Documente Academic
Documente Profesional
Documente Cultură
Alumno: Emmanuel Lzaro Ceballos Aula: 709 HORARIO: 10:00 A 11:00 AM Prof.: Rodrguez Vsquez Juan Manuel
MATEMTICOS
1.- Funcin objetivo: En todo problema debe de haber un objetivo o meta que
se desea alcanzar que por lo general se trata de maximizar (utilidades, numero de clientes, intereses, etc.) o minimizar costos y tiempo. Max (z) Funcin objetivo Min (Buscar menores costos) Variables de decisin: lo que pretendemos buscar. F.obj (z c)= Cj X j
i=i n
Donde xj= Son las variables de decisin (lo que se trata de determinar) Cj= Son los parmetros asociados a cada variable de decisin y representar los costos o las utilidades con que cada variable contribuye a la funcin objetivo.
A11X1+A12X2+A13X3A1nXn b1
A
A21X1+A22X2+A23X3A2nXn b2 Am1X1+Am2X2+Am3X3A2nXn bm
Donde: Aij: Se les conoce como los coeficientes tecnolgicos que son los recursos que se requieren para destinarse a cada variable de decisin (xj) en cada una de las estructuras. Bi: Es la cantidad de recursos disponibles en cada una de las restricciones (son las limitantes de cada uno en trminos de dinero, espacio, tiempo). N: Es el numero de variables de decisin en el problema. M: Es el numero de restriccin o limitantes del problema.
3.- VARIABLES Y PARAMETROSEs el conjunto de variables cuyo valor deseamos conocer (xj).Los parmetros (Cj) es la cantidad con la que se contribuye por cada variable a la funcin objetivo. Los Aij es la cantidad asociada con cada variable en las decisiones.
-LinealidadLas relaciones entre las variables tanto en la funcin objetivo como de las restricciones deben ser lineales (proporcionales) todas las variables debern estar elevadas a la uno.
-La condicin de negatividadEn programacin lineal solo se permite variables positivas o con un valor de 0 no se permiten variables negativas.
-Desigualdades cerradas o flexiblesLas desigualdades utilizadas en los modelos de programacin lineal en sus restricciones debern ser del tipo menor o igual [; ] si: F.obj (z c)= Cj X j
i=i n
Sujeto A: Aij x n bi Xj 0
-Ejercicio 1La compaa de Cayaco S.A. fabrica dos tipos de reguladores uno destinado a aparatos electrnicos y otro destinado a aparatos que tienen motor el departamento de contabilidad de la empresa a calculado la venta del tipo 1 produce una utilidad de 300 pesos y del tipo 2 nos deja una utilidad de 600 pesos. Los 2 reguladores para su fabricacin pasan por 3 departamentos diferentes el regulador para electrnicos requiere de 20 hrs. De proceso en el departamento 1, de 30 hrs. En el departamento 2 y de 10 hrs. En el departamento 3. El otro tipo de regulador requiere de 30 hrs. De proceso en el departamento 1, 20 hrs. en el departamento 2 y 10 horas en el departamento 3. El departamento 1 tiene una capacidad laboral de 1500 hrs. Igual que el departamento 2, el departamento 3 tiene una capacidad de 600 hrs. Cuantos reguladores de cada tipo se tiene que producir de tal forma que la empresa maximice sus utilidades. X1= Regulador electrnico X2= Regulador para motor 1) 2) 3) Utilidad X1 20 30 10 300 C1 X2 30 20 10 600 C2 Limitantes (bi) 1500 1500 600
F. obj z= 300+600 Sujeto A: 1) 20X1+30X2 1500 2) 30X1+20X2 1500 3) 10X1+10X2 600 X1, X2 0
-Ejercicio 2El cibercaf el Coloso vende 2 tipos de computadoras la computadora de tipo 1 requiere de 12 hrs. De proceso en el departamento 1, en el departamento 2 de 8 hrs. Y en el 3 de 7 hrs. La computadora de tipo 2 solo requiere pasar por 2 departamentos, el departamento 1 requiere de 6 hrs. Y en el 3 de 14 hrs. El departamento 1 tiene una capacidad de 50 hrs. El departamento 2 cuenta de 40 hrs. Y el departamento 3 tiene 80 hrs. Disponibles. La computadora tipo 1 nos deja una utilidad de 500 pesos y la del tipo 2 nos deja una utilidad de 700 pesos. Se desea saber cuantas computadoras fabricar de cada tipo de tal manera que se obtenga la mxima utilidad. X1= computadora del tipo 1 X2= computadora del tipo 2 1) 2) 3) Utilidad X1 12 8 7 500 C1 X2 6 0 14 700 C2 Limitantes (bi) 50 40 80
F. obj z= 500+700 Sujeto A: 1) 12X1 + 6X2 50 2) 8X1 + 0X2 40 3) 7X1 + 14X2 80 X1, X2 0
-Ejercicio 3La mueblera papagayo fabrica 2 tipos de comedores el tipo Acapulco y el tipo Chilpancingo, el estilo Acapulco nos genera una utilidad de 200 pesos y el otro comedor nos genera una utilidad de 240 pesos. Los 2 comedores requieren ser procesados en 2 apartamentos el de construccin y el de pintura y acabados. El comedor estilo Acapulco requiere de 6 hrs. De proceso en el departamento de construccin y 8 hrs. En el de pintura y acabados. El estilo Chilpancingo requiere de 12 hrs. En el departamento de construccin y de 4 hrs. En el de pinturas y acabados. La capacidad del departamento de construccin es de 120 hrs. Y del departamento de pinturas y acabados cuenta con 64 hrs. De capacidad el gerente desea saber cuantos comedores fabricar de cada tipo de tal manera que maximice su utilidad. X1= Comedor estilo Acapulco X2= Comedor estilo Chilpancingo 1) 2) Utilidad X1 6 8 200 C1 X2 12 4 240 C2 Limitantes (bi) 120 hrs. 64 hrs.
-Mtodo Grafico1) a) x1=0 6(0)+12X2= 120 X2= 120/12 = 10 A (10, 0) b) X2=0 6X1+2(0) =120 X1= 120/6 = 20 B (20, 0) 2) c) X1=0 8(0) +4X2= 64 X2= 64/4= 16 C (0, 16) d) X2= 0 8X1+4(0) = 64 X1= 64/8= 8 D (8, 0)
a) La minimizacin de una funcin f(x) es matemticamente equivalente a la maximizacin de la expresin negativa de esa funcin. (-1) min C= Max Z= -3X1-2X2 (-1) Max Z= Min C= 3X1+2X2 b) Una desigualdad en una direccin puede cambiarse a una desigualdad en una direccin opuesta multiplicando ambos lados de la desigualdad por -1. (-1) 3X1+4X2 20(-1) -3X1-4X2 -20 c) Una ecuacin puede ser remplazado por 2 desigualdades opuestas. 2X4+4x2= 6 {2X1+4X2 6; 2X1+4X2 6} -Las caractersticas de la forma estndar son: 1) Todas las restricciones son ecuaciones excepto las de 0 negatividad para poder transformar las inecuaciones en ecuaciones se les agrega una variable holgura si son del tipo , si las restricciones son de mayor o igual que () se resta una variable holgura. 2) Los elementos del lado derecho de una ecuacin debern ser no negativos. 3) Todas las variables son no negativas. 4) La funcin objetico puedes ser de mxima o mnima. -Caractersticas de la forma tabular1) En esta forma todas la variables involucradas en el problema debern de participar en cada una de las ecuaciones. 2) Esta forma nos ayudara a planear la primera tabla simplex. *El mtodo simplex es un algoritmo que busca la mejor opcin. *Variable Bsica es la que tiene un valor no negativo es una solucin no factible. Una solucin bsica factible inicial es aquella que contiene segn el numero de restricciones igual numero de valores positivos y segn el nmero de variables de decisin va a haber igual numero de valores a 0 (la que esta en el vrtice origen).
En los modelos probabilsticos (o estocsticos), alguno de los datos importantes se consideran inciertos, aunque debe especificarse la probabilidad de tales datos. Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de manera conveniente para su anlisis. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. El modelo matemtico puede expresarse entonces como el problema de elegir los valores de las variables de decisin de manera que se maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas variaciones menores sobre l, tipifican los modelos analizados en investigacin de operaciones. Un paso crucial en la formulacin de un modelo de Investigacin de Operaciones es la construccin de la funcin objetivo. Esto requiere desarrollar una medida cuantitativa de la efectividad relativa a cada objetivo del tomador de decisiones identificado cuando se estaba definiendo el problema. Si en el estudio se contemplan ms de un objetivo, es necesario transformar y combinar las medidas respectivas en una medida compuesta de efectividad llamada medida global de efectividad. A veces esta medida compuesta puede ser algo tangible (por ejemplo, ganancias) y corresponder a una meta ms alta de la organizacin, o puede ser abstracta (como utilidad). En este ltimo caso la tarea para desarrollar esta medida puede ser compleja y requerir una comparacin cuidadosa de los objetivos y su importancia relativa. Una vez formulado el modelo matemtico para el problema bajo estudio, la siguiente etapa para un estudio de Investigacin de Operaciones consiste en desarrollar un procedimiento (por lo general basado en computadora) para derivar una solucin al problema a partir de este modelo. Esta es una etapa relativamente sencilla, en la que se aplican uno de los algoritmos de investigacin de operaciones en una computadora. Un tema comn en Investigacin de Operaciones es la bsqueda de una solucin ptima, es decir, la mejor. Se han desarrollado muchos procedimientos para encontrarla en cierto tipo de problemas, pero es necesario reconocer que estas soluciones son ptimas slo respecto al modelo que se est utilizando.
4. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la ltima fila, la de los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente negativo mayor (en valor absoluto). En nuestro caso, la variable x de coeficiente - 3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya elementos negativos. La columna de la variable que entra en la base se llama columna pivote (En color azulado).
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. En nuestro caso: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base, d. Esta fila se llama fila pivote (En color azulado). Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes puede salir de la base. C. En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, 3.
0 7/3 0 1 -2/3 26
Tabla II . Iteracin n 2 Base Variable de decisin Variable de holgura Valores solucin x h s x Z 0 0 1 0 y 1/3 7/3 1/3 -1 h 1 0 0 0 s 0 1 0 0 d -2/3 -2/3 1/3 1 2 26 8 24
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso: A. La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 2:1/3 [=6], 26:7/3 [=78/7] y 8:1/3 [=8] y como el menor cociente positivo es 6, tenemos que la variable de holgura que sale es h. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a la anterior obtenemos la tabla: Tabla III . Iteracin n 3 Base Variable de decisin Variable de holgura Valores solucin x y s x Z 0 0 1 0 y 1 0 0 0 h 3 -7 -1 3 s 0 0 0 0 d -2 4 1 -1 6 12 6 30
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3], 12/4 [=3], y 6:1 [=6] y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es s. C. El elemento pivote, que ahora hay que hacer 1, es 4. Obtenemos la tabla: Tabla IV . Final del proceso Base Variable de decisin Variable de holgura Valores solucin x y d x 0 0 1 y 1 0 0 h -1/2 -7/4 -3/4 s 0 0 0 d 0 1 0 12 3 3
Z 0 0 5/4 0 0 33 Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. La solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice donde se alcanza, observando las filas correspondientes a las variables de decisin que han entrado en la base: D (3,12).
- 2y
x0, y0
Solucin ptima: X = 13.000 Y = 8.000. Valor ptimo V(P) = 1.940 dlares. Se recomienda verificar estos resultados a travs de la resolucin grfica y/o utilizando Solver de Excel.