Académique Documents
Professionnel Documents
Culture Documents
exige m ax imiz ar
min imiza r
fu n c io n es que
encuentra n
determ ina da s lim ita cion es, que l la ma remos res tric c io n es .
Fu n c i n ob j etivo
en o p t imiza r es una fu n c in
va ria s
f( x, y) = ax + b y .
R estric c io n es
L a fun c i n
o bj etivo est
sujeta
una
ser ie
d e res tric c io n es ,
anx + bny cn
So lu c i n fac tib le
El
conjunto
intersecc i n, un
de
todos
los
por
la s
restricc iones,
det ermin a
recinto,
a cota do
nombre
So lu c i n p tima
El
conjunto
de
los
vrt ices
del
rec int o
se
denomina
con junto
de so lu c io n es fac tib l es b sic as y e l v rtic e donde s e pr esenta l a so lu c in p tima se l la ma so lu c i n mxima ( o mn ima segn el ca so).
E l valo r qu e
toma
la fu n c in
o b j etivo en
el vr tic e
de
so lu c i n
el
co njunto
de so lu c io n es
El fa brica nte dispone p a ra la confeccin de 750 m de tejido de a lgod n y 1000 m de tej ido d e po list er. C a da pa nta ln precisa 1 m de a lgo dn y 2 m de poli ster. P a ra ca da cha queta se necesita n 1.5 m de a lgodn y 1 m d e poli ster.
Qu nmero de pa nta lones y cha queta s debe suministra r e l fa brica n te a los a lma cenes pa ra que stos consiga n una venta m xima ?
1 Elecc in de la s in c gn itas .
x = n mero d e p an tal o n es
y = n mero d e c h aq uetas
2 Fu n c i n o bj etivo
f( x, y) = 50x + 4 0y
3 R estric c io n es
x + 1. 5y 750
2x+ 3y 1500
2x + y 10 00
C omo
el
nme ro
de
pa nta lones
cha queta s
son
nmeros
na tura les,
x 0
y 0
Repres enta mos la s rect a s, a pa rtir de sus puntos de corte con los e jes .
Resolv emos
g r fica me nte
la
inecua cin:
2x
+3y
1500,
pa ra
el lo
2 0 + 3 0 1 500
C omo 0 1 50 0 ento nces el punto (0,0 ) se encuentra en el s emi pla no donde se cump le la d esi gua lda d.
2 0 + 0 1 00
L a zona de intersecci n de la s soluciones de la s inecua ciones ser a la solucin al sist ema de in ecua ciones, que constituye el con jun to de la s
L a so lu c in p tima , si es nica , se encuentra en un v rtice de l r eci nto. stos son la s soluci ones a los sistema s:
2x + y = 1000; y = 0 ( 500, 0)
6 C a lcula r e l va lo r d e la fu n c i n o b j etivo
M ximo
1. Unidad: MODELAMIENTO MATEMTICO Capitulo y Tema: Actividad (Numero y nombre): PROGRAMACIN LINEAL. Tema 1. Conceptos de 1.1 Aplicaciones de la programacin lineal. programacin lineal. 1.2 Caractersticas de los problemas de programacin lineal. 1.3 Limitaciones de la programacin lineal. Mdulo: Nombre (s): 9 no B SILVIA MARIBEL MICHAY PUGO. Profesor: LUIS ANTONIO CHAMBA ERAS Fecha en la cual el profesor Fecha en la cual el profesor recibe la encarga la actividad: actividad: Mircoles 13/Octubre/2010 Mircoles 20/Octubre/2010 Bibliografa: LAGARDA Ernesto A. Introduccin a la programacin lineal. http://www.itson.mx/dii/elagarda/index.htm info@programacionlineal.net Larraeta, J. (1987): Programacin lineal y grafos. UNIVERSIDAD DE SEVILLA Ramos,E. (1993): Programacin lineal y Mtodos de
optimizacin. UNED INTRODUCCIN: Muchas personas clasifican el desarrollo de la programacin lineal entre los avances cientficos ms importantes de mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de dlares a muchas compaas o negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo; su aplicacin a otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande de los clculos cientficos en computadoras est dedicada al uso de la programacin lineal. La programacin lineal trata la planeacin de las actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta especificada entre todas las alternativas de solucin.
2. RESULTADOS: PROGRAMACIN LINEAL. La Programacin Lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a travs de ecuaciones lineales, optimizando la funcin objetivo, tambin lineal. APLICACIONES DE LA PROGRAMACIN LINEAL. 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. 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 y solucin de problemas de transporte. 3. CARACTERSTICAS DE LOS PROBLEMAS DE PROGRAMACIN LINEAL. Proporcionalidad: las variables y la funcin objetivo deben ser lineales. Aditividad: Es necesario que cada variable sea aditiva respecto a la variable objetivo. Divisibilidad: las soluciones no deben ser necesariamente nmeros enteros. Optimalidad: La solucin ptima (mximo o mnimo) debe ocurrir en uno de los vrtices del conjunto de soluciones factibles. LIMITACIONES DE LA PROGRAMACIN LINEAL. No hay garanta de que d soluciones enteras. No necesariamente al redondear se llega a la solucin ptima. Para esto es necesario emplear la programacin entera. En algunos casos las soluciones podran ser deficientes. Tal es el caso de las decisiones donde las variables deben tomar un valor como 0 o 1, como las decisiones de si o no. No permite la incertidumbre. Es un modelo determinstico y no probabilista. Asume que se conocen todos los coeficientes de las ecuaciones. Existe tambin la programacin lineal bajo incertidumbre. Tanto la funcin objetivo como las restricciones estn limitadas a ser lineales Existen tcnicas ms avanzadas de programacin no lineal En un problema de programacin lineal intervienen: 1. Variables de decisin Es lo que se trata de determinar, y para lo cual se requiere una decisin. Generalmente se designan con letras subindizadas. Cada variable debe representar una cantidad que corresponda con una misma unidad de medida. 2. Funcin Objetivo El objetivo es lo que se quiere maximizar o minimizar. En el caso de la programacin lineal est expresado como una funcin lineal. 4. 3. Restricciones. Representan los lmites del escenario de la situacin planteada. Se muestran por medio de desigualdades de tipo lineal. El sistema completo muestra una regin
del plano. 4. Regin Factible. Es precisamente la regin determinada por el sistema de restricciones de tipo lineal. Es un conjunto de puntos cuyas coordenadas satisfacen las restricciones del problema. La regin est determinada por los ejes cartesianos y las rectas. Acotada: No acotadas: 5. Soluciones Factibles. Cualquier solucin dentro de la regin factible se denomina solucin factible, es decir cualquier punto dentro de la regin factible determina valores numricos para las variables que satisfacen las restricciones. Solucin Factible ptima. Entre todas las soluciones factibles, buscamos aquella que maximice o minimice la funcin objetivo, adems de que satisfaga las restricciones impuestas. La solucin ptima del problema ser un par de valores (x0, y0) del conjunto factible que haga que f(x,y) tome el valor mximo o mnimo.
Variable artificial
Existen problemas de programacin lineal que no proporcionan una solucin bsica inicial. Esta situacin se presenta cuando al menos una de las restricciones es del tipo (<=) o (=). Para este propsito se desarrollan 2 mtodos basados en el uso de variables artificiales: El mtodo M o de penalizacin y la tcnica de 2 fases.
METODO M O DE PENALIZACIN.
1. Exprese el problema en forma estndar transformando las inecuaciones en ecuaciones introduciendo variables de holgura.
2. Agregue variables no negativas al lado izquierdo de cada una de las ecuaciones correspondientes a las restricciones de tipo (>=) o (=). Estas variables se denominan variables artificiales y su adicin hace que las restricciones correspondientes. Esta dificultad se elimina asegurando que las variables sean 0 en la solucin final. Esto se logra asignando una penalizacin muy grande por unidad a estas variables en la funcin objetivo. Tal penalizacin se designar como M para problemas de maximizacin y +M para problemas de minimizacin.
3. Utiliza las variables artificiales en la solucin bsica inicial; sin embargo la funcin objetivo de la tabla inicial se prepara adecuadamente para expresarse en
trminos de las variables no bsicas nicamente. Esto significa que los coeficientes de las variables artificiales en la funcin objetivo deben ser 0 un resultado que puede lograrse sumando mltiplos adecuados de las ecuaciones de restriccin al rengln objetivo.
EJEMPLO:
Minimizar
Sujeto a:
Minimizar
Sujeto a:
Minimizar
Sujeto a:
Minimizar
Sujeto a:
V.B. Z R1 S2
Z 1 0 0
X1 -3 2 2
X2 -2 2 3
X3 -4 3 1
S1 0 -1 0
S2 0 0 1
R1 -M 1 0
Solucin 0 15 12
V.B. Z R1 S2
Z 1 0 0
X1 -3+2M 2 2
X2 -2+2M 2 3
X3 -4+3M 3 1
S1 -M -1 0
S2 0 0 1
R1 0 1 0
Solucin 15M 15 12
Maximizacin : El valor mayor negativo del rengln Z. Minimizacin : El valor mayor positivo del rengln Z.
V.B. Z X3 S2
Z 1 0 0
X3 0 1 0
S2 0 0 1
Solucin 20 5 7
V.B. Z X3 X2
Z 1 0 0
X2 0 0 1
X3 0 1 0
Solucin 18 3 3
EJEMPLO:
Maximizar
Sujeto a:
Maximizar
Sujeto a:
Maximizar
Sujeto a:
Maximizar
Sujeto a:
V.B. Z R1 R2 S2
Z 1 0 0 0
X1 -4 3 4 1
X2 -1 1 3 2
S1 0 0 -1 0
S2 0 0 0 1
R1 M 0 1 0
R2 M 0 1 0
Solucin 0 3 6 3
V.B. Z R1 R2 S2
Z 1 0 0 0
X1 -4-7M 3 4 1
X2 -1-4M 1 3 2
S1 M 0 -1 0
S2 0 0 0 1
R1 0 0 1 0
R2 0 0 1 0
Solucin -9M 3 6 3
V.B. Z X1 R2 S2
Z 1 0 0 0
X1 0 1 0 0
S1 M 0 -1 0
S2 0 0 0 1
R2 0 0 0 1
Solucin 4-2M 1 2 2
V.B. Z X1 R2 S2
Z 1 0 0 0
X1 0 1 0 0
X2 0 0 1 0
S2 0 0 0 1
R2 -1/5+M
3/5 -1
6/5 1
Maximizar y Minimizar Max. o Min. Las restricciones deben de ser igualdad Rs = Las variables deben de ser mayor igual que cero Var 0 Los elementos que estn despus de la igualdad deben ser mayor igual que cero 0
2 Agregue variables no negativas en el lado izquierdo de cada una de las ecuaciones correspondientes a las restricciones cuyos signos originales sean ( ) o (=) estas variables se llaman variables artificiales y su presencia es una violacin de las leyes del lgebra; esta dificultad se supera asegurando que estas variables artificiales sean 0 en la solucin final, esto se consigue asignando una penalizacin, muy grande a estas variables en la Funcin Objetivo. 3 Utilice las variables artificiales en la solucin pero esta tabla deber ser preparada de una manera apropiada. 4 Procede con los pasos comunes del Mtodo Simplex. Nota: Las variables artificiales son ficticias y no tienen ninguna interpretacin fsica directa en trminos del problema original. Ejemplo: Min. Z = 4X1 + X2 s.a 3X1 + X2 = 3 4X1 + 3X2 6 X1 + 2X2 3 X1, X2 0 Todas las restricciones tienen el signo ( )? No por lo tanto no se puede aplicar el Mtodo Simplex. Debemos aplicar una tcnica de Variables Artificiales. 1 Realizamos la Forma Estndar.
Min. Z = 4X1 + X2 3X1 + X2 = 3 4X1 + 3X2 -S2 = 6 X1 + 2X2 + S3 = 3 X1, X2, S2, S3 0 Holguras S2, S3. Podemos comenzar desde el origen? o sea Tenemos tres holguras necesarias para conformar una Matriz Identidad?. No 2 Agregamos Variables Artificiales (W1, W2) siempre con signo positivo y con un coeficiente unitario, y se penaliza la funcin objetivo agregando trminos que lo ofendan en su espritu y con un factor M donde: M>0
M = Significa la cantidad ms grande MW1 MW2.
Min. Z = 4X1 + X2 + MW1 + MW2. 3X1 + X2 + W1. = 3 4X1 + 3X2 -S2 + W2 = 6 X1 + 2X2 + S3 = 3 X1, X2, S2, S3, W1, W2 0
Tenemos las holguras positivas y/o las variables artificiales necesarias para conformar la Matriz Identidad? Si 3 Igualamos a 0 la Funcin Objetivo. Z = 4X1 + X2 + MW1 + MW2 Z - 4X1 - X2 - MW1 - MW2 = 0
Tabla Inicial
Todas las tablas Simplex debern tener coeficiente 0 en la Funcin Objetivo; estos coeficientes sern las variables bsicas. Tabla inicial Modificada
Cuando en una tabla hay una circunstancia de empate para definir la variable de salida, procedemos en forma arbitraria y como consecuencia en la siguiente tabla habr una variable que valga 0.
Se observa que han desaparecido las variables artificiales en la solucin. Cuando en un problema haya al menos una variable artificial con un valor mayor que cero en la solucin el problema termina diciendo que ese problema no tiene solucin factible.
4.3.2 Tcnica de la Doble Fase
Tcnica de la Doble Fase 1 Fase Formule un problema nuevo sustituyendo la funcin objetivo por una nueva funcin objetivo que siempre ser de Minimizacin e igual a la suma de las variables artificiales. Si el problema tienen un espacio factible el valor mnimo de la funcin ser 0. eso significa que el valor de todas las variables sern 0. En esta circunstancia debemos pasar a la 2 fase, de otra manera si e valor mnimo de la funcin es 0 el problema finaliza diciendo que no hay rea de solucin factible. 2 Fase Utilice la informacin de la solucin bsica ptima de la primera fase, como una solucin inicial. Pero utilizando la funcin objetivo original, y no tomamos en cuenta las columnas de las variables artificiales.
Ejemplo: Min. Z = 4X1 + X2 s.a. 3X1 + X2 = 3 4X1 + 3 X2 6 X1 + 2X2 3 X1, X2 0 Observaciones: No se puede resolver por el mtodo Simplex. Pasamos a la Forma Estndar. Min. Z = 4X1 + X2 s.a. 3X1 + X2 = 3 4X1 + 3 X2 - S2 6 X1 + 2X2 + S3 3 X1, X2, S2, S3 0 Determinamos el nmero de variables bsicas N=3 M=4 m-n = 1 variables no bsicas. Las variables bsicas sern 3. Tenemos las holguras positivas para formar la Matriz Identidad? No Agregamos variables artificiales y se sustituye la funcin objetivo que siempre ser de Minimizacin e igual a la suma de las variables artificiales.
Min. L = W1 + W2 s.a. 3X1 + X2 + W1 = 3 4X1 + 3 X2 - S2 + W2 6 X1 + 2X2 + S3 3 X1, X2, S2, S3, W1, W2 0 N=6 M=3 m-n = 3 Podemos hacer la matriz nicamente con las variables artificiales? No Podemos hacer la matriz con las variables artificiales y las variables positivas? S Igualamos a 0 la funcin objetivo. L = W1 + W2 L - W1 - W2 = 0 Tabla Inicial
Son ceros los coeficientes de las variables bsicas en la funcin objetivo? No Tabla Modificada
Es una solucin factible En vista de que L = 0 podemos pasar a la fase 2. Para ello aprovechando la tabla ptima anterior, la utilizaremos como tabla inicial; pero sin las columnas de las variables.
Son ceros los coeficientes de las variables bsicas en la funcin objetivo? No Por lo tanto tendremos que hacer operaciones elementales.
VARIABLE HOLGURA
Variables de holgura o excedente. Son variables que se agregan a la restriccin para que la relacin de la restriccin sea de igualdad (representa el valor que le hace falta al lado izquierdo para ser igual al lado derecho). Ambos tipos de variables tienen que cumplir con la restriccin de no negatividad Variable de holgura. Se suma al lado izquierdo de la restriccin del tipo . 6 x1+4 x2 24 6 x1+4 x2 + h = 24 Variable de excedente. Se resta al lado izquierdo de la restriccin del tipo . 2 x1+3x2 24 6 x1+4 x2 - h = 24
P.D.- (X1 - X2) Los numeros que acompaan a las "x" son subndices. REGIO FACTIBLE
a solucin de un problema de programacin lineal, en el supuesto de que exista, debe estar en la regin determinada por las distintas desigualdades. Esta recibe el nombre de regin factible, y puede estar o no acotada.
La regin factible incluye o no los lados y los vrtices, segn que las desigualdades sean en sentido amplio ( o ) o en sentido estricto (< o >). Si la regin factible est acotada, su representacin grfica es un polgono convexo con un nmero de lados menor o igual que el nmero de restricciones.
El procedimiento para determinar la regin factible es el siguiente: 1) Se resuelve cada inecuacin por separado, es decir, se encuentra el semiplano de
soluciones de cada una de las inecuaciones. Se dibuja la recta asociada a la inecuacin. Esta recta divide al plano en dos regiones o semiplanos Para averiguar cul es la regin vlida, el procedimiento prctico consiste en elegir un punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las coordenadas satisfacen o no la inecuacin. Si lo hacen, la regin en la que est ese punto es aquella cuyos puntos verifican la inecuacin; en caso contrario, la regin vlida es la otra.
2) La regin factible est formada por la interseccin o regin comn de las soluciones de
todas las inecuaciones. Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales pueden presentar varias opciones respecto a sus soluciones: puede no existir solucin, en el caso de que exista el conjunto solucin puede ser acotado o no.
Vemoslo con un ejemplo: Dibuja la regin factible asociada a las restricciones: x+y y y 4 x 4
Elegimos el punto O(0,0), que se encuentra en el semiplano situado por debajo de la recta. Introduciendo las coordenadas (0,0) en la inecuacin x + y 4, vemos que no la satisface: 0 + 0 = 0 < 4 . Por tanto, el conjunto de soluciones de la inecuacin es el semiplano situado por encima de la recta r : x + y = 4 .
Procedemos como en el paso anterior. Las coordenadas (0,0) satisfacen la inecuacin y 4 ( 0 4) . Por tanto, el conjunto de soluciones de la inecuacin es el semiplano que incluye al punto O.
La recta t asociada a la rectriccin pasa por el origen, lo cual significa que si probsemos con el punto O(0,0) no llegaramos a ninguna conclusin. Elegimos el punto (1,0) y vemos que no satisface la inecuacin y x ( y= 0 < 1 = x ). Por tanto, el conjunto solucin de esta inecuacin es el semiplano determinado por la recta t que no incluye al punto (1,0).
La regin factible est formada por los puntos que cumplen las tres restricciones, es decir, se encuentran en los tres semiplanos anteriores.