2011

PROGRAMACIN LINEAL
INVESTIGACIN DE OPERACIONES
ALUMNO: RAUL ROBERTO SILVA GALLEGOS CARRERA: ING. EN SISTEMAS COMPUTACIONALES MATERIA: INVESTIGACIN DE OPERACIONES AULA: M-12 11:00-12:00 CATEDRATICA: M.C. ZINATH JAVIER GERONIMO

RAUL ROBERTO SILVA GALLEGOS INSTITUTO TECNOLGICO DE VILLAHERMOSA 09/09/2011

PROGRAMACIN LINEAL

PROGRAMACIN LINEAL

1.1 DEFINICIN, DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIN DE OPERACIONES. La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. El problema general es asignar recursos limitados entre actividades competitivas de la mejor manera posible (ptima). Este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. 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. MODELO GENERAL 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 = Xj = Cj = bi = aij = valor de la medida global de efectividad nivel de la actividad j (para j = 1,2,...,n) incremento en Z que resulta al aumentar una unidad en cantidad de recurso i disponible para asignar a las cantidad del recurso i consumido por cada unidad de la el nivel de la actividad j actividades (para i = 1,2,...,m) actividad j

ESTRUCTURA DE UN MODELO DE PROGRAMACIN 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.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

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.

1.2 FORMULACIN DE MODELOS ETAPAS DE LA INVESTIGACION DE OPERACIONES

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

El modelo, usualmente matemtico, debe ser formulado de tal manera que exprese la esencia del problema: El modelo matemtico est basado en ecuaciones y desigualdades establecidas en trminos de variables, las cuales expresan la esencia del problema a resolver; las cuales son definidas en funcin del modelo del problema. Despus de localizar las variables en funcin del problema, se procede a determinar matemticamente las dos partes que constituyen el modelo: La medida de efectividad que permite conocer el nivel de logro de los objetivos y generalmente es una funcin llamada funcin objetivo. Las limitantes del problema, llamadas restricciones, que son un conjunto de igualdades o desigualdades que constituyen las barreras y obstculos para la consecucin del objetivo. La valides de un modelo requiere que exista una alta correlacin entre las predicciones del modelo y la realidad; para lograr esto es importante hacer un nmero considerable de pruebas al modelo y caso de ser necesario, las pertinentes modificaciones. Aun cuando la validacin del modelo se incluyera al final de este documento, la mayor parte de la validacin del modelo se hace durante la etapa de la construccin del modelo. Una vez que el modelo fue probado y se le han aplicado las debidas correcciones, est listo para comenzar a arrojar soluciones validas. Pero el verdadero objetivo y finalidad de la Investigacin de Operaciones es encontrar la mejor solucin para un determinado problema, en el caso de un problema de carcter econmico seria: la funcin objetivo es obtener el mximo rendimiento al menor costo

1.3 MTODO GRFICO El mtodo grfico se emplea para resolver problemas que presentan slo 2 variables de decisin. El procedimiento consiste en trazar las ecuaciones de las restricciones en un eje de coordenadas X1, X2 para tratar de identificar el rea de soluciones factibles (soluciones que cumplen con todas las restricciones). La solucin ptima del problema se encuentra en uno de los vrtices de esta rea de soluciones creada, por lo que se buscar en estos datos el valor mnimo o mximo del problema.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

EJEMPLO 1: Una compaa de auditores se especializa en preparar liquidaciones y auditoras de empresas pequeas. Tienen inters en saber cuntas auditoras y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40 horas de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300 dls. Una liquidacin de impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisin, produce un ingreso de 100 dls. El mximo de liquidaciones mensuales disponibles es de 60. OBJETIVO: Maximizar el ingreso total. VARIABLE DE DECISION: Cantidad de auditoras (X1) Cantidad de liquidaciones (X2). RESTRICCIONES: Tiempo disponible de trabajo directo Tiempo disponible de revisin Nmero mximo de liquidaciones. Maximizar

Sujeto a:

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

La solucin ptima siempre se encuentra en uno de los vrtices del conjunto de soluciones factibles. Se analizan estos valores en la funcin objetivo. El vrtice que representa el mejor valor de la funcin objetivo ser la solucin ptima.

1.4 FORMAS ESTNDAR Y CANNICAS Un problema de programacin lineal puede ser establecido en diferentes formas equivalentes a travs de manipulaciones apropiadas. Dos formas en particular sern de bastante utilidad. Estas son las formas Estndar y Cannica. Un problema lineal se dice que est en la forma estndar s: a) Todas las restricciones son igualdades b) Todas las variables son no-negativas c) Las limitaciones (lado derecho de la restriccin) son positivas El Mtodo Simplex, est diseado para ser aplicado nicamente hasta que el problema se encuentre en la forma Estndar. La forma Cannica es tambin de bastante utilidad, especialmente en explorar la relacin de Dualidad. Un problema de P.L. est en la forma cannica si para un problema de: Maximizacin, las variables son no-negativas y las restricciones son del tipo Minimizacin, las variables son no-negativas y las restricciones son del tipo Considere el siguiente problema de P.L. en forma cannica

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

Donde: A= Matriz de coeficientes de las variables en el sistema de ecuaciones de (mxn) a = coeficiente de la variable j en la restriccin i
ij

x=Vector solucin (nx1) x = Variable j

j

b = Lado derecho de la restriccin i ( Limitacin i )

i

C=Vector de costos o utilidades (1xn) c = Coeficiente de la variable j en la funcin objetivo

j

Los motivos para que un problema no est en la forma estndar son: 1. Algunas restricciones son desigualdades 2. Algunas b son negativas
i

3. Algunas variables de decisin x pueden ser negativas

j

Igualdades y desigualdades en las restricciones Una desigualdad puede fcilmente ser transformada a una igualdad (ecuacin) a travs del uso de las variables de holgura qu representan en caso de: a) La desigualdad menor o igual ( ), la deficiencia de unidades para el lado izquierdo de la restriccin iguale a lado derecho de la misma. Por lo que se agrega una variable de holgura con signo positivo en el lado izquierdo de la restriccin. b) La desigualdad menor o igual ( ),el exceso de unidades que tiene el lado izquierdo de la restriccin con respecto al lado derecho de la misma. Por lo que se agrega una variable de holgura con signo negativo en el lado izquierdo de la restriccin.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

1.5 MTODO SIMPLES El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig. El mtodo del simplex se utiliza, sobre todo, para resolver problemas de programacin lineal en los que intervienen tres o ms variables. El lgebra matricial y el proceso de eliminacin de Gauss-Jordan para resolver un sistema de ecuaciones lineales constituyen la base del mtodo simplex. Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. PROCEDIMIENTO GENERAL DEL MTODO SIMPLEX 1) Establzcase la tabla inicial de simples. Formular la funcin objetivo y las restricciones e introducir las variables de decisin, variable en la solucin, valor en solucin (LD), C (contribucin de la variable), Z (costo de introducir la variable), C Z (contribucin neta de la variable). 2) Seleccinese la columna pivote. sta es la columna con el nmero positivo ms grande en el rengln inferior (C - Z). Esta se convierte en la nueva variable de la solucin. 3) Seleccinese el rengln pivote. ste es el rengln con la razn ms pequea del valor LD dividido por el valor de la columna pivote. sense slo nmeros positivos. Esto identifica la variable que deja la solucin. 4) Encirrese en un crculo el elemento pivote. sta es la interseccin del rengln y la columna pivotes. 5) Convirtase al elemento pivote en un 1. Hgase esto dividiendo cada valor del rengln pivote entre el valor pivote. Mtase este rengln en una tabla nueva. 6) Genrense los dems renglones de la nueva tabla con ceros en la columna pivote. Esto se hace multiplicando el nuevo rengln (del paso 5) por el negativo del elemento en la columna pivote. El resultado ser sumado al antiguo rengln. Introdzcase este rengln revisado en la nueva tabla, y

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

continese este procedimiento en cada rengln de la seccin central de la tabla. 7) Prueba de optimizacin. Calclense los valores de Z y C Z. Los valores de Z de cada columna son (elementos de la columna) (C). Si todos los valores de C Z son 0, la solucin es ptima. Lanse los valores de las variables en la solucin de la columna de LD y el valor de la funcin objetivo del rengln de Z en la columna de LD. Si la solucin no es ptima, regrese al paso 2. Variables de holgura- El mtodo simples empieza con el planteamiento de una funcin objetivo y ecuaciones de restriccin. Las rutinas computarizadas de programacin lineal (PL) automticamente arreglarn esos datos iniciales, pero tratndose de soluciones manuales, debe construirse en cada paso la tabla de simples. Esto requiere que las restricciones sean establecidas como igualdades. En los problemas de maximizacin se logra esto aadiendo variables de holgura (s) a cada restriccin. La holgura representa una cantidad no utilizada, o la diferencia entre lo que es usado y el lmite de lo que puede usarse.

1.6 TCNICAS CON VARIABLES ARTIFICIALES En general se recurre a las variables artificiales cuando al menos una de las restricciones en el modelo original es del tipo >=, esto con el fin de obtener la solucin bsica factible inicial. Las variables artificiales proporcionan un mecanismo matemtico para obtener una primera solucin bsica. El efecto de estas variables en la solucin final es cancelado por el valor de la penalizacin muy alta en la funcin objetivo. Estas variables en trminos del problema inicial. Pasos: 1) Expresar el modelo original en la forma estndar o tabular y llevarlo preferentemente a un problema de maximizacin multiplicndolo por -1. 2) Sumar del lado izquierdo de cada ecuacin, correspondiente a las restricciones del tipo >= una variable no-negativa. Estas variables se llaman variables artificiales y su adicin causa una alteracin en las restricciones.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

Esta dificultad es superada garantizando que las variables artificiales sean igual a 0 en la solucin final, lo cual se consigue asignando un valor muy alto o grande a dichas variables (-M para un problema de maximizacin o +M para un problema de minimizacin). Con M>0. 3) El uso de las variables artificiales proporciona una solucin inicial bsica. 4) Proceder con los pasos normales del mtodo simplex.

1.6.1 MTODO DE LA M. Pasos: 1) Expresar el modelo original en la forma estndar e igualar a cero la funcin objetivo. 2) Sumar del lado izquierdo de cada ecuacin, correspondiente a las restricciones del tipo y/o =, una variable no negativa. Estas variables se llaman variables artificiales y su adicin causa una alteracin a las restricciones correspondientes esta dificultad es superada garantizando que las variables artificiales sern igual a cero (Z=0) en la solucin final. Esto es alcanzado asignando un valor de penalizacin muy grande, por unidad, a estas variables en la funcin objetivo. Tal valor de penalizacin ser designado por +M, si es un problema de maximizacin y -M para un problema de minimizacin con M>0. 3) El uso de variables artificiales proporcionan una solucin inicial bsica, sin embargo para ello los coeficientes en la funcin objetivo deben ser igual a cero, para lograrlo usamos el procedimiento (algoritmo) del mtodo simplex. 4) Toda vez que se comprueba que se tiene una solucin inicial bsica-factible no-ptima se procede con los pasos normales del algoritmo del mtodo simplex, hasta obtener, si existe, la solucin ptima.

Las variables artificiales solamente proporcionan un mecanismo matemtico para obtener una primera solucin bsica, el efecto de estas variables en la solucin final es cancelado por el valor de penalizacin muy alto en la funcin objetivo. Estas variables son ficticias y no tienen alguna interpretacin fsica ni econmica directa en trminos del problema original.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

1.6.2 MTODO DE LAS DOS FASES Pasos: Como su Nombre lo indica, consiste en resolver problemas en dos fases: 1) Expresar el modelo original en la forma estndar e igualar a cero la funcin objetivo. 2) Sumar del lado izquierdo de cada ecuacin, correspondiente a las restricciones del tipo y/o =, una variable no negativa. Estas variables se llaman variables artifciales y su adicin causa una alteracin a las restricciones correspondientes esta dificultad es superada garantizando que las variables artificiales sern igual a cero (W 0=0) en la solucin ptima de la primera fase. 3) FASE 1. Formular un nuevo modelo, reemplazando la funcin objetivo del modelo original por la sumatoria de las variables artificiales que se sumaron en el paso anterior. La nueva funcin objetivo ser entonces de Minimizar sujeta a las restricciones del problema original (en esta fase la funcin objetivo siempre ser de minimizar, sin importar que la funcin objetivo del problema original sea de maximizar o minimizar). Si el problema tiene el espacio de soluciones factibles, el valor mnimo (optimo) de la nueva funcin objetivo ser de cero (lo cual indica que todas las variables artificiales son cero). Si esto ocurre podremos continuar con la fase dos de lo contrario, si el valor mnimo es mayor que cero el problema es terminado ya que esto indica que no existe espacio de soluciones factibles. 4) FASE 2. Considerar la solucin bsica ptima de la fase I como una solucin inicial para el problema original, en esta fase, de la tabla optima de la fase I se eliminan las columnas de las variables artificiales y se sustituye la funcin objetivo por la del problema original, Toda vez que se comprueba que se tiene una solucin inicial bsica-factible no-ptima se procede con los pasos normales del algoritmo del mtodo simplex, hasta obtener, si existe, la solucin ptima.

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL

BIBLIOGRAFIA

Ing. Vctor Calle Vivanco Investigacin Operativa (Curso A Distancia de la Universidad Peruana los Andes) Primera Edicin 2005. Raffo lecca Investigacin de Operaciones Primera Edicin Lima-Per 1997 http://www.investigacion-operaciones.com/ http://www.monografias.com/trabajos59/investigacionoperaciones/investigacion-operaciones2.shtml http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1 /UIb.HTML http://hemaruce.angelfire.com/FORMA_CANONICA_Y_FORMA_ESTANDA R.pdf - M.C. Hctor Martnez Rubin Celis www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r10538.DOC - Ing. Jorge Enrique Vargas Martnez http://www.angelfire.com/ak5/invo1_escom/clase15.pdf http://148.204.211.134/polilibros/portal/Polilibros/P_Terminados/InvOperac1-Virginia/InvOperac/UMD/Unidad%204/Contenido/metodopenal_.htm http://148.204.211.134/polilibros/portal/Polilibros/P_Terminados/InvOperac1Virginia/InvOperac/UMD/Unidad%204/Contenido/metododeladoblefase.htm

RAUL ROBERTO SILVA GALLEGOS

INVESTIGACIN DE OPERACIONES