Académique Documents
Professionnel Documents
Culture Documents
Programacin de Metas
Universidad Nacional
de Ingeniera
Objetivos
PROGRAMACIN DE METAS
EJEMPLO 1 (Planificacin tributaria):
exceder
exceder
SOLUCION:
Definicin de Variables de Decisin:
Xp:
cantidad de tasas tributarias sobre la propiedad
Xa:
cantidad de tasas tributarias sobre los alimentos y
las
medicinas
Xv:
cantidad
de
tasas
tributarias
sobre
las
ventas
generales
Xg
cantidad
de
tasas
tributarias
sobre
la
gasolina
en
centavos por galn.
Restricciones:
Las metas del concejo municipal se expresan entonces como:
Ingresos fiscales: Se calculan de la siguiente forma:
550xp + (Asociando el impuesto predial a la variable x p)
35xa
55xv
"Por
la
lo
menos
"
Restricciones:
Impuestos
forma:
sobre
alimentos
medicinas:
Se
calculan
de
la
siguiente
no deben
Restricciones:
Impuestos sobre las ventas: Se calculan de la siguiente forma:
Nos dicen que impuestos sobre las ventas (55xv) no deben exceder el 20%
de todos los impuestos recaudados
Todos los impuestos recaudados son:
550xp + 35xa + 55xv + 0.075xg
Su 20% es:
0.2(550xp + 35xa + 55xv + 0.075xg)
Como no deben de exceder se utilizar a restriccin menor igual (<=) y
la restriccin quedara as:
55xv <= 0.2(550xp + 35xa + 55xv + 0.075xg)
55xv <= 110xp + 7xa + 11xv + 0.015xg
0 <= 110xp + 7xa - 44xv + 0.015xg
Restricciones:
Impuesto sobre la gasolina: Se calculan de la siguiente forma:
Nos dicen que impuestos
centavos por galn
sobre
la
gasolina
(xg)
no
deben
exceder
>= 16
>= 0
>= 0
<= 2
Xp, Xa, Xv, Xg >=0
Cada una de las desigualdades del modelo representa una meta que el
concejo municipal aspira satisfacer. Es muy probable, sin embargo,
que lo mejor que se puede hacer sea una solucin compromiso que
implique estas metas conflictivas.
+S1- - S1+
= 16
+S2- - S2+
= 0
+S3- - S3+
= 0
xg
Xp, Xa, Xv, Xg >=0
Si- y Si+ >=0; i=1, 2, 3, 4
+S4- - S4+
= 2
variables
de
desviacin
S i-
Si+,
son
dependientes
por
i-sima
voluntad.
ste
es
el
tipo
de
flexibilidad
que
Lgicamente,
una
buena
solucin
compromiso
busca
Funcin Objetivo:
En el modelo de Abancay, dado que las tres primeras restricciones
son del tipo >= y la cuarta es del tipo <=, las variables de
desviacin S1-, S2-, S3- y S4+ representan las cantidades por las cuales
se violan las metas respectivas. Por lo tanto, la solucin
compromiso busca satisfacer en cuanto sea posible los siguientes
cuatro objetivos:
En lindo:
Planteamos el modelo de la siguiente forma:
Min S11 + S21 + S31 + S42
st
550xp + 35xa + 55xv +0.075xg
+S11 - S12
55xp - 31.5xa + 5.5xv +0.0075xg +S21 - S22
110xp + 7xa - 44xv +0.015xg
+S31 - S32
xg
+S41 - S42
=
=
=
=
16
0
0
2
En lindo:
Obtenemos el siguiente resultado:
Interpretacin:
Como los valores de S12 =0, S22 =1.6, S32 =3.2, y S41 =0, Son mayores o
iguales que cero satisfacen las metas. Y la Funcin objetivo es cero
se cumplen todas la metas
En conclusin las tasas tributarias que satisfacen las metas son:
Para
Para
Para
Para
=
=
=
=
0.029
0
0
2
SOLUCIN:
Sean x1 y x2 los minutos asignados a los anuncio de
televisin. La formulacin de la programacin de metas
problema se da como:
Sujeto a:
4x1 + 8x2 + s1- - s1+
= 45 (Meta de exposicin)
= 100(Meta de presupuesto)
x1 + 2x2
x1
>= 0
radio y
para el
programacin
satisfaga
las
de
metas
metas
del
hace
es
modelo
hallar
sin
una
tomar
solucin
en
cuenta
que
la
MTODO PREVENTIVO
En este tipo de mtodo, el tomador de decisiones clasifica las
metas del problema en orden de importancia. Dada una situacin de n
metas, los objetivos del problema se escriben como
Minimizar G1 = 1 (Mxima prioridad)
.
.
.
Minimizar Gn = n (Minima prioridad)
La variable i es el componente de las variables de desviacin, s i- o
si+ que representan la meta i. Por ejemplo, en el modelo de TopAd,
i = s1- y 2 = s2+.
MTODO PREVENTIVO
El procedimiento de solucin se inicia con la optimizacin de la
prioridad mxima, G1, y termina con la optimizacin de la prioridad
mnima, Gn. El mtodo preventivo est diseado de modo que una
solucin de menor prioridad nunca degrade a una solucin de alta
prioridad.
La literatura sobre programacin de metas presenta un mtodo
simplex especial que garantiza la no degradacin de soluciones de
alta prioridad. El mtodo utiliza la regla de eliminacin de
columnas que exige eliminar una variable xj no bsica con un costo
reducido diferente de cero (zj - cj 0) de la tabla ptima de
metas Gk antes de resolver el problema de la meta Gk+1. La regla
reconoce que tales variables no bsicas, si se elevan por encima
del nivel cero en las optimizacin de metas subsiguientes, pueden
degradar (pero nunca mejorar) la calidad de una meta de mayor
prioridad.
MTODO PREVENTIVO
El procedimiento requiere incluir las funciones objetivo de todas
las metas en la tabla simplex del modelo.
La modificacin propuesta de eliminacin de columnas complica sin
necesidad la programacin de metas. En esta presentacin
demostramos que se pueden alcanzar los mismos resultados de una
manera ms simple dando los siguientes pasos:
Paso 0. Identifique las metas del modelo y clasifquelas en orden
de prioridad:
G1 = 1 > G2 = 2 > > Gn = n
Establezca i = 1.
MTODO PREVENTIVO
Paso general Resuelva la PLi que minimice Gi, y que i
defina
el
valor
ptimo
correspondiente
de
la
i* que
variable
de
i* a las
i* puede
Comentarios:
Algunas personas pueden argumentar que la regla de eliminacin de
columnas ofrece una ventaja computacional porque hace el problema
sucesivamente
nuestro
ms
pequeo
procedimiento
lo
restricciones.
Considerando
adicionales (i
al
eliminar
hace
la
ms
variables,
grande
naturaleza
de
al
en
tanto
agregar
las
que
nuevas
restricciones
i*.
EJEMPLO 3
El problema del ejemplo 2 se resuelve por el mtodo
preventivo. Suponga que la meta de exposicin tiene la
prioridad ms alta.
Paso 0.
G1>G2
Minimizar G1 = s1
Sujeto a
4x1 + 8x2 + s1- - s1+
exposicin)
8x1 + 24x2 +
presupuesto)
x1 + 2x2
= 45 (Meta de
s2- - s2+
x1
radio)
x1, x2, s1-, s1+, s2-, s2+
= 100 (Meta de
que
en
el
paso
ms
la
Sujeto a
4x1 + 8x2 - s1+
x1 + 2x2
x1
= 40 (Meta de exposicin)
= 100 (Meta de presupuesto)
<=10 (Limite personal)
<= 6 (Limite radio)
0
de
ahorro
de
clculos
deben
aprovecharse
<= 10
x1
<=6
x1, x2
>= 0
siguiendo
el
procedimiento
<= 10
x1
<=6
x1, x2
>= 0
Sujeto a
x1 + 2x2
<= 10
x1
<=6
4x1 + 8x2
x1, x2 >= 0
Bsica
P1
P2
S1
S2
P1
P2
X2
S2
X1
X2
S1
S2
-4
-8
1
1
0
4
1/2
1
-8
-24
2
0
0
0
1
0
0
0
1
0
4
12
1/2
0
0
0
0
1
0
0
0
1
Solucin
0
0
10
6
40
120
5
6
positivas
en
problemas
de
optimizacin
de
baja
(Minimizacin
de
costos).
La
regla
de
eliminacin
de
el
inicio
de
las
iteraciones
P2
el
resultado
ser
la
del
problema
P1
desde
P1
40
hasta
P1
Bsica
P1
P2
X2
S2
P1
P2
X2
X1
X1
X2
S1
S2
4
1/2
1
0
1
0
0
0
1
0
0
1
0
1
0
-4
-1/2
1
Solucin
40
120
5
6
40
96
2
6
GRACIAS
Si cuidamos el Medio
Ambiente, cuidamos nuestro
futuro