Trabajo Tecnicas Optimizacion PDF

Trabajo
Tecnicas de Optimizacin
The cupcake
1.
FORMULACIN DEL PROBLEMA _____________________________________ 2
2.
CONSTRUCCIN DEL MODELO MATEMTICO _______________________ 3
3.
RESOLUCIN DEL MODELO PRIMAL ________________________________ 4
4.
PROBLEMA DUAL _________________________________________________ 10
5.
ANLISIS POSTOPTIMAL ___________________________________________ 13
6.
PROBLEMA DE UN TRANSPORTE ASOCIADO ______________________ 27
7.
SE AADE LA CONDICIN DE ENTERAS PARA TODAS LAS VARIABLES
Y SE RESUELVE _________________________________________________________ 32
8.
SE AADEN NUEVAS FUNCIONES OBJETIVO Y SE RESUELVE
(PROGRAMACIN MULTIOBJETIVO) _____________________________________ 33
9.
SE FORMULAN METAS Y SE RESUELVE (PROGRAMACIN POR
METAS) _________________________________________________________________ 38
1. FORMULACIN DEL PROBLEMA

La empresa The cup cake de EEUU se dedica a la repostera. Produce desde
la ms simple magdalena, hasta el ms complicado pastel. En nuestro caso,
estudiaremos la comercializacin de las cup cakes ms comunes. Entre
estas estn, las de sabor a fresa (FRESA), las de sabor a naranja (NARANJA),
las de limn (LIMN) y las de meln (MELN). Para la produccin de estas
cuatro utiliza tres ingredientes diferentes: harina, levadura y fruta. Para las de
fresa hacen falta 2 gramos de harina, uno
de levadura y 3 de fruta. Para las de
naranja, 4 gramos de harina y uno de
fruta; para las de limn utiliza un gramo
de levadura y tres de fruta y para las de
meln utiliza un gramo de harina y otro
de levadura. Por ltimo, las de fresa
tienen un beneficio de 12 por unidad,
las de naranja de 6, las de limn de 8 y
las de meln de 10. La empresa dispone
de 40 gramos de harina, 20 gramos de
levadura y 30 gramos de fruta.
Cuntas de cada sabor debemos fabricar para maximizar el beneficio de la

empresa?
Harina
Levadura
Fruta
Beneficio
Fresa
2
1
3
12
Naranja
4
0
1
6
Limn
0
1
3
8
Meln
1
1
0
10
Disponibilidad
40
20
30
2. CONSTRUCCIN DEL MODELO MATEMTICO

Nuestro objetivo ahora es maximizar el beneficio fabricando las cantidades de
de cada sabor adecuadas.
Para ello debemos definir las variables y las restricciones:
Variables:
Restricciones:
x1 n de de FRESA
x2 n de de NARANJA
x3 n de de LIMN
x4 n de de MELN
2x1 + 4x2 + x4 40
x1 + x3 + x4 20
3x1 + x2 + 3x3 30
x 1; x 2; x 3; x 4 0
Mx. 12x1 + 6x2 + 8x3 + 10x4

s.a. 2x1 + 4x2 + x4 40
x1 + x3 + x4 20
3x1 + x2 + 3x3 30
x 1; x 2; x 3; x 4 0
3. RESOLUCIN DEL MODELO PRIMAL

Antes de aplicar el mtodo simplex para la resolucin del modelo primal,
debemos escribir las restricciones en trminos de igualdad utilizando las
variables de holgura. stas variables representan la cantidad de cada recurso
que no hemos utilizado.
Para la resolucin de este modelo utilizaremos los programas LINDO y winQSB
y tambin lo haremos de forma manual.
Mx. 12x1 + 6x2 + 8x3 + 10x4
s.a. 2x1 + 4x2 + x4 +h1 = 40
x1 + x3 + x4 +h2 = 20
3x1 + x2 + 3x3 +h3 = 30
x 1; x 2; x 3; x 4; h 1 ; h 2; h 3 0
RESOLUCIN MANUAL:
1 SOLUCIN FACTIBLE BSICA
h1
h2
h3
Funcin
objetivo
x1
2
1
3
12
x2
4
0
1
x3
0
1
3
x4
1
1
0
h1
1
0
0
h2
0
1
0
h3
0
0
1
SFB
40
20
30
10
La solucin no es ptima porque en la funcin objetivo hay valores positivos o

mayores que cero (12, 6, 8, 10), es decir, hay costes reducidos que son
positivos. Para buscar la Solucin Factible Bsica, entra una variable en la
base y sale otra, situndose la que entra en el lugar en que estaba la que sale.
Para ello utilizamos el criterio de entrada (entra en la base el valor ms alto de
la fila que representa la funcin objetivo), en este caso entrar x1 cuyo
coeficiente es 12.
Y por otro lado utilizamos el criterio de salida (sale de la base el menor valor
despus de hacer las SFB/los valores de la columna de la variable que entra),
por lo que saldr h3 porque es el que menor valor tiene entre
Min {40/2;20/1;30/3}, en este caso, 30/3=10.
x31 es el elemento pivote y hay que hacerlo uno pivotando, mientras que los
dems elementos de la columna tienen valor cero:
F3=F3-2/3F3
F2=F2-1/3F3
F1=F1-2/3F3
F4=F4-4F3
Ahora, buscaremos la segunda solucin factible bsica:
h1
h2
x1
Funcin
objetivo
x1
0
0
1
x2
10/3
- 1/3
1/3
x3
-2
0
1
-4
x4
1
1
0
10
h1
1
0
0
h2
0
1
0
h3
- 2/3
- 1/3
1/3
SFB
20
10
-4
120
10
La 2 Solucin Factible Bsica no es ptima, ya que en la fila que representa la

funcin objetivo (en la fila de los costes reducidos) todava hay valores
positivos. Por lo tanto, buscamos otra solucin factible bsica.
Con los mismos criterios de antes, ahora, entra en la base x4 ya que 10 es el
valor ms alto. Y sale, h2, que es el que menor valor positivo tiene de
Min {20/1;10/1;10/0}.
El elemento pivote por tanto ser, x24=1.
F2=F2
F3=F3
F1=F1-F2
F4=F4-10F2
Continuamos:
h1
x4
x1
Funcin
objetivo
x1
0
0
1
0
x2
11/3
- 1/3
1/3
16/3
x3
-2
0
1
x4
0
1
0
h1
1
0
0
h2
-1
1
0
h3
- 1/3
- 1/3
1/3
SFB
10
10
10
-4
-10
- 2/3
220
La solucin sigue sin ser ptima ya que en la fila de costes reducidos

encontramos todava valores positivos. Por lo tanto, repetimos otra vez el
mismo proceso:
Ahora, entra en la base x2 ya que 16/3 es el mayor valor y sale de la base h1 ya
10
10
10
que cumple con Min {11/3;1/3 ; 1/3}.

El elemento pivote ser ahora x12=11/3.
F1=F1-8/11F1
F2=F2+1/11F1
F3=F3-1/11F1
F4=F4-16/11F1
x2
x4
x1
Funcin
objetivo
x1
0
0
1
x2
1
0
0
x3
-6/11
-2/11
13/11
x4
0
1
0
h1
3/11
1/11
-1/11
h2
-3/11
10/11
1/11
h3
-1/11
-4/11
4/11
SFB
30/11
120/11
100/11
-12/11
-16/11
-94/11
-2/11
2580/11
La 4 Solucin Factible Bsica es la solucin ptima, ya que en la fila que

representa la funcin objetivo no tiene ningn componente mayor que cero y
en la columna SFB no hay ningn componente negativo.
SOLUCIN PTIMA:
- x1=100/11
- x2=30/11
- x4=120/11
- x3=h1=h2=h3=0
- Beneficio=2580/11=234,5454
RESOLUCIN CON LINDO
Ahora resolveremos el problema con el programa LINDO.
Para ello primero lo introducimos:
Y dndole a solve>solve nos da la solucin ptima:
LP OPTIMUM FOUND AT STEP
OBJECTIVE FUNCTION VALUE

1)
234.5455
VARIABLE
X1
X2
X3
X4
VALUE
9.090909
2.727273
0.000000
10.909091
REDUCED COST
0.000000
0.000000
1.090909
0.000000
ROW SLACK OR SURPLUS

DUAL PRICES
2)
0.000000
1.454545
3)
0.000000
8.545455
4)
0.000000
0.181818
NO. ITERATIONS=
3
6
RANGES IN WHICH THE BASIS IS UNCHANGED:
VARIABLE
X1
X2
X3
X4
ROW
2
3
4
OBJ COEFFICIENT RANGES

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
12.000000
16.000000
0.500000
6.000000
2.000000
5.333333
8.000000
1.090909
INFINITY
10.000000
0.500000
9.400001
RIGHTHAND SIDE RANGES

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
40.000000
99.999992
10.000000
20.000000
10.000000
12.000000
30.000000
30.000000
24.999998
Y para sacar la tabla le damos a Reports>tableau

THE TABLEAU
ROW (BASIS)
X1
X2
1 ART
0.000
0.000
2
X2
0.000
1.000
3
X4
0.000
0.000
4
X1
1.000
0.000
X3
1.091
-0.545
-0.182
1.182
X4 SLK 2 SLK 3
0.000
1.455
8.545
0.000
0.273 -0.273
1.000
0.091
0.909
0.000 -0.091
0.091
ROW SLK 4
1
0.182 234.545
2 -0.091
2.727
3 -0.364 10.909
4
0.364
9.091
Interpretando la salida de ordenador de Lindo la solucin ptima es:
- x1=9.0909
- x2=2.7272
- x4=10.9090
- x3=h1=h2=h3=0
- Beneficio=234.5455
Por otro lado, tambin podemos interpretar los rangos de valores entre los que
puede oscilar el beneficio de cada producto y los rangos de valores entre los
que puede variar la disponibilidad de cada recurso. (Datos de OBJ

COEFFICIENT RANGES).
El primer producto (cup cake de FRESA) con beneficio de 12, puede
disminuir medio euro y aumentar 16, es decir, su rango seria: [11.5, 28].
El rango de las cup cake de NARANJA es [6-5.3333= 0.666667, 6+2= 8].
El de las cup cake de LIMN [-, 9.0909].
Y el del ltimo producto, las cup cake de MELN cuyo beneficio es de 10 es
de [ 0.59999, 10.5]
Del primer recurso, definido como harina, disponemos de 40 gramos, y su
disponibilidad puede variar entre 30 y 139.99999 gramos. La disponibilidad
de la levadura puede oscilar entre 8 y 30 gramos y la de la fruta entre
5.000002 y 60 gramos. (Datos de RIGHTHAND SIDE RANGES)
RESOLUCIN CON WINQSB
1 Iteracin:
2 Iteracin:
3 Iteracin:
4 Iteracin:
Solucin ptima (tabla combinada):
En definitiva, si la empresa desea maximizar el beneficio, deber fabricar

9.0909 unidades de fresa, 2.7272 unidades de naranja y 10.9090 unidades de
meln. De sus recursos utilizara toda la harina, toda la levadura y toda la
fruta. As obtendr un beneficio mximo de 234.5455.
4. PROBLEMA DUAL
Min. g (1, 2, 3)= 40 1+20 2+30 3
s.a
2 1+ 2+3 312
4 1+ 36
2+ 3 38
1+ 210
1; 2; 30
Para resolver el modo dual, introduciremos variables de holgura y
multiplicaremos las restricciones por -1:
Min. g (1, 2, 3)= 40 1+20 2+30 3
s.a
-2 1- 2-3 3+ h1=-12
-4 1- 3+ h2=-6
-2- 3 3+ h3=-8
-1- 2+ h4=-10
1; 2; 3; h1; h2; h3; h40
1 SBnoF
h1
h2
h3
h4
Funcin
objetivo
1
-2
-4
0
-1
2
-1
0
-1
-1
40
20
3
-3
-1
-3
0
30
h1
1
0
0
0
h2
0
1
0
0
h3
0
0
1
0
h4
0
0
0
1
-12
-6
-8
-10
Esta tabla es no factible ya que el valor de los valores independientes del dual
son negativos, asique reharemos la factibilidad usando el simplex dual.
Sale el valor ms negativo de la ltima columna, en este caso -12.
Y entra el mnimo entre los valores absolutos de la divisin entre el costo
reducido y los valores de la fila. En este caso Min {40/2; 20/1; 30/3}={20; 20
;10}. El elemento pivote por tanto es -3.
Entonces lo haremos uno pivotando y dejando en cero los dems elementos
de su columna:
F1=F1-4/3F1
F2=F2-1/3F1
F3=F3-F1
F4=F4
F5=F5+10F1
10
2 SBnoF
3
h2
h3
h4
Funcin
objetivo
1
2/3
-10/3
2
-1
2
1/3
1/3
0
-1
3
1
0
0
0
h1
-1/3
-1/3
-1
0
h2
0
1
0
0
h3
0
0
1
0
h4
0
0
0
1
4
-2
4
-10
20
10
10
60
Esta solucin tampoco es ptima por lo que habr que utilizar otra vez los
criterios de entrada y de salida: En este caso sale h4 con el valor ms negativo
y entra 2, con el valor ms pequeo. Por tanto, el elemento pivote es -1.
F1=F1+1/3F4
F2=F2+1/3F4
F3=F3
F4=-1(F4)
F5=F5+10F4
3 SBnoF
3
h2
h3
2
Funcin.
objetivo
1
1/3
-11/3
2
1
10
2
0
0
0
1
3
1
0
0
0
h1
-1/3
-1/3
-1
0
h2
0
1
0
0
h3
0
0
1
0
h4
1/3
1/3
0
-1
10
10
2/3
-16/3
4
10
160
Esta tampoco es la solucin ptima. Ahora, sale h2 y entra 1, por los motivos
antes citados. Por lo que el elemento pivote ser -11/3.
F1=F1+F2/11
F2=-3/11F2
F3=F3+6/11F2
F4=F4+3/11F2
F5=F5+30/11F2
11
4 SBnoF
3
1
h3
2
Funcin
objetivo
1
0
1
0
0
2
0
0
0
1
3
1
0
0
0
h1
-4/11
1/11
-13/11
-1/11
h2
1/11
1
6/11
3/11
h3
0
0
1
0
h4
4/11
-1/11
2/11
-10/11
2/11
16/11
12/11
94/11
100/11
30/11
120/11
1920/11
Nos encontramos ante la solucin. Esta es factible, ya que el vector de
recursos tiene todos los valores positivos, y tambin es ptimo, ya que

todos los costos reducidos son tambin positivos o mayores de cero.
SOLUCIN PTIMA
-
1=16/11
2=94/11
3=2/11
h1=0
h2=0
h3=12/11
h4=0
Funcin objetivo: 1920/11
Interpretacin econmica: Si aumentamos en una unidad la

disponibilidad de la harina, el beneficio aumentar en 19/11 unidades. Si
aumentamos la disponibilidad de la levadura en una unidad aumentar el
beneficio en 94/11 unidades y si aumentamos en una unidad la
disponibilidad de la fruta aumentar el beneficio en 2/11 unidades.
12
5. ANLISIS POSTOPTIMAL
a. Cambio en la funcin objetivo:
Los cambios en la funcin objetivo (C), afectan a la optimalidad de la solucin,
y esto se refleja en la ltima fila, la que representa la funcin objetivo.
El cambio se puede dar en una variable bsica o en una variable no bsica.
El beneficio de x3 pasa a ser 12 (Cambio en variable no bsica):
Como x3 es una variable no bsica su cambio solo afectar al nmero que
acompaa a x3 en la funcin objetivo. Como el valor de 12 se sale del rango
de valores del beneficio de x3, su cambio alterar la solucin ptima.
PROCEDIMIENTO MANUAL:
Calculamos ese nuevo nmero:
(Nuevo beneficio de x3) (Beneficio variables bsicas) x (Matriz de las holguras)
x (Necesidades de los recursos de x3)
3/11 3/11 1/11

0
(12) (6 10 12) ( 1/11 10/11 4/11) (1)
1/11 1/11
4/11
3
6/11
= (12) (6 10 12) (2/11) = (12) (100/11) = 32/11
13/11
Esto nos indica que si el beneficio de x3 pasa a ser de 12 obtendramos mayor

beneficio teniendo x3 en la base. La solucin ptima entonces sera:
x2=6,92
x3=7,69
x4=12,30
Beneficio=256,9231
RESOLUCIN CON LINDO
Introducimos la funcin objetivo y las restricciones:
Y si le damos a solve la solucin que nos da con su

tabla incorporada es:

1)
256.9231
13
VARIABLE
X1
X2
X3
X4
VALUE
0.000000
6.923077
7.692307
12.307693
REDUCED COST
2.461539
0.000000
0.000000
0.000000

DUAL PRICES
2)
0.000000
1.230769
3)
0.000000
8.769231
4)
0.000000
1.076923
NO. ITERATIONS=

VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
12.000000
2.461539
INFINITY
X2
6.000000
38.000000
5.333333
X3
12.000000
16.000000
2.909091
X4
10.000000
3.500000
9.500000
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
40.000000
99.999992
30.000000
20.000000
30.000000
13.333334
30.000000
40.000000
24.999998
THE TABLEAU
ROW (BASIS)
X1
X2
1 ART
2.462
0.000
2
X2
0.462
1.000
3
X4
0.154
0.000
4
X3
0.846
0.000
X3
0.000
0.000
0.000
1.000
X4 SLK 2 SLK 3
0.000
1.231
8.769
0.000
0.231 -0.231
1.000
0.077
0.923
0.000 -0.077
0.077
ROW SLK 4
1
1.077 256.923
2
0.077
6.923
14
3
4
-0.308
0.308
12.308
7.692
El beneficio de x1 pasa a ser de 8 (Cambio en variable bsica):

Este cambio afecta a todos los nmeros que acompaan a las variables no
bsicas en la fila de la funcin objetivo. Como los 8 no estn dentro del rango
de valores del beneficio x1, el cambio alterar la solucin:
Calcularemos la nueva fila de la funcin objetivo:
(Beneficio de las variables no bsicas) (Beneficio de las variables bsicas) x
(Matriz de las holguras) x (Necesidades de recursos de x1 y la I)
(8 0 0 0) (6
3/11 3/11 1/11

2
1/11
10/11
4/11
)
) (1
10 12 (
1/11 1/11
4/11
3
2
= ( 8 0 0 0) (16/11 94/11 2/11) (1
3
= (8 0 0 0) (12 16/11 94/11 2/11)
= (4 16/11 94/11 2/11)
1
0
0
1
0
0
0 0
1 0)
0 1
0 0
1 0)
0 1
Como este cambio altera la solucin ptima, aumentara el beneficio metiendo

h3 en la base.
Por tanto la solucin ptima sera la siguiente:
x2=5
x4=20
h3=25
sobran 25 gr de fruta
Beneficio= 230
RESOLUCIN CON LINDO:
Introducimos la funcin objetivo y las restricciones:
y obtenemos la solucin:

1)
230.0000
15
VARIABLE
X1
X2
X3
X4
VALUE
0.000000
5.000000
0.000000
20.000000
REDUCED COST
3.500000
0.000000
0.500000
0.000000

DUAL PRICES
2)
0.000000
1.500000
3)
0.000000
8.500000
4)
25.000000
0.000000
NO. ITERATIONS=

VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
8.000000
3.500000
INFINITY
X2
6.000000
2.000000
6.000000
X3
8.000000
0.500000
INFINITY
X4
10.000000
INFINITY
0.500000
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
40.000000
100.000000
20.000000
20.000000
20.000000
20.000000
30.000000
INFINITY
25.000000
THE TABLEAU
ROW (BASIS)
X1
X2
X3
X4 SLK 2 SLK 3
1 ART
3.500
0.000
0.500
0.000
1.500
8.500
2
X2
0.250
1.000 -0.250
0.000
0.250 -0.250
3
X4
1.000
0.000
1.000
1.000
0.000
1.000
4 SLK 4
2.750
0.000
3.250
0.000 -0.250
0.250
ROW
1
2
3
4
SLK 4
0.000 230.000
0.000
5.000
0.000 20.000
1.000 25.000
16
b. Cambio en las disponibilidades de los recursos:

Los cambios en las disponibilidades de los recursos (b), afectan a la
factibilidad del problema y se reflejan en la columna de la SFB.
La disponibilidad de la harina pasa a ser de 20 gramos.
Este valor, est fuera del rango de valores; por lo tanto, alterar la solucin
ptima.
PROCEDIMIENTO MANUAL
Para calcular la nueva solucin debemos hacer:
(Matriz de las holguras) x (disponibilidad de los recursos)
3/11 3/11 1/11
30/11
20
( 1/11 10/11 4/11) (20) = ( 100/11 )
1/11 1/11
4/11
120/11
30
Como podemos observar en la matriz que nos sale, en la columna de la
Solucin Factible Bsica hay un componente negativo. Esto es lo que afecta a
la factibilidad de la solucin. Ahora, debemos aplicar el algoritmo SIMPLEX
DUAL para calcular una nueva solucin factible bsica.
-
Criterio de salida: Componente ms negativo de la columna SFB (x2)

Criterio de entrada: el mnimo despus de hacer {componentes de la
funcin objetivo/componentes de la fila que sale} (h1)
Haciendo:
- F1=11/3F1
- F2=F2-1/4F1
- F3=F3+1/4F1
- F4=F4+16/11F1
h1
x4
x1
Funcin
Objetivo
x1
0
0
1
x2
11/3
-11/12
4/11
x3
-2
-7/22
57/55
x4
0
1
0
h1
1
0
0
h2
-1
1
0
h3
-1/3
-76/165
76/165
SFB
10
112/11
108/11
64/15
-188/55
-10
226/165 2624/11
La Solucin Factible Bsica no es ptima porque en la funcin objetivo hay

valores positivos. Ahora entrara h1 en la base y saldra x1. Seguiramos
pivotando con el mtodo simplex hasta llegar a la Solucin ptima (la cual
daremos con LINDO en este caso)
SOLUCIN PTIMA:
- x1= 0; x4=20; h3=30; Beneficio= 200
17

1)
200.0000
VARIABLE
X1
X2
X3
X4
VALUE
0.000000
0.000000
0.000000
20.000000
REDUCED COST
0.000000
2.000000
0.000000
0.000000

DUAL PRICES
2)
0.000000
2.000000
3)
0.000000
8.000000
4)
30.000000
0.000000
NO. ITERATIONS=

VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
12.000000
0.000000
0.500000
X2
6.000000
2.000000
INFINITY
X3
8.000000
0.000000
INFINITY
X4
10.000000
0.500000
0.000000
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
20.000000
10.000000
0.000000
20.000000
0.000000
10.000000
30.000000
INFINITY
30.000000
18
THE TABLEAU
ROW (BASIS)
X1
X2
X3
X4 SLK 2 SLK 3
1 ART
0.000
2.000
0.000
0.000
2.000
8.000
2
X1
1.000
4.000 -1.000
0.000
1.000 -1.000
3
X4
0.000 -4.000
2.000
1.000 -1.000
2.000
4 SLK 4
0.000 -11.000
6.000
0.000 -3.000
3.000
ROW
1
2
3
4
SLK 4
0.000 200.000
0.000
0.000
0.000 20.000
1.000 30.000
c. Cambio en las necesidades de los recursos de los productos:

El cambio en las necesidades de recursos, es un cambio que afecta a todos los
componentes de la columna de la variable que cambia. Si la variable afectada
es no bsica, podemos recalcular los componentes de la columna; por el
contrario, si la variable afectada es bsica habra que rehacer el problema.
Las necesidades de x3 pasan a ser: 2 gramos de levadura y uno de fruta.
La variable afectada no es bsica, por lo tanto podemos recalcular los
componentes de la columna x3.
PROCEDIMIENTO MANUAL
Calculamos la nueva columna:
(Matriz de las holguras) x (Necesidad de recursos de x3)
3/11 3/11 1/11
7/11
0
1/11
10/11
4/11
(
) (2) = ( 16/11 )
1/11 1/11
4/11
6/11
1
Ahora, calculamos el nuevo componente de la fila de la funcin objetivo.
(Beneficio x3) (Beneficio de las variables bsicas) x (Matriz de las holguras) x
(Necesidad de los recursos de x3)
(8) (6
3/11 3/11 1/11

7/11
0
10 12) ( 1/11 10/11 4/11) (2) = (8) (6 10 12) ( 16/11 )
1/11 1/11
4/11
6/11
1
= (8) (190/11) = (102/11)
19
Por lo tanto, la tabla quedara:
x2
x4
x1
Funcin
Objetivo
x1
0
0
1
x2
1
0
0
x3
-7/11
16/11
4/11
x4
0
1
0
h1
3/11
1/11
-1/11
h2
-3/11
10/11
1/11
h3
-1/11
-4/11
4/11
SFB
30/11
120/11
100/11
-102/11
-16/11
-94/11
-2/11
2580/11
En este caso el LINDO nos dir la solucin ptima de nuevo y sta ser la
misma que la inicial.

1)
234.5455
VARIABLE
X1
X2
X3
X4
VALUE
9.090909
2.727273
0.000000
10.909091
REDUCED COST
0.000000
0.000000
9.272727
0.000000

DUAL PRICES
2)
0.000000
1.454545
3)
0.000000
8.545455
4)
0.000000
0.181818
NO. ITERATIONS=

VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
12.000000
16.000000
0.500000
X2
6.000000
2.000000
5.333333
X3
8.000000
9.272728
INFINITY
X4
10.000000
0.500000
6.375000
20

ROW
CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
2
40.000000
99.999992
10.000000
3
20.000000
10.000000
12.000000
4
30.000000
30.000000
24.999998
THE TABLEAU
ROW (BASIS)
X1
X2
1 ART
0.000
0.000
2
X1
1.000
0.000
3
X4
0.000
0.000
4
X2
0.000
1.000
X3
9.273
0.545
1.455
-0.636
X4 SLK 2 SLK 3
0.000
1.455
8.545
0.000 -0.091
0.091
1.000
0.091
0.909
0.000
0.273 -0.273
ROW SLK 4
1
0.182 234.545
2
0.364
9.091
3 -0.364 10.909
4 -0.091
2.727
d. Se aade una nueva variable:
Incorporaremos una nueva cup cake. La cup cake de melocotn. Su beneficio
es de 8 y para su produccin tan solo necesita un gramo de harina y dos
gramos de fruta.
Para ello hay que introducir una nueva columna en la tabla. En este caso, el
procedimiento para calcular los componentes de la nueva variable es el mismo
que cuando tenemos un cambio en las necesidades de recursos.
De este modo, el planteamiento sera el siguiente:
Max. 12x1 + 6x2 + 8x3 + 10x4 + 8x5
s.a
2x1 + 4x2 + x4 + x5 + h1 = 40
x1 + x3 + x4 + h2 = 20
3x3 + x2 + 3x3 + 2x5 + h3 = 30
x 1; x 2; x 3; x 4; x 5 ; h 1; h 2; h 3 0
La tabla sera la siguiente:
x2
x4
x1
Funcin
Objetivo
x1
0
0
1
x2
1
0
0
x3
-6/11
-2/11
13/11
x4
0
1
0
x5
1/11
-7/11
7/11
h1
3/11
1/11
-1/11
h2
-3/11
10/11
1/11
h3
-1/11
-4/11
4/11
SFB
30/11
120/11
100/11
-12/11
60/11
-16/11
-94/11
-2/11
2580/11
21
Esto nos indica que nos interesa la incorporacin al mercado del nuevo tipo de
cup cake de melocotn, ya que metiendo x5 en la base obtendramos mayor
beneficio.
Seguiramos pivotando hasta llegar a la solucin ptima:
- x2= 1,428
- x4= 20
- x5= 14,285
- Beneficio= 322,8571


1)
322.8571
VARIABLE
X1
X2
X3
X4
X5
VALUE
0.000000
1.428571
0.000000
20.000000
14.285714
REDUCED COST
9.714286
0.000000
14.571428
0.000000
0.000000

DUAL PRICES
2)
0.000000
0.571429
3)
0.000000
9.428572
4)
0.000000
3.714286
NO. ITERATIONS=

VARIABLE
CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
X1
12.000000
9.714286
INFINITY
X2
6.000000
20.400000
2.000000
X3
8.000000
14.571429
INFINITY
X4
10.000000
INFINITY
7.285714
X5
8.000000
4.000000
6.181818
22
ROW
2
3
4

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
40.000000
99.999992
5.000000
20.000000
5.000000
20.000000
30.000000
10.000000
24.999998
THE TABLEAU
ROW (BASIS)
X1
X2
1 ART
9.714
0.000
2
X2
-0.143
1.000
3
X4
1.000
0.000
4
X5
1.571
0.000
X3
X4
X5 SLK 2
14.571
0.000
0.000
0.571
-0.714
0.000
0.000
0.286
2.000
1.000
0.000
0.000
0.857
0.000
1.000 -0.143
ROW SLK 3 SLK 4

1
9.429
3.714 322.857
2 -0.286 -0.143
1.429
3
1.000
0.000 20.000
4
0.143
0.571 14.286
e. Se aade una nueva restriccin:
Al aadir una nueva restriccin, tambin incorporamos una nueva variable de
holgura, por lo tanto en la tabla tendremos una nueva fila y una nueva
columna. Este, es un cambio que no alterar la solucin ptima.
Aadiremos un nuevo ingrediente para la fabricacin de las, el azcar. Las de
fresa no utilizarn ningn gramo, las de naranja utilizarn un gramo, las de
limn 2 gr y las de meln uno. En total disponemos de 20 gramos de este
ingrediente.
La nueva restriccin ser:
x2 + 2x3 + x4 20
El modelo matemtico seria el siguiente:
Max. 12x1 + 6x2 + 8x3 + 10x4
s.a
2x1 + 4x2 + x4 + h1= 40
x1 + x3 + x4 + h2= 20
3x3 + x2 + 3x3 + h3=30
x2 + 2x3 + x4 + h4 = 20
x 1; x 2 ; x 3 ; x 4 ; h 1 ; h 2 ; h 3 ; h 4 0
23
Partimos de la tabla final

x1
x2
x3
x4
h1
h2
h3
h4
SFB
x2
-6/11
3/11
-3/11
-1/11
30/11
x4
-2/11
1/11
10/11
-4/11
120/11
x1
13/11
-1/11
1/11
4/11
100/11
h4
20
Funcin Objetivo
-12/11
-16/11
-94/11
-2/11
2580/11
Vemos la matriz que forman las variables bsicas consigo mismas:

x2
x4
x1
h4
x2
x4
x1
h4
Como podemos observar, no es la matriz de identidad, y para que la solucin

sea ptima hay que pivotar hasta que las variables bsicas formen la matriz de
identidad consigo mismas:
-
F4=F4-F1
F4=F4-F2
x1
x2
x3
x4
h1
h2
h3
h4
SFB
x2
-6/11
3/11
-3/11
-1/11
30/11
x4
-2/11
1/11
10/11
-4/11
120/11
x1
13/11
-1/11
1/11
4/11
100/11
h4
30/11
-4/11
-7/11
5/11
25873
Funcin Objetivo
-12/11
-16/11
-94/11
-2/11
2580/11
La solucin es ptima:
-
x2 = 30/11
x4 = 120/11
x1 = 100/11
h4 = 70/11 (nos sobran 70/11 gramos de azcar)
Beneficio = 234,545
24

1)
234.5455
VARIABLE
X1
X2
X3
X4
VALUE
9.090909
2.727273
0.000000
10.909091
REDUCED COST
0.000000
0.000000
9.272727
0.000000

DUAL PRICES
2)
0.000000
1.454545
3)
0.000000
8.545455
4)
0.000000
0.181818
5)
6.363636
0.000000
NO. ITERATIONS=

VARIABLE
X1
X2
X3
X4
ROW
2
3
4
5

CURRENT
ALLOWABLE
ALLOWABLE
COEF
INCREASE
DECREASE
12.000000
16.000000
0.500000
6.000000
2.000000
5.333333
8.000000
9.272728
INFINITY
10.000000
0.500000
6.375000

CURRENT
ALLOWABLE
ALLOWABLE
RHS
INCREASE
DECREASE
40.000000
17.500000
10.000000
20.000000
10.000000
12.000000
30.000000
30.000000
14.000000
20.000000
INFINITY
6.363636
25
THE TABLEAU
ROW (BASIS)
X1
X2
1 ART
0.000
0.000
2
X2
0.000
1.000
3
X1
1.000
0.000
4 SLK 5
0.000
0.000
5
X4
0.000
0.000
X3
X4 SLK 2 SLK 3
9.273
0.000
1.455
8.545
-0.636
0.000
0.273 -0.273
0.545
0.000 -0.091
0.091
1.182
0.000 -0.364 -0.636
1.455
1.000
0.091
0.909
ROW SLK 4 SLK 5

1
0.182
0.000 234.545
2 -0.091
0.000
2.727
3
0.364
0.000
9.091
4
0.455
1.000
6.364
5 -0.364
0.000 10.909
26
6. PROBLEMA DE UN TRANSPORTE ASOCIADO

Nuestra empresa, tambin se dedica al transporte de estas, transportndolas
a diferentes tiendas en diferentes ciudades. Transporta cinco tipos de (T1, T2,
T3, T4, T5), de las cuales dispone 1500 unidades del tipo 1, 2000 del tipo 2,
500 del tipo 3, 1000 del tipo 4 y 1200 del tipo 5. Las transporta a tiendas de
tres ciudades distintas, C1, C2 y C3, las cuales tienen una demanda de 2000,
1500 y 2500 unidades respectivamente.
El coste de transportar una unidad de cada tipo de cupcake a cada ciudad
viene dado en la siguiente tabla:
T1
T2
T3
T4
T5
C1
2
1
1
3
2
C2
1
M
4
2
3
C3
2
3
2
5
4
Ahora, debemos determinar la distribucin correcta para minimizar el coste

total por transporte. Del tipo 3 de cup cake hay que distribuir toda la
produccin disponible.
a. Lo primero que debemos hacer, es ver si el problema est equilibrado,
es decir, si la demanda y la oferta son iguales. Si est equilibrado, podremos
empezar a resolver el problema; si no es as, antes de proceder a la resolucin
tendremos que aadir un destino o un origen ficticio que iguale la oferta con la
demanda. Por lo tanto:
Oferta total: 1500 +2000 +500 +1000 +1200= 6200
Demanda total: 2000 +1500 +2500= 6000
Como podemos observar, el problema no est equilibrado, entonces, lo
equilibraremos aadiendo un destino ficticio que demande lo que falta para
igualar la oferta, es decir, 200 unidades.
T1
T2
T3
T4
T5
C1
2
1
1
3
2
2000
C2
1
M
4
2
3
1500
C3
2
3
2
5
4
2500
C.FICT
0
0
M
0
0
200
1500
2000
500
1000
1200
6200
De esta manera, el problema est equilibrado.

b. Despus de equilibrar el problema, procedemos a la resolucin del
problema. Para ello, primero hallaremos una Solucin Factible Bsica
Inicial. Existen cuatro mtodos, pero nosotros emplearemos el del coste
mnimo.
27
T1
T2
T3
T4
T5
C1
2
1
1
3
2
2000
C2
1
M
4
2
3
1500
C3
2
3
2
5
4
2500
C.FICT
0
0
M
0
0
200
1500
2000
500
1000
1200
6200
Solucin Factible Bsica inicial:

- x14 = 200
- x12 = 1300
- x21 = 1500
- x23 = 500
- x31 = 500
- x42 =200
- x43 = 800
- x53 =1200
Coste total:
1300x1 + 200x3 +1500x1 + 500x3 + 500x1 + 200x2 + 800x5 + 100x4 = 14000
c. Una vez hallamos la Solucin Factible Bsica Inicial por el mtodo del
coste mnimo, debemos verificar si es ptima o no.
Primero, emplearemos el algoritmo dual del transporte planteando un
sistema de ecuaciones con las variables bsicas.
Tenemos 8 ecuaciones y 9 incgnitas, por tanto,
para resolver hay que darle a una variable valor 0.
U1 + V2 = 1
U1 = 0
U1 + V4 = 0
V2 = 1
U2 + V1 = 1
V4 = 0
U2 + V3 = 3
U4 = 1
U3 + V1 = 1
V3 = 4
U5 + V3 = 4
U2 = -1
U4 + V3 = 5
V1 = 2
U4 + V2 = 2
U3 = -1
U5 = 0
En segundo lugar, con cada variable no bsica, hacemos lo siguiente: al coste
de cada una le restamos su U y su V.
COSTE U V
x11= 2 0 2 = 0
x13= 2 0 4 = -2
Metemos la variable x13 en la base ya que es la de
x24= 0 + 1 0 = 1
menor coste e introducindola en la base
x32= 4 + 1 1 = 4
reduciremos el coste total.
28
x33=
x41=
x44=
x51=
x52=
x54=
2
3
0
2
3
0
+ 1 4 = -1
12=0
1 0 = -1
02=0
01=2
0 1 = -1
d. Una vez determinada la variable que entra en la base, hay que

determinar el valor con el que entra en la base, y para eso hay que hallar el
ciclo de las variables, que parte de la variable x13 (ya que es la primera variable
no bsica).
Ciclo x13 x13 x43 x42 x12
Para determinar el valor, le damos el valor a la variable x13, 800- a la x43,
200+ a la x42 y 1300- a la x12; y planteamos las siguientes restricciones:
0
800 0
200 + 0
1300 0
800
200
1300
Entra con el valor 800 porque es el

que deja que se cumplan todas las
restricciones.
Metiendo x13 en la base con valor 800:
T1
T2
T3
T4
T5
C1
2
1
1
3
2
2000
C2
1
M
4
2
3
1500
C3
2
3
2
5
4
2500
C.FICT
0
0
M
0
0
200
1500
2000
500
1000
1200
6200
Volveramos a aplicar el Algoritmo dual del transporte hasta hallar la

solucin ptima, que es la siguiente que determinamos con WinQSB:
- Del tipo 1 de se distribuyen 500 unidades a las tiendas de la segunda
ciudad con un coste de 500 y 1000 unidades a las tiendas de la tercera
ciudad con un coste total de 2000. Por lo tanto, en el transporte del cup cake
de tipo 1 hay un coste total de 2500.
- Del tipo 2 de se transportan 2000 unidades a las tiendas de la primera
ciudad con un coste total de 2000.
- Del tipo 3 de se distribuyen 500 unidades a las tiendas de la tercera
ciudad con un coste de 1000.
29
- Del tipo 4 de se distribuyen 1000 unidades a las tiendas de la segunda

ciudad con un coste de 2000.
- Del tipo 5 de se transportan 1000 unidades a las tiendas de la tercera
ciudad con un coste de 4000 y 200 unidades al destino ficticio, el cual no
implica ningn coste
En conclusin hay un coste total de 11500.
RESOLUCIN CON WINQSB:
Iteracin 1
30
Iteracin 2
Iteracin 3 Solucin ptima
31
7.
SE AADE LA CONDICIN DE ENTERAS PARA TODAS LAS
VARIABLES Y SE RESUELVE
x1 9
x = ( 9.09, 2.727, 0, 10.909)

Z(x)=234.545
x1 10
COTA SUPERIOR
x = (9, 2.75, 0, 11)
Z (x) = 234.5
x2 2
x = (10, 0, 0, 10)
Z (x) = 220
x2 3
x = (9, 2, 0, 10)
Z (x) = 230
x = (8.5, 3, 0.5, 11)

Z (x) = 234
x = (8, 3, 0, 12)
Z (x) = 234
x = (9, 3, 0, 10)
Z (x) = 226
COTA INFERIOR
32
8. SE AADEN NUEVAS FUNCIONES OBJETIVO Y SE RESUELVE

(PROGRAMACIN MULTIOBJETIVO)
Se aaden dos nuevos objetivos. Por un lado la maximizacin de la
satisfaccin de los clientes y por otro lado la minimizacin de la
contaminacin.
Max. 12x1 + 6x2 + 8x3 + 10x4
Max. 2x1 + x2 + 4x3 + x4
Min. 6x1 + 2x2 + 8x3 + 4x4
s.a 2x1 + 4x2 + x4 40
x1 + x3 + x4 20
3x3 + x2 + 3x3 30
a. Mtodo de las ponderaciones:
Tenemos que asignar un valor a cada uno de los objetivos. Estos valores son
las ponderaciones, que se interpretan como la importancia que le damos a
cada objetivo.
Segn la opinin de la empresa, lo ms importante es maximizar el beneficio;
despus le da prioridad a la satisfaccin de los clientes y por ltimo a la
minimizacin de la contaminacin. Por tanto,
= 1
Despus de asignar las ponderaciones, resumimos los multiobjetivos en un

solo objetivo:
Max Z.
8x3 + 4x4)
Max Z.
12x1 + 6x2 + 8x3 + 10x4 + (2x1 + x2 + 4x3 + x4) + (6x1 + 2x2 +
23/2 x1 + 6x2 + 8x3 + 19/2x4

Sujeto a: 2x1 +4x2 +x4 40
x1 +x3 +x4 20
3x3 +x2 +3x3 30
A partir de aqu, resolveramos con el mtodo Simplex hasta llegar a la

solucin ptima:
-
x1 = 100/11
x2 = 30/11
x4 = 120/11
Beneficio = 432.727
33
1 Iteracin:
2 Iteracin:
3 Iteracin:
4 Iteracin, solucin ptima:
34
Tabla combinada de la solucin ptima:
b. Mtodo de las -restricciones:

En este mtodo, optimizamos tambin una sola funcin objetivo, la ms
importante, introduciendo los dems objetivos como restricciones y
asignndoles unas cotas que deben alcanzarse.
Para nosotros el objetivo ms importante es el beneficio. En lo que se refiere a
la satisfaccin de los clientes, nos conformamos con alcanzar las 10 unidades
de satisfaccin; y en cuanto a la contaminacin, nos conformamos con no
sobrepasar las 35 unidades de contaminacin. Por lo tanto, obtenemos que:
Max Z. 12x1 + 6x2 + 8x3 + 10x4
s.a
2x1 + 4x2 + x4 40
x1 + x3 + x4 20
3x1 + x2 + 3x3 30
2x1 +x2 + 4x3 + x4 10
6x1 + 2x2 + 8x3 + 4x4 35
A partir de aqu, resolveramos con el mtodo Simplex normal hasta
determinar la solucin ptima:
-
x2 = 8.93
x4 = 4.28
h1 = 40
h2 = 4.28
h3 = 8.93
h4 = 13.21
h5 =35
Beneficio = 96.43
35
1 Iteracin:
2 Iteracin:
3 Iteracin:
36
4 Iteracin:
5 Iteracin:
37
9. SE FORMULAN METAS Y SE RESUELVE (PROGRAMACIN POR

METAS)
Ahora, estableceremos metas a cada uno de los objetivos fijados:
a. Meta 1 Se propone alcanzar por lo menos 230 Uds. de beneficio
Z1 = 12x1 + 6x2 + 8x3 + 10x4
Z1 230
d1+: desviacin por exceso de la meta

d1-: desviacin por defecto de la meta
b. Meta 2 Se quieren obtener al menos 10 Uds. de satisfaccin

Z2 = 2x1 + x2 + 4x3 + x4
Z 10

c. Meta 3 Se propone que la contaminacin no supere las 35 Uds.

Z3 = 6x1 + 2x2 + 8x3 + 4x4
Z 35

Con esto construimos un modelo matemtico que es el siguiente:

Min. d + d + d
s.a
12x1 + 6x2 + 8x3 + 10x4 - d + d = 230

2x1 + x2 + 4x3 + x4 - d + d = 10
6x1 + 2x2 + 8x3 + 4x4 - d + d = 35
2x1 + 4x2 + x4 40
x1 + x3 + x4 20
3x1 + x2 + 3x3 30
x1, x2, x3, x4, d, d, d, d, d, d 0
Partiendo de este modelo matemtico, emplearamos el mtodo simplex hasta

hallar la solucin ptima.
38
1 Iteracin:
2 Iteracin:
3 Iteracin:
4 Iteracin:
5 Iteracin:
39
Solucin ptima:
-
x2 = 5
x4 = 20
d = 15
d = 55
Coste total= 55
Los beneficios, cumplen con la meta impuesta sin desviarse

La satisfaccin de los clientes se desva en exceso de la meta puesta 15
unidades.
La contaminacin se desva en exceso de la meta puesta 55 unidades.
40

Trabajo Tecnicas Optimizacion PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Trabajo Tecnicas Optimizacion PDF

Transféré par

Droits d'auteur :

Formats disponibles

Trabajo

FORMULACIN DEL PROBLEMA _____________________________________ 2

CONSTRUCCIN DEL MODELO MATEMTICO _______________________ 3

RESOLUCIN DEL MODELO PRIMAL ________________________________ 4

PROBLEMA DUAL _________________________________________________ 10

ANLISIS POSTOPTIMAL ___________________________________________ 13

PROBLEMA DE UN TRANSPORTE ASOCIADO ______________________ 27

1. FORMULACIN DEL PROBLEMA

Cuntas de cada sabor debemos fabricar para maximizar el beneficio de la

2. CONSTRUCCIN DEL MODELO MATEMTICO

Mx. 12x1 + 6x2 + 8x3 + 10x4

3. RESOLUCIN DEL MODELO PRIMAL

La solucin no es ptima porque en la funcin objetivo hay valores positivos o

2 SOLUCIN FACTIBLE BSICA

La 2 Solucin Factible Bsica no es ptima, ya que en la fila que representa la

La solucin sigue sin ser ptima ya que en la fila de costes reducidos

que cumple con Min {11/3;1/3 ; 1/3}.

4 SOLUCIN FACTIBLE BSICA

La 4 Solucin Factible Bsica es la solucin ptima, ya que en la fila que

Y dndole a solve>solve nos da la solucin ptima:

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

ROW SLACK OR SURPLUS

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES

RIGHTHAND SIDE RANGES

Y para sacar la tabla le damos a Reports>tableau

que puede variar la disponibilidad de cada recurso. (Datos de OBJ

Solucin ptima (tabla combinada):

En definitiva, si la empresa desea maximizar el beneficio, deber fabricar

Nos encontramos ante la solucin. Esta es factible, ya que el vector de

recursos tiene todos los valores positivos, y tambin es ptimo, ya que

Interpretacin econmica: Si aumentamos en una unidad la

3/11 3/11 1/11

Esto nos indica que si el beneficio de x3 pasa a ser de 12 obtendramos mayor

Y si le damos a solve la solucin que nos da con su

OBJECTIVE FUNCTION VALUE

ROW SLACK OR SURPLUS

RANGES IN WHICH THE BASIS IS UNCHANGED:

RIGHTHAND SIDE RANGES

El beneficio de x1 pasa a ser de 8 (Cambio en variable bsica):

3/11 3/11 1/11

Como este cambio altera la solucin ptima, aumentara el beneficio metiendo

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

ROW SLACK OR SURPLUS

RANGES IN WHICH THE BASIS IS UNCHANGED:

RIGHTHAND SIDE RANGES

b. Cambio en las disponibilidades de los recursos:

Criterio de salida: Componente ms negativo de la columna SFB (x2)

La Solucin Factible Bsica no es ptima porque en la funcin objetivo hay

RESOLUCIN CON LINDO:

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

ROW SLACK OR SURPLUS

RANGES IN WHICH THE BASIS IS UNCHANGED:

RIGHTHAND SIDE RANGES

c. Cambio en las necesidades de los recursos de los productos:

3/11 3/11 1/11

Por lo tanto, la tabla quedara:

OBJECTIVE FUNCTION VALUE

ROW SLACK OR SURPLUS

RANGES IN WHICH THE BASIS IS UNCHANGED: