEL METODO SIMPLEX ........................................................................... 20 7.- Programacin entera ..................................................................................................................... 37 Aplicaciones .......................................................................................................................................... 37 Ejemplo .................................................................................................................................................. 38 8.-Cambio al vector de costo o precio. ............................................................................................ 40

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

INTRODUCCION A LA PLANEACIN LINEAL


Muchas personas clasifican el desarrollo de la Programacin Lineal (PL) entre los avances cientficos ms importantes de mediados del siglo XX. En la actualidad es una herramienta comn que ha ahorrado miles o millones de dlares a muchas compaas y negocios, incluyendo industrias medianas en distintos pases del mundo. Cul es la naturaleza de esta notable herramienta y qu tipo de problemas puede manejar? Expresado brevemente, el tipo ms comn de aplicacin abarca el problema general de asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma ptima). Este problema de asignacin puede surgir cuando deba elegirse el nivel de ciertas actividades que compiten por recursos escasos para realizarlas. La variedad de situaciones a las que se puede aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de instalaciones productivas a los productos, hasta la asignacin de los recursos nacionales a las necesidades de un pas; desde la planeacin agrcola, hasta el diseo de una terapia de radiacin; etc. No obstante, el ingrediente comn de todas estas situaciones es la necesidad de asignar recursos a las actividades.

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

1.- CONCEPTO:
El adjetivo lineal significa que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata la planeacin de las actividades para obtener un resultado ptimo. La programacin lineal es una tcnica de investigacin de operaciones para la determinacin de la asignacin ptima de recursos escasos cuando la funcin objetivo y las restricciones son lineales. Es una manera eficiente de resolver estos problemas cuando se debe hacer una eleccin de alternativas muy numerosas que no pueden evaluarse intuitivamente por los mtodos convencionales.

2.- PLANTEAMIENTO
Resolver un problema de programacin lineal consiste en optimizar una funcin lineal sujeta a unas restricciones, entendiendo por optimizar encontrar un valor mximo o mnimo segn los casos (Maximizar o Minimizar la funcin). La funcin lineal respecto a las variables x e y se llama funcin objetivo. F(x,y) = mx+ny, siendo m , n, dos nmeros reales. o Las ecuaciones o inecuaciones condicionantes se llaman restricciones. o Las soluciones del sistema (el conjunto de los puntos del recinto plano que delimitan las rectas representativas del sistema) constituyen la regin factible, que es la regin donde debemos buscar la solucin.

Optimizar condicionada a las restricciones:

a1x + b1y c1 a2x + b2y c2 anx + bny cn (el smbolo , segn el problema planteado, corresponder a uno de los cuatro siguientes , , , ). La regin factible es un polgono. El hecho fundamental - cuya demostracin excede de estas pginas- es que si existe solucin ptima se encuentra en un vrtice del polgono que constituye la regin factible.
.....................

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

3.- FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL


INTRODUCCION
Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el nmero de actividades bajo consideracin. Z = valor de la medida global de efectividad. Xj = nivel de la actividad j (para j = 1,2,...,n). Cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad J. bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m). aij = cantidad del recurso i consumido por cada unidad de la actividad j.

ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL


1. Funcin objetivo: Consiste en optimizar el objetivo que persigue una situacin la cual es una funcin lineal de las diferentes actividades del problema, la funcin objetivo se maximizar o minimiza.
2. Variables de decisin. Son las incgnitas del problema. La definicin de las variables es el punto clave y bsicamente consiste en los niveles de todas las actividades que pueden llevarse a cabo en el problema a formular. 3. Restricciones Estructurales. Diferentes requisitos que debe cumplir cualquier solucin para que pueda llevarse a cabo, dichas restricciones pueden ser de capacidad, mercado, materia prima, calidad, balance de materiales, etc. 4. Condicin tcnica. Todas las variables deben tomar valores positivos, o en algunos casos puede ser que algunas variables tomen valores negativos.

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

MODELO GENERAL DE PROGRAMACION LINEAL

Formulacin de modelos de Programacin Lineal.


Aunque se ponga en duda, la parte ms difcil de PL es reconocer cundo sta puede aplicarse y formular el problema matemticamente. Una vez hecha esa parte, resolver el problema casi siempre es fcil. Para formular un problema en forma matemtica, deben expresarse afirmaciones lgicas en trminos matemticos. Esto se realiza cuando se resuelven problemas hablados al estudiar un curso de lgebra. Algo muy parecido sucede aqu al formular las restricciones. Por ejemplo, considrese la siguiente afirmacin: A usa 3 horas por unidad y B usa 2 horas por unidad. Si deben usarse todas las 100 horas disponibles, la restriccin ser: 3A + 2B = 100 Sin embargo, en la mayora de las situaciones de negocios, no es obligatorio que se usen todos los recursos (en este caso, horas de mano de obra). Ms bien la limitacin es que se use, cuando mucho, lo que se tiene disponible. Para este caso, la afirmacin anterior puede escribirse como una desigualdad: 3A + 2B 100

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Para que sea aceptable para PL, cada restriccin debe ser una suma de variables con exponente 1. Los cuadrados, las races cuadradas, etc. no son aceptables, ni tampoco los productos de variables. Adems, la forma estndar para una restriccin pone a todas las variables del lado izquierdo y slo una constante positiva o cero del lado derecho. Esto puede requerir algn reacomodo de los trminos. Si, por ejemplo, la restriccin es que A debe ser por los menos el doble de B, esto puede escribirse como: A 2B
A - 2B 0

Ntese que pueden moverse trminos de un lado a otro de las desigualdades como si fuera un signo de igualdad. Pero al multiplicar una desigualdad por -1, el sentido de esta desigualdad se invierte. Puede ser necesario hacer esto para que los coeficientes del lado derecho sean positivos. Por ejemplo, si se quiere que A sea por lo menos tan grande como B - 2, entonces: AB2 A B -2 Por ltimo B A 2 Una nota final sobre desigualdades: es sencillo convertir una desigualdad en una ecuacin. Todo lo que se tiene que hacer es agregar (o restar) una variable extra. Por ejemplo: B-A2 es lo mismo que B-A+S=2

En donde S representa la diferencia, o la holgura, entre B - A y 2. S se llama variable de holgura. Por otro lado, se restara una variable de supervit en el caso siguiente: A - 2B 0 es lo mismo que A - 2B -S = 0

Algunos mtodos de solucin (como el Mtodo Simplex) y la mayora de los programas de computadora (como el MathProg, que viene en el ORCourseware, que acompaa al libro Introduccin a la Investigacin de Operaciones de los autores Hillier y Lieberman) requieren que todas las desigualdades se conviertan en igualdades. La metodologa de PL requiere que todas las variables sean positivas o cero, es decir, no negativas. Para la mayora de los problemas esto es real, no se querra una solucin que diga: prodzcanse menos dos cajas o contrtense menos cuatro personas.
7

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Mientras que no existe un lmite en el nmero de restricciones que puede tener un problema de PL, slo puede haber un objetivo. La forma matemtica del objetivo se llama funcin objetivo. Debe llevar consigo el maximizar o minimizar alguna medida numrica. Podra ser maximizar el rendimiento, la ganancia, la contribucin marginal o los contactos con los clientes. Podra ser minimizar el costo, el nmero de empleados o el material de desperdicio. Con frecuencia el objetivo es evidente al observar el problema. Como el valor de la funcin objetivo no se conoce hasta que se resuelve el problema, se usa la letra Z para representarlo. La funcin objetivo tendr, entonces, la forma: Maximizar Minimizar Z = 4A + 6B Z = 2x1 + 5x2

Se analiza una aplicacin para ilustrar el formato de los problemas de Programacin Lineal.

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

FORMA ESTNDAR DE LOS MODELOS DE PROGRAMACIN LINEAL.


Supngase que existe cualquier nmero (digamos m) de recursos limitados de cualquier tipo, que se pueden asignar entre cualquier nmero (digamos n) de actividades competitivas de cualquier clase. Etiqutense los recursos con nmeros (1, 2, ., m) al igual que las actividades (1, 2, ..., n). Sea xj (una variable de decisin) el nivel de la actividad j, para j = 1, 2, ..., n, y sea Z la medida de efectividad global seleccionada. Sea cj el incremento que resulta en Z por cada incremento unitario en xj (para j = 1, 2, ..., n). Ahora sea bi la cantidad disponible del recurso i (para i = 1, 2, ..., m). Por ltimo defnase aij como la cantidad de recurso i que consume cada unidad de la actividad j (para i = 1, 2, ..., m y j = 1, 2, ..., n). Se puede formular el modelo matemtico para el problema general de asignar recursos a actividades. En particular, este modelo consiste en elegir valores de x1, x2, ..., xn para: Maximizar Z = c1x1 + c2x2 + . + cnxn, sujeto a las restricciones: a11x1 + a12x2 + ... + a1nxn b1 a21x1 + a22x2 + ... + a2nxn b2

am1x1 + am2x2 + ... + amnxn bm x1 0, x2 0, ..., xn 0

sta se llamar nuestra forma estndar (porque algunos libros de texto adoptan otras formas) para el problema de PL. Cualquier situacin cuya formulacin matemtica se ajuste a este modelo es un problema de PL. En este momento se puede resumir la terminologa que usaremos para los modelos de PL. La funcin que se desea maximizar, c1x1 + c2x2 + ... + cnxn, se llama funcin objetivo. Por lo general, se hace referencia a las limitaciones como restricciones. Las primeras m

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

restricciones (aquellas con una funcin del tipo ai1x1 + ai2x2 + ... + ainxn, que representa el consumo total del recurso i) reciben el nombre de restricciones funcionales. De manera parecida, las restricciones xj 0 se llaman restricciones de no negatividad. Las variables xj son las variables de decisin. Las constantes de entrada, aij, bi, cj, reciben el nombre de parmetros del modelo.

OTRAS FORMAS DE MODELOS DE PROGRAMACIN LINEAL.


Es conveniente agregar que el modelo anterior no se ajusta a la forma natural de algunos problemas de programacin lineal. Las otras formas legtimas son las siguientes: 1. Minimizar en lugar de maximizar la funcin objetivo: Minimizar Z = c1x1 + c2x2 + ... + cnxn, 2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual: ai1x1 + ai2x2 + ... + ainxn, bi, para algunos valores de i, 3. Algunas restricciones funcionales en forma de ecuacin: ai1x1 + ai2x2 + ... + ainxn, = bi, para algunos valores de i, 4. Las variables de decisin sin la restriccin de no negatividad: xj no restringida en signo para algunos valores de j. Cualquier problema que incluya una, varias o todas estas formas del modelo anterior tambin se clasifica como un problema de PL, siempre y cuando stas sean las nicas formas nuevas introducidas. Puede ser que la interpretacin que se ha dado de asignacin de recursos limitados entre actividades que compiten no se aplique, pero independientemente de la interpretacin o el contexto, lo nico que se necesita es que la formulacin matemtica del problema se ajuste a las formas permitidas. Se ver que estas otras cuatro formas legales se pueden reescribir en una forma equivalente para que se ajuste al modelo que se present. Entonces, todo problema de PL se puede poner en nuestra forma estndar si se desea.

10

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

FORMULACION ALGEBRAICA: FORMA CANONICA


Todo problema de PL puede representarse como: Max (z) =c1x1+c2x2+...+cnxn sujeto a: a11x1 + a12x2 +...+ a1nxn b1 a21x1 + a22x2 +...+ a2nxn b2 ... am1x1 + am2x2 +...+ amnxn bm x1, x2, ...,xn 0 siendo: xj: cj: aij: de variable j bi: Nivel de actividad de la variable xj Contribucin unitaria de xj a funcin objetivo Coeficiente tcnico, unidades de recurso i que se consumen por unidad Cantidad disponible de recurso i

Otra representacin: Max (z) = cjx j


n
j= 1

sujeto a :

n aijx j bi
j=1

donde i =1, 2, ... m

x
j

j = 1, 2, ... n

En forma matricial: Max (z) = C x sujeto a: Ax b x 0 A esta forma se la denomina forma cannica

11

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

IMPORTANCIA DE LA FORMA CANONICA


La forma cannica es importante porque todos los desarrollos e interpretaciones econmicas del problema pueden referirse a la misma. Es posible transformar un problema de PL a un problema equivalente en forma cannica. Un problema de PL puede consistir en: Buscar un mximo o un mnimo de la funcin objetivo Restricciones de tipo , e = Variables positivas, negativas o no restringidas en signo Conversin de un problema lineal general a su forma cannica: Cambiar el sentido de la optimizacin Cambiar el sentido de la desigualdad Cambiar una desigualdad en igualdad Variable de holgura o slack Variable surplus Cambiar igualdades en desigualdades Cambiar variables sin restriccin de signo a otras de signo positivo o nulo

TERMINOLOGIA Y CONCEPTOS BASICOS:


Conjunto factible : Es el conjunto de puntos que satisfacen simultneamente todas las restricciones (o filas) del problema Actividades, columnas o variables (xj) Representan los usos alternativos que deben competir entre s para la obtencin de los recursos de forma que se optimice la funcin objetivo Recursos (bi) Son productos, tiempo, etc. Se cuantifican en el trmino independiente o Right Hand Side (RHS) del problema El conjunto factible de un problema de PL, si existe, es representable mediante un poliedro convexo

12

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

4.-METODO GRAFICO
INTRODUCCIN
Antes de entrarnos por completo en los mtodos analticos de la investigacin de operaciones es muy conveniente ver un poco acerca de las desigualdades de una ecuacin lineal. Por ejemplo tenemos la ecuacin 2X + 3Y = 60 en donde X, Y 0 Es decir que para que se cumpla la igualdad de la ecuacin nos tocara adquirir 15 unidades de X y 10 unidades de Y respectiva mente: 2(15) + 3(10) = 60 Y la solucin se dara por la misma lnea recta. Pero por otra parte si en la ecuacin no se quiere llegar a la totalidad del resultado se dar la ecuacin en una forma diferente llamada inecuacin: 2X + 3Y 60 en donde X, Y 0

Dndose como solucin factible un rea sombreada que depende del signo de la desigualdad. Si el signo es el la solucin ser el rea inferior esa se sombrear o si por el contrario el sigo es el rea a sombrear ser la de todos los puntos por encima de la lnea obtenida.

13

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

En la anterior grafica la solucin ms factible es la de los puntos ms cerca del eje X (bajo la recta de la solucin lineal ya que la ecuacin es precedida por el signo .

DEFINICION
Por definicin de algunos libros una desigualdad entre dos variables es una desigualdad que puede escribirse de la forma:

ax + by +c < 0 (o bien 0, 0, >0)

En donde a, b, c son constantes mientras que a y b son diferentes de cero En trminos geomtricos, la solucin de una desigualdad lineal en x y y consiste en todos los puntos del plano cuyas coordenadas satisfacen la desigualdad. Observemos a continuacin las desigualdades y las regiones descritas por ellas:

EJEMPLOS:
EJEMPLO 1: Determinar la regin descrita por la desigualdad y 5 Cuando veamos un problema como este no nos asustemos porque el hecho de que no aparezca la x en ningn lugar de la ecuacin solo quiere decir que x es cierto en cualquier punto de x. SOLUCIN

La regin sombreada es la solucin factible para la desigualdad planteada.

14

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

EJEMPLO 2: Describir la regin definida por la desigualdad: x -2

EJEMPLO 3: Dando valores a x y y determinamos las rectas con las reas correspondientes a las desigualdades planteadas. 2x + y > 3 xy y1>0 Este sistema es equivalente y > -2x + 3 yx x =0; y =3 Y=0; x= 3/2 x= 0; y= 0 x=1 ; y= 1

y > 1/2 Obsrvese que se ha escrito cada desigualdad de manera que y queda despejada. Consecuencia las regiones apropiadas con respecto a las rectas correspondientes restaran evidentes. En primer lugar se trazan las rectas y = -2x + 3, y = x Yy=y

15

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Despus se sombra la regin que se encuentra simultneamente por encima de la recta, sobre o por debajo de la segunda de ellas y por encima de la tercera esta regin es la solucin.

Entonces la solucin para el anterior ejercicio seria la regin sombreada.

CONCEPTO GENERAL DEL METODO GRAFICO


Ahora se considerara la forma en que se pueden resolver problemas de tipo lineal, en donde la funcin dada se tendr que maximizar o minimizar. Una funcin lineal en x y y tiene la forma:

Donde a y b son constantes. Tambin se requerir que las restricciones correspondientes estn representadas mediante un sistema de desigualdades lineales o ecuaciones en x y en y y que todas las variables sean no negativas. A un problema en el que intervienen todas estas condiciones se le denomina problema de programacin lineal. La programacin lineal fue desarrollada por George B. danzing a fines de la dcada de 1940 y se utiliz primero en la fuerza area de los estados unidos como auxiliar en la toma de decisiones. En la actualidad tiene amplia aplicacin en el anlisis industrial y econmico. En un problema de programacin lineal a la funcin que se desea maximizar o minimizar se le denomina funcin objetivo. Aunque por lo general existe una cantidad infinitamente grande de soluciones para el sistema de restricciones (a las que se denomina soluciones factibles o puntos factibles), el objetivo consiste en encontrar una de esas soluciones que represente una solucin ptima (es decir una solucin que del valor mximo o mnimo de la fusin objetivo)

16

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

En conclusin con lo que acabamos de revisar en la parte anterior sobre las inecuaciones nos da para definir literalmente el mtodo grfico y el mtodo algebraico dentro del mbito de la programacin lineal. Entonces el mtodo grafico en la programacin lineal es simplemente sacar de una situacin (problema) ecuaciones lineales y convertirlas en desigualdades o inecuaciones para poder graficarlas y as sacar la regin ms ptima dependiendo del signo de la desigualdad esa rea se sombreara y esa ser la solucin ms ptima del problema.

PASOS PARA LA SOLUCION MEDIANTE EL METODO GRAFICO


Para llegar a una solucin ptima en el mtodo grafico se requiere seguir con una serie de pasos que podemos dar a continuacin: 1. Formulacin del problema El primer paso para la resolucin por mtodo grafico es expresar el problema en trminos matemticos en el formato general de la programacin lineal (desigualdades) con un solo fin maximizar la contribucin a la ganancia. 2. Graficar las restricciones El prximo paso de la solucin por mtodo grafico es la graficacin de las restricciones en el plano cartesiano para establecer todas las posibles soluciones. 3. Obtencin de la solucin optima Para encontrar la solucin ptima, se grafica la funcin objetivo en la misma grfica de las restricciones. Se graficara siempre la funcin objetivo del problema y se dar la solucin de acuerdo con el smbolo que est presente en las restriccin de la funcin objetivo.

17

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

EJEMPLO: Maximizar la funcin objetivo: Z= 3x + y Sujeto a las restricciones: 2x + y 8 2x + 3y 12 x, y 0 A continuacin graficamos las desigualdades planteadas en las restricciones as: 2x + y 8 2x + 3y 12 x, y 0 x=0; y=8 y=0; x=4 x=0; y=4 Y=0; x=6

Se observa que la regin factible est conformada por los puntos A(0,0); D(0,4); B(4,0) y el punto C que es el resultado de la interseccin de las 2 inecuaciones cuyo valor aproximadamente en el plano est dado por las coordenadas (3,2). Ahora bien el problema solicita la maximizacin de Z = 3x + y que se obtiene precisamente en el punto C(3,2).

18

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

EJEMPLO: Minimizar la funcin objetivo: Z= 2x + 3y Sujeto a las restricciones: x +2y 10 3x + 2y 18 x, y 0 A continuacin graficamos las desigualdades planteadas en las restricciones as: x + 2y10 3x + 2y18 x, y 0 x=0; y=5 y=0; x=10 x=0; y=9 Y=0; x=6

Regin Factible

(4,3)

Se observa que la regin factible est conformada por los puntos (0,9); (4,3); (10,0), donde el punto (4,3) es el resultado de la interseccin de las dos ecuaciones dadas como restricciones. Ahora bien el problema solicita la maximizacin de Z = 3x + y que se obtiene precisamente en el punto C(3,2).

19

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

5.-METODO SIMPLEX
INTRODUCION
En los captulos 1 y 2 de esta unidad vimos cmo resolver problemas de programacin lineal a travs del mtodo grfico y el mtodo algebraico, surgen grandes limitaciones a la hora de trabajar con estos dos mtodos, es decir que no es posible darle ptima solucin a un problema. Esto se debe a que el mtodo grafico no resulta prctico cuando el nmero de variables se aumenta a tres, y con ms variables resulta imposible de utilizar. Por otra parte el mtodo algebraico tarda demasiado tiempo aun para problemas de pocas variables y restricciones. El mejor mtodo para resolver un problema de programacin lineal es el mtodo simplex, ya que es un mtodo de fcil aplicacin, de tipo algortmico y conduce a una eficiente solucin del problema.

CONCEPTO
El mtodo simplex fue desarrollado por George dantzig (1947) y es un mtodo algebraico que se utiliza para resolver problemas de programacin lineal en un nmero finito de pasos en una computadora. Este mtodo establece una solucin factible y luego prueba si es ptima o no. Si no lo es busca una mejor solucin y si esta no es ptima entonces repite el proceso hasta hallar una solucin ptima.

PASOS PARA EL DESARROLLO DEL METODO SIMPLEX


1. Elaborar la tabla simplex inicial. X1 a11 a21 a31 a41 X2 X3 a12 a13 a22 a23 a32 a33 a42 a43 -C1 -C2 -C3 S1 1 0 0 0 0 S2 0 1 0 0 0 S3 0 0 1 0 0 S4 0 0 0 1 0 Z 0 0 0 0 1 b b1 b2 b3 b4 0

S1 S2 S3 S4 Z

Indicadores Existen cuatro variables de holgura, S1, S2, S3, y S4; una para cada restriccin. 2. Si todos lo indicadores del ltimo rengln son no negativos, entonces Z tiene un mximo cuando X1=0, X2=0 y X3=0. El valor mximo es 0. Si existen indicadores negativos, localizar la columna en la que aparezca el indicador ms negativo. Esta columna seala la variable entrante.

20

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

3. Dividir cada uno de los elementos de la columna de b que se encuentran por encima de la recta punteada entre el correspondiente elemento de la columna de la variable entrante. Se debe realizar esta divisin solo en los casos en los que el elemento de la variable que entra sea positivo. 4. encerrar en un crculo el elemento de la columna de la variable entrante que corresponde al menor cociente del paso 3. Este es un elemento pivote. La variable saliente es la que se encuentra al lado izquierdo del rengln del elemento pivote. 5. Utilizar operaciones elementales sobre renglones para transformar la tabla en otra tabla equivalente que tenga un 1 en donde se encuentra el elemento pivote y 0 en las dems posiciones de esa columna. 6. la variable entrante debe reemplazar a la variable saliente en el lado izquierdo de esta nueva tabla. 7. si todos los indicadores de la tabla nueva son no negativos, ya se tiene una solucin ptima. El valor mximo de Z es el elemento del ltimo rengln y la ltima columna. Ocurre esto cuando las variables se encuentran del lado izquierdo de la tabla son iguales a lo elementos correspondiente de la ltima columna. Todas las dems variables son ceros. Si cuando menos uno de los indicadores es negativo, se debe repetir el mismo proceso con la nueva tabla, comenzando con el paso 2.

EJEMPLOS DESARROLLADOS
EJEMPLO 1 Maximizar Z= 5X1+4X2 Sujeto a: X1+X2 20 2X1+X2 35 -3X1+X2 12 X10, X20

Este problema de programacin lineal se ajusta a la forma normal. La tabla simplex inicial es: x1 1 2 -3 -5 Variable Entrante
21

Variable Saliente

S1 S2 S3 Z

x2 1 1 1 -4

S1 1 0 0 0

S2 0 1 0 0

S3 0 0 1 0

Z 0 0 0 1

b 20 35 12 0

Cocientes 201=20 352=17.5

Indicadores

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

El indicador ms negativo, -5, aparece en la columna x1. Por ello, x1 es la variable entrante. El menor cociente es 17.5, de modo que, S2 es la variable saliente. El elemento pivote es 2. Utilizando operaciones elementales sobre los renglones para obtener un 1 en la posicin del pivote y 0 en las dems posiciones de esa columna, se tienen: x1 1 2 -3 -5 1 1 -3 -5 0 1 0 0 x2 1 1 1 -4 1 1/2 1 -4 1/2 1/2 5/2 -3/2 S1 1 0 0 0 1 0 0 0 1 0 0 0 S2 0 1 0 0 0 1/2 0 0 -1/2 1/2 3/2 5/2 S3 0 0 1 0 0 0 1 0 0 0 1 0 Z 0 0 0 1 0 0 0 1 0 0 0 1 b 20 35 12 0 20 35/2 12 0 5/2 (Sumando al rengln uno el rengln 2 35/2 multiplicado por -1; sumando al rengln 129/2 tres el rengln 2 multiplicado por 3; Sumando al rengln cuatro el rengln dos 175/2 multiplicado por 5) (Multiplicando el rengln 2 por 1/2)

La nueva tabla es: Variable Saliente S1 x1 S3 Z x1 0 1 0 0 x2 1/2 1/2 5/2 -3/2 S1 1 0 0 0 S2 -1/2 1/2 3/2 5/2 S3 0 0 1 0 Z 0 0 0 1 b Cocientes 5/2 5/2 1/2=5 35/2 35/2 1/2=35 129/2 129/25/2=25(4/5) 175/2

Indicadores

22

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Variable Entrante Obsrvese que en el lado izquierdo, x1 reemplaz a S2. Ya que -3/2 es el indicador ms negativo se debe continuar con el proceso. La variable entrante es ahora x2. El menor cociente es 5. De modo que S1 es la variable saliente y es el elemento pivote. Utilizando operaciones elementales sobre renglones, se tiene: x1 0 1 0 0 0 1 0 0 0 1 0 0 x2 1/2 5/2 -3/2 1/2 0 0 0 1 0 0 0 S1 1 0 0 0 1 -1 -5 3 2 -1 -5 3 S2 -1/2 1/2 3/2 5/2 -1/2 1 4 1 -1 1 4 1 S3 0 0 1 0 0 0 1 0 0 0 1 0 Z 0 0 0 1 0 0 0 1 0 0 0 1 b 5/2 35/2 129/2 175/2 5/2 15 52 95 5 15 52 95 (Sumando al rengln dos el rengln uno multiplicado por -1; sumando al rengln tres el rengln uno multiplicado por -5; Sumando al rengln cuatro el rengln uno multiplicado por 3)

(Multiplicando el rengln uno por 2)

La nueva tabla es: x2 x1 S3 Z x1 0 1 0 0 x2 1 0 0 0 S1 2 -1 -5 3 S2 -1 1 4 1 S3 0 0 1 0 Z 0 0 0 1 b 5 15 52 95

Indicadores En donde x2 reemplazo a S1 en el lado izquierdo. Como todos los indicadores son no negativos, el valor mximo de Z es 95 y aparece cuando x2=5 y x1=15 (y S3=52, S1=0, S2=0).

23

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

EJEMPLO 2 Maximizar Z= 3x1 + 4x2 + 3/2x3

Sujeta a:

-x1-2x2 -10 2x1+2x2+x3 10 x1, x2, x3 0

La restriccin (10) no se ajusta a la forma normal. Sin embargo, multiplicando ambos lados de (10) por -1 resulta.

TABLA SIMPLEX I Variable Saliente S1 S2 Z x1 1 2 -3 x2 2 2 -4 x3 0 1 -3/2 S1 1 0 0 S2 0 1 0 Z 0 0 1 b 10 10 0 Cocientes 102=5 102=5

Indicadores Variable Entrante La variable entrante es x2. Dado que existe un empate en el menor cociente, se puede elegir cualquiera de los dos, S1 o S2, como la variable saliente. Se escoge S1. Se encierra en un crculo el pivote. Utilizando operaciones elementales sobre renglones, se obtiene la tabla 2.

TABLA SIMPLEX II x1 1/2 1 -1 x2 1 0 0 x3 0 1 -3/2 S1 1/2 -1 2 S2 0 1 0 Z 0 0 1 b 5 0 20 Cocientes no hay puesto que 0 No es positivo 01=0

Variable Saliente

x2 S2 Z

Indicadores Variable Entrante

24

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

La tabla II corresponde a una SFB (solucin bsica factible) en la que una variable bsica S2 es 0. Por ello, la SFB es degenerada. Ya que existen indicadores negativos, se contina el proceso. La variable entrante es ahora x3, la variable saliente es S2 y el pivote se encuentra encerrado en un crculo. Utilizando operaciones elementales sobre renglones, se obtiene la tabla III.

TABLA SIMPLEX II x2 x3 Z x1 1/2 1 1/2 x2 1 0 0 x3 0 1 0 S1 1/2 -1 1/2 S2 0 1 3/2 Z 0 0 1 b 5 0 20

Indicadores En virtud de que todos los indicadores son no negativos, Z es mxima cuando x2=5 y x3=0, y x1=S1=S2=0. El mximo valor es Z=20. Obsrvese que este valor es igual al valor de Z correspondiente a la tabla II. En problemas con degeneracin es posible llegar al mismo valor de Z en varias etapas del proceso simplex. EJEMPLO 3: Considere el siguiente problema de programacin lineal: Maximizar Z=2x1+5x2+8x3

Sujeto a x1+ x2+ x3 12 8x1-4x2+4x3 24 x2+ x3 8 x1, x2, x3 0 PASO 1: INICIALIZACIN: Maximizar Z Z-2x1-5x2-8x3 x1+ x2+ x3+ x4 8x1-4x2+4x3 +x5 x2+ x3 +x6 xj0, j=1,2,,6 = 0 (0) =12 (1) =24 (2) =8 (3)

(II)

Donde las variables de holgura son x4, x5 y x6.

25

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

La tabla inicial para la aplicacin del algoritmo Simplex es: V.B Z x4 x5 x6 x1 -2 1 8 0 x2 -5 1 -4 1 x3 -8 1 4 1 x4 0 1 0 0 x5 0 0 1 0 x6 0 0 0 1 b 0 12 24 8

La solucin bsica falible de partida se obtiene fcilmente del sistema de ecuaciones (II). Cada una de las ecuaciones tiene una sola variable bsica. Por ejemplo, la variable bsica de la ecuacin (2) es x5 ya que tiene coeficientes de +1 en esa ecuacin y no aparece en ninguna de las otras ecuaciones. Esto quiere decir que, en esa ecuacin, la dems variables, al ser no bsicas, sus valores son ceros y, por consiguiente, podemos deducir que el valor de x5 es igual a 24. De manera similar, de la ecuacin (0) se obtiene que Z = 0, de la (1) se obtiene que x4 = 12 y de la (3) que x6 = 8. Observe que en la tabla se pueden leer estos valores directamente. Bastar hacer corresponder a cada variable bsica indicada en la primera columna, (V.B.) los valores de la ltima columna (b). Observe adems que la matriz correspondiente a las variables bsicas de las restricciones, es una matriz unidad. PASO 2: PROCESO ITERATIVO Primera Iteracin La variable bsica entrante es x3, puesto que es la que tiene mayor coeficiente en la funcin objetivo de (I), o bien es la de coeficientes ms negativos en la tabla inicial (-8 en este ejemplo). La variable bsica saliente se determina de la siguiente manera: la cota superior de la variable bsica entrante xent = x3, viene dada por + si a'ie 0 y b'i/a'ie si aie>0. Entonces, los valores de a'ie y bi son: Restriccin 1 2 3 a'13 = 1 a'23 = 1 a'33 = 1 b'1 = 12 b'2 = 24 b'3 = 8

26

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Como todos los coeficientes de las ecuaciones i (i = 1, 2,3) son positivos, entonces la cota superior estar dada por b'i/a'ie. O sea: B1/a'13 = 12/1 = 12 b'2/a'23 = 24/4 = 6 b'3/a'33 = 8/1 = 8 La menor cota superior es 6, que corresponde a la restriccin nmero 2. La variable bsica que corresponde a esa ecuacin es x5 y es, en consecuencia, la variable bsica saliente. Es decir, en el conjunto de variables bsicas se cambia a x5 por x3, por lo que las nuevas variables bsicas son x4, x3 y x6. Ahora x3 es una variable bsica, luego debe tener un coeficiente +1 en la segunda ecuacin y no debe aparecer en ninguna otra, es decir, en cualquier otra ecuacin distinta de la segunda restriccin (que es la ecuacin donde la variable bsica es x3) el coeficiente de x3 debe ser cero. Esto se logra de la siguiente manera: 1. Divida toda la ecuacin por 4, que es el coeficiente de x3 en la segunda restriccin. La ecuacin queda 2x1 - x2 + 1x3 + 1/4x5 = 6 (A)

2. Para lograr ceros en los coeficientes de x3 en las nuevas ecuaciones (0), (1) y (3) multiplique la ecuacin (A) anterior por 8, -1 y -1 uno a la vez, y sume el resultado a las ecuaciones anteriores (0), (1) y (3). O sea, multiplicar la ecuacin (A) por 8 se obtiene: 16x1 - 8x2 + 8x3 + 2x5 = 48 Esta ecuacin sumada con la ecuacin (0) se partida queda: Z + 14x1 13x2 + 2x5 = 48 Que vendra a ser la ecuacin (0). De manera similar, para lograr un cero en el coeficiente de x3 de la ecuacin (1), multipliquemos la ecuacin (A) por -1 y sumemos el resultado a la ecuacin (1). (1) Ecuacin A: -2x1 + x2 x3 Ecuacin (1): x1 + x2 + x3 + x4 Nueva Ecuacin: - x1 + 2x2 + x4 -1/4X5 = - 6 = 12 1/4x5 = 6

Finalmente, para lograr un cero en el coeficiente de x3 de la ecuacin (3), multipliquemos (A) por -1 y sumemos el resultado a (3). La nueva ecuacin (3) despus de la transformacin es: -2x1 + 2x2 - 1/4x5 + x6 = 2

27

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

La solucin presente despus de la primera iteracin es: (x1, x2, x3, x4, x5, x6) = (0, 0, 6, 6, 0, 2); Z = 48

Estos resultados se presentan de una manera sencilla en forma tabular. Al igual que se hizo con la tabla inicial, registramos solamente los coeficientes de las variables y los colocamos inmediatamente debajo de la tabla inicial. Esta segunda tabla proporciona una manera fcil de ver los valores actuales de las variables bsicas despus de que se ha realizado la primera iteracin. La tabla inicial y la que resulta despus de la primera iteracin son las siguientes:

V.B Z x4 x5 x6

x1 -2 1 8 0

x2 -5 1 -4 1

x3 -8 1 4 1

x4 0 1 0 0 Tabla Inicial x4 0 1 0 0

x5 0 0 1 0

x6 0 0 0 1

b 0 12 24 8

V.B Z x4 x5 x6

x1 14 -1 2 -2

x2 -13 2 -1 2

x3 0 0 1 0

x5 2 -1/4 1/4 -1/4

x6 0 0 0 1

b 48 6 6 2

Tabl a Des pu s De

La Primera Iteracin Observe que si en la segunda tabla se intercambian las columnas de x5 y x3, de nuevo se destaca la matriz unitaria. En este momento, es oportuno preguntarse si la solucin que se ha obtenido despus de la primera iteracin es la solucin ptima. Para responder la pregunta, veamos si es posible incrementar una de las variables de tal manera que la funcin objetivo aumente. La funcin objetivo despus de la primera iteracin es: Z + 14x1 13x2 + 2x5 = 48, o bien Z = -14x1 + 13x2 2x5 + 48 Si aumentamos x2 aumentar el valor de Z, puesto que su coeficiente es positivo (+13). Por consiguiente, todava no hemos obtenido el valor ptimo y necesitamos realizar otra iteracin. A esta misma conclusin hubisemos llegado si observamos que en la tabla despus de la primera iteracin, todava existe un coeficiente (el de x2) que es negativo.

28

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Segunda iteracin Despus de la primera iteracin, el sistema de ecuaciones queda: Z = -14x1 + 13x2 -x1 + 2x2 2x1 - x2 + x3 -2x1 +2x2 -2x5 + x4 - 1/4x5 + 1/4x5 - 1/4x5 + x6 + 48 = 6 = 6 = 2

La variable bsica entrante es x2, puesto que es la que tiene mayor coeficiente en la funcin objetivo, o bien es la del coeficiente ms negativo en la tabla despus de la primera iteracin. Para determinar la variable bsica saliente, procedemos de manera similar a lo que hizo en la primera iteracin. En este caso xent = x2 Restriccin 1 2 3 a'12 = 2 a'22 = -1 a'32 = 2 , , , b'1 = 6 b'2 = 6 b'3 = 2

Las cotas superiores son: 6/2 = 2 + ya que a'22 = -1 < 0 2/2 = 1 La menor cota superior es 1 y corresponde a la tercera restriccin. Entonces la variable bsica saliente es x6, es decir, cambiamos x6 por x2. Las nuevas variables son x4,x3 y x2. Como x2 es ahora una variable bsica, debe tener un coeficiente +1 en la ecuacin (3) y no debe aparecer en ninguna otra ecuacin. Esto se logra de la siguiente manera: 1. Se divide toda la ecuacin (3) por 2, que es el coeficiente de x2 en esa ecuacin. 2. Se multiplica la ecuacin resultante en el paso 1. por 13, -2 y +1, unos a las vez, y se suman los resultados a las ecuaciones (0), (1) y (2).

29

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

El resultado es: Z + x1 x1 x1 x1 + x2 Regla de parada Como todos los coeficientes de la ecuacin (0) son positivos, la solucin presente es ptima; o sea: Z = 61, x4 = 4, x3 = 7, x2 =1 y el resto de las variables son ceros. Al igual que en la primera iteracin, los resultados se pueden presentar en forma tabular. La tabla inicial y las que resultan despus de la primera y de la segunda iteracin, son las siguientes: + x4 + x3 +3/8x5 + 13/2x6 x6 + 1/8x5 + 1/2x6 - 1/8x5 + 1/2x6 = 61 = 4 = 7 = 1 (0) (1) (2) (3)

V.B Z x4 x5 x6

x1 -2 1 8 0

x2 -5 1 -4 1

x3 -8 1 4 1

x4 0 1 0 0 Tabla Inicial

x5 0 0 1 0

x6 0 0 0 1

b 0 12 24 8

V.B Z x4 x5 x6

x1 14 -1 2 -2

x2 -13 2 -1 2

x3 x4 0 0 0 1 1 0 0 0 Primera Iteracin

x5 2 -1/4 1/4 -1/4

x6 0 0 0 1

b 48 6 6 2

V.B Z x4 x5 x6

x1 1 1 1 1

x2 0 0 0 1

x3 x4 x5 0 0 3/8 0 1 0 1 0 1/8 0 0 -1/8 Segunda Iteracin

x6 13/2 -1 1/2 1/2

b 61 4 7 1

La solucin ptima es (x1, x2, x3, x4, x5, x6) = (0, 1, 7, 4, 0, 0); Z = 61

30

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Hemos visto la aplicacin del mtodo Simplex para obtener la solucin ptima de un problema de Programacin Lineal y su forma tabular asociada. En realidad, el proceso de hace bastante ms expedito utilizando directamente la tabla, sin tener que pasar por las ecuaciones correspondientes. La determinacin de las variables bsica entrantes y salientes en cada iteracin, puede hacerse directamente a partir de cada una de las tablas. Ejemplo 4: Observemos el siguiente ejemplo, recordando los pasos fundamentales en el mtodo simplex, adems del uso de variables artificiales, no confundir con adicionales.

Maximizar Z = -5x1 + 8x2 + 3x3, sujeto a 2x1 + 5x2 - x3 1 -3x1 - 8x2 + 2x3 4 -2x1 12x2 + 3x3 9 1. Expresamos estas condiciones en forma matricial. Se eligen 3 (m) columnas linealmente independientes dentro de A ___ P4, P5, P6. P4 P5 P6
2 -3 5 -1 -8 2 1 0 0 1 0 0 1 4

-2

-12 3

Al introducir estas tres nuevas columnas, estamos utilizando tres variables adicionales: x4, x5 y x6. Nuestra funcin objetivo tendr la siguiente expresin: Z = -5x1 + 8x2 + 3x3+ 0x4 + 0x5 + 0x6 Se resuelve el sistema en las variables correspondientes: 1 - 2x1 - 5x2 + x3 = x4 4 + 3x1 + 8x2 - 2x3 = x5 9 + 2x1 + 12x2 - 3x3 = x6

31

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Haciendo x1= x2= x3= 0 se obtiene el vrtice de salida: (0,0,0,1,4,9) Obtenemos, asimismo una "nueva" funcin objetivo: Z =-5x1 + 8x2 + 3x3+ 0 (1 - 2x1 - 5x2 + x3)+ 0 (4 + 3x1 + 8x2 - 2x3) + 0 (9 + 2x1 + 12x2 - 3x3) 2. De aqu obtenemos que z0= 0 3. Para ver si es posible mejorar z0, se examina la funcin z=f(x1, x2, x3) y de todos los coeficientes que sean positivos, se coge el mayor. Mientras haya coeficientes positivos se va a poder mejorar. Se plantea como aumentar el valor de una variable, de forma que las otras variables que aparecan en la expresin de Z sigan nulas y, al menos, una de las que eran distintas de cero se anule. Actuaremos sobre la variable x2, ya que es la de mayor coeficiente, 8. Nuestro siguiente vrtice debe cumplir las siguientes condiciones:
x2=k>0, x1= x3= 0 y x4, x5, x6 0 y de estas tres variables, al menos, una nula.

Se resuelve el sistema en las variables sealadas, teniendo en cuenta todas las anteriores condiciones:

1 - 5k = x4 4 + 8k = x5 9 + 12k = x6 Debemos anular x4, ya que es imposible anular x5 y x6, con valores positivos. La mejor eleccin ser k=1/5, Con este valor obtenemos el nuevo vrtice de salida: (0, 1/5 ,0,0, 28/5 ,57/5) Ahora debemos rehacer las expresiones, expresadas en funcin de x1, x3 y x4 .

32

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

4. Se cambia la columna de la variable sealada que acaba de anularse por la de la sealada que aument su valor.

P2 2/5 1 -1/5 1/5 1/5 0 14/5 0 2/5 8/5 3/5 12/5

P5 P6 0 1 0 0 1/5

0 28/5 1 57/5

Se resuelve el sistema y se encuentra la expresin de la funcin objetivo correspondiente a esa eleccin de columnas. Z = 8/5 - 41/5 x1 + 23/5 x3 + 8/5 x4 Obtenemos z1, que saldr de sustituir el valor del vrtice hallado en la nueva expresin de la funcin objetivo: z1= 8/5. 5. Se repite cuantas veces haga falta el proceso. (mientras haya coeficientes positivos).
x3= k x1, x4= 0

Por tanto, 1/5 + k/5 = x2 28/5 - 2/5 k = x5 57/5 - 3/5 k = x6 Elegimos k= 14 (2 igualdad), obteniendo los siguientes valores: P2 P3 1/2 1 1/2 0 0 1 1 4 P6 1/2 0 5/2 0 3 14

5/2 0

-3/2 0

33

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Se resuelve el sistema y se encuentra la expresin de la funcin objetivo: Z = 66 - 21/2 x1 - 20 x4 + 23/2 x5 Calculamos el vrtice de salida, haciendo x1= x4= x5= 0, (0,3,14,0,0,3) z2= 66 Ya no se puede mejorar este valor (no hay coeficientes positivos). El proceso ha finalizado. vrtice solucin: (0,3,14) Alcanzado para Z= 66 Comentarios

Para arrancar el simplex se precisa de un vrtice inicial. Cuando las columnas de la matriz identidad estn dentro de A, este primer vrtice siempre se puede hallar. Si Im no est dentro de A: (Im , matriz identidad de mxm, con m= n de condiciones.)

1. Debe elegirse m columnas linealmente independientes de A cualesquiera. Aun as, puede que el simplex no arranque. 2. Manipular las ecuaciones del sistema para que ste sea equivalente y la matriz identidad aparezca en el sistema final.

1 1 -1 0 1 F1 230 1 6 F2- 2F1

1 1 -1 0 1 012 1 4

con Z, funcin objetivo del problema.

34

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

3. Introduccin de nuevas variables, variables artificiales (no confundir con adicionales). Sern tantas como sean necesarias y donde sean necesarias para obtener la matriz identidad. -1 1 0 0 1 1 0 48 97

2 -1 0

0 -1

0 -1 0

11

0 1 2

0 1 -1 0

1 0

0 1

0 0

48 97

0 2

0 -1 0

11

5. con Z, funcin objetivo del problema. Esta introduccin afecta a las condiciones y a la funcin objetivo que quedar modificada en el sentido de que habr dos variables nuevas ms (variables artificiales). Se aaden tantos sumandos nuevos como variables artificiales introducidas con coeficiente -M, siendo M arbitrariamente grande, que no hace falta especificar. Z = 2x1 - x2 + x4 - 3x5 - M(x6 + x7) Obtenemos un nuevo problema, llamado problema aumentado, de cuya solucin se saca la solucin del problema estudiado: I. II. Problema inicial (a su forma cannica): AX = B; Z = C X Problema aumentado: A' X = B; Z = C' X
* t t

Si el problema aumentado tiene solucin en un vrtice en el que todas las variables artificiales toman el valor cero, tendremos un vrtice solucin para el problema en la forma cannica. Vs* = (v1, v2,..., vn, ..., 0,..., 0 ) solucin de II ___ Vs = (v1, v2,..., vn) solucin de I. Si el problema aumentado tiene una solucin en un vrtice en el que alguna de sus componentes artificiales sea no nula, el problema inicial no tiene solucin.

35

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

6.-COMPARACION ENTRE EL METODO SIMPLEX Y DUAL - SIMPLEX

PRIMAL Necesita para comenzar una base (primal) factible. Partiendo de una base primal factible, se trata de alcanzar una factibilidad del dual, manteniendo una factibilidad del primal a travs de todo el proceso. El criterio para optimizacin para el primal es el criterio de factibilidad del dual. Los elementos pivote son posibles en todas las iteraciones, a fin de mantener la factibilidad del primal. La columna pivote se selecciona primero entre aquellas columnas que corresponden a un coeficiente negativo, luego se determina la fila pivote de tal manera que se garantice que la factibilidad del primal se mantenga en la prxima base. La no factibilidad del dual se establece en el simplex primal, si la columna pivote no tiene componentes con valores positivos.

DUAL Necesita para comenzar una base (Dual) factible. Partiendo de una base dual factible, el mtodo trata de alcanzar factibilidad del primal, manteniendo una factibilidad del dual a travs del todo el proceso. El criterio de optimizacin para el dual Es el criterio de factibilidad para el primal. Los elementos pivotes son negativos en todas las iteraciones, a fin de acercarse a la factibilidad del primal. La fila pivote se selecciona primero y entre aquellas filas que tienen un valor actualizado negativo en el segundo miembro de las ecuaciones. Se determina luego la columna pivote de tal manera que se mantenga la factibilidad dual en la prxima base. La no factibilidad del primal se establece en el dual simples, si la fila pivote no tiene componentes con valores negativos.

36

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

7.- Programacin entera En algunos casos se requiere que la solucin ptima se componga de valores enteros para algunas de las variables. La resolucin de este problema se obtiene analizando las posibles alternativas de valores enteros de esas variables en un entorno alrededor de la solucin obtenida considerando las variables reales. Muchas veces la solucin del programa lineal truncado esta lejos de ser el ptimo entero, por lo que se hace necesario usar algn algoritmo para hallar esta solucin de forma exacta. El ms famoso es el mtodo de 'Ramificar y Acotar' o Branch and Bound por su nombre en ingls. El mtodo de Ramificar y Acotar parte de la adicin de nuevas restricciones para cada variable de decisin (acotar) que al ser evaluado independientemente (ramificar) lleva al ptimo entero. Aplicaciones La programacin lineal constituye un importante campo de la optimizacin por varias razones, muchos problemas prcticos de la investigacin de operaciones pueden plantearse como problemas de programacin lineal. Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en el desarrollo de las matemticas lo suficientemente importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las ideas de programacin lineal han inspirado muchos de los conceptos centrales de la teora de optimizacin tales como la dualidad, la descomposicin y la importancia de la convexidad y sus generalizaciones. Del mismo modo, la programacin lineal es muy usada en la microeconoma y la administracin de empresas, ya sea para aumentar al mximo los ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc. Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin de agua. Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con afluencias caracterizadas por corresponder a una determinada frecuencia. Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras hidrulicas; Solucin de problemas de transporte.

37

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

Ejemplo

Este es un caso curioso, con solo 6 variables (un caso real de problema de transporte puede tener fcilmente ms de 1.000 variables) en el cual se aprecia la utilidad de este procedimiento de clculo. Existen tres minas de carbn cuya produccin diaria es:

La mina "a" produce 40 toneladas de carbn por da; La mina "b" produce 40 t/da; y, La mina "c" produce 20 t/da.

En la zona hay dos centrales termoelctricas que consumen:


La central "d" consume 40 t/da de carbn; y, La central "e" consume 60 t/da

Los costos de mercado, de transporte por tonelada son:


De "a" a "d" = 2 monedas De "a" a "e" = 11 monedas De "b" a "d" = 12 monedas De "b" a "e" = 24 monedas De "c" a "d" = 13 monedas De "c" a "e" = 18 monedas

Si se preguntase a los pobladores de la zona cmo organizar el transporte, tal vez la mayora opinara que debe aprovecharse el precio ofrecido por el transportista que va de "a" a "d", porque es ms conveniente que los otros, debido a que es el de ms bajo precio.

38

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

En este caso, el costo total del transporte es:


Transporte de 40 t de "a" a "d" = 80 monedas Transporte de 20 t de "c" a "e" = 360 monedas Transporte de 40 t de "b" a "e" = 960 monedas Total 1.400 monedas.

Sin embargo, formulando el problema para ser resuelto por la programacin lineal se tienen las siguientes ecuaciones:

Restricciones de la produccin:

Restricciones del consumo:

La funcin objetivo ser:

La solucin de costo mnimo de transporte diario resulta ser:


Xb-d = 40 resultando un costo de 12 x 40 = 480 monedas Xa-e = 40 resultando un costo de 11 x 40 = 440 monedas Xc-e = 20 resultando un costo de 18 x 20 = 360 monedas Total 1.280 monedas.

120 monedas menos que antes.

39

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

8.-Cambio al vector de costo o precio. Supongamos que la compaa tiene mucha mercanca almacenada que no puede vender. El presidente decide bajar el precio de la mesa a 6 pesos y el de la silla a 5 pesos, pero antes de hacer vlida al decisin quiere saber qu efecto tendr en su operacin y ganancia; el nuevo problema ser: Max Z= 6X1 + 5X2 Sujeto a: 4X1 + 2X2 60 2X1 + 4X2 48 X1,X2 0 Solucin: El anlisis de sensibilidad para este tipo de cambio toma como punto de partida la solucin ptima del problema original multiplicando el nuevo vector de costo o precio (valores de la funcin objetivo por la matriz de coeficientes tecnolgicos), o sea, la matriz de los coeficientes de las variables que no estn en la base de la tabla final de simplex: el resultado de esta multiplicacin le llamaremos Q. Si Q 0 la solucin es factible, si Q 0 la solucin no es factible. Hay una mejor explicacin con el procedimiento de simplex. Si la solucin es factible se debe verificar que la solucin sea ptima tambin, si no es ptima, seguimos con el procedimiento de simplex. Para verificar si Q es el resultado de la F.O. por la matriz de coeficientes tecnolgicos multiplicamos Q por la matriz de los coeficientes del dual, y llamaremos al resultado de esta multiplicacin L, restamos L, con el nuevo vector de costo o precio, si el resultado es el cero; la solucin es ptima si no seguimos con el procedimiento simplex. C (Vector de costo y precio) x Mariz de Coeficientes Tecnolgicos = Q

40

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

matriz de las variables De cual es dual

=L

L C = 0, la solucin es ptima

1/3 (6,5) -1/6

-1/6 = (7/6,2/3) 1/3

Como Q, o verificamos la optimalidad

4 (7/6, 2/3) 2

2 = (6,5) 4

Los nuevos coeficientes de la F.O. (Z) correspondientes a X1 y X2 de la tabla final de simplex son: (8 6) (8 5) = (2 1)

41

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

9.-Ejercicios
En los siguientes problemas hay que encontrar solo la forma dual del ejercicio no es necesario que los resuelva, sin embargo si es su deseo hacerlo proceda. 1. MAXIMIZAR

Z= 2x1 + 3x2 Sujeta a x1 + x2 6 -x1 + x2 4 x1, x2 0 2. MAXIMIZAR

Z= x1 + 8x2 + 5x3 Sujeta a x1 + x2 + x3 8 x1 + 2x2 + x3 2 x1, x2, x3 0 3. Una empresa est comparando los costos de publicidad en dos medios de comunicacin: peridicos y radio. Para cada peso de publicidad la tabla que aparece en seguida presenta el nmero de personas por grupo de ingresos, de cada uno de esos medios de comunicacin alcanza. La empresa desea llegar a cuando menos 8000 personas de las que tienen ingresos de menos de $500.000 y cuando menos 6000 de las que ganan ms de $500.000. utilizar el dual y el mtodo simplex para hallar las cantidades que debe invertir la empresa en publicidad en peridicos y en radio, para llegar a ese nmero de personas, con un costo total mnimo. cul es el costo total mnimo de publicidad?

PERIODICOS RADIO

MENOS DE $500.000 40 50

MAS DE $500.000 100 25

42

MAIP
INGENIERIA EN ADMINISTRACIN DE EMPRESAS Trabajo de Optimizacin

43

Vous aimerez peut-être aussi