Académique Documents
Professionnel Documents
Culture Documents
CONTENIDO
PRESENTACIN
UNIDAD TEMTICA 01
I.-
INVESTIGACIN DE OPERACIONES
1.1 Definicin
1.2 Aplicacin
UNIDAD TEMTICA 02
II
11
11
Matrices
12
Espacios Vectoriales.
14
14
Sistema de Inecuaciones.
16
UNIDAD TEMTICA 03
III.
PROGRAMACIN LINEAL
19
3.1 Definicin.
19
19
19
19
20
UNIDAD TEMTICA 04
IV.
27
27
27
40
49
49
60
65
Excelencia Acadmica
UNIDAD TEMTICA 05
V.
PROGRAMACIN DUAL
5.1 Construccin de los modelos Dual
83
85
89
UNIDAD TEMTICA 06
VI.
ANLISIS DE SENSIBILIDAD
6.1 Sensibilidad de los coeficientes de la Funcin objetivo.
93
97
UNIDAD TEMTICA 07
VII. PROBLEMAS DE ASIGNACIN
7.1 Algoritmo de ptimalidad de Asignacin.
104
107
107
108
109
UNIDAD TEMTICA 08
VIII.
EL MODELO DE TRANSPORTE.
8.1 Objetivo del Modelo de Transporte
115
116
117
117
120
100
123
125
126
127
Excelencia Acadmica
INVESTIGACIN OPERATIVA
1.1 DEFINICIN.- La I.O. es el mtodo cientfico aplicado a la solucin de problemas, como
a la toma de decisiones por la gerencia de una organizacin. El nmero y variedad de
sus aplicaciones contina creciendo rpidamente y la mayor parte de su crecimiento ha
sido paralelo al del computador.
Un enfoque de la I.O. abarca:
1. La construccin de un modelo matemtico (usualmente simblico) que extrae los
elementos necesarios y esenciales de un problema de decisiones de la vida real.
2. examinar y analizar las relaciones que determinan las consecuencias de la decisin
realizada.
3. desarrollar una tcnica de decisiones que comprenda teora matemtica, que
conduzca a un valor ptimo.
1.2 APLICACIN.- La I.O. se aplica tanto a problemas TCTICOS y ESTRATGICOS de
un sistema u organizacin.
Los problemas TACTICOS (comprende la solucin) tienen que ver con las actividades
diarias de la organizacin as como: Programacin de la produccin, el nmero de
estaciones que atienden una cola. , control de inventarios balanceo de lnea de
ensamble, mantenimiento, reparacin de las instalaciones, planes de inspeccin para el
control e intervencin de la calidad
Los problemas ESTRATGICOS tienen una orientacin ms global, siempre
apoyndose en las operaciones diarias del sistema en forma indirecta. Ejemplo:
-
Expansin de la planta
Excelencia Acadmica
(1) Variables y
Excelencia Acadmica
la
funcin
objetivo,
pueden
ser
DETERMINSTICOS
PROBABILISTICOS.
RESTRICCIONES
Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras del sistema, el
modelo debe incluir restricciones ( implcitas o explcitas) que restrinjan las variables de
decisin a un rango de valores factibles.
FUNCION OBJETIVO
La funcin objetivo define la medida de efectividad del sistema como una funcin
matemtica de las variables de decisin.
Una decisin ptima del modelo se obtiene cuando los valores de las variables de
decisin producen el mejor valor de la funcin objetivo, sujeto a las restricciones.
2.1 EL PROCESO DE LA INVESTIGACIN OPERATIVA
Comprende los siguientes cinco pasos principales:
1. Formulacin y definicin del problema.
2. Construccin del modelo
3. Solucin del modelo.
4. validacin del modelo.
5. implementacin del modelo.
Excelencia Acadmica
10
Excelencia Acadmica
Vectores
Matrices.
Espacios Vectoriales
Inecuaciones
2.1 VECTORES
Se llaman vectores al conjunto ordenado de n nmeros reales
X1 , X2, . . . , Xn y se escribe
X = (X1, X2, . . . , Xn) donde n es cualquier nmero natural.
2.1.1 TIPOS DE VECTORES
a) Vector Rengln.-cuya representacin es de la forma: X = ( X1 , X2 , . . . , X
); X = ( 5,6,7,9 ) de cuatro
componentes
b) Vector Columna.- cuya representacin es de la forma:
X1
X2
.
.
.
Xn
4
-5
X= 8
7
cuatro componentes
0
0
.
.
.
0
11
Excelencia Acadmica
VECTOR UNITARIO.Es aquel cuyos componentes son ceros a excepcin de la posicin i ( i = 1, ...,n ) que es la unidad, se representa
del modo siguiente:
e1 = (1,0,0,0,...,0)
1
0
.
.
.
0
e3 = (0,0,1,0,...,0)
0
0
1
.
.
.
0
1 = (1,1,1,...1)
NOTA:
1
1
.
.
.
1
2.2 MATRICES
Se define como matriz a un arreglo rectangular o cuadrada de nmeros, escritos de la
siguiente forma:
A=
a11
a21
.
.
.
am1
a12 . . . a1n
a22. . . a2n
. . .
. . .
. . .
am2. . . amn
i = (1, .
Excelencia Acadmica
MATRIZ CUADRADA
Es aquella matriz donde m = n, es decir, tiene igual nmero de filas que de columnas.
Ej.
b)
A=
34
-5 6
matriz cuadrada 2 x 2
MATRIZ RECTANGULAR
Es aquella matriz en donde m n
Ej.
c)
A=
3 7
2 0
4 -1
matriz rectangular 3 x 2
MATRIZ DIAGONAL
Es aquella matriz cuadrada donde aij = 0 para i 1
Ej.
d)
A=
3000
0200
0 0 1 0 matriz diagonal 4 x 4
0003
MATRIZ ESCALAR
Es aquella matriz diagonal donde todos los elementos de la diagonal son iguales:
Ej.
e)
A=
3000
0300
0030
0003
matriz escalar 4 x 4
MATRIZ IDENTIDAD
Es aquella matriz cuadrada donde aij = 0 , i j y
aij = 1 si
f)
1000
0 1 0 0 matriz identidad de orden
0010
4x4
0001
MATRIZ TRANSPUESTA
13
Excelencia Acadmica
A=
At =
02 3 4
5 3 0 4
0
-2
3
4
5
3
0
4
X2
(0,0)
14
( X1 , X2)
X1
Excelencia Acadmica
y3
(y1, y2, y3)
(0,0,0)
y2
y1
X2
(a)
(1,4)
x+y
(4,1)
(0,0)
X1
15
Excelencia Acadmica
X1
(b)
(1,4)
x-y
(4,1)
(0,0)
X1
(c)
X2
(8,2)
(4,1)
(0,0)
2.5
X1
SISTEMA DE INECUACIONES
En programacin lineal aparece frecuentemente y es importante saber como se opera
con ellas. Se debe distinguir las inecuaciones No estrictas de las estrictas. Un ejemplo de
una inecuacin No estricta es Y-X Z (notar que el signo de la desigualdad es menor o
16
Excelencia Acadmica
igual), esto indica que son admisibles todos los valores de X e Y tales que el primer
miembro sea menor o igual que Z. La misma inecuacin se vuelve estricta si se omite el
signo igual: Y-X Z, la inecuacin estricta es satisfecha por menor pareja de valores de X e
Y por eso es ms estricta.
Con las inecuaciones se opera de forma muy parecida a con las ecuaciones, pues podemos
sumar o restar cantidades iguales a ambos miembros. No obstante, en contraste con las
ecuaciones, si se multiplica ambos miembros por un nmero negativo ( -1 ), el signo de
desigualdad se invierte. Ejemplo 10>7 es cierto, -10>7, es falso, y para hacerla cierta se
debe invertir el signo de desigualdad 10 7.
Para comprender mejor las operaciones con inecuaciones es necesario representarlo
grficamente: se tiene X+Y =10, haciendo X =0 Y =10, obtenindose el punto (0,10), luego
haciendo Y = 0 X =10 se obtiene el punto (10,0). Graficando en el plano Cartesiano estos
dos puntos se tiene:
Y
(0,10)
(10,0)
(0,0)
17
Excelencia Acadmica
18
Excelencia Acadmica
CASO DE MAXIMIZACIN
Encontrar trminos X1, X2, ...., Xn tales que maximicen la funcin lineal:
R= C1X1 + C2X2 + ... + CnXn
Sujeto a.
A11X1
A21X1
.
Am1X1
Con X1, x2,... ,Xn > 0 donde Aij bi y Cj, son constantes dadas
3.2.2
CASO DE MINIMIZACION
Excelencia Acadmica
A11X1
+ A12X2
+...
A1nXn > b1
A21X1
+ A22X2
+...
A2nXn > b2
Am1X1
+ Am2X2
+.. . +
AmnXn > bm
Tambin siempre que X1,X2,..., Xn > 0 donde Aij; Cj y bi son constantes dadas.
En forma general al referirnos a la optimizacin se dir que:
Encontrar trminos X1, X2, ..., Xn tales que maximicen o minimicen la funcin lineal.
MAXIMIZAR (o minimizar) f (X1, X2, ..., Xn)
Sujeto a las restricciones
G1 (X1, X2, ..., Xn) > b1
<
G2 (X1, X2, ..., Xn) > b2
<
Gm (X1, X2, ..., Xn) > bm
La funcin que debe maximizar o minimizar se denomina funcin objetivo. Las limitaciones
que imponen se llaman restricciones. Las variables Xi cuyos valores ptimos se estn
buscando, se denominan VARIABLES DE DECISION.
Y Cj, bi y aij ( i =1,2,3......, m; i =1, 2,..., n), son constantes determinadas por la tecnologa
del problema.
3.3 PLANTEAMIENTO DE PROBLEMAS DE P.L.
Dado el enunciado de un problema se procede a la formulacin correspondiente en
forma lineal.
PROBLEMA N 1
Una planta industrial elabora dos productos en los cuales entran cuatro componentes en
cada uno.
20
Excelencia Acadmica
Hay una determinada disponibilidad de cada componente y un beneficio por cada producto.
Se desea hallar la cantidad de cada artculo que debe fabricarse con el fin de maximizar los
beneficios.
En el cuadro siguiente se dan los coeficientes o parmetros de transformacin, o la cantidad
de cada componente que entra en cada producto:
PRODUCTO
P1 P2 DISPONIBILIDAD (Kg)
COMPONENTE
A
B
C
D
ENEFICIO
$/unidad
1
2
2
1
3
1
2
1
15.000
10.000
12.000
10.000
PASO 2.-
PASO 3.-
Determinar los beneficios que generan cada uno de estos productos ( por
unid.) ya que el problema trata de la
maximizacin utilidades, as
2.-
21
Excelencia Acadmica
PRODUCTO
X1
1
2
2
1
$4
X2
2
1
2
1
$3
DISPONIBILIDAD
15.000
10.000
12.000
10.000
(por la no negatividad)
PROBLEMA N 2:
El jefe de mantenimiento de la Universidad, est planeando poner fertilizante al pasto en el
rea de patios en la ciudad universitaria a la entrada de la primavera. El pasto necesita
nitrgeno, fsforo, y potasa al menos en las cantidades dadas en el cuadro A. Se dispone de
tres clases de fertilizantes comerciales, en el cuadro B se da el anlisis y los precios de
ellos. El jefe de mantenimiento puede comprar todo el fertilizante que quiera de cada precio
y mezclarlos antes de aplicar al pasto. Formular un modelo de programacin lineal para
22
Excelencia Acadmica
determinar cunto de cada fertilizante debe comprar para satisfacer los requerimientos a un
costo mnimo.
REQUERIMIENTO TOTAL DEL PASTO ( cuadro A )
MINERAL
PESO MINIMO
Lb.
10
7
5
NITROGENO
FOSFORO
POTASIO
CONTENIDO DE
NITROGENO
(lb)
CONTENIDO DE
FOSFORO (1b)
CONTENIDO DE
POTASIO (1b)
PRECIO
1
2
3
25
10
5
10
5
10
5
10
5
$10
8
7
X2=
X3=
PASO 2.X1=
X2=
X3=
PASO 3.-
23
Excelencia Acadmica
PRODUCTO
NITROGENO
FOSFORO
POSTASIO
PRECIO
X1 X2 X3
25 10 5
10 5 10
5 10 5
10 8 7
DISPONIBILIDAD
10
7
5
+ 10X2 + 5X3 10
+ 5X2 + 10X3 7
+ 10X2 + 5X3 5
PROBLEMA N3:
Una compaa produce tres modelos de computadoras: x,y,z. Tambin produce algunos
accesorios para dichas mquinas.
El prximo ao, basados sobre su plan anual, planean vender al menos 2500 computadoras
del tipo X, 150 del tipo Y y 120 del tipo z. La Ca. tiene dos plantas: A y B. La administracin
desea conocer el costo de manufactura, de X, el costo de manufactura de Y el costo de
manufactura de Z. Siendo la produccin diaria de las mquinas el siguiente:
Modelo
X
Y
Z
A
70
3
4
50
5
2
La contabilidad de costos estima que los costos de produccin diarias podran ser de $2500
para la planta A y $3500 para la planta B.
Planteamiento del problema:
REQUERIMIENTO
X
Y
Z
PRECIO
PRODUCTO
X1 X2
50 70
5 3
2 4
2500 3500
DISPONIBILIDAD
2500
150
120
Excelencia Acadmica
PROBLEMA N 4
Una planta de Jugos y Conservas produce dos tipos de mermelada para la exportacin: de
fresa y manzana. Con tecnologas diferentes y con un costo diferente.
El precio al por mayor de 1000 frascos (1 Kg. c/u.) de mermelada de fresa es de $5000,
mientras que el precio por mayor de 1000 frascos (1 Kg. c/u) de mermelada de manzana es
de $3000.
La empresa para producir 1000 Kg. de mermelada de fresa requiere un total de 3 obreros en
el proceso de produccin. En cambio se requieren 5 obreros para producir 1000 Kg. de
mermelada de manzana.
Se supone que la planta tiene un total de 15 obreros. Al dueo de la planta le cuesta
producir 1000 Kgs. de mermelada de fresa $500, mientras que 1000 Kgs. de mermelada de
manzana le cuesta solamente $200. Su capital no le permite gastar ms de $1000
semanales en dicha produccin.
Cules deben ser los niveles de produccin semanal de ambos productos, que maximicen
el ingreso por concepto de ventas, sin exceder las restricciones de personal y de capital?
Planteando el problema se tiene:
REQUERIMIENTO
OBREROS
CAPITAL
Costos O Beneficios
PRODUCTO
X1 X2
3 5
500 200
5000 3000
DISPONIBILIDAD
15
1000
PROBLEMA N 5
Una empresa fabrica dos productos A y B. Cada una requiere tiempo en dos
mquinas. La primera mquina tiene 24 horas disponibles y la segunda tiene 16. Cada
unidad del producto A requiere dos horas en ambas mquinas y cada unidad del producto B
necesita tres horas en la primera mquina y una hora en la segunda. Los beneficios son de
seis dlares por unidad de A y siete dlares por unidad de B, y la empresa puede vender
todas las unidades que fabrique de ambos productos.
Cuntas unidades de los productos A y B debe producir para obtener los beneficios ms
altos?
Identificando las variables de decisin
25
Excelencia Acadmica
PRODUCTO
X1 X2
DISPONIBILIDAD
Horas Maq. 1
2 3
24
Horas Maq. 2
2 1
16
6 7
(Max) R = 6X1 + 7X2
s.a.
2X1 + 3X2 < 24
2X1 + 1X2 < 16
Siempre que X1, X2 > 0
26
Excelencia Acadmica
2.
3.
3X1 + 5X2 = 15 ( A )
500X1 + 200X2 = 1000 ( B ),
Dando valores en forma arbitraria a X1 y a X2 se obtiene el correspondiente valor para X2 y a X1 respectivamente
en ambas rectas.
27
Excelencia Acadmica
RECTA (A)
X2 = 15 3X1
5
X1=0
X2=3
RECTA (B)
X2 = 1000 500X1
200
X1 = 15 5X1
3
X1=0
X2=5
X2=0
X1=5
X1 = 1000 200X2
500
X2=0
X1=2
Graficando las rectas con los puntos hallados se determina la interseccin de las dos rectas
en el plano, encontrando de esta manera las coordenadas del punto ptimo, que satisface
las condiciones del problema propuesto:
El rea comprendido bajo las dos rectas, hacia el lado izquierdo que indica las flechas ser
el espacio donde se ubican los puntos para la toma de las decisiones Especialmente bajo la
interseccin de las dos rectas, al que se conoce como el rea de la optimalidad.
X2
(0,5) C
5X1 + 2X2 = 10
..................R( 3, 3 )
(0,3) B
D (1,053, 2,368)
3X1+5X2 = 15
....... G
E
A (0,0)
(2,0)
F
(5,0)
X1
5(0) = 0 < 15
5(1) = 8 < 15
Excelencia Acadmica
= 24000.000
(MAX) R = 5000(3)
= $24.000
+ 3000(3)
Que es una utilidad mucho mayor que las producidas en los puntos A y G. Sin
embargo, la produccin del punto R viola las restricciones de personal y de capital:
3(3) +
5(3) =
24 <
15
1000
29
Excelencia Acadmica
X2 =15000 5000X1
X1 = 0
3000
X2 = 5
X1 =15000 3000 X2
X2 = 0
X1= 3 Graficando estos dos puntos se tiene:
X2
(0,5)
(3,0)
X1
Con R = 10000 se obtiene otra recta paralela a la primera, pero desplazada un poco hacia
debajo de la primera recta. De la misma manera dando un valor de 30.000 a R se obtendr
otra recta paralela a las dos anteriores pero desplaza un poco hacia arriba, que
grficamente es:
X2
(0,0)
30
(2,0)
(3,0)
Excelencia Acadmica
PROBLEMA N 2
Resolviendo el problema N5 planteado anteriormente:
(MAX)R = 6X1 + 7X2
s.a
2X1 + 3X2 <= 24
2X1 + 1X2 <= 16
Convirtiendo las inecuaciones en ecuaciones, en la matriz de las restricciones:
2X1 + 3X2 = 24 (A)
2X1 + 1X2 0 16 (B)
En (A)
X2 = 24 2X1 X1 = 0
3
X2 = 8
X1 = 24 3X2
2
X2 = 0
X1 = 12
En (B)
X1 = 16 X2
2
X2 = 0
X1 = 8
X2 = 16 2X1
1
X1 = 0
X2 = 16
31
Excelencia Acadmica
(0,16)
2X1 + X2 = 16
C
(10,10)
(0,8)
B
A (4,3)
2x1 + 3x2 = 24
(8,0)
(12,0)
1.- Hallando las coordenadas del punto B, donde se interceptan las rectas (A) y (B)
de (A)
X2 = 24 - 2X1
reemplazando en (B)
En (A)
2 ( 6 ) + 3X2 = 24
12
+ 3X2 = 24 entonces X2 = 4
Excelencia Acadmica
Excelencia Acadmica
2.
PRODUCTO
X1
2
5
3
X2
3
2
4
DISPONIBILIDAD
3600
3600
PLANTEAMIENTO
(Max) R = 3X1 + 4X2
s.a.
2X1 + 3X2 < 3600
5X1 + 2X2 < 3600
Para resolver las dos inecuaciones que se forma en las restricciones, se convierten estas en
ecuaciones:
2X1 + 3X2 = 3600
(A)
(B)
Luego se hallan los valores X1 y X2, donde cada variable se convierte en dependiente o
independiente segn el caso.
(A)
34
X1=1800
X1=0
X2=1200
Excelencia Acadmica
(B)
X1 = 36002X2
5
X2= 0
X1=720
X2 = 36005X1
2
X2=0
X1=1800
2500
2000
(0,1800)
C
1500
B
(0,1200)
1000
500
A (0,0) 500
(720,0)
E 1000
1500
2000
2500
X1
(1800,0)
reemplazando en (B)
35
Excelencia Acadmica
X1 =327
2
De esta manera se encuentra los valores de las variables de decisin, lo que se reemplaza
en el modelo matemtico formulado:
(MAX) R=3X1 + $X2
s.a.
2X1 + 3X2 < 3600
5X1 + 2X2 < 3600
En la funcin objetiva:
(MAX) R= 3(327) + 4(982) = 981 + 39285 = $4909
En restricciones:
2(327) + 3(982) = 3600 = 3600
5(327) + 2(982) = 3599 < 3600 X3 = 1 Variable de la holgura
PROBLEMA N 4
Resolver el siguiente problema por el mtodo grfico:
Una planta de jugos y conservas cuenta con una mquina que opera 150 horas a la semana
destilando jugo de naranja a una tasa de 25 galones por hora
en 17,5 galones de
36
Excelencia Acadmica
JUGOS
DISP.
X1 X2
Horas Maquina
0.04 0.05 150
Naranja
0.70 0
1000
Toronja.
0
0.50 1000
Ganancia c/ unid $0.55 0.40
R= 0,55X1 + 0,40X2
0,04X1 + 0,05X2
0,70X1 + 0X2
0X1 + 0,50X2
0,04
0,70 X1 +
0,70
X1 +
0 X2 = 1000 (B)
En:
(A)
(B)
(C)
X1 = 150 0,05x2
0,04
X2=0
X1=3750
X2 = 150-0,04X1
0,05
X1=0
X2=3000
X1 = 10000X2
0,70
X2 = 0
X1=1429
X2 = 10000,70X2
0
X1 = 10000,50X2
0
X2 =
10000X1
0,50
X1=0
X2=2000
37
Excelencia Acadmica
X2
0,70 X1 + X2 = 1000 (B)
(0,3000)
3000
Q= ( 1429, 2000)
0 X1 + 0,05 X2 = 1000 (C)
2000
R
0,04 X1 + 0,05 X2 = 150 (A)
1000
(1429,0)
1000
(3750,0)
2000
3000
4000
X1
= 1000.3 1000
0 (1429) + 0,50 (2000) = 1000 0 = 1000 No cumple con las condiciones de la 1ra y
2da. restriccin!
En el punto (P).- En este punto se intersectan las rectas (A) y (C) donde X2 = 2000 (
conocido )
Luego de reemplazando en la ecuacin (A)
0,04 X1 + 0,05 (2000) = 150 y
Reemplazando en el problema:
(MAX)R = 0,55 (1250) + 0,40 (2000) = 1488
s.a.
38
Excelencia Acadmica
problema!
0 (1250) + 0,50 (2000)
= 1000
Reemplazando en el problema:
(MAX) R = 0,55 (1429) + 0,40 (1857) = 1529 ( solucin ptima )
s.a.
0,04 (1429) + 0,05 (1857) = 150
0,70 (1429) + 0,50 (1857) = 1000
0 (1429) + 0,50 (1857) = 929 < 100
se debe destilar 1429 galones de jugo de naranja y 1857 galones de jugo de toronja
X1 = 1429 R.
X2 = 1857
ACTIVIDAD 4.1
Plantear y resolver los siguientes problemas tanto en forma analtica como con el
computador:
Problema # 1.-
Excelencia Acadmica
b) ( MAX ) = 2X1 + X2
s. a.
X1 - X2 10
2X1 X2 40
d) ( MAX: ) R = 4X1 + X 2
s. a.
2X1 + 3X2 6
- 3X1 + 2X2 3
2X2 5
2X1 + X2 4
Excelencia Acadmica
150 (B)
120 (C)
con X1 , X2 > 0
(B)
(C)
X1 = 2500-70x2
50
X2=0
X1=50
X2 = 2500-50X1
70
X1=0
X2=36
X1 = 1503X2
50
X2 =0
X1=30
X2 = 150-5X1
3
X1=0
X2=30
X1 = 120-4X2
2
X2=0
X1=60
X2 = 1202X1
4
X1=0
X2=30
X2
50
(0,50)
5X1 + 3X2 = 150 (B)
40
(0,36)
30
(0,30)
20
Q
R
2X1 + 4X2 = 120
50 X1 + 70 X2 = 2500 (A)
10
10
20
30
40
50
60
X1
41
(30,0)
(50,0)
Excelencia Acadmica
-->
X1 = 15
Estos valores hallados, son de las variables de decisin en el punto P, los que se sustituyen
en el modelo matemtico formulado:
(MIN) K=2500(15) + 3500(25) = 125.00
50(15) + 70(25) = 2500 = 2500
5(15) + 3(25) = 150 = 150
2(15) + 4(25) = 130 > 120 Cumpliendo con las condiciones
del problema!
II ) En el punto Q se intersectan las rectas (B) y (C), entonces:
5X1 + 3X2 = 150 (B)
2X1 + 4X2 = 120 (C )
Hallando valores de las variables de decisin:
De:
42
Excelencia Acadmica
5
300 6X2 + 20X2 = 600
X2 = 21,43
120-4X2
2
+ 70X2 = 2500
43
Excelencia Acadmica
X1 = 15
//
Ejemplo N 2.-(Caso minimizacin)
Dos fbricas de alcohol producen tres tipos diferentes de alcohol, de bajo grado, medio
grado y alto grado. Se tiene contrato de venta para proveer: 16 Tn. de bajo grado, 5 Tn. de
medio grado y 20 Tn. de alto grado. Los costos de operacin son de $1000/da para la
primera fbrica y $2000 para la segunda.
La fbrica # 1 produce 8 Tn. de bajo grado, 1 Tn. de medio grado y 2 Tn. de alto grado en
un da de operacin. La fbrica # 2 produce 2 Tn. de bajo grado, 1 Tn. de grado medio y 7
Tn. de alto grado / da.
Cuntos das debe trabajar cada fbrica a fin de cumplir con el mencionado contrato de
venta en forma ms econmica?
Planteamiento del problema:
1.-
2.-
3.-
Identificar los costos o los beneficios segn el caso. En ste se identifica los costos.
La primera fbrica reporta un costo de operacin de $1000/da y la segunda fbrica
$200/da.
DIAS DE LABOR
X1
8
1
2
$1000
X2
2
1
7
$2000
DISPONIBILIDADES
16
5
20
Excelencia Acadmica
(A)
X1 + X2 = 5
(B)
2X1 + 7X2 = 20
(C)
(B)
(C)
X1 = 16-2x2
8
X2=0
X1=2
X2 = 16-8X1
2
X1=0
X2=8
X1 = 5X2
X2 =0
X1 =5
X2 = 5-5X1
X1=0
X2=5
X1 = 20-7X2
2
X2=0
X1=10
X2 = 20-2X1
X1=0
7
X2=2,9
Graficando las rectas con los valores de X1 y X2 obtenidos:
X2
10
9
(0,8)
8
8X1 + 2X2 = 16(A)
7
X1 + X2 = 5 (B)
6
(0,5)
5
P
4
3
(0,2,9)
2
R
2X1 + 7X2 = 20 (C)
(5,0)
1
( 2,0 )
(10,0)
7
10
X1
45
Excelencia Acadmica
8X1 + 2X2 = 16
(B)
X1 + X2 = 5
X2 = 16 8X1
2
2X1 + 16 8X1 = 10
-6X1 = -6
1+X2=5
X1 = 1
Luego
X2 = 4
Si cumple
2(1) + 7(4)=30>20
Luego X1 = 1 y X2 = 4 cumplen con las condiciones del problema y puede ser la solucin
ptima, no obstante es necesario seguir evaluando los dems puntos de interseccin.
II) En el punto Q, el que est formado por la interseccin de las rectas (A) y (C)
(A)
8X1 + 2X2 = 16
(B)
2X1 + 7X2 = 20
2 ( 16 2X2 ) / 8 + 7X2 = 20
32 4X2 + 56X2 = 160
X2 = 2,46
8X1 + 2(2,46)=16
X1 = 1,39
8
Sustituyendo en el modelo planteado:
(MIN) R = 1000(1,39) + 2000(2,46)=6310
Sujeto a
46
Excelencia Acadmica
2(1,39) + 7(2,46)= 20 = 20
III)En el punto R, esta formado por la interseccin de las rectas (B) y (C)
(B) X1 + X2 = 5
(C)2X1 + 7X2 = 20
2X1 + 7(5 - X1) = 20
2X1 + 35 - 7X1 = 20
X1 = -15 = 3
X1 = 3
-5
En la ecuacin (B)
3 + X2=5
X2 = 2
Sustituyendo en el modelo planteado:
(MIN) R = 1000(3) + 2000(2)=7000
Sujeto a
8(3) + 2(2) =28>16
3 +
2 =5=5
ACTIVIDAD 4.2
Problema N 1: Una compaa area tiene dos aviones A y B para cubrir un determinado
trayecto. El avin A debe hacer ms veces el trayecto que el avin B pero no puede
sobrepasar 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos pero no menos
de 200. En cada vuelo A consume 900 litros de combustible y B 700 litros. En cada viaje del
avin A la empresa gana 300000 unidades monetarias y 200000 por cada viaje de B.
47
Excelencia Acadmica
Cuntos viajes debe hacer cada avin para obtenerle mximo de ganancia? Cuntos
vuelos debe hacer cada avin para que el consumo de combustible sea mnimo?
Problema N 2.- Imagnese que las necesidades semanales mnimas de una persona en
protenas, hidratos de carbono y grasas son 8, 12, 9 unidades respectivamente. Suponga
que se debe obtener un preparado con esa composicin mnima mezclando los productos A
y B cuyos contenidos por kilogramo son los que se indican en la siguiente tabla:
Coste (
Kg )
600
400
Cuntos kilogramos de cada producto debern comprarse semanalmente para que el costo
de preparar la dieta sea mnimo?
Problema N 3.- Se puede comprar paquetes de abono A o B . Cada paquete contiene las
unidades de potasio ( K ) , fsforo ( P ) y nitrgeno ( N ) indicados en la tabla, donde se da
el precio del paquete:
Marca K P N Precio
A
4 6 1
15
B
1 10 6
24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mnimo precio
un abono que contenga 4 unidades de K, 23 de P y 6 de N?
Resolver los siguientes problemas de programacin lineal, usando el mtodo grfico,
4.1.- (MIN) K = 25X1 + 22X2
s.a.
0,45X1 + 0,35X2 > 1260.00
0,18X1 + 0,36X2 > 90.000
0,30X1 + 0,20X2 > 30.000
4.3.-
48
Excelencia Acadmica
4.2
En el mtodo grfico fue til para la exploracin de propiedades generales importantes del
modelo de programacin lineal. Sin embargo, los problemas del mundo real en su mayora
contienen mas de dos variables de decisin, luego el mtodo grfico no se puede aplicar en
forma general. Entonces dichos problemas se resuelven mediante el mtodo o algoritmo
Simplex.
Por los problemas planteados anteriormente, se observa que es muy variable el nmero de
incgnitas y de restricciones.
En la representacin de la forma general del problema se observa que:
a) El nmero de incgnitas es n (variables de decisin)
b) El nmero de restricciones es m (inecuaciones)
Tanto en la funcin objetivo como en las restricciones existir el mismo nmero de
coeficientes que de incgnitas, toda vez que cada variable lleva un coeficiente. Siendo la
representacin de la funcin objetivo cualquiera, la siguiente:
(MAX) = C1X1 + C2 X2 + C3 X3 + . . . + Cn Xn
donde C1, C2, C3, . . ., Cn son coeficientes de la incgnita o variable de decisin, por lo tanto
datos conocidos del problema.
Para distinguir los coeficientes de la funcin objetivo con la de las restricciones, se simboliza
estos ltimos por medio de a minscula, la misma que estar dotadas de dos subndices: aij
donde el subndice i indica la restriccin a la que pertenece y el subndice j indica la
incgnita a la cual esta afectando, as a53 es coeficiente que afecta a la quinta restriccin y a
la tercera variable de decisin X3. En general aij ser coeficiente de la restriccin isima y
de la j sima incgnita o variable de decisin.
4.2.1 CASO DE MAXIMIZACIN
Analizando la representacin general del modelo de maximizacin:
49
Excelencia Acadmica
sujeto a
a11X1 + a12X2 + . . . + a1nXn + Xn+1 = b1
a21X1 + a22X2 + . . . + a2nXn + Xn+2 = b2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
am1X1 + am2X2 +. . .+ amnXn + Xn+m = bm
Luego para obtener la solucin del problema se debe hacer la ordenacin siguiente:
a) Invertir las ecuaciones, es decir poner como primer miembro bi, b2, . . . , bm
b) Como primer trmino se toman las variables de HOLGURA Xn+1 , Xn+2, Xn+3, . . . , Xn + m
quedando el problema as:
(MAX) R = 0Xn+1 + 0Xn+2 +...+ 0 Xn+m + C1X1 + C2X2 +... + CnXn
b1 = Xn+1
b2 = Xn+2
.
.
.
bm =
50
s. a.
+ a11X1 + a12X2 + . . . + a1nXn
+ a21X1 + a22X2 + . . . + a2nXn
.
.
.
.
.
.
.
.
.
Xn+m + am1X1 + am2X2 + . . . + amn Xn
Excelencia Acadmica
Elaborndose luego el cuadro SIMPLEX en el que figuren los valores conocidos del
problema y las incgnitas.
CUADRO SIMPLEX.Este cuadro est formado de cinco columnas y cinco filas.
Cj
0
0
.
.
.
0
Xn+1
Xn+2
.
.
.
Xn+m
0
0 . . . 0
B Xn+1 X n+2 . . . Xn+m
B1 1
0 . . . 0
1 . . . 0
B2 0
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 1
bm 0
C1
X1
a11
a21
.
.
.
am1
C2
X2
a12 .
a22 .
.
.
.
am2 .
.
.
.
.
. . Cn
. . Xn
. a1n
. a2n
.
.
.
. . amn
Zj
Zj - Cj
Excelencia Acadmica
La fila (1) est conformada por Cj, coeficiente de las variables de HOLGURA y por los
coeficientes de la funcin objetivo.
La fila (2) y la columna (3) se encuentra (B), que representa a todos los valores de bi (b1, b2, .
. ., bm).
Luego en la fila (2) y columna (4) se encuentra la representacin de las variables de
HOLGURA.
Por ltimo en la fila (2) y la columna (5) se asignan las variables de decisin X1, X2, . . ., Xn
En la fila (3) se encuentran primero: en la fila (3) columna (1) las coeficientes de las
variables de Holgura, segundo: en la fila (3) columna (2) estn las variables de HOLGURA,
tercero en la fila (3) columna (3) se encuentran los valores de B; : b1, b2 , . . ., bm; en (3) (4)
se encuentran la matriz identidad conformada por tantas variables de HOLGURA como
restricciones hay ; en (3) (5) se encuentra la matriz conformada por los coeficientes del
primer miembro de las restricciones.
La (4) Zj est conformada por el producto de las coeficientes de las variables de
HOLGURA por todos los valores que se encuentran en la fila (3) sumados en forma
perpendicular de arriba hacia abajo.
Fila (S); Zj Cj Cj Zj segn sea el caso, est formado por estas diferencias a todo lo largo
de la fila.
SOLUCIN DE PROBLEMAS
(CASO MAXIMIZACIN)
Ejemplo #1.- se tiene el siguiente problema de maximizacin. Resolver por el mtodo
Simplex.
(MAX) R= 2X1 4X2 +5X3 6X4
s.a
X1 + 4X2 2X3 + 8X4 < 2
-X1 + 2x2 + 3X3 + 4X4 < 1
=2
Excelencia Acadmica
+ X6 = 1
X5
X6
Zj
Zj - Cj
0
B X5
2
1
1
0
0
0
0
0
X6
0
1
0
0
2 - 4
X1 X2
1
4
-1
2
0
0
-2
4
5 - 6
X3 X4
-2
8
3
4
0
0
-5
6
53
Excelencia Acadmica
El siguiente paso es encontrar, que variable de las seleccionadas para la primera solucin
debe dejar su lugar a X3 para identificar la variable que sale de la primera solucin se
procede de la siguiente manera:
1. De la columna seleccionada X3 solamente se considera los elementos positivos, en
este caso (3), no as el (-2).
2. Se obtiene los cocientes de los elementos de la columna B, entre el elemento
correspondiente en X3.
3. se subraya el rengln que tenga el menor cociente, en este caso es (-5).
4. En caso de empate entre dos renglones o mas, se calculan los cocientes con los
elementos de la siguiente columna de B, es decir de Xn+1; si se repite el empate se
tomarn los elementos de Xn+2 y as sucesivamente hasta que aparezca el empate.
Para pasar a la siguiente etapa, se da el nombre de Pivote al elemento que se encuentra
en la interseccin de la columna y fila solucionada. (en este caso el Pivote es 3). A los
otros elementos de la columna solucionada, se les llama SEMIPIVOTES (en este ejemplo
SEMIPIVOTE es 2), de igual manera se seala la fila seleccionada (variable que sale de
la solucin), dicha salida se indica por medio de una flecha ().
La nueva etapa se inicia llamando la segunda columna del cuadro con las variables que
forman la nueva solucin: X2 y X3. la primera columna del cuadro estar conformada por los
coeficientes que estas variables tienen en el problema o sea 0,5. en esta etapa se indica la
segunda fila con una flecha () (fila de X3), para hacer notar que es la variable entrante.
Enseguida se procede a llenar la fila de la variable entrante a partir de la tercera columna,
de la manera siguiente: en lugar de cada elemento de la etapa anterior, se coloca el
cociente que resulta de dividir entre el Pivote.
Para el primer elemento: 1/3 =1/3 que es la cantidad que figurar en la segunda etapa en
lugar de 1. para los dems elementos : 0/3 = 0; 1/3 = 1/3; -1/3 = -1/3 ; 2/3 = 2/3; 3/3 =1 y 4/3 =
4
54
X5
X3
0
X5
1/
0
X6
2 - 4
X1
X2
5 - 6
X3 X4
1/3
-1/3
2/3
4/3
Excelencia Acadmica
Para llenar la fila 1 se procede de la siguiente manera: cada elemento de la nueva etapa es
igual al elemento correspondiente en la etapa anterior, menos el producto del SEMIPIVOTE
por el elemento de la fila entrante de la misma columna que est calculando, es decir, para
calcular el primer elemento de la columna B en la segunda etapa, se selecciona el primer
elemento de dicha columna en la primera etapa que es 2 y se resta el producto del
SEMIPIVOTE, que es 2 por el elemento de la fila entrante que est en la misma columna
(en este caso 1/3), o sea 2-(-2*1/3) = 2+2/3 = 8/3. para los restantes elementos de dicha fila
se tiene : 1-(-2*0) = 1; 0-(-2*1/3) = 2/3; 1-(-2*-1/3) = 1/3 ; 4-(-2*2/3) =
16
= 32/3 para llenar las filas Zj y Zj-Cj, se procede de la misma forma que en la primera etapa.
Cj
0
0
X5
X6
Zj
Zj - C j
0
X5
5
X3
Zj
Zj - Cj
B
2
1
0
8
/3
/3
5
/3
1
0
X5
1
0
0
0
1
0
0
0
0
2
X6 X1
0
1
1 -1
0
0
0 -2
2
1
/3
/3
1
-1
/3
/3
5/3 -5/3
5/3 -11/3
-4
X2
4
2
0
4
16
/3
2
/3
10
/3
22
/3
5
X3
-2
3
0
-5
0
1
5
0
-6
X4
8
4
0
6
32
/3
4
/3
20
/3
38
/3
Al inspeccionar en el cuadro, la fila Zj - Cj se nota que todava hay un nmero negativo que
identifica a una variable que debe entrar a la nueva solucin (en este caso es 11/3 que
identifica a la variable X1
Como el elemento positivo en la columna correspondiente es 1/3 se debe calcular el
cociente B/X1 ; obtenindose 8/3 1/3 = 8 ; resultando que X1 entrar en vez de X5 en la
nueva solucin. As identificando con un crculo el PIVOTE que es 1/3 y el SEMIPIVOTE que
es 1/3.
Las tres etapas de la solucin del problema se muestra a continuacin
Cj
I
II
I
0
0
X5
X6
Zj
Zj - C j
0
X5
5
X3
B
2
1
0
8
/3
/3
0
X5
1
0
0
0
1
0
0
X6
0
1
0
0
2
/3
1
/3
2
X1
1
-1
0
-2
1
/3
-1
/3
-4
X2
4
2
0
4
16
/3
2
/3
5
X3
-2
3
0
-5
0
1
-6
X4
8
4
0
6
32
/3
4
/3
55
Excelencia Acadmica
II
Zj
Zj - Cj
2
X1
5
X3
Zj
Zj - Cj
/3
8
3
31
0
0
3
1
11
11
5/3
5/3
2
1
9
9
-5
/3
/3
-11
1
0
2
0
10
/3
/3
16
6
62
66
22
5
0
0
1
5
0
20
/3
/3
32
12
124
130
38
+ X3 < 12
X4
4=
+ X1 X2 X3
X5
12 =
+ 0X1 + X2 X3
X6
X1 + 0X2 + X3
algoritmo Simplex:
Cj
I
I
II
56
0
0
0
0
X4
X5
X6
Zj
Zj - C j
4
X1
0
X5
0
X6
Zj
B
8
4
12
0
8
4
4
32
X4
1
0
0
0
0
1
0
-1
4
0
X5
0
1
0
0
0
0
1
0
0
0
X6
0
0
1
0
0
0
0
1
0
4
X1
1
0
1
0
-4
1
0
0
4
-2
X2
-1
1
0
0
2
-1
1
1
-4
3
X3
-1
-1
1
0
-3
-1
-1
2
-4
Excelencia Acadmica
II
Zj - Cj
4
X1
0
X5
3
X3
Zj
Zj - Cj
10
6
2
46
-
-
0
0
1
0
0
0
El menor negativo en
7
/2
7
/2
0
1
0
0
4
0
-2
-
3
/2
-
3
/2
-7
0
0
1
3
0
Zj Cj = -4
8/ = 8
1
12/ = 12
1
X5 = 6 VARIABLE
DE HOLGURA
X3
+ X1 + 2X2
1800 = X4
400 =
+ 3X1 + 2X2
X5
+ 0X1 + 1X2
Cj
I
II
I
II
III
0
0
0
0
X3
X4
X5
Zj
Zj - C j
0
X3
0
X4
4
X2
Zj
Zj - Cj
3
X1
0
X4
4
X2
Zj
B
1000
1800
400
0
200
1000
400
1600
200
400
400
2200
X3
1
0
0
0
0
1
0
0
0
0
1
-3
0
3
Resolviendo:
0
X4
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
X5
0
0
1
0
0
-2
-2
1
4
4
-2
4
0
-2
3
X1
1
3
0
0
-3
1
3
0
0
-3
1
0
0
3
4
X2
2
2
1
0
-4
0
0
1
4
0
0
0
1
4
57
Excelencia Acadmica
III
Zj - Cj
3
X1
0
X5
4
X2
Zj
Zj - Cj
3
-
- 3/4
3
/2
3
/2
400
100
300
2400
0
-2
1
-
0
0
0 0
1000/2 = 500
200/1 = 200
400/4 = 100
1800/2 = 900
100/1 = 333,33
400/1 = 400
0
1
0
0
3
0
0
0
0
1
4
0
1800 =
100
+ 0 +300 = 400
400 =
Ejemplo # 4
Dado el siguiente problema, resolver analticamente utilizando el mtodo Simplex de P.L:
(MAX) R = 6X1 + 4X2 + 2X3
s.a
2X1 + 4X2 + 2X3 < 20
2X1 + 2X2 + 4X3 < 18
4X1
+ 6X3 < 24
58
X4
Excelencia Acadmica
59
Excelencia Acadmica
Resolviendo el problema:
Cj
I
II
I
II
0
0
0
B
20
18
24
0
X4
X5
X6
Zj
Zj - C j
0
X4
0
X5
6
X1
Zj
Zj - Cj
4
X2
0
X5
6
X1
Zj
Zj - Cj
8
6
6
36
2
2
6
44
0
X4
1
0
0
0
0
1
0
0
0
0
-
0
1
1
0
X5
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
X6
0
0
1
0
0
-
-
3
/2
3
/2
-1/8
1
1
4
X1
2
2
4
0
-6
1
0
1
6
0
0
0
1
6
0
4
X2
4
2
0
0
-4
4
2
0
0
-4
1
0
0
4
0
2
X3
2
4
6
0
-2
1
3
/2
9
7
1
/8
3
/2
19
/2
15
/2
Entonces X1 = 6 ; X2 = 2 X3 = 0; X4 = 0 y X5 = 2
Reemplazando estos valores en el problema original, satisface las condiciones del mismo.
(MAX) R = 6 (6) + 4(2) + 2(0) = 44
s.a
20 =
18 =
24 =
2
0
X5 = 2 Variable de HOLGURA
Entonces, los valores encontrados satisfacen las condiciones del problema original.
ACTIVIDAD 4.3
Resolver los siguientes ejercicios:
1)
60
2) (MAX) R = X1 + 4X2 - X3
s.a.
X1 X2 < = 8
X2 X3 < = 4
X1 + X2 <= 12
Excelencia Acadmica
3)
4) (MAX) R =
s.a.
4)
X1 X2 + X3
s.a.
X1 X2 X3 < = 2
2X1 + X2 < = 4
X2 X3 < = 4
X1 X3 < = 3
X2 + X3 < = 6
X2 X3 < = 8
6)
s.a.
s.a.
X1 + X2 < = 6
X2 X3 < = 3
X1 + X2 + 4X3 < = 10
X3 < = 4
B
b1
b2
.
.
.
bm
0
Xn+1
1
0
.
.
.
0
0
Xn+2
0
1
.
.
.
0
. . .O
. . . Xn+m
. . .O
. . .O
. . . .
. . . .
. . . .
. . .1
C1
X1
a11
a21
.
.
.
am1
C2 . . .
X2 . . .
a12 . . .
a22 . . .
. . . .
. . . .
. . . .
am2 . . .
Cn
Xn
a1n
a2n
.
.
.
amm
Excelencia Acadmica
REQUERIMIENTO
PESO
UNID. A
UNID. B
Costo / Unid.
MATERIA PRIMA
DISPONIBILIDAD
A
B
5
10
150
1
0
20
0
1
14
$2
$8
X2 > 14
150
X1 + 0X2 + X4
0X1 +
X2 X5
20
14
= 150
X4
= 20
Excelencia Acadmica
0X1 +
X2
-X5 + MX6
= 14
Ordenando el problema :
( MIN ) K = MX3 + 0X4 0X5 + MX6 + 2X1 + 8X2
s. a.
150 = MX3
20 =
5X1 + 10X2
X4
14 =
X1 + 0X2
X2
M
0
M
X3
X4
X6
Zj
Z j - Cj
B
150
20
14
M 0 M
X3
1
0
0
X1 X 2
5 10
1
0
0
1
164M M
0
X4
0
1
0
X6
0
0
1
X5
0
0
-1
0
0
M
0
-M 5M 11M
-M 5M 11M
-2 -8
Excelencia Acadmica
12 =
X4
18 =
20 =
Cj
0
X4
1
0
0
B
12
18
20
0
X5
0
1
0
4
X1
2
4
8
2
X2
2
6
4
6
X3
2
2
2
El cuadro no cuenta con una matriz unidad de 3 x 3, que es condicin necesaria para dar
solucin al problema.
Para subsanar este percance, se acude al uso de las variables ARTIFICIALES, que en la
solucin final tendrn valor cero. La variable artificial indicada es X6 cuyo coeficiente ser
M por tratarse de un problema de maximizacin
Siendo la primera iteracin en el cuadro Simples, el siguiente:
Cj
0 X3
O X4
M X6
Zj
Zj - Cj
B
12
18
20
-20 M
0
X3
1
0
0
0
0
O
X4
0
1
0
O
0
-M
X5
0
0
1
-M
0
4
X5
2
4
8
-8M
-8M-4
2
6
X1
X2
2
2
6
2
4
2
-4M
-2M
-4M-2 -2M-6
Cj
I
II
I
II
64
0
0
M
X4
X5
X6
Zj
Zj - Cj
0
0
4
X4
X5
X1
Zj
Zj - Cj
6
X3
0
X5
4
X1
Zj
Zj - Cj
B
12
18
20
-20M
7
8
2,5
10
4,67
3,33
1,33
33,34
0
X4
1
0
0
0
0
X5
0
1
0
0
-M
X6
0
0
1
-M
1
0
0
0
0
2
/3
- 2/3
- 1/6
10
/3
10
/3
0
-
1
-
1
0
/8
1
0
/2
0 3/2+M
0
-1/6
1
-1/3
1
0
/6
-1
0
/3
0 -1/3+M
4
X1
2
4
8
-8M
-8M
-4
0
0
1
4
0
0
0
1
4
0
2
X2
2
6
4
-4M
-4M
-2
1
4
2
0
2
/3
10
/3
1
/3
16
/3
10
/3
6
X3
2
2
2
-2M
-2M
-6
3/2
1
1
-5
1
0
0
6
0
Excelencia Acadmica
480 =
X4
320 = -X5
0
B X4
0 X4 480 1
0 X5 320 0
Zj
Zj - Cj
0
X5
0
-1
12 4
X1 X2
4 24
0 4
16
X3
12
16
Al aadir en la segunda restriccin, una variable artificial X6, con coeficiente igual a M , se
da solucin a dicho percance. Entonces el nuevo modelo formado ser:
(MAX) R = 0X4 - MX6 0X5 + 12X1 + 4X2 + 16X3
s.a
65
Excelencia Acadmica
Cj
II
II
II
II
O
M
B
480
320
X4
X6
-320M
Zj
Zj - Cj
0
X4
16 X3
Zj
Zj - Cj
12 X1
16 X3
Zj
Zj - Cj
240
20
320
60
20
1040
0
X4
1
0
0
0
1
0
0
0
0
3
3
-M
X6
0
1
-M
0
-3
/4
-1
/16
1
1+M
-3
/16
1
/16
-5
/4
-5
/4+M
0
X1
0
-1
M
M
-1
/16
-1
-1
3
/16
-1
/16
5/4
5/4
12
4
16
X1
X2
X3
4
24
12
0
4
16
O -4M-4 -16M-16
-12 -4M-4 -16M-16
4
21
0
0
1
0
4
16
-12
0
0
21
1
/4
0
0
1
12
67
16
0
63
0
PROBLEMAS DE MINIMIZACIN
(METODO SIMPLEX)
con X1 = X2 > 0
Excelencia Acadmica
Como primera medida se resta las variables de HOLGURA de cada una de las restricciones,
con la finalidad de convertir las desigualdades o inecuaciones en igualdades o en
ecuaciones. Las variables de HOLGURA son : X3 , X4 y X5, respectivamente.
(MIN) R = 2500X1 + 3500X2 + 0X3 + 0X4 + 0X5
s.a
50X1 + 70X2 X3
5X1 + 3X2
2X1 + 4X2
= 2500
-X4
= 150
-X5 = 120
B
2500
150
120
0
X3
-1
0
0
0
X4
0
-1
0
0 2500 3500
X5 X1
X1
0 50
70
0 5
3
-1 2
4
La matriz unitaria (identidad) formada por la variables de HOLGURA X3 , X4, y X5 no cumple con la condicin
necesaria, sus coeficientes son 1 , -1 , -1 respectivamente, en vez de 1,1,1.
En este caso ser necesario el uso de tres variables artificiales, sin embargo, se puede hacer uso de un artificio
que consiste en :
a)
Identificar de las restricciones existentes aquella que tenga mayor valor bi.
b)
Reemplazar cada restriccin restante por la diferencia del mayor valor bi y la restriccin correspondiente
en forma ordenada.
Los valores de bi son 2500 >150 >120, siendo la restriccin de mayor valor bi, la primera de las restricciones.
Esta restriccin permanecer invariable en el problema.
(MIN) K = 0X3 + 0X4 + 0X5 + 2500X1 + 3500X2
> Valor bi
2500 = -X3
150 =
120 =
-X4
-X5
Excelencia Acadmica
I)
I)
2500
-(150
-X3
-X4
2350
- X3 + X4
2500
-(120
-X5
2380
- X3 + X5
-X3
X3
X4 X3
X5 X3
+ 50 X1 + 70X2 (A)
+ 45X1 + 69 X2 (B)
+ 48X1 + 66X2 (C*)
Cj
M
X6
1
0
0
B
2500
2350
2380
0
X4
0
1
0
0
X5
1
0
1
0
X3
-1
-1
-1
2500
X1
50
45
48
3500
X2
70
69
66
Zj
Zj - Cj
M
X6
1
0
0
M
Zj - Cj
0
X4
0
1
0
0
0
0 0
X5 X3
0 -1
0 -1
1 -1
0 -M
-M
0
2500
3500
X1
X2
50
70
45
67
48
66
50M
70M
50M
70M
-2500 -3500
En Zj Cj los valores positivos son; cuando M = 4000, (50M 2500) y (70M 3500)
seleccionando a 70 3500 porque M al tomar el mayor valor numrico del problema,
68
Excelencia Acadmica
entonces 70 (3500) 3500= 241500 > 50 (3500) 2500 = 172500, lo que identifica a la
variable X2 como candidata a entrar en la nueva solucin. El criterio para buscar la variable
que sale de la solucin es el mismo que en la maximizacin, obtenindose el cociente de
cada elemento de B entre el correspondiente elemento de la variable que entra, siempre y
cuando estos sean positivos.
Resolviendo el problema de manera ntegra:
Se tiene los PIVOTES identificados como 67 en la primera iteracin y 2.99 en la segunda
iteracin.
M
B
2500
2350
2380
X6
X4
X5
X3
1
0
0
0
1
0
0
0
1
-1
-1
-1
50
45
48
70
67
66
2500M
-M
50M
70M
0
1
0
0
0
-1,045
1/
67
0,985
0
0
0
0
M -1,045 M
+ 52,24
0,045M 2,99M
3500
52,24 +2350,75
0 -1,045 M
+ 52,24
-0,045M (2,99M+2350,75) 0
-52,24
- 2500
0, 015
1
0
-0,016
0
1
-0,07
0
0
Cj
I
M
0
0
II
I
X6
X4
X5
Zj
Zj - Cj
M
X6
3500 X4
0
X5
Zj
45,1
30,07
65,38
45,1 M
+
122745
Zj - C j
II
2500 X1
3500 X2
0
X5
Zj
Zj - C j
50
2500
0,045
-1/67
-1,01
3500
X1
2,99
45/
67
3,67
X2
0
1
0
-50
2500
3500
50-M 0
-50
con decimales:
69
Excelencia Acadmica
X5 = 10 = V.H.
Ejemplo II)
Resolviendo el problema planteado nmero 1, dado en el captulo anterior de Variables Artificiales, cuyo
ordenamiento fue el siguiente:
(MIN) K = 2X1 + 8X2 + MX3 + 0X4 + 0X5 + MX6
s.a
5X1 + 10X2
+ X3
X1 + 0X2
= 150
+ X4
0X1 + X2
= 20
-X5 + X6
= 14
Ordenando para resolver el problema usando en este caso dos variables artificiales
(MIN) K = MX3 + 0X4 + MX6 MX6 0X5 + 2X1 + 8X2
s.a
150 =
X3
20 =
+ 5X1 + 10X2
X4
14 =
+ X1 + 0X2
X6 X5
+ 0X1 +
X2
Cj
I
II
I
II
70
M
0
M
X3
X4
X6
Zj
Zj - Cj
M X3
0
X4
8
X2
Zj
Zj - C j
0
X5
M
B
X3
150
1
20
0
14
0
164M
M
0
10
1
20
0
14
0
110M+112 M
0
1
1
/10
0
M
X4
X6
0
0
1
0
0
1
0
M
0
0
0
-10
1
0
0
1
0 -10M+8
0 -11M+8
0
-1
0
2
8
X5
X1
X2
0
5
10
0
1
0
-1
0
1
-M 5M
11M
-M 5M-2 11M-8
10
5
0
0
1
0
-1
0
1
10M-85M
8
10-8 -2
0
1
Excelencia Acadmica
II
III
0
8
X4
X2
20
15
Zj
Zj - C j
2
X1
0
X4
8
X2
Zj
Zj - C j
120
2
18
14
116
0
/10
4
/5
4
/5
1
/5
-1/5
0
2
/5
2
/5-M
1
1
0
0
0
0
1
0
0
0
0
0
0
-M
-2
2
1
4
4-M
0
0
0
0
2
-2
-1
-4
-4
4
2
1
0
0
2
0
0
1
8
0
0
0
1
8
0
X4 = 18 V.H
Ejemplo III)
Una persona enferma necesita cierta cantidad diaria de 2 vitaminas. Las vitaminas son B y C
los que se encuentran en dos alimentos diferentes R1 y R2.
Un kilogramo de R1 contiene dos unidades de B y tres unidades de la vitamina C. Un
kilogramo de R2 contiene 4 unidades de la vitamina B y de C dos.
Es muy importante disponer en forma diaria de la vitamina B por lo menos de 40 unidades y
de C por lo menos de 50 unidades.
Determinar las cantidades ptimas de alimentos R1 y R2 que deben ser compradas, de tal
manera que las necesidades diarias de vitaminas sean satisfechas y simultneamente, se
minimice el costo de compra, sabiendo que los costos por kilogramo de R1 y R2 son S/ 3.00
y S/2,50 respectivamente.
Para el planteamiento del problema es necesario seguir los pasos siguientes (recordando
cap. Anteriores)
1. Identificar las variables de decisin.
2. Identificar los requerimientos y las disponibilidades.
3. Formar la matriz de los requerimientos y las disponibilidades.
4. Identificar los costos o los beneficios segn el caso.
5. Plantear el problema.
1) X1 = Cantidad de alimento R1 que se debe comprar.
71
Excelencia Acadmica
Disp.
a) Vitamina B
40 unid. de B
b) Vitamina C
50 unid. De C
ALIMENTOS
DISPONIBILIDAD
R1
R2
2
4
3
2
S/3,00 S/ 2,50
40
50
Identificando la restriccin de mayor bi, luego restando de esta las dems restricciones.
50 =
- (40) =
10 =
72
Excelencia Acadmica
Cj
I
0
M
I
II
II
X3
X5
Zj
Zj - Cj
3 X1
M X5
Zj
Zj - Cj
3 X1
2,5 X2
Zj
Zj - Cj
0
X3
1
0
50M
0
0
10
1
20
-3
30+20M
3-3M
3-3M
15
-3
2,5
/8
-1,5
51,25
8
-1,5
8
B
10
50
M
0
3
2,5
X5
X4 X1
X2
0
-1
1
-2
1
-1
3
-2
M
-M 3M
2M
0
-M 3M-3 2M-2,5
0
-1
1
-2
1
2
0
8
M
-3+2M 3 -2+8M
0
-3+2M 0 -8,5+8M
1
0
0
1
/8
8,5
-3,5
3
2,5
8
4
8,5-M -3,5
0
0
8
4
73
Excelencia Acadmica
Ejemplo IV)
Resolver el siguiente problema:
(MIN) K 2X1 + X2 + 2X3
s.a
2X1 + 16X2
2X1
> 30
+ 4X3
4X1 + 2X2
> 22
> 40
22 =
-X5
40 =
40 =
10 = X4
40 =
-(22 =
-X5
18 =
(C)
-(30 = -X4
X5
_
(A*)
(C)
(B)
X4
X5
X7
74
Excelencia Acadmica
Cj
B
10
18
40
0
0
M
X4
X5
X7
40M
Zj
Zj - Cj
I
II
2
0
M
X1
X5
X7
5
8
20
10+ 20 M
Zj
Zj - C j
II
2
1
M
17
X1
X2
X7
/2
17,5+ 5M
Zj
III
Zj - C j
III
2
1
2
X1
X2
X3
9,67
2
/3
2
/3
21,333
Zj
Zj - C j
10/
25
0
X4
1
0
0
0
0
X5
0
1
0
0
M
X7
0
0
1
M
-1
-2
1-2M
0
1
0
0
0
0
1
M
1-2M 0
0
0
1
/16
/16
1
/8
-1
/16
/16
-15
/8
1
1/161/8M
15/16 - M
15/8
1/161/8M
15/16 - 0
15/8
/30
-1/5
-1
/60
-1
/15
-1
/15
7
0
/30
1
0
/30
-1
/4 -2/15
-1
/2 23/30
-1
/2 23 -M
30
=5
8/
20/
18/
=9
40/
= 10
16
0
2
X6 X1
-1 2
-1 2
-1 4
-M 4M
-M 4M
-2
-1/2 1
0
0
1
0
-1
2
+M
-1
0
+M
1
0
0
1
0
-1+M 2
-1+M 0
-4
/15
/30
2
/15
-7
/30
-7
/30
1
1
0
0
2
0
1
2
X2 X3
-14 0
2 -4
2 0
2M 2
2M -2
-1
-7 0
16 -4
30 0
-14 0
+30M
-15 -2
+30M
0 -7/4
1 -1/4
0 15/2
1 -15/4
+15
/2M
19
0 - /4
+15
/2M
0 0
1 0
0 1
1
2
0
0
= = 0,5
30
= 2/3 = 0,67
2(9,67) + 16(2/3) = 30
2( 67) + 4(2/3) = 22
4(9,67) + 2(2/3) = 40
75
Excelencia Acadmica
Donde cumple con las condiciones del problema, as obtenindose el importe deseado de la
funcin.
N 4.3
NOTA: La Auto evaluacin se dar en la tutora presencial
Dado los siguientes problemas planteados, resolver utilizando el algoritmo simplex:
1.-
2.-
s. a.
s. a.
X1 + X2 130
X2 190
200X1 +
2X1
50X2 200
X1 + 3X2 200
X1 + 2X2 170
3.-
4.-
s.a.
s.a.
2X1 + 16X2 30
10X1 +
2X1 + 4X2 22
4X1 + 2X2 40
5.-
X2 +
2X1
+ 4X2 + 6X3 50
X1
76
3X2 + 8X3 +
+ 2X2 + 3X3 40
X3 +
2X4 5
37X4 30
X4 1
Excelencia Acadmica
77
Excelencia Acadmica
PROGRAMACIN DUAL
La Programacin Lineal puede usarse para resolver una extensa variedad de problemas propio de los
negocios, ingeniera, administracin, economa, etc. ya sea maximizando utilidades o minimizando
costos.
Las variables de decisin en tales problemas fueron, por ejemplo el nmero de mesas a producir, la
cantidad de dlares a emplear sobre diferentes medios publicitarios y mucho ms. En cada caso la
solucin ptima reporta como podran ser asignados los recursos. Ejemplo: materia prima, capacidad
de las mquinas, el dinero, obtener un objetivo establecido, etc.
Esta vez se podr notar como a cada problema de Programacin Lineal se le asocia otro problema de
Programacin Lineal, llamado EL PROBLEMA DE PROGRAMACIN DUAL. La solucin ptima del
problema dual proporciona los precios en el mercado o los beneficios de los recursos escasos
asignados en el problema original.
La solucin ptima del problema dual aporta a la solucin ptima del problema original y VISIVERSA.
Esto quiere decir que a cada problema de Programacin Lineal se le asocia lo que es llamado un
problema de Programacin Dual.
Normalmente se llama al problema de Programacin Lineal, el problema de PROGRAMACIN
PRIMAL
Sabiendo el resultado de un problema primal, el problema de Programacin Dual es un problema de
precio, entonces el propsito es determinar los precios a los cuales la compaa o empresa debera
valorar sus recursos de tal manera que se puedan determinar el mnimo valor total al que estaran
dispuestos arrendar o vender los recursos, como algo pertinente.
Entonces se dir que el modelo primal es un problema de maximizacin, mientras que el modelo dual
es un problema de minimizacin. Las restricciones en el modelo primal son de la forma menos o igual
( < ) mientras que las restricciones en el modelo dual son de la forma mayor o igual que
( ).
78
Excelencia Acadmica
Ejemplo:
Dado el siguiente modelo primal de maximizacin:
PRIMAL
su dual ser:
DUAL
s.a
s.a
Existe un relacin entre los coeficientes y las constantes del lado derecho de los modelos.
Estas relaciones son tres:
RELACIN 1.- Las constantes del lado derecho (bi) del modelo primal son los coeficientes
de la funcin objetivo en el modelo dual:
MODELO PRIMAL
< 400
MODELO DUAL
K = 400 y1 + 500y2
< 500
RELACIN 2.- las constantes del lado derecho en el modelo dual son los coeficientes de las
variables de la funcin objetivo del modelo primal:
(MAX) R =
30X1 + 10X2
> 30
> 10
RELACIN 3.- Cada columna de los coeficientes de las restricciones en el modelo primal se
convierten en los coeficientes de la fila del modelo dual.
6X1
7X1
+
+
3X2
4X2
< 400
< 500
Es decir, los coeficientes de la columna 1 del modelo primal pasan a ser los coeficientes de
la fila 1 del modelo dual, y los coeficientes de la columna 2 del modelo primal pasan a ser
los coeficientes de la fila 2 de lo modelo dual.
Resumiendo se tiene:
MODELO PRIMAL
(MAX) R = 30X1 + 10X2
MODELO DUAL
(MIN) K = 400y1 + 500y2
79
Excelencia Acadmica
s.a
6X1 + 3X2 < 400
7X1 + 4X2 < 500
Siempre que X1 > 0 , X2 > 0
s.a
6y1 + 7y2 > 300
3Y1 + 4Y2 > 30
y1 > 0 , y2 > 0
X1
3
1
X2
2
2
Dispo.
2000
1000
$ 60 = respectivamente
Excelencia Acadmica
As como 3 horas de R1, ms 1 hora de R2 son necesarias para producir una computadora
del tipo A, el valor en termino de precio por recurso para dicha computadora es 3Y1 + Y2,
este precio debe ser al menos tan grande como la contribucin obtenida cuando una
mquina del tipo A es producida cuya utilidad es $ 400 = . Esto es: 3y1 + y1 > 40
Simultneamente: 2 horas de R1 y 2 horas de R2 son necesarias para producir una
computadora del tipo B, contribuyendo con este a los ingresos con $ 60=
Luego: 2y1 + 2y2 > 60
En resumen se tiene : siendo los precios y1 y y2
(MIN) K = 2000y1 + 1000y2
s.a
3y1 + y2 > 40 con y1 = y2 > 0
2y1 + 2y2 > 60
Comparando el modelo Primal con el Dual se tiene:
MODELO PRIMAL
(MAX) R = 40X1 + 60X2
s.a
3X1 + 2X2 < 2000
X1 + 2X2 < 1000
MODELO DUAL
(MIN) K = 2000y1 + 1000y2
s.a
2y1 + y2 > 40
2y1 + 2y2 > 60
Con X1 = X2 > 0
con y1 = y2 > 0
igualando e incrementando
las variables de HOLGURA
81
Excelencia Acadmica
Se tiene:
2000 = X3 + 3X1 + 2X2
1000 = X4 + X1 + 2X2
Resolviendo se tiene:
Cj
0
0
X3
X4
0
X3
1
0
0
0
1
0
0
0
-
5
5
B
2000
1000
0
Zj
Zj - Cj
0 X3 1000
60 X2
500
Zj
30.000
Zj - Cj
40 X1
500
60 X2
250
Zj
35.000
Zj - Cj
II
I
II
0
X4
0
1
0
0
-1
30
30
-
25
25
40
X1
3
1
0
-40
2
30
-10
1
0
40
0
60
X2
2
2
0
-60
0
1
60
0
0
1
60
0
2000/2 = 1000
1000/2 = 600
100/2 = 5000
50 = 1000
1
2
200-(2*500 = 1000
1-(2*0) 01
0-(2*) = -1
3-(2*) = 3-1= 2
2-(2*1) = 0
500-(*500) = 5000-500 = 250
2
0-(*) = -
- (*-) = + =
- ( *1) = 0
1 - ( *0) = 1
40 = - y3
60 =
0
0
y3
y4
B
40
60
-1
0
0
2000
1000
Y1
y2
3
2
1
2
1 Cuadro Simplex
Excelencia Acadmica
-(40) = -y3
+ 3y1 + y2)
20 = y3 - y4 - y1 + y2
Entonces las nuevas restricciones son:
20 = y3 - y4 - y1 + y2
60 0
- y4 +2y1 + 2y2
Aumentando una variable artificial al de mayor valor bi se tiene:
-y4 - y1 + y2
20 = y3
60 = y5 - y4 + 2y1 + 2y2
Resolviendo se tiene :
Cj
I
0
M
y3
y5
Zj
Zj - Cj
1000
M
II
0
y3
1
0
0
0
20
20
1
-2
y2
y5
Zj
Zj - Cj
II
B
20
60
60M
1000 y2
2000 y1
Zj
Zj - Cj
20000 1000
+20M -2M
1000
-2M
25
-
5
35.000 -500
-500
y1 = 5 ;
M
y5
0
1
M
0
2000
y1
-1
2
2M
2M200
0
-1
-1
1
4
-1000 -1000
M
+M +4m
-1000 -1000+4M0
2000
+M
-3/
0
750
-250 2000
750-M -250
0
y2 = 25
0
y4
-1
-1
-M
-M
1000
y2
1
2
2M
2M100
1
0
1000
0
20/
1
60/
2
= 20
=3
60-(2.20) = 60-40 = 20
0-(2.1) = -2
1-(2.0) = 1
-1-(2.-1) = -1+2 = 1
2-(2.-41) = 2+2 = 4
2-(2.1) = 0
20-(-1.5) = 20+5 = 25
1-(-1*- = 2-1 =
2
0-(-1*) =
-1-(-1*) = -1+ = -4+1 = -3/4
4
-1-(-1*1) = -1+1 = 0
1-(-1*0) = 1
1
0
1000
0
y3 = 0 y4 = 0 y5 = 0
MODELO DUAL
(MIN) K = $ 35.000
y1 = 5
y2 = 25
y3 = 0 y4 = 0
y5 = 0
M=0
Entonces resumiendo:
83
Excelencia Acadmica
Es necesario conocer como se deben construir los modelos dual a partir de los modelos
primal.
CASO I.Ejemplo # 1
MODELO PRIMAL
(MAX) R = 2X1 + 3X2 + 2X3
s.a
X1 + 2X2 + 3X3 < 4
2X1 + X2 + X3 < 6
donde : X1 > 0 ; X2 > 0 ; X3 > 0
Tambin se observa que el modelo primal tiene 3 variables de decisin y 2 restricciones.
MODELO DUAL
(MIN) K = 4y1 + 6y2
s.a
y1 + 2y2 > 2
2y1 + y2 > 3
donde y1 > 0 ; y2 > 0
3y1 + y2 > 2
Haciendo una comparacin de ambos modelos:
COEFICIENTES DE
LAS VARIABLES DEL
PRIMAL
(EN LAS
RESTRICCIONES)
X1
X2
X3
1
2
3
2
1
1
COEFICIENTES DE
LAS VARIABLES DEL
DUAL
(EN LAS
RESTRICCIONES)
y1
y2
1
2
2
1
3
1
CASO 2.Ejemplo # 2
MODELO PRIMAL
(MAX) R = - 10X1 + 20X2
s.a
84
Excelencia Acadmica
X1 + 2X2 < 4
2X1 3X2 > 6
Donde la segunda desigualdad es de la forma mayor o igual que, para hallar su dual primero
esta restriccin en la forma menor igual que, multiplicando por 1 ambos lados.
(-1) (2X1) 3X2) < (-1) (6)
-2X1 + 3X2 < -6
donde X1 = X2 > 0
X1 + 2X2 < 4
X1 + 2X2 > 4 X1 2X2 < -4
Luego el modelo primal nuevo ser:
(MAX) R = 10X1 + 20X2
s.a
X1 + 2x2 < 4
-X1 2X2 < -4
2x1 3X2 < 7 y su dual es:
(MIN) K = 4y1 4y2 + 7y3
s.a
y1 y2 + 2y3 > 10
donde y1 = y2 = y3 > 0
85
Excelencia Acadmica
86
Excelencia Acadmica
5.2
Ejemplo # 1
Modelo
Primal
Para determinar el modelo dual del modelo primal 1, se necesita cambiar a la forma
equivalente del problema de maximizacin de utilidades. Esto se logra reemplazarlo el costo
K = 10X1 20X2 + 10X3 por utilidad R = -10X1 + 20X2 10X3, obtenindose el siguiente
problema de P.L.
(MAX) R = -10X1 + 20X2 10X3
s.a
Modelo
Primal
X1 + X2 4X3 < 11
2X1 + 6X2 + 10X3 < 20
Modelo
Dual
donde y1 = y2 > 0
Ejemplo # 2
Determinar el modelo dual a partir del modelo primal siguiente:
(MIN) K = 10X1 20X2 + 10X3
s.a
Modelo
Primal (a)
X1 + 2X2 3X3 = 6
4X1 + 11x2 + 10X3 > 17
2X1 + 5X2 + 7X3 < 9
87
Excelencia Acadmica
Para determinar el modelo dual correcto, primero se pone el modelo primal (a) en forma
estndar y eso se logra de la manera siguiente:
1. Se multiplica los coeficientes de la funcin objetivo por (-1) para convertir la
minimizacin en maximizacin.
2. Reemplazar la primera restriccin por las siguientes restricciones equivalentes:
X1 + 2X2 3X3 < 6
-X1 2X2 + 3X3 < -6
3. Multiplicar la segunda desigualdad del modelo primal (a) por (-1) en ambos lados, de
tal manera que quede en forma menor o igual que:
- 4X1 1X2 10X3 < - 17
Excelencia Acadmica
planta en Jauja. El mximo nmero de herramientas de cada tipo que puedan producir, en
cada planta por da es: En Huancayo 100 de P, 10 de Q y de R cuatro. En Jauja pueden
producir 140 de P, de Q 6 y 8 de R.
Disponiendo de estos datos determinar los precios de alquiler de los recursos de la
empresa:
Planteando el problema se tiene:
X1 = # de herramientas producidas en Huancayo
X2 = # de herramientas producidas en Jauja.
REQUERIMIENTOS
(TIPOS DE
HERRAMIENTAS)
P
Q
R
Costos
X1
X2
100
10
4
5000
140
6
8
7000
DISPONIBILIDAD
5000
300
240
4X1 -
6X2 -300
-4X1
8X2 -240
donde K = -K
89
Excelencia Acadmica
PRIMAL
Excelencia Acadmica
En el dual:
Solucin:
PRIMAL
a) (MAX) R = 5X1 + 70X2
DUAL
(MIN) R = 2000y1 + 1000y2
s.a
s.a
3y1 + y2 > 5
2y1 + 2y2 > 70
0
0
y3
y4
B
2000
1000
Zj
0
Zj - Cj
0
X3 1000
70 X2
500
Zj
35.000
Zj - Cj
0
X3
1
0
0
X4
0
1
5
X1
3
1
70
X2
2
2
0
0
1
0
0
0
1
0
-1
35
35
0
-5
2
35
30
0
-70
0
1
70
0
luego :
2000 /2 = 1000
1000/2 = 500
2000-(2.500) = 2000-1000=1000
1 (2.0) = 1
0-(2.) = -1
3-(2.) = 3-1=2
2-(2.1) = 0
K = 35.000
X2 = 500
X1 = 0= X3 = X4 = 0
91
Excelencia Acadmica
MODELO DUAL
(MIN) R = 2000y1 + 1000y2
s.a
3y1 + y2 > 5
2y1 + 2y2 > 70
Ordenando y restando las variables de HOLGURA se tiene:
5 = -y3
+ 3y1 + y2
70 =
-y4 + 2y1 + 2y2
luego el tablero primal es:
B
5
70
y3
-1
0
y1
-1
2
y2
1
2
y4
0
-1
y1
3
2
y2
1
2
Zj
Zj - Cj
70M
0
y3
1000 y2
Zj
Zj - Cj
30
35
35.000
0
y3
1
0
0
0
1
0
0
0
y3
1
0
y4
0
1
y4
-1
-1
M
Y5
0
1
M
0 2000 1000
y4
y1
y2
-1
-1
1
-1
2
2
-M 2M 2M
2M- 2M0
-M
2000 1000
-
-
-2
0
-
1
1
500 -500 1000 1000
500-M -500 -1000 0
Ejemplo 02.- Una fbrica de artculos para el hogar produce dos artefactos: A y B . Ambos
pasan por tres procesos en el orden que a continuacin se indica: maquinado, armado y
montaje.
La disponibilidad de minutos diarios de cada proceso son: 450, 600 y 540 respectivamente.
El artefacto A deja un beneficio de $ 100/ unidad en tanto que el B proporciona $ 120/
unidad.
El cuadro de coeficientes de transformacin se indican a continuacin:
92
Excelencia Acadmica
REQUERIMIENTO
B:
MAQUINADO
ARMADO
MONTAJE
4
5
12
BENEFICIO
100 120
DISPONIBILIDAD
8
6
8
480
600
540
a)
b)
Si la empresa desea alquilar o vender sus recursos, a que precio lo hara esto?
0
X5
0
0
1
0
0
0
0
1
100
X1
4
5
12
0
-100
2
8
120
X2
8
6
8
0
-120
1
0
0
0
0
-1/16
-1/
4
1/
8
5
5
60
-40
0
0
1
100
0
120
0
1
0
0
120
0
480/8 = 60
600/6 = 100
540/8 = 67.5
600-(6.60) = 600-360 =240
0-(6.1/8) = -3/4
1-(6.0) = 1
0-(6.0) = 0
5-6.) = 5-3=2
6-(6.1) = 0
540 (8.60) = 540 480 = 60
0-(8.1/8) = -1
0-(8.0) = 0
1-(8.0) = 1
12-(8.) = 12-4 0 8
8-(8.1) = 0
EL DUAL SERA:
(MIN) R = 480y1 + 600y2 + 540y3
s.a
4y1 + 5y2 + 12y3 > 100
8y1 + 6y2 + 8y3 > 120
Eligiendo el mayor valor Bi:
100 = - y4
120 =
120 =
-(100 =
Excelencia Acadmica
20 = y4 y5
120 =
Cj
B
I
y4
y6
0
M
Zj
Zj - Cj
20
120
120M
I
480
M
y1
y6
II
Zj
480 y1
540 y3
Zj
Zj - Cj
y1 = 10
y3 = 5
94
0
y4
1
0
0
M
y6
0
1
M
80
2250
+80M
-2
120
-2M
120
-2M
1/
8
-1/8
Zj - Cj
II
+ 4y1 + y2 4y3
10
5
7,500
0
y5
-1
-1
-M
-1
1
0
4
16
-120
120 -480
M
480
+M
+4M +16M
-120
4M 16M
O
0
+M
-480 -1060
1/
-3/
1
0
16
16
1/
1/
0
1
16
16
-7,5 63,75 -56.25 480 255 540
-7,5
63,75
-26.25
-M
y4 = 0
y6 = 0
-35
y2 = 0
y5 = 0
20/4 = 5
120/8 0 15
120-(8.5) = 120=40=80
0-(8.1/4) = -2
1-(8.0) = 1
-1-(8.-1/4)=-1+2=1
8-(8.1)=0
6-(8.1/4)=6-2=4
8-88.1)=8+8=16
5-(-1.5)=5+5=10
-(1.-1/8) = 1 - 1 = 2-1 = 1
4 8
8 8
0-(-1.1/16)=-(-116)=1/16
-1/4-(1.1/16)=-1/4+1/16=-4+1
16
-/316
-1-(-1.0) =1
-(-1.1/4)= +1/4 =1/4
-1-(-1.1)=-1+1=0
Excelencia Acadmica
ANLISIS DE SENSIBILIDAD
En la prctica no solo interesa la solucin del problema propuesto, es necesario conocer
como cambia esta solucin si las condiciones iniciales del problema se modifican.
Ejemplo, si se cambian los coeficientes o tambin conocido como parmetros de la funcin
objetivo (Cj), los recursos disponibles (bi) y la cantidad de recursos (aij) las mismas que se
utilizan para producir una unidad de un producto. Estos cambios ejecutados en los
coeficientes indicados en la solucin ptima del problema son llamados ANLISIS DE
SENSIBILIDAD.
El Anlisis de Sensibilidad convierte la solucin esttica de Programacin Lineal en un
instrumento dinmico que evala las condiciones cambiantes. Es un instrumento de suma
utilidad para los negocios y la industria ya que estos estn sometidos a cambios continuos y
a una subsiguiente evaluacin.
En conclusin el anlisis de sensibilidad determina los rangos de variacin de los
coeficientes ci , bj y aij , para el que, la solucin como enunci originalmente, permanece
ptima. Se sabe que la solucin ptima para un modelo de P. L. Tiene dos partes:
a) Los valores ptimos de la variables de decisin
b) El valor ptimo de la funcin objetivo(mxima utilidad o mnimo costo).
Luego en resumen el anlisis de sensibilidad se refiere a la determinacin de los efectos
causados sobre la solucin ptima, por las variaciones en los parmetros.
Los parmetros en un modelo de P. L. Pueden ser ligera o incluso sumamente errneos,
debido a que muchas veces se basan sobre estimaciones que provienen de datos quizs no
muy confiables, o sobre buenas suposiciones.
Los parmetros que son estimados ms a menudo son:
1.- Los coeficientes (utilidad unitaria costo unitario) de las variables de la funcin objetivo.
2.- Los nmeros del lado derecho de las restricciones
3.- Los coeficientes de las variables de las restricciones
6.1 SENSIBILIDAD DE LOS COEFICIENTES DE LA FUNCIN
Los efectos de cambiar los coeficientes de la funcin objetivo se muestra en el siguiente
ejemplo:
95
Excelencia Acadmica
Una fabrica e artculos para el hogar manufacturero dos artefactos P y Q. Ambos pasa por 3
procesos en el orden que a continuacin se indica:
-
Maquinado
Armado
Montaje.
Cj
I
0
0
0
I
II
II
X3
X4
X5
Zj
Zj - Cj
120 X2
0
X4
X5
0
Zj
Zj - Cj
120 X2
0
X4
100 X1
Zj
Zj - Cj
B
480
600
540
0
60
240
60
7200
225/
4
225
15/
2
7,500
0
X3
1
0
0
0
0
1/
8
-3/
4
-1
0
X4
0
1
0
0
0
0
1
0
0
X5
0
0
1
0
0
0
0
1
100
X1
4
5
12
0
-100
2
8
Cuntos artefactos de A
y B deben producir para
obtener el mximo de
beneficios?
(MAX) K = 100X1 + 120X2
s.a
4X1 + 8X2 < 480
5X1 + 6X2 < 600
12 X1480/
+ 8X
2 < 540
8 = 60
120
600/6 = 100
X2
540/8 = 67.5
8
600-(6.60) = 600-360 =240
0-(6.1/8) = -3/4
6
1-(6.0) = 1
8
0-(6.0) = 0
5-6.) = 5-3=2
0
6-(6.1) = 0
-120
540 (8.60) = 540 480 = 60
1
0-(8.1/8) = -1
0-(8.0) = 0
0
1-(8.0) = 1
0
12-(8.) = 12-4 0 8
15
15
1/
16
1
-1/8
-5
-5
0
0
0
1
0
0
0
0
0
-1/16
-1/
4
1/
8
5
5
60
-40
0
0
1
100
0
120
0
1
0
0
120
0
A
B
4
8
5
6
12
8
100 120
DISPONIBILIDAD
480
600
540
EL DUAL SERA:
+ 4y1 + 5y2 + 12y3
100 = - y4
120 =
-y5 + 8y1 + 6y2 + 8y3
120 =
-y5 + 8y1 + 6y2 + 8y3
-(100 = -y4 + 4y1 + 5y2 + 12y3)
20 = y4 y5 + 4y1 + y2 4y3
+ 8y1 + 6y2 + 8y3
120 = +y6 - y5
96
8-(8.1) = 0
Excelencia Acadmica
Cj
0
y4
1
0
0
M
y6
0
1
M
80
2250
+80M
-2
120
-2M
120
-2M
1/
8
-1/8
I
y4
y6
0
M
Zj
Zj - Cj
20
120
120M
I
480
M
y1
y6
II
Zj
Zj - Cj
II
480 y1
540 y3
Zj
10
5
7,500
Zj - Cj
-1
1
0
4
16
-120
120 -480
M
480
+M
+4M +16M
-120
4M 16M
O
0
+M
-480 -1060
1/
-3/
1
0
16
16
1/
1/
0
1
16
16
-7,5 63,75 -56.25 480 255 540
-7,5
y1 = 10
y3 = 5
0
y5
-1
-1
-M
63,75
-26.25
-M
y4 = 0
y6 = 0
-35
20/4 = 5
120/8 0 15
120-(8.5) = 120=40=80
0-(8.1/4) = -2
1-(8.0) = 1
-1-(8.-1/4)=-1+2=1
8-(8.1)=0
6-(8.1/4)=6-2=4
8-88.1)=8+8=16
5-(-1.5)=5+5=10
-(1.-1/8) = 1 - 1 = 2-1 = 1
4 8
8 8
0-(-1.1/16)=-(-116)=1/16
-1/4-(1.1/16)=-1/4+1/16=-4+1
16
-/316
-1-(-1.0) =1
-(-1.1/4)= +1/4 =1/4
-1-(-1.1)=-1+1=0
y2 = 0
y5 = 0
Si al valor del artefacto A se restara una cantidad R y entonces el problema se transforma en:
(MAX) K = (100-R) X1 + 120X2
s.a
4X1 + 8X2 < 480
5X1 + 6X2 < 600
12X1 + 8X2 < 540
Cj
I
0
0
0
I
X3
X4
X5
Zj
Zj - Cj
120 X2
0
X4
0
X5
Zj
Zj - Cj
B
480
600
540
0
60
240
60
7200
480 = X3
+ 4X1 + 8X1
600 = X4
+ 5X1 + 6X2
540 =
X5 + 12X1 + 8X2
0
X3
1
0
0
0
0
1/8
-
-1
15
0
X4
0
1
0
0
0
0
1
0
0
0
X5
0
0
1
0
0
0
0
1
0
15
(100-R)
X1
4
5
12
0
-100+R
2
8
60
60(100-R)
120
X2
8
6
8
0
-120
1
0
0
120
480/8 = 60
600/6 = 100
540/8 = 67.5
600-(6.60) = 600-360 = 24
0-(6.1/8) = -3/4
1-(6.0) = 0
5-(6.) = 5-3=2
6-(6.1) = 0
540-(8.6) = 540-480 =60
0-(8.1/8) = -1
0-(8.0) = 0
1-(8.0) = 1
12-(8.) = 12-4 = 8
8-(8.1) = 0
X3 = 0
X5 = 60
97
Excelencia Acadmica
+ 4X1 + 8X2
600 =
X4
540 =
+ 5X1 + 6X2
X5 + 12X1 + 8X2
Cj
0
0
0
X3
X4
X5
Zj
Zj - Cj
X2
120 X4
0
X5
0
B
480Q1
600
540
0
480+Q1
8
19.20+6Q
8
480+8Q
8
0
X3
0
X4
0
X5
(100-R)
X1
120
X2
1
0
0
0
1
0
0
0
1
4
5
12
8
6
8
0
0
0
0
0
0
0
-100
0
-120
1/8
-3/2
-1
0
1
0
0
0
1
2
8
1
0
0
Zj
Zj - Cj
480 + Q/8
600-(6.480+Q) = 600-2880+6Q
8
8
=
4800-2880+6Q
8
0-(6.1/8)=-3/2
1-(6.0) = 1
0-(6.0) =0
5-(6.) =5-3=2
6-(6.1) = 0
540-(8.480+Q) =540-3840+8Q
8
8
= 4320-3840+8Q
8
0-(8.1/8)
= 480+8Q
8
=-1
0-(8.0) =0
1-(8.0) =1
12-(8 )= 12-4 = 8
2000 = X3
1000 =
Cj
I
II
I
III
98
0
0
X3
X4
Zj
Zj - Cj
0
X3
60 X2
+ 3X1 + 2X2
X4
+ X1 + 2X2
0
X3
1
0
0
X4
0
1
40
X1
3
1
60
X2
2
2
0
0
0
0
0
-40
0
-60
1000
500
-1
B
2000
1000
Zj
Zj - Cj
40 X1
60 X2
30000
0
0
0
30
0
30
-10
1
60
0
500
250
1
0
0
1
Zj
Zj - Cj
35000
5
5
25
25
40
0
60
0
2000/2 = 1000
1000/2 = 500
2000-(2.500) = 1000
1-(2.0) = 1
0-(2.) = -1
3-(2.) = 3-1 = 2
1000/2 = 500
500
1
= 1000
2
500-( .500) = 500-250=250
0-( .) = 1 + = 2+1 =
2
4
1 - ( .1) = 1 - = 0
2
1- (.0) = 1
Excelencia Acadmica
Cunto tiene que decrecer los precios de venta del producto X1 con el fin de que se produzca solamente X2?.
Cj
I
0
0
X3
X4
0 0
B
X3 X 4
2000 1 0
1000 0 1
Zj
0
Zj - Cj
X3 1000
0
40-D 60
X1
X2
3
2
1
2
0
0
1
0
0
-1
0
-40
2
0
-60
0
500
Zj
3000
Zj - Cj
0
0
30 30 60
30 -10-D 0
60
X2
Si D = $8 -10+8 = -2 y
Si D = $12 -10+12 = 2 y
X1 = 0
6.2
II
X3
X4
0
0
B
2000+R
1000
0 0
X3 X4
1 0
0 1
40 60
X1 X2
3
2
1
2
Zj
Zj - Cj
0 X3
60 X2
0
0
0
0
0
0 -40 -60
1000R1
500
-1
Zj
30000
0
0
1
30 30 60
99
Excelencia Acadmica
II
Zj - Cj
40 X1 500+R1
60 X2 250- R1
-
-
Zj
35000+5R1
Zj - Cj
5
5
-10
1
0
0
1
25 40 60
25 0
0
X1 = 500 + R1
X2 = 250 + R1
(MAX) R = 35000 + 5R2
por tanto, X1 permanecer factible ya que R1 es positivo .
sin embargo X2 = 250 R1
permanecer no negativo a condicin de que R1 satisfaga la siguiente restriccin
250 R1 > 0
4 (250) > R1
R1 < 1000 horas
Entonces si R1 es menor que 1000, X2 permanece en la base con un valor positivo.
Ejemplo si R1 = 600 horas
X2 = 250 (600)
= 250 150
= 100 mquinas P.
X1 = 500+ R1
X1 = 500 + (600)
= 800 mquinas Q
X1 = 500 + R1
X2 = 250
X2 = 250 R1
Ingreso = 35000
100
= 35000 + 5R1
Excelencia Acadmica
Entonces el nuevo valor de X1 en la solucin modificada ser: X1 = 500 + R1, por tanto
permanecer factible ya que R es positivo.
Para X2 = 250 R1 no sucede lo mismo, ya que igualando 250 R1 0 entonces 4(
250 ) R1 R1 = 1000 horas. Por lo que el incremento de R es menor que 1000 entonces X2
permanecer en la base con un valor positivo.
Ejemplo: si R = 600 entonces X2 = 250 ( 600 )
= 250 150 = 100 mquinas
y X1 = 500 + ( 600 )
= 500 + 300 = 800 ( mquinas manuales )
Pero sin embargo, si R = 1200 horas ( 1000 horas ), entonces
Excelencia Acadmica
Ejemplo # 2.
Suponiendo que se incrementa el nmero de horas disponibles de b2 cada mes de 1000 a
1000 + R2.
Determinar el valor mas grande de R2, tal que sea ptimo para X1 y X2.
Para resolver el problema se usar la columna de X4 variable de HOLGURA y el valor final
del primal resuelto. Luego se dir:
X4
- x R2 + 500
= 500 R2
- x R2 + 250
= 250 + R2
25 x R2 + 35000 = 35000+ 25 R2
Segn el modelo
Original (primal resuelto)
Entonces hecho el incremento en b2 de una cantidad igual a R2, luego:
X1 = 500 R2
X2 = 250 + R2
Siendo el ingreso mximo = 3500 + 25 R2, luego comparando se tiene para cada variable:
X1 permanece no negativo si 500 R2 > =0, es decir, si
R2 < = 2(500) = 1000 para ello
X2 siempre es positivo para cualquier incremento positivo R2..
Por :
Dando valor entonces a R2 = 500 que es menor a 100, luego los valores ptimos de X1 y X2
son:
X1
X2
Ingreso
= 35000 + 25 (R2)
= 35000 + 25 (500)
= $ 47500
resultando un incremento 47500- 35000 = $12500
pero si R2 resultara mayor a 1000 o sea R2 = 1200 entonces
102
Excelencia Acadmica
lo que no es factible
Incremento
Rj
Ri
.
.
.
x
Ri
x
Ri
x
x
Valor Modificado
b1+a1 Rj
b2+a2 Ri
.
.
.
=
bm+am Ri
=
b + a Ri
=
=
N 6.1
a) Dado los siguientes problemas planteados, determinar el valor ptimo, del primal y del
dual, en forma analtica y con el uso del computador en el laboratorio, y luego haga un
comentario de los resultados hallados.
b) Haga el anlisis de sensibilidad de dos de los problemas propuestos, cuando exista una
disminucin en uno de los parmetros de la funcin objetivo y otro cuando exista una
disminucin en el lado derecho de las restricciones ( bi )
Excelencia Acadmica
X1 + 0X2 + 0X3 50
iii)
s. a.
s. a.
X1 - X2 X3 8
X2 X3 4
X3 12
iv)
s. a.
s. a.
X1 + 2X2 + X3 10
X1 + X2 - X3 2
X1 + X2 + 2X3 9
2X1 +
104
3X3 12
X2 X3 4
X1
+ X3 6
Excelencia Acadmica
PROBLEMAS DE ASIGNACIN
Los problemas de asignacin ocurren en muchos contextos de la produccin. En general,
consisten en el problema para determinar la asignacin ptima de agentes u objetos
indivisibles a n tareas
Uno de los casos especiales de la Programacin Lineal son llamados problemas de
asignacin. Esto consiste es asignar o dar destino a distintos recursos.
El problema en s consiste en dedicar un grupo de recursos a diferentes fines, de manera
que todos los fines se logren y a cada uno de ellos se destine un recurso solamente.
El objetivo que se persigue es que el costo o el tiempo de trabajo sean mnimos o, por otro
lado, que sea mximo el producto o las utilidades, siempre teniendo en cuenta la
indivisibilidad de los recursos.
PROBLEMA # 1.- En una planta industrial se efectan 5 taras diferentes, para ello cuenta
con 5 mquinas. Se quiere conocer que tarea debe realizar cada mquina empleando el
mnimo tiempo en conjunto, si el tiempo que tarda cada equipo en realizar cada tarea es el
siguiente:
Tareas
Maq
1
2
3
4
5
12
7
5
14
12
17
1
3
3
12
4
3
1
1
4
10
10
9
11
4
11
1
16
16
16
Excelencia Acadmica
2)
Maq.
1
2
3
4
5
Tare
Tiem
a
po
C = 17
D = 10
E = 1
A = 14
B = 16
T. Total = 58
3)m
Tar Tiem
aq
ea
po
1 C = 4
2 D = 10
3 E = 16
4 A = 14
5 B = 12
T. Total = 56
Este algoritmo consiste en reducir la matriz de costos mediante una serie de operaciones
aritmticas. Entonces tomando como ejemplo el problema propuesto, se sigue los siguientes
pasos:
PASO 1.
REDUCCIN DE RENGLONES .- Se debe elaborar una nueva matriz eligiendo el
costo mnimo de cada rengln y restando de cada costo de ese rengln:
1
2
3
4
5
A B C D E
8 13 0 6 7
6 0 2 9 0
4 2 0 8 15
13 2 0 10 15
8 8 0 0 12
4
1
1
1
4
PASO 2 .
REDUCCIN DE COLUMNAS.- Elegir el costo mnimo en cada columna y restar a
cada dato de dicha columna
106
Excelencia Acadmica
1
2
3
4
5
A
4
2
0
9
4
4
B
13
0
2
2
8
0
C
0
2
0
0
0
0
D
6
9
8
10
0
0
E
7
0
15
15
12
0
PASO 3.
DETERMINACIN DE LA MATRIZ REDUCIDA.- encontrar el nmero mnimo de
lneas rectas que se pueden trazar sobre los renglones y las columnas para cubrir todos los
ceros. Si estos trazos son iguales al nmero de filas y columnas, entonces se encontr la
matriz reducida; si es este el caso se continua con el paso 5.
Si el nmero de rectas trazadas es menor que el nmero de renglones y columnas, se
continua en el paso 4.
4 13 0 6 7
2 0 2 9 0
0 2 0 8 15
9 2 0 10 15
4 8 0 0 12
Como el nmero de
rectas trazadas es
menor que el nmero
de
renglones
y
columnas, entonces
se pasa al paso 4
PASO 4.
REDUCCIONES POSTERIORES.- Encontrar el menor costo de las celdas no
encubiertas por las rectas. Restar este costo menor de todas las celdas no cubiertas.
Agregar luego este menor costo al valor de las celdas que se encuentran en las
intersecciones de las rectas hechas en el paso 3, dejando como estn las dems celdas.
Regresar al paso 3
4 11 0
4 0 4
0 0 0
9 0 0
6 8 2
4 5
9 0
6 13
8 13
0 12
Entonces volviendo al paso 3 (otra vez), de nuevo trazar las rectas sobre los ceros
existentes en el paso 4. As obtenindose el nmero de rectas igual a las columnas y filas.
4 11 0
4 0 4
0 0 0
9 0 0
4 5
9 0
6 13
8 13
107
Excelencia Acadmica
0 12
PASO 5.
LOCALIZACIN DE LA SOLUCIN OPTIMA.- Es posible ahora encontrar una
asignacin usando solo celdas que tengan costo cero, esto significa que se debe escoger
una y solo una celda de cada columna y cada rengln. Para tener una asignacin ptima, se
debe elegir entonces celdas cuyo costo sea cero:
1
2
3
4
5
4
4
0
9
6
11
0
0
0
8
0
4
0
0
2
4
9
6
8
0
1C = 4
2E = 1
3A = 5
4B = 3
5D = 4
17
5
0
13
13
12
0
1
6
1
1
4
7
1
5
0
0
2
2
0
3
f
5
5
2
9
3
1
3
3
1
4
g
3
6
8
6
2
3
5
2
5
1
h
7
12
3
10
1
i
3
7
4
5
4
J
4
8
5
6
5
2
0
0
4
2
0
Determinar la
asignacin
ptima
0
1
6
1
1
0
4
7
1
5
0
0
0
2
2
0
3
0
0
2
2
0
3
1
0
1
6
1
1
4
7
1
5
0
ai = 3
bg = 6
cf = 2
dj = 6
eh = 1
18
108
0
2
2
0
3
0
2
2
0
3
3
0
0
5
3
aj = 4
bg = 6
cf = 2
di = 5
eh = 1
18
0
0
5
1
1
4
6
0
5
0
0
1
1
0
3
0
1
1
0
3
Excelencia Acadmica
1
4
4
0
0
7.2
0
1
2
2
8
1
1
0
5
3
1
5
4
2
1
4
4
0
0
0
1
2
2
8
1
1
0
5
3
0
4
3
1
15
4
0
0
0
11
1
7
12
0
5
3
0
3
2
0
1
0
1
0
1
5
1
1
F2
M3
O1
P4
= 10
= 10
= 15
= 13
48
1
4
4
0
0
0
1
2
2
8
1
1
0
5
3
0 1
1
5
4
0
0
0
1
1
1
7
1
2
0
5
3
0
4
3
1
0
3
2
0
ptimo
109
Excelencia Acadmica
N DE
INGENIEROS
DISPONIBLES
PLANTA
INGENIEROS
A
B
C
D
N DE
INGENIEROS
REQUERIDOS
1
24
14
15
11
2
10
22
17
19
3
21
10
20
14
1
1
1
1
4
3
Para resolver este problema es necesario que el # de ingenieros sea en forma directa o en
funcin directa a las plantas, en este caso no lo es.
El mtodo HNGARO requiere que la oferta real igual a la demanda. Para adoptar este
requerimiento, simplemente se agrega una planta ficticia, notndose que el costo de asignar
un ingeniero cualquiera a la planta ficticia es cero. En la solucin ptima de este problema,
uno de los ingenieros ser designado para la planta ficticia. Por su puesto esto implica que
no ser asignado a ninguna planta en el problema real.
Entonces agregando una planta ficticia:
INGENIEROS
A
B
C
D
N DE
INGENIEROS
REQUERIDOS
N DE
INGENIEROS
DISPONIBLES
PLANTAS
1
24
14
15
11
2
10
22
17
19
3 Ficticia
0
21
0
10
0
20
0
14
1
1
1
1
INGENIEROS
A
B
C
N DE
INGENIEROS
REQUERIDOS
110
N DE
INGENIEROS
DISPONIBLES
PLANTAS
1
2
24 10
14 22
15 17
3
21
10
20
4
11
15
19
1
1
1
3
4
Excelencia Acadmica
INGENIEROS
A
B
C
FALSO
N DE
INGENIEROS
REQUERIDOS
N DE
INGENIEROS
DISPONIBLES
PLANTAS
1 2 3 4
24 10 21 11
14 22 10 15
15 17 20 19
0 0 0 0
1
1
1
1
respuesta a cada
VENDEDORES
A
B
C
D
VENDEDORES
REQUERIDOS
TERRITORIO
1
40
18
12
25
2
30
28
16
24
3
20
22
20
27
VENDEDORES
DISPONIBLES
1
1
1
1
4
3
Excelencia Acadmica
Uno de ellos consiste en restar cada dato del valor mximo de su columna. En la columna 1
el mayor valor es 40, restando de este valor mximo en dicha columna los dems valores.
As, del mismo modo se procede para las columnas restantes.
Pasos a seguir para la solucin del problema.
PASO 1.- Convertir el caso OFERTA>DEMANDA, en un estado balanceado o sea OFERTA
= DEMANDA, utilizando datos ficticios.
TERRITORIO
VENDEDORES
A
B
C
D
N DE
VENDEDORES
REQUERIDOS
N DE
VENDEDORES
DISPONIBLES
1
40
18
12
25
2
30
28
16
24
3 Ficticio
20
0
22
0
20
0
27
0
1
1
1
1
PASO 2 .- Restar del mximo valor de las columnas de la matriz los dems valores
existentes y luego cubrir los ceros con una recta como en el caso de minimizacin.
A
B
C
D
Fict
.
0
2
2
2
8
1
5
0
2
1
4
6
7
5
7
0
0
0
0
0
112
0
2
0
2
6
1
5
0
0
1
2
6
3
7
3
5
0
Fict
.
2
0
0
0
Como la O
=D
Excelencia Acadmica
0
0
1
2
6
7
3
5
0
2
0
0
0
A1
= 40
B2
= 28
C Fict = 0
D3
= 27
Costo total : 95
Ejemplo 2
Una compaa productora de dulces proporciona trabajo femenino en la ciudad de
Huancayo. La Cia. mantiene un personal asalariado de 4 mujeres. Un determinado da la
Cia. recibe encargos de cuatro trabajos (numerada de 5 al 8). La gerencia de la empresa
desea asignar a las cuatro jvenes a los cuatro trabajos de manera que sea mximo el
beneficio esperado, segn los costos siguientes que forman una matriz.
1
2
3
4
5 5 7
1 8 4
5 7 6
3 5 4
3 1 6
8
1
5
2
3
1
2
3
4
5 6 7
4 0 2
0 1 0
2 3 2
2 7 0
8
4
0
3
2
2
0
0
0
2
0
1
0
1
2
3
4
2
0
0
0
0
3
3
7
2
0
1
0
0
3
3
7
2
2
2
0
2
2
2
0
1-6 = 8
2-8 = 5
3-5 = 3
4-7 = 6
CT = 22
113
Excelencia Acadmica
N 7.1
A
B
C
D
CONTABILIDAD
1
2
3 4
15 19 20 18
14 15 17 14
11 15 15 14
21 24 26 24
Comprador
W
X
Y
Z
1 2 3
16 15 25
19 17 24
15 15 18
19 0 15
4
19
15
0
17
Lotes
A
B
C
D
E
114
a b c
10 5 9
13 19 6
3 2 4
18 9 12
11 6 14
d
18
12
4
17
19
Excelencia Acadmica
A
B
C
D
E
a
2
3
1
6
4
b
3
2
4
7
4
c
5
6
4
3
5
d
7
5
5
8
2
e
8
4
2
4
1
5. Una compaa que vende carros tiene disponible un FORD, un OPEL, un RAMBLER
y un CHEVROLET. Cuatro oficinas de la compaa los solicitan. Se ha decidido
enviar solo un automvil a cada oficina de manera que el costo total sea mnimo.
La matriz de costos es:
Oficinas
1 2 3 4
Carros
FORD
10 5 3 8
OPEL
4 3 7 5
RAMBLER 13 10 12 14
CHEVROLET 7 8 4 6
115
Excelencia Acadmica
116
Excelencia Acadmica
EL MODELO DE TRANSPORTE
El modelo de transporte, tambin conocido como modelo de distribucin, es un modelo
importante de un problema de optimizacin de redes. Con este modelo se consigue
tremendos ahorros en costos a travs de una eficiente ruta de envo de mercaderas desde
los puntos de existencia hasta los puntos de demanda.
8.1
2
4
DESTINOS
ORIGENES
6
2
ORIGEN
DESTINO
Excelencia Acadmica
c) En forma tabular:
DESTINOS
1
ORIGEN
1
2
.
.
.
m
bj
. . .
C11 C12
C21 C22
.
.
.
.
.
.
Cm1 Cm2
b1 b2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ai
C1n
C2n
.
.
.
Cmn
bn
a1
a2
.
.
.
am
Ejemplo: Una fbrica d cuenta con 4 almacenes situados en diferentes partes del
pas; el almacn 1 cuenta con 10 unidades de mercanca, el 2 con 12, el 3 con 5 y el
4 con 10. con las existencias de mercanca que tiene dichos almacenes se debe
abastecer a 5 centros de consumo. El centro de consumo 1 demanda 6 unidades de
mercanca, el centro 2, demanda 8, el 3 demnada3, el 4 demanda 9 y 11 el 5. los
costos de transporte de cada almacn a cada centro de consumo se da a
continuacin:
C. DE CONSUMO
ALMACEN
1
2
3
4
DEMANDA
4
2
3
2
6
2
1
4
2
8
5
4
1
3
3
5
1
2
4
9
1
4
1
2
11
EXISTENCIAS
DE
MERCANCA
10
12
5
10
37
118
= 10
= 12
=5
= 10
=6
=8
=3
=9
= 11
OFERTA
DEMANDA
Excelencia Acadmica
Para que exista un modelo de transporte es necesario que la demanda sea igual a la oferta
(suministro); s ello ocurre entonces el modelo se encontrar BALANCEADO, por
consiguiente su solucin ser factible, en caso contrario ser necesario crear estaciones
ficticias tanto de la oferta como de la demanda, segn el caso, con costos iguales a ceros.
8.3
un envo.
Paso 2 .-
119
Excelencia Acadmica
50, 60, 70 y 95
respectivamente.
Determinar una solucin factible bsica inicial de envo, utilizando el mtodo de la esquina
noroeste, siendo los costos unitarios de embarque los que se muestran a continuacin.
Destino
D
Origen
A
17
B
15
C
15
20
21
14
13
26
15
12
25
17
Solucin:
En general, un problema de transporte de tamao m x n donde m = al nmero de orgenes y
n = al nmero de destinos, requiere para su solucin a lo mximo m + n 1 iteraciones en
los tres pasos del mtodo de la E N - O . O sea es este caso se necesita m + n 1 = 3 + 4
1 = 6
Luego encerrando los costos en la celdas correspondientes:
D
17
E
20
F
13
G
12
15
21
26
25
15
14
15
17
A
B
C
Demanda
60
70
Suministro
70
90
115
95
Iteraciones en los tres pasos del mtodo de la esquina noroeste osea m+n 1 = 4+3 -1=6
50
20
20
90
(I)
0
90
(II)
115
0
115
60 70 95
40 70 95
0
(III)
50
40
0
(IV)
50
115
0
120
70 95
0
115
20 95
Excelencia Acadmica
(V)
95
20
70 95
(VI)
20
13
12
70
50
20
15
21
26
25
90
40
50
15
14
15
17
115
20
95
95
0
17
50
60
70
95
50 * 17 + 20 * 20
21 * 40 + 269 * 50
15 * 20 + 17 * 95
= 1250
= 2140
= 5305
Ejemplo # 2
Encuentre la solucin factible inicial del siguiente problema de transporte, con el mtodo de
la esquina NOROESTE (N-O). La solucin debe tener m + n 1 = 5 + 4 1 = 8 iteraciones
1
10
13
4
14
3
20
A
B
C
D
E
2
20
9
15
7
12
150
3
5
12
7
1
5
150
4
7
8
9
0
19
200
200
150
100
50
20
520
m+n 1 = 5+ 4 - 1 = 8
Iteraciones
Sabiendo cuantas iteraciones tiene el problema ya no es necesario mostrar todos los pasos
que se siguen para obtener la solucin requerida, sino se procede del siguiente modo, salvo
que el problema lo pida:
10
20
20
150
30
13
12
15
14
12
19
120
30
50
121
Excelencia Acadmica
20
Siendo el costo total factible inicial con el mtodo de la esquina noroeste el siguiente:
10 x 20 + 20 x 150 + 5 x 30 = 3350
12 x 120 + 8 x 30 = 1680
9 x 100 = 900
0 x 50 = 000
19 x 20 = 380
6310
O1
D1
20
D2
30
D3
10
60
30
50
40
20
10
40
70
O2
O3
Requerimiento
20
(I)
10
9
11
9
35
(III)
10
15
20
10
5
20
5
5
6
122
M+n-1 0 3+4-1 = 6
iteraciones
(II)
20
D4 Suministro
20
20
11
5
30
11
0
6
0
30
6
Excelencia Acadmica
0
0
11
20
5
30
10
20 0
5
30
10
6
9
0
Las seis iteraciones del procedimiento del la celda del mnimo costo produce el siguiente plan de envo factible:
DESDE O1
ENVIOS
COSTO
5X20 = 100
X11 = 5
5X30 = 150
X12 = 5
5X10 = 50
X13 = 5
5X10 = 100
X14 = 5
20
$ 400
DESDE 02
ENVIOS
COSTO
X21 = 0
0X60 = 0
6X30 = 180
X22 = 6
0X50 = 0
X23 = 0
0X40 = 0
X24 = 0
6
$ 180
DESDE O3
ENVIOS
COSTO
X31 = 0
0X20 = 0
9X10= 90
X32 = 9
0X40 = 0
X33 = 0
0X70 = 0
X34 = 0
9
$ 90
16
30
12
20
50
100
15
12
14
10
10
16
15
40
40
60
60
30
50
(I)
65
(II)
100
8
40
8
50
40
60
55
10
10
30
50
15
50
(V)
15
15
(VI)
12
20
50
14
(IV)
16
200
(III)
100
30
55
20
15
15
15
RESUMEN
D1
D2
D3
D4
123
Excelencia Acadmica
O1
14
16
12
30
50
20
O2
15
4
0
40
O3
0
60
14 * 30 + 50 * 16 + 12 * 5 + 20 * 15 = 1580
8 * 40 = 320
8 * 60 = 480
$ 2380
R.
16
12
20
12
14
10
10
16
15
30
50
65
12
20
20
50
40
40
40
60
60
60
65
55
45
55
0
8
60
5
200
16
55
10
40
60
55
30
50
40
65
14
30
100
55
15
55
5
55
55
0
RESUMEN:
14
16
12
50
30
20
10
40
8
15
5
124
55
0
10*40 = 400
Excelencia Acadmica
CAPACIDAD
SEMANAL
75
100
CENTRO DE
DISTRIBUCIN
D1
D2
D3
175
DEMANDA
SEMANAL
50
50
100
200
Donde la D>S, entonces algunos de las distribuciones de los centros ser recortada en su
envo cada semana.
La tabla siguiente demuestra las prdidas estimadas por centro de distribucin por quedarse
corto en los envos.
CENTRO DE DISTRIBUCIN
D1
D2
D3
PERDIDA ( $/und.)
2
3
2
D1
D2
D3
3
4
2
5
1
6
125
Excelencia Acadmica
La D>S en 25 unidades para el que se debe crear una planta ficticia o artificial O3 =C con
una capacidad de 25 unid..
Esta requiere la adicin de tres nuevas variables ficticias: X31 , X32 y X33 . Los valores
asignados a estas tres variables representan la cantidad no enviada a los respectivos
centros de demanda entonces el modelo de transporte ser:
(MIN) K = 3X11 + 2X12 + X13 + 4X21 + 5X22 + 6X23 + 2X31 + 3X32 + 2X33
Costos Totales de Transporte
Perdida Total
s.a:
X11 + X12 + X13
= 75
= 100
= 25
= 50
= 50
= 100
X21
X22
X12
X13
Planta Ficticia
SUMINISTRO
A = O1
B = O2
C = O3
DEMANDA
50
50
75
100
25
100
200
25
50
0
25
100
100
75
25
25
0
50
100
21
0
25
25
100
0
0
0
2
50
6
75
25
75
6
25
25
126
25
100
75
25
0
100
25
25
50
50
100
200
Excelencia Acadmica
3*50 + 2*25
= 200
5*25 + 6*75
= 575
2*25
= 50825
Perdida
75
100
100
75
25
25
25
50
50
25
25
50
25
0
5
25
50
0
0
25
50
25
1
75
4
5
6
25 50
25
2
25
25
0
2 x 25 = 50
625
D1
O1
1
O2
2
O3
3
Demanda
170
S > D en 90 Und.
D2
D3
Suministro
4
2
2
90
3
5
2
100
180
120
150
4
2
2
90
3
5
2
100
0
0
0
90
180
120
150
En estas condiciones el problema se resuelve con los mtodos ya escritos en el caso de un envo factible inicial.
D1
D2
D3
D4
O1
180
127
Excelencia Acadmica
O2
120
O3
150
170
90
100
90
Por: E-N-O
1
10
170
2
60
5
80
40
0
90
Costo total
: 4x10 + 1x170
2x80 + 5x40
2x60 + 0x90
= 210
= 360
= 120
690
Por: C.M.C.
1
170
10
2
90
120
150
0
90 100 90
0
10
Costo total
80
30
30
2
100
0
100 90
0
0
30
50
0
10
150
30
10
1x170 + 0x10
= 170
2x90 + 0x30
= 180
2x100 + 0x50
= 200
50
90
0
0
50
50
0
50
550
128
Excelencia Acadmica
D2
14
30
16
D3
D4
12
50
12
20
15
14
10
8
40
10
16
15
Suministro
100
40
60
129
Excelencia Acadmica
Demanda
30
50
65
55
200
14
16
12
30 - 1
12
14
10
+1
30
100
40
15
60
40 - 1
10
D=
20
15 + 1
16
50
65
55
20
Excelencia Acadmica
50 - 1
15 + 1
14
20 + 14 16 8 = $10
8
+1
40 + 1
20
15 + 1
10
+1
1*20 + 1*10-(1*12+1*8) =
20 + 14 12 8 = $10
40 - 1
12
30 1
1*12 + 1*10-(1*8+1*14) =
20 + 10 8 14 = 0
5+1
10
+1
60 - 1
12
16
+1
1*12 + 1*16-(1*16+1*8) =
12 + 16 16 8 = $ 4
5+1
8
60 - 1
20
15 - 1
8
60 - 1
1*12 + 1*15-(1*20+1*8) =
12 + 15 20 8 = -1
15
+1
Este demuestra que al trasladar 1 unidad a la celda vaca (3,4) disminuye el costo en $1.
PASO III.Del paso II se sabe que los costos de transporte disminuye por el traslado de 1 unidad a la celda
vaca (3,4) entonces sea S la cantidad trasladada a la celda vaca (3,4), haciendo la cantidad de
traslado tan grande como sea posible, sin violar ninguna restriccin de suministro o demanda.
131
Excelencia Acadmica
El mayor valor que puede asignarse a S es 15 unidades. Si se diera valor a S mayor que 15 digamos
20 = S entonces la celda (1,4) tendr un envo negativo. Luego en la celda (3,4) tendremos S = 15, es
decir X14 = 15.
Luego lo indicado ser:
12
20
5 +S
15 S
100
40
15
S
60 -S
30
50
65
55
60
200
16
12
14
10
20
50
12
8
40
10
16
15
45
30
50
15
65
55
100
40
60
200
= 320
132
10
20
5 10 5 0
5 9 5 10
10 10 15 5
Mtodo E.N.O
Excelencia Acadmica
10
10
10
10
5
5
10
15
10
10
30
25
15
5
45
15
30
40
30
0
20
5
10
10
10
C.M.C.
20 x 0 = 0
20
5
10
30
20
10
15
5
45
15
20
10
15
40
30
Hallando la solucin ptima, a partir del menor costo total factible inicial obtenido con el mtodo de la C.M.C.,
cuyo valor es = 650
AD
0
5
+1
-1
5
-1
+1
15
5
-1
+1
AE
D
E
A
G
10
+1
B
10
-1
+1
AF
D
G
5
0
+1
B
15
5
-1
+1
BE
G
133
Excelencia Acadmica
A
B
10
+1
-1
15
-1
D
A
+1
BG
G
15
10
-1
+1
5
+1
D
A
-1
CD
G
0
B 5
5
-1
+1
C 10
15
+1
-1
Siendo S = 10, entonces al hacer el envo correspondiente a la celda vaca CD se obtendr un costo total de
600 unidades monetarias.
D
E
F
G
0
A
20
20
B
5
30
30
C 10
10
15
5
45
10
15
10
10
0 x 20 = 0
5 x 30 = 150
10x10 + 10x15 + 15x10 + 5x10 = 450
600 Solucin ptima
El resultado total ptimo tiene una diferencia con el mtodo C.M.C. igual a 50 unidades.
N 8.1
Resolver los siguientes problemas en forma analtica y en el laboratorio con ayuda del computador:
Problema # 01 .Una empresa manufacturera, ubicada en la ciudad de Lima, tiene 3 fbricas. Actualmente los productos
fabricados se embarcan a 3 bodegas diferentes. La localizacin y capacidades de las bodegas son:
Trujillo
: 1200 unidades
Ica
: 800 unidades
Excelencia Acadmica
135
Excelencia Acadmica
La capacidad de cada fbrica y la tarifa unitaria de flete de cada fbrica a cada bodega son:
FABRICA
CAPACIDAD
600
1000
FLETE A
S/. / unidad
Trujillo
5
Ica
Hyo.
Trujillo
1400
4
Ica
Huancayo
Trujillo
6
Ica
Huancayo
Determinar que fbrica deben embarcar y en que cantidades a las tres bodegas a fin de
reducir al mnimo los costosa de flete.
Problema # 02.Una fbrica dispone de tres centros de distribucin A, B y C cuyas disponibilidades de
materia prima son: 100, 120 y 120 tm respectivamente. Dicha materia prima debe ser
entregada a cinco almacenes. I, II, III, iV y V los cuales deben de recibir respectivamente 40,
50, 70, 90 y 90 tm. determinar una solucin inicial factible por el mtodo de la esquina
noroeste., luego hallar la solucin ptima por cualquier mtodo(sugerencia mtodo del
ESCALON ). La matriz de costos es el siguiente:
ORIGENES
A
B
C
I
10
2
1
II
20
10
20
DESTINOS
III
IV
5
9
8
30
7
10
V
10
5
4
Problema # 03.Las tiendas EFE dispone de cinco puntos de venta A, B, C, D y E, y de cuatro fbricas X, Y,
Z y T. Los pedidos mensuales de los puntos de venta expresados en miles de unidades son:
A
B C D E
150 40 30 50 80
TOTAL
350
X
Y
Z
T TOTAL
120 150 160 70
500
136
Excelencia Acadmica
A
0.8
0.9
0.7
2.3
B
2.7
1.2
2.0
0.9
C
1.5
2.0
2.5
1.5
D
2.5
0.7
1.8
1.6
E
2.7
2.5
3.5
2.5
D2
D3
D4
SUMINISTRO
6
16
20
16
100
16
8
12
10
80
18
12
16
14
160
12
6
8
10
60
60
40
100
120
Origen
O1
O2
O3
O4
REQUERIMIENTO
Determinar como debera hacerse este reparto para minimizar el costo total de transporte
Problema # 05.Una Cia. tiene tres fbricas de los que tiene que embarcar productos de primera necesidad
a siete bodegas. El costo unitario de transporte de las fbricas a cada bodega, los
requerimientos de las bodegas y las capacidades de las fbricas son:
FABRICAS
BODEGAS
A
B
C
D
E
F
G
1
6
7
5
4
8
6
5
2
11
3
4
5
4
3
2
3
8
5
3
6
5
8
4
REQUERIMIENTOS
100
200
450
400
200
350
300
137
Excelencia Acadmica
Problema # 06.Una empresa manufacturera produce alimentos balanceados para aves tiene cuatro plantas
y distribuya a cinco centros de consumo, existentes en diferentes distritos de la capital y se
caracteriza por tener constante la siguiente matriz de costos:
O1
O2
O3
O4
EXIG.
D1
28
36
40
32
160
D2
32
24
30
26
200
D3
34
42
38
50
240
D4
24
32
36
40
220
D5
36
44
38
42
120
EXIST.
240
380
120
100
BIBLIOGRAFA BSICA
Autor (es)
1.MOSKOWITZ,Herbert
WRIGHT,Gordon
TTULOS / REFERENCIAS
INVESTIGACIN DE OPERACIONES
Edit. Prentice may Mxico 1993.
2 MATHUR,Kamlleshy
INVESTIGACIN DE OPERACIONES
SOLOW, Daniel
3. BIERMAN, H
BONINI Charles
ASUMAN, Warren
INVESTIGACIN DE OPERACIONES
4. EINSTON, Wayne L.
(aplicaciones y Algoritmos)
Edit. Iberoamericana S.A. Mxico 1994
INVESTIGACI DE OPERACIONES
5. THIERAUF, Robert y
GROSSE Richard A.
138
Excelencia Acadmica
BIBLIOGRAFA COMPLEMENTARIA
Autor (es)
1. TAHA, Handy A.
TTULOS / REFERENCIAS
INVESTIGACIN DE OPERACIONES
Edit. Rep. Y Ser. de Ingeniera Mxico 1983
2. PRAWDA, Juan
INVESTIGACIN DE OPERACIONES
Edit. LIMUSA Mxico 1989
5. EPPEN, C.O.
139