Documente Academic
Documente Profesional
Documente Cultură
Investigacin de Operaciones I
Ciclo V
DireccinUniversitariadeEducacinaDistancia
Universidad Alas Peruanas
Direccin Universitaria de Educacin a Distancia (DUED)
Calle Los Lirios 144, San Isidro. LimaPer
Telf. (511) 4221808
http://dued.uap.edu.pe
dued@uap.edu.pe
Impreso en los talleres grficos de la Universidad Alas Peruanas
Av. San Felipe 1109, Jess Mara. LimaPer
Telf. (511) 2660195
Derechos reservados. No est permitida la reproduccin total o parcial de la obra por
cualquier medio o procedimiento, comprendidos la reprografa, el tratamiento informtico
y electrnico sin la autorizacin de la Universidad Alas Peruanas.
2010
Gua didctica
Investigacin de Operaciones I
ndice
Estimado participante:
Propsito
El propsito de esta Gua didctica es apoyar el desarrollo de la asignatura y
brindarle las orientaciones necesarias para facilitar su aprendizaje. Por ello es
importante su permanente lectura y comprensin.
Utilidad
Es importante que tenga en consideracin las precisiones detalladas en esta
gua, ya que le permitirn:
Partes
Introduccin a la asignatura
Objetivos
Requisitos
Medios didcticos
Gua didctica
Investigacin de Operaciones I
Fuentes de informacin
Actividad acadmica
Evaluacin
Recomendaciones
Gua didctica
Investigacin de Operaciones I
3. Introduccin a la asignatura
Cul es su finalidad?
La finalidad de esta asignatura es lograr que usted se familiarice con los
modelos cuantitativos y, en particular, centrar su atencin en la programacin lineal
que es una tcnica de modelo matemtico, cuya finalidad principal es optimizar el uso
de los recursos limitados. Las aplicaciones de IO se iniciaron con mucho xito en el
campo militar, la agricultura, la industria, la economa, los sistemas de salud, control
de la contaminacin ambiental, distribucin de materia prima e inclusive en los
sistemas organizacionales. En estos tiempos, el aumento de las capacidades
computacionales y la disponibilidad de programas permite que ms empresas tengan
acceso a las ventajas de los modelos de programacin lineal. La idea es lograr que
usted entienda lo que es un modelo matemtico, desarrolle habilidades para modelar y
resolver el mismo.
Qu caractersticas tiene?
Se trata de un curso terico-prctico, con mayor incidencia en la parte prctica,
por lo cual se recomienda la constante revisin y desarrollo de los ejercicios, tanto de
los realizados con el docente-tutor como de los propuestos.
10
Gua didctica
Investigacin de Operaciones I
Datos informativos
Asignatura
Investigacin de Operaciones I
Ciclo acadmico
Crditos
Naturaleza
Obligatoria
Requisito
Inferencia Estadstica
Docente-tutor
11
12
Gua didctica
Investigacin de Operaciones I
Importancia de la asignatura
La Investigacin de Operaciones I dentro de la teora de optimizacin es una
rama de la matemtica aplicada. Como tcnica de optimizacin se convierte en
herramienta fundamental para resolver problemas cuantitativos en diversas reas de
las ciencias tales como la biologa, la economa, la medicina, la ingeniera, entre otras.
La IO como ciencia de la administracin permitir al ingeniero industrial maximizar o
minimizar alguna funcin objetivo, optimizando recursos limitados. Como podemos ver,
la IO resulta muy valiosa pues permite al ingeniero asesorar mejor a la gerencia en la
toma de decisiones frente a problemas complejos de la administracin.
13
4. Objetivos
A continuacin le mostramos los objetivos generales y especficos del presente
curso, al mismo tiempo visualizar la semana en que debemos trabajar el logro de
cada objetivo.
Objetivo general
Introducir al alumno en los principios, tcnicas y filosofa de la investigacin de
operaciones (IO).
Unidad didctica
Objetivos
Semana de
estudio
1.-2.
II
3.-4.
III
5.-6.
IV
7.-8.
14
Gua didctica
Investigacin de Operaciones I
5. Requisitos
En esta seccin se detallan los requisitos mnimos que usted debe cumplir para
poder cursar la asignatura de Investigacin de Operaciones I.
Solucin de desigualdades
15
6. Medios didcticos
Pasaremos a especificar aquellos medios que utilizaremos en el desarrollo de
la asignatura:
Impresos
La Gua didctica
Es el documento orientador del curso, su lectura y comprensin es obligatoria
porque en ella se sealan todos los criterios a tener en cuenta durante el
desarrollo de la presente asignatura. No olvide leerla con detenimiento.
Campus virtual
Es el espacio disponible en Internet, que se utiliza como medio de transmisin
de informacin de la presente asignatura. Su acceso es muy importante durante cada
semana de estudio. Usted va a ingresar con un usuario y clave que le sern
entregados en el momento de su matrcula, en la Coordinacin de su Unidad
Descentralizada.
16
Gua didctica
Investigacin de Operaciones I
En el Campus Virtual encontrar las aulas virtuales (una por cada curso en que
se haya matriculado). En cada aula virtual usted visualizar:
Orientaciones generales
En esta opcin descargar un archivo con informacin importante que lo ayudar
en el desempeo del curso.
Foro de debate
A travs de esta seccin se realizarn los debates acadmicos definidos para el
curso: el docente plantear temas a ser discutidos, con la finalidad de profundizar
o aclarar temas de la asignatura. Usted puede participar del foro cuando lo
desee, tambin planteando sus dudas o comentando sobre lo aprendido.
17
Sala de conferencias
En este apartado docente y alumno interactan en lnea. Es el espacio en el aula
virtual en el que usted encontrar al tutor para recibir su asesoramiento, para
intercambiar opiniones, preguntas y respuestas acerca del curso. Los horarios de
tutora estn especificados en esta seccin. Tenga en cuenta que a esta sala
ingresan todos los participantes. Recuerde adems que:
1. Para utilizar adecuadamente esta Sala debe tener conectados audfonos o
parlantes.
2. Instalar con anticipacin el programa de la Sala de Conferencia.
3. Ingresar a la sala identificndote con su nombre completo (Nombre y
Apellido)
Adems se recomienda
1.
2.
3.
18
Gua didctica
Investigacin de Operaciones I
Compaeros de curso
Este cono muestra la lista de alumnos matriculados en el curso, sus fotos y
correos, para que usted pueda relacionarse con ellos y realizar tambin trabajos
grupales.
Envo de exmenes
Se emplea para enviar las evaluaciones escritas, en los plazos establecidos.
Visualizar notas
Con este enlace puede ir viendo las calificaciones del curso.
Finalmente en:
19
Curso : XXXXXXXXXXXXX
0201-02XXX XXXXXXXXXXXX
Docente: XXXXXXXXXXXXXXXXXXXXX
20
Gua didctica
Investigacin de Operaciones I
Modelo de examen
Es el espacio desde donde usted podr descargar un modelo de examen,
de tal forma que pueda prepararse adecuadamente para su evaluacin. El
modelo de examen, como bien dice su nombre, es una demostracin de la
forma en que vendr elaborado el examen original.
Trabajo final
Es el espacio en el Aula virtual en el que usted podr descargar el trabajo
final que necesita desarrollar y entregar en el plazo que figura en el
calendario de evaluacin. No olvide descargarlo para que pueda
elaborarlo.
Ayudas
En este espacio usted podr descargar o compartir las ayudas que se
colocarn cada semana de estudio para reforzar o complementar sus
conocimientos; ellos son parte de las evaluaciones del presente curso.
Ayudas
Autoevaluaciones
Aqu, el docente colocar preguntas, problemas o ejercicios que usted
desarrollar para asegurarse el adecuado nivel de comprensin de los
temas desarrollados cada semana.
21
Enlaces interesantes
Es el espacio donde el docente colocar rutas o enlaces a pginas web,
con temas de la semana.
22
Gua didctica
Investigacin de Operaciones I
Con todos los documentos que usted deber conocer para cumplir con sus
obligaciones, ejercer sus derechos, cumplir con las normas de su Facultad, as
como efectuar trmites siguiendo las instancias apropiadas, para evitarse
inconvenientes, frustraciones o demoras.
Manuales
Gua de Atencin al Alumno
Gua del Estudiante a Distancia UAP
Presentacin y generalidades de la universidad
Sobre la Direccin Universitaria de Educacin a Distancia
(DUED)
Informacin y orientaciones bsicas para el alumno
Componentes del sistema de educacin a distancia
Campo de accin y perfil profesional
Gua de manejo del Campus virtual
Gua de manejo del Correo electrnico
Gua de Instalacin y Manual de Sala de Conferencias
Gua de configuracin de audio y micrfono
23
Procedimientos
Actualizacin de Matrcula
Reserva de Matrcula
Cambio de Unidad Descentralizada (UDED)
Constancia de Estudios
Certificado de Estudios
Traslado de Modalidad de Estudios
Acrobat Reader
Abre archivos de extensin PDF.
WinZip
Comprime archivos reduciendo su tamao y
colocndolos en un solo objeto con extensin .zip. Del
modo inverso, los descomprime.
Microsoft Editor de Ecuaciones
Agrega ecuaciones a sus documentos de MS Office.
Visual C# 2005 Express Edition
Herramienta de desarrollo de software.
Versin de prueba de 30 das.
Adobe Flash
Herramienta para desarrollar contenido dinmico y
multimedia para presentaciones e Internet.
Versin de prueba de 30 das.
Minitab
Es un programa diseado para ejecutar funciones
estadsticas bsicas y avanzadas.
24
Gua didctica
Investigacin de Operaciones I
7. Contenidos
I Unidad didctica
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y FUNDAMENTOS DE
LA PROGRAMACIN LINEAL
Objetivo general
Al finalizar esta unidad didctica estar en la capacidad de formular modelos
de programacin lineal con dos o ms variables y su solucin mediante el
mtodo grfico para modelos con dos variables de decisin.
Unidad
Objetivos
didctica
especficos
Semana
Contenidos
de
estudios
Conoce y
comprende la
importancia de
los orgenes de la
investigacin
operativa
1.
Define y
comprende los
fundamentos de
la programacin
solucin
2.
lineal
Conoce y
comprende la
importancia de
modelar
problemas
aplicados a
diferentes reas
2.
de la ciencia.
25
II Unidad didctica
REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y EL MTODO
SIMPLEX
Objetivo general
Al finalizar la presente unidad didctica, usted estar en la capacidad de reconocer la
importancia de representar problemas reales en trminos matemticos. As como
conocer y aplicar el algoritmo Simplex para modelos con ms de dos variables de
decisin en la solucin de problemas de optimizacin.
Unidad
didctica
Semana
Objetivos especficos
Contenidos
de
estudios
Conoce y aplica la
representacin
matemtica de un modelo
lineal
3.
II
Comprende la importancia
la solucin de problemas
de programacin lineal
26
4.
Gua didctica
Investigacin de Operaciones I
Unidad didctica
Objetivos especficos
Contenidos
Comprende y explica la
definicin del modelo de
transporte y la aplicacin
del algoritmo.
III
Semana de estudios
5.
6.
27
IV Unidad didctica
TPICOS AVANZADOS EN PROGRAMACIN LINEAL TALES COMO:
PROGRAMACIN POR OBJETIVOS Y PROGRAMACIN LINEAL ENTERA
Objetivo general
Al finalizar esta unidad didctica estar en capacidad de comprender la importancia de
resolver modelos de mltiples objetivos y convertir los objetivos mltiples originales en
una sola meta y adems trataremos programas lineales en los cuales algunas o todas las
variables de decisin estn restringidas a valores enteros.
Unidad didctica
Objetivos especficos
Comprende y explica los
conceptos bsicos de la
programacin por
objetivos
Contenidos
Semana de estudios
Definicin y formulacin
de programacin por
metas, conceptos bsicos
y solucin haciendo uso
del Lindo
7
IV
28
Definicin y formulacin
de programacin lineal
entera, enfoque grfico,
problemas con el
redondeo, solucin a
travs del mtodo de
ramificacin y
acotamiento.
Gua didctica
Investigacin de Operaciones I
8. Fuentes de informacin
Bibliografa bsica
Es el presente texto, material de estudio obligatorio. Su lectura y comprensin es
imprescindible para lograr los objetivos del curso.
Bibliografa complementaria
Son textos adicionales de lectura no obligatoria
Enlaces de Internet
Son direcciones electrnicas (direcciones de Internet) que contienen informacin
relevante que darn soporte a las diferentes unidades didcticas. En el Campus
virtual del curso encontrar los enlaces por semana de estudio.
29
9. Actividades
Autoevaluativas
Son actividades sugeridas que usted encontrar al final de cada unidad
didctica del presente texto. No son de entrega obligatoria: estas actividades sirven
para reforzar los conocimientos o competencias que usted debi haber logrado en sus
semanas de estudio.
Lectura de textos de acuerdo al tpico desarrollado.
Ejercicios
de
ampliacin
complementacin
de
enunciados
autocomprobacin de lo aprendido.
Trabajo acadmico
Su cumplimiento en cuanto al desarrollo adecuado y entrega oportuna es de
carcter obligatorio, es decir, segn lo programado en el Aula virtual. Usted debe
desarrollar el trabajo asignado bajo este rubro teniendo en cuenta la fecha lmite para
la presentacin, pudiendo antes del plazo, consultar con el docente.
el
espacio
denominado
Trabajo
acadmico.
En
encontrar
las
30
Gua didctica
Investigacin de Operaciones I
10. Evaluacin
Dada la naturaleza del curso, es muy importante su participacin activa en el
proceso de aprendizaje. Por ello, se define en este acpite los criterios de evaluacin:
Exmenes
Examen es la evaluacin escrita del presente curso, se evala con escala
vigesimal y se rendirn en las fechas seala en el siguiente cuadro.
Exmenes
Semana de estudios
Examen parcial
Cuarta
Examen final
Octava
Examen sustitutorio
Dieciocho
Trabajo acadmico
Son los trabajos que usted entregar obligatoriamente, y constituyen un requisito
indispensable para aprobar el curso.
El desarrollo de algunos trabajos acadmicos requiere trabajo en grupo, en otros
casos el desarrollo ser de forma personal.
31
Permanente.
Rubros:
Examen parcial.
(35%)
Examen final.
(35%)
Actividades Obligatorias
(30%)
32
Gua didctica
Investigacin de Operaciones I
Estimado participante:
Para que usted pueda lograr los objetivos de cada unidad didctica considere
lo siguiente:
Unidad didctica
II
III
IV
Objetivo
Tiempo
sugerido de
estudio
30 horas
20 horas
20 horas
20 horas
33
Recuerde que debe interpretar con sus propias palabras los conceptos
presentados por el autor, esto le permitir una mayor comprensin del tema.
34
Gua didctica
Investigacin de Operaciones I
El tiempo
35
Buena suerte!
36
I Unidad didctica
Investigacin Operativa I
INTRODUCCIN A LA INVESTIGACIN DE
OPERACIONES Y FUNDAMENTOS DE LA
PROGRAMACIN LINEAL
Investigacin de Operaciones I
Esquema de contenidos
1.
1.1
1.2
Qu es la investigacin Operativa?
1.3
La toma de decisiones
1.4
1.5
Perfil profesional en IO
1.6
1.7
1.8
2.
Objetivos
Objetivo general
Al finalizar esta unidad didctica estar en la capacidad de formular modelos
de programacin lineal y su solucin mediante el mtodo grfico para
modelos con dos variables de decisin.
Objetivos especficos
Conoce y comprende la importancia de los orgenes de la investigacin operativa
Investigacin de Operaciones I
Prlogo
Investigacin de Operaciones I
Contenidos
I Unidad didctica
INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES Y FUNDAMENTOS DE
LA PROGRAMACIN LINEAL
EL PROBLEMA
Los recursos
son escasos
Antecedentes
El xito de la IO se debe a:
-
10
Investigacin de Operaciones I
11
Definicin NAMAKFORROSH
Es la aplicacin del mtodo cientfico a los problemas de decisin de las empresas y
otras organizaciones, incluyendo el gobierno y la milicia.
Definicin LAWRENCE y PASTERNAK, 1998
Un enfoque cientfico para la toma de decisiones ejecutivas, que consiste en: el arte de
modelar situaciones complejas, la ciencia de desarrollar tcnicas de solucin para
resolver dichos modelos y la capacidad de comunicar efectivamente los resultados.
Objetivo de la Investigacin operativa
-
b.
12
c.
Investigacin de Operaciones I
d.
Tipos de decisiones
En una situacin de incertidumbre, las personas slo tienen una base de datos
muy deficiente. No saben si estos son o no confiables y tienen mucha
inseguridad sobre los posibles cambios que pueda sufrir la situacin.
13
Bases cualitativas: existen ciertas cualidades que hacen que los tomadores de
decisin sean buenos o malos. Las cualidades que tienen mayor importancia a la
hora de analizar al tomador de las decisiones son:
i.
Informacin.
ii. Conocimientos.
iii. Experiencia.
iv. Anlisis.
v. Juicio.
e.
Clases de decisiones
Decisiones programadas
Decisiones no programadas
1.4
Las tcnicas utilizadas para resolver problemas y apoyar a la toma de decisiones son
variadas, dependiendo, entre otros factores de la naturaleza de los datos. Se utilizan
modelos matemticos
Para solucionar modelos cuantitativos, podemos hacer uso de las siguientes tcnicas
de optimizacin:
-
14
Investigacin de Operaciones I
B.
1.5
Modelos determinsticos
Programacin matemtica
Programacin lineal
Programacin entera
Programacin dinmica
Programacin no lineal
Programacin multiobjetivo
Modelos de transporte
Modelos de redes
Modelos probabilsticos
Programacin estocstica
Gestin de inventarios
Teora de juegos
Simulacin
PERFIL PROFESIONAL EN IO
Desarrollo de un modelo
matemtico y recoleccin de
datos
Modelo Modificado
Solucin
Es
vlida la
solucin
no
S
Implementacin
16
Investigacin de Operaciones I
17
a) Mtodos ptimos, que producen los mejores valores para las variables de
decisin, es decir, aquellos valores que satisfacen simultneamente todas las
limitaciones y proporcionan el mejor valor para la funcin objetivo.
b) Mtodos heursticos , que producen valores para las variables que satisfacen
todas las limitaciones. Aunque no necesariamente ptimos, estos valores proporcionan
un valor aceptable para la funcin objetivo.
En
contraste
con
los
mtodos
ptimos,
los
mtodos
heursticos
son
Ciertos aspectos del problema pueden haberse pasado por alto, omitido
deliberadamente o simplificado.
18
Investigacin de Operaciones I
A veces no es aplicable.
Heursticos
Simulacin
19
20
Investigacin de Operaciones I
Variables de decisin
-
Restricciones
-
Funcin objetivo
-
21
2.
22
Investigacin de Operaciones I
23
24
Investigacin de Operaciones I
l
h
a
c
d
f
k
conjuntosconvexos(a) y(b)
c)
d)
conjuntos no convexos, c y d
El conjunto convexo (c.c.) est dado por la interseccin de los planos que forman
todas las desigualdades y ecuaciones que conforman un modelo, siempre y cuando no
tengan bordes dentados u orificios.
25
Por lo expuesto tendremos nicamente que investigar los puntos extremos del
polgono convexo y buscar aquel punto que proporcione el mayor (menor) valor para la
funcin objetivo y obtendremos as la solucin buscada.
Graficacin de ecuaciones y desigualdades lineales
Cuando se grafica una ecuacin, se genera una recta sobre el eje de coordenadas.
Las desigualdades generan un plano al graficarlo sobre el eje de coordenadas.
Pasos para la graficacin de una desigualdad:
a.
26
b.
Investigacin de Operaciones I
Caracterstica clave
27
ai1 x1 + ai 2 x2 + ai 3 x3 + ... + ain xn = bi (i = 1, 2,...m);.........( )
Y las restricciones de no negatividad
x j 0; (j = 1, 2,3,..., n).............( )
28
Investigacin de Operaciones I
Observaciones
i) aij , bi , y c j son valores que se asume conocidos
ii) x j son variables de decisin que se desea hallar, de tal manera que optimicen ( )
iii) la ecuacin ( ) se conoce como funcin objetivo
iv) la ecuacin ( ) se conoce como conjunto de restricciones
v) la ecuacin ( ) se conoce como variables de decisin
29
Ejemplos
A.
a.
Solucin
30
Carbohidratos
Protenas
Costos
Alimento A
1.2
Alimento B
0.80
Rendimiento
16
20
Investigacin de Operaciones I
Variables de decisin
Sea X1 en N. de unidades de alimentos A comprar
Sea X2 en N. de unidades de alimentos B comprar
F.O costo min Z = 1.2 X1+0.8 X2
Sa.
2X1+2X2 >= 16
4X1+1X2 >=20
X1, X2 >=0
Tabulando para cada una de las rectas, pues usted sabe que por dos puntos pasa una
recta
L1: 2X1+2X2 = 16
X1
X2
(0,8)
(8,0)
X2
20
(0,20)
(5,0)
31
20
L1: 2X1+2X2 = 16
(0,0)
Punto L1 L2
2X1+2X2 = 16 resolviendo el sistema de ecuaciones se obtiene: X=1 4
4X1+1X2 =20
Reemplazando en Z = 1.2 X1+0.8 X2
En el punto (0,20) Z= 1.2 (0)+0.8 (20) = 16
En el punto (4,4) 1.2 (4)+0.8 (4) =8
En el punto (8,0) 1.2 (8)+0.8 (0) = 9.6
Respuesta: Z min. ptimo = 8 con un plan de compra:
X1: 4 unidades del alimento A
32
X2=4
Investigacin de Operaciones I
Observaciones
4X1+1X2 >=20
X1, X2 >=0
Decir que el valor mximo de Z = 1.2 X1+0.8 X2 es en el punto (0,20) con z=16 es
completamente falso pues otro punto en la regin factible no acotada como por
ejemplo en: (8,20) nos da un z=25.6, y en (100,0) nos da un Z=120, es claro que
cuando (X1,X2 ) aumentan o toman otros valores dentro de la regin factible no
acotada, tambin lo hace Z. Por la tanto, ningn punto factible maximiza Z, de
modo que no existe solucin optima. En este caso decimos que la solucin es
no acotada
B.
SOLUCIN MLTIPLE
b.
Resolver grficamente
max z = x1 + x2
s.a
x1 + x2 4
x1 1
x2 2
x1 , x2 0
Solucin:
l1 : x1 = 1 l2 : x2 = 2
33
Payoff:
1 x1 +
1 x2 =
x2
2
0 x1 +
1 x2 =
1
:
1 x1 +
0 x2 =
1 x1 +
1 x2 =
x1
0
0
Optimal Decisions(x1,x2): ( 2, 2) ( 4, 0)
: 1x1 + 1x2 < = 4
: 1x1 + 0x2 > = 1
: 0x1 + 1x2 < = 2
x1 + x2 4
x1 + 2 x2 2
x1 , x2 0
34
Investigacin de Operaciones I
18
12
Payoff:
1 x1 +
1 x2 =
6
:
:
1 x1 +
1 x1 +
1 x2 =
2 x2 =
4
2
0
0
:
:
10
1x1 +
1x1 +
1 x2 >=
2 x2 <=
20
30
40
4
2
max z = x1 + x2
s.a
3x1 + 2 x2 6
2 x1 + 4 x2 8
x1 , x2 0
Solucin: por dos puntos pasa una recta entonces:
35
10
Investigacin de Operaciones I
cada juguete debe producir por semana con el fin de maximizar la utilidad? Cul
sera la utilidad mxima?
Mquina
Mquina B
Terminado
A
Cosa
2 horas
1 hora
1 hora
Cosita
1 hora
1 hora
3 horas
Variables de decisin:
4 X1 +
6 x2
2 X1 +
1 x2 <= 70
54
s.a
48
42
36
Payoff:
4 x1 +
1 X1 +
1 x2 <= 40
1 X1 +
3 x2 <= 90
6 x2 = 210
30
Z optimo 210
24
18
12
:
6
0
:
:
0
1 x1 +
1 x1 +
2 x1 +
3 x2 =
1 x2 =
1 x2 =
10
90
40
70
20
30
40
50
60
70
80
90
37
EJEMPLO 12:
Mezcla
II
2
6
4
$4
2
2
12
$5
Requerimiento
mnimo
80
120
240
Nutriente
A
B
C
Costo
Variables de Decisin:
Sea:
2X2
2X2
12X2
Xi 0
i = 1,2
2X1
6X1
4X1
80
120
240
Solucin:
L1: 2X1 + 2X2 = 80
X1
0
40
X2
40
0
(0, 40)
(40, 0)
X1
0
20
X2
60
0
(0, 60)
(20, 0)
X1
0
60
X2
20
0
(0, 20)
(60, 0)
38
Investigacin de Operaciones I
Grfico:
X2
(0, 60)
L2: 6X1 + 2X2 = 120
(0, 40)
(20, 0)
(40, 0)
(60, 0)
X1
Pto B: L2 L1
6X1
2X1
3X1
-X1
+
+
+
-
2X2
=
2X2
=
X2 =
X2 =
2X1
=
X1
=
120
80
60
-40
20
10
X2
30
B (10,30)
39
Pto C: L1 L3
2X1
4X1
-X1
X1
+
+
+
2X2
12X2
X2
3X2
2X2
X2
=
=
=
=
=
=
80
240
40
60
20
10
X1
30
C (30,10)
f.o. Min C= 4X1 + 5X2
En el punto A (0, 60)
Z= 4(109.09)+5(63.64) = 300
Z= 4(10)+5(30) = 190
Z= 4(30)+5(10) =170
En el punto D (60, 0)
Rpta:
Z= 4(60)+5(0) = 240
40
Investigacin de Operaciones I
2. Maximizar
P = 10x +12y
Z = 4x -6y
3. Maximizar
Z = 4x 10y
Sujeta a
s.a
s.a
x + y 60
y 7,
x 4y 4
3x y 3 ,
2x - y 2
x 2y 0
x, y 0
4. Minimizar
x +y 5 ,x,y 0
5. Minimizar
Z = 7x +3y
Sujeta a
3x - y 2
C = 2x + y
s.a
x, y 0
6.a) Maximizar
Z = 10x + 2y
s.a
3x + y 3,
x +2y 4
4x +3y 6,
x - 2y 0
x y =-1
x +2y 2
x, y 0
x+y
x, y
6.b) Minimizar
x, y 0
6.c) Maximizar
Z = 3x +7y
Z = -4x + 6y
Sujeta a
s.a
x-y
x -2 y 10
-2x y 2
6x -2 y 3
-2x +3y 6
x +y 3
x, y 0
41
7.
Mquina
Mquina B
Terminado
8.
Cosa
2 horas
1 hora
1 hora
Cosita
1 hora
1 hora
3 horas
9.
42
Filn I
Filn II
Mineral A
110 lb
200 lb
Mineral B
200 lb
50 lb
$50
$60
10.
Investigacin de Operaciones I
Costo de construccin. Una compaa qumica est diseando una planta para
producir dos tipos de polmeros, P1 y P2.
La planta debe ser capaz de producir al menos 100 unidades de P1 y 420
unidades de P2 cada da. Existen dos posibles diseos para las cmaras
principales de reaccin que sern incluidas en la planta. Cada cmara de tipo A
cuesta $600,000 y es capaz de producir 10 unidades de P1 y 20 unidades de P2
por da; el tipo B es un diseo ms econmico, cuesta $300,000 y es capaz de
producir 4 unidades de P1 y 30 unidades de P2 por da. A causa de los costos de
operacin, es necesario tener al menos 4 cmaras de cada tipo en la planta.
Cuntas cmaras de cada tipo deben ser incluidas para minimizar el costo de
construccin y satisfacer el programa de produccin requerido? (Suponga que
exista un costo mnimo).
11.
12.
Mquina A
Mquina B
Old Smokey
2 horas
4 horas
Blaze Away
4 horas
2 horas
43
13.
14.
producidos diariamente, por cada uno de los procesos, para maximizar la utilidad
diaria? Cul es la utilidad diaria?
15.
World Oil Company puede comprar dos tipos de petrleo crudo: crudo ligero a
un costo de $25 por barril, y petrleo pesado a $22 por barril. Cada barril de
petrleo crudo, ya refinado, produce tres productos: gasolina, turbosina y
Kerosene.
La siguiente tabla indica las cantidades en barriles de gasolina, turbosina y
queroseno producidos por barril de cada tipo de petrleo crudo:
44
Gasolina
Turbosina
Kerosene
Crudo ligero
0.45
0.18
0.30
Crudo pesado
0.35
0.36
0.20
Investigacin de Operaciones I
16.
MATERIA PRIMA(libras)
MANO DE OBRA(horas)
Compactos
200
18
Subcompactos
150
20
Costo unitario$
10
70
Total disponible
80,000
9 000
17.
45
Gasolina
Beneficio/u 4
f .o MaxZ = 4 x1 + 6 x 2
S .a
2 x1 + x 2 70
1x1 + x 2 40
1x1 + 3x 2 90
xi 0 i = 1,2
8. Variables de decisin
Sea:
46
Investigacin de Operaciones I
4 x1 + 1x 2 20
xi 0 i = 1,2
9. Variables de decisin
sea:
f .o
Min Z = 50 x1 + 60 x2
S .a
110 x1 + 200 x2 300
200 x1 + 50 x2 2500
xi 0 i = 1, 2
10. Variable de decisin:
Sea:
20 x1 + 30 x 2 420
1x1 4
1x 2 4
xi 0 i = 1,2
x1 = El nmero de
x 2 = El nmero de
47
f .o MaxZ = 4 x1 + 6 x 2
S .a
2 x1 + 4 x 2 24
4 x1 + 2 x 2 24
xi 0 i = 12
f .o
Min Z = 4 x1 + 5 x2
S .a
2 x1 + 2 x2 80
6 x1 + 2 x2 120
4 x1 + 12 x2 240
xi 0 i = 1, 2
13. Variables de decisin:
Sea:
f .o
S .a
200 x1 + 100 x2 80 0
48
f .o
Investigacin de Operaciones I
S .a
15 x1 + 5 x2 10500
40 x1 + 20 x2 30000
xi 0 i = 12
f .o
Min Z = 25 x1 + 22 x2
S .a
0.45 x1 + 0.35 x2 12600000 0
f .o
S .a
200 x1 + 150 x2 8000 0
18 x1 + 20 x2
9000
x1
1500
x2
200
xi 0 i = 1, 2
17. Variables de decisin
Sea:
S .a
7 x1 + 10 x2 1400 limitacion de crudo c1
12 x1 + 8 x2 2000 limitacion de crudo c2
8 x1 + 10 x2 900 demanda de G
6x1 +7x 2
300 demanda de p
50
3.
Investigacin de Operaciones I
51
Variables de decisin
Sea
X1 el nmero de cortes a realizar 3 de 30 con desperdicio 18
X2 el nmero de cortes a realizar 2 de 30 y uno de 45 con desperdicio 3
X3 el nmero de cortes a realizar 1 de 30 y uno de56 con desperdicio 22
X4 el nmero de cortes a realizar 2 de 45 con desperdicio 18
X5 el nmero de cortes a realizar 1 de 45 y uno de 56 con desperdicio 7
La funcin Objetivo consiste en minimizar el desperdicio
1X3+1X5
Xi>=0 i=1,2,3,4,5
Respuesta.
X1 =1000 cortes a realizar 3 de 30
X2 =0 cortes a realizar 2 de 30 y uno de 45
X3 =500 cortes a realizar 1 de 30 y uno de56
X4 =0 cortes a realizar 2 de 45
X5=500 cortes a realizar 1 de 45 y uno de 56
Desperdicio mn ptimo= 16300
52
Investigacin de Operaciones I
Ejemplo 2
Una empresa se dedica a comprar y vender un producto durante algunos meses. El
precio de mercado tanto de compra como de venta, por tonelada, es:
60
90
80
110
ii)
60
90
80
110
X2C
X3C (compra)
X4V
X5V
X6V(vende)
Variables de decisin
Sea:
X1 el nmero de toneladas que compra en el mes de abril
X2el nmero de toneladas que compra en el mes de mayo
X3 el nmero de toneladas que compra en el mes de junio
X4el nmero de toneladas que vende en el mes de mayo
X5el nmero de toneladas que vende en el mes de junio
X6el nmero de toneladas que vende en el mes de julio
Ingresos: 90X4+80X5+110X6
53
Costos: 60X1+90X2+80X3
Modelo matemtico
s.a
Restricciones de capacidad
X1<=20
X1+X2-X4>=0
X1+X2-X4<=20
X1+X2+X3-X4-X5>=0
X1+X2+X3-X4-X5<=20
Condicion de equilibrio
X1+X2+X3-X4-X5-X6=0
Xi>=0 i=1,2,6
54
Investigacin de Operaciones I
Ejemplo 3
Gasahol Inc. tiene 14 000 galones de una mezcla de gasolina y alcohol almacenada
en su instalacin de Fresno y 16000 galones almacenados en su instalacin de
Bakerfield. Desde estas instalaciones, Gasahol debe proveer a Fresh Food Farms
(FFF) 10 000 galones y a American Growers (AG) 20 000 galones. El costo de
embarcar 1 galn desde cada instalacin de almacenado a cada cliente es:
HACIA
DE
FFF
AG
Fresno (Fr)
$0.04
$0.06
Bakersfield (B)
$0.05
$0.03
Almacenado
14.000
$ 0.04
FFF
X1
Fr
$ 0.06
Demanda
X2
1000
$ 0.05
X3
X4
AG
Demanda
2000
$ 0.03
B
Almacenado
16.000
55
x1 + x3 = 10000 demanda
x2 + x4 = 2000 demanda
x1 + x 2 14000 oferta en almacen
Ejemplo 4
Problema de distribucin. Cosmic Computer Company CCC tiene tres plantas de
ensamblaje de microcomputadoras en San Francisco, Los ngeles y Phoenix. La
planta de los ngeles tiene una capacidad de produccin mensual de 2000 unidades.
Cada una de las plantas de San Franciscop y Phoenix puede producir un mximo de
1700 unidades al mes. Las microcomputadoras de CCC se venden a travs de cuatro
tiendas detallistas localizadas en San Diego, Barstow, Tucson y Dallas. Los pedidos
mensuales de los vendedores al menudeo son de 1700 unidades en San Diego, 1000
en Barstow, 1500 en Tucson y 1200 en Dallas. La tabla contiene el costo de embarque
de una microcomputadora desde cada planta de ensamblaje hasta cada una de las
distintas tiendas minoristas. Su trabajo es formular un modelo matemtico para
encontrar el programa de embarque de mnimo costo.
PLANTAS
San Francisco
Los ngeles
Phoenix
56
SAN DIEGO
5
4
6
TIENDAS
BARSTOW
TUCSON
3
2
7
8
5
3
DALLAS
6
10
8
Investigacin de Operaciones I
Solucin
Plantas de ensamblaje-ofertas
Tiendas-demanda
San francisco
1700
Los ngeles
2000
San diego
1700
Barstow
1000
Tucson
1500
Phoenix
1700
Dallas
1200
SF --- SD
SF --- B
SF --- T
SF --- D
LA --- SD
LA --- B
LA --- T
LA --- D
P --- SD
P --- B
P --- T
P --- D
57
Capacidad de produccin
x1 + x2 + x3 + x4 1700
x5 + x6 + x7 + x8 2000
x9 + x10 + x11 + x12 1700
Demanda
x1 + x5 + x9 = 1700
x2 + x6 + x10 = 1000
x3 + x7 + x11 = 1500
x4 + x8 + x12 = 1200
xi 0, i = 1, 2,3,...12
58
Investigacin de Operaciones I
1. Fresh Dairy Faros tiene dos mquinas distintas para procesar leche pura y producir
leche descremada, mantequilla o queso. La cantidad de tiempo requerido en cada
mquina para producir cada unidad de producto resultante y las ganancias netas se
proporciona en la siguiente tabla:
LECHE DESCREMADA
MANTEQUILLA
QUESO
Mquina 1
0.2 min/gal
0.5min/lb
1.5min/lb
Mquina2
0.3min/gal
0.7min/lb
1.2min/lb
$0.22/gal
$0.38/lb
$0.72/lb
Ganancia
neta
59
Requerimientos
Leche(mg/gal)
Queso(mg/lb)
Manzanas(mg/lb
Protenas
40
30
10
80
Vitamina A
50
30
60
Vitamina B
20
30
40
50
Vitamina C
30
50
60
30
Cantidad
0.5gal
0.5lb
0.5lb
$2.15
$2.25
$1.25
Mnimos diarios
Mnima
Costo
unitario
Como dietista de una escuela pblica, formule un modelo para determinar la comida
de costo mnimo que rena todos los requerimientos nutricionales.
Tipo de
Costo
Mximo
de
de
operacin($/mes)
viajes/mes
50 000
800
20
3000
40 000
650
25
2000
25 000
500
30
Capacidad
Costo de
(galones)
compra($)
6000
2
3
camin
60
Investigacin de Operaciones I
desea que ms de la mitad de la flota sea de camiones del tipo 1. Como gerente de
operaciones formule un modelo para determinar la composicin de la flota que
minimice los costos operativos mensuales al tiempo que satisfaga las demandas, no
salindose del presupuesto y satisfaciendo los requerimientos de las otras compaas.
4. Hexxon Oil Company tiene una gran refinera localizada en Newark, New Jersey. La
gasolina refinada es enviada de all a tanques de almacenamiento en Filadelfia a
travs de una red de oleoductos con estaciones de bombeo en Sayerville, Easton,
Trenton, Bridgewater y Allentown. El oleoducto esta construido en segmentos que
conectan parejas de estas ciudades. A lo largo de cada segmento existe un nmero
mximo conocido de galones por horas que pueden enviarse. Estos segmentos y sus
respectivas capacidades en galones por hora son:
DE
CAPACIDAD
Newark
Sayerville
150 000
Sayerville
Trenton
125 000
Trenton
Filadelfia
130 000
Newark
Bridgewater
80 000
Sayerville
Bridgewater
60 000
Bridgewater
Easton
Easton
Allentown
75 000
Easton
Trenton
50,000
Allentown
Filadelfia
90 000
100 000
61
5. ManuMania Company usa una base y dos productos de goma, todos en cantidades
iguales, para producir su Gooey Gum. La compaa puede producir un total combinado
de hasta 800 libras de la base y dos productos de goma. De manera alternativa, puede
comprar estos ingredientes en el mercado abierto en las siguientes cantidades de
dlares por libra:
COSTO DE
PRODUCTO
PRODUCCIN
COSTO DE COMPRA
Base
1.75
3.00
GP-
2.00
3.25
GP-2
2.25
3.75
6. Oklahoma Oil Inc. debe transportar 100 000 barriles de cada uno de sus tres
campos petroleros a su tanque de almacenamiento en Oklahoma City. El petrleo
puede transportarse en camiones directamente de los campos al tanque de
almacenamiento a un costo de $0.03 por barril por milla. Hasta 150 000 barriles de
petrleo tambin pueden enviarse desde los campos mediante ductos a un eje central
en Tulsa a un costo de $0.02 por barril por milla y luego transportarse en camiones a
Oklahoma City por $1 por barril. Formule un modelo para determinar el plan de
embarque de costo mnimo, dadas las siguientes distancias en millas:
HACIA
DESDE
OKLAHOMA
TULSA
Campo petrolero 1
150
50
Campo petrolero 2
170
65
Campo petrolero 3
190
80
7. Incredible Indelible Ink Company mezcla tres aditivos, A1, A2 y A3 a una base en
diferentes proporciones para obtener distintos colores de tinta. La tinta roja se obtiene
mezclando A1, A2 y A3 en la proporcin de 3:1:2, la tinta azul en la proporcin de 2: 3: 4
y la tinta verde en la proporcin de 1:2:3. Despus de mezclar estos aditivos, se aade
una cantidad igual de base para cada color. La compaa actualmente tiene 1000
62
Investigacin de Operaciones I
galones de A1, 1500 de A2, 2000 de A3, y 4000 de base. Dado que el precio de venta
por galn de cada tipo de tinta es el mismo, desarrolle un modelo para determinar
cmo deberan usarse estos recursos para obtener los mximos ingresos.
DE
Los ngeles
Salt Lake
Los ngeles
Phoenix
12
Salt Lake
Denver
10
Salt Lake
Albuquerque
10
Phoenix
Albuquerque
12
Denver
Minneapolis
Albuquerque
Houston
Minneapolis
Chicago
15
Houston
Atlanta
12
Chicago
Cleveland
15
Atlanta
Cleveland
12
Atlanta
Washington
14
Cleveland
Washington
Cleveland
Boston
12
Washington
Nueva York
15
Nueva York
Boston
18
63
Determinar el nmero mximo de bits por da que pueden transmitirse desde la oficina
de los a ngeles a la de Boston a travs de la red existente. Formular como un PPL.
60
90
80
110
10. Fresh Food Faros Inc. tiene 50 acres de tierra en la cual planta cualquier cantidad
de maz, soya, lechuga, algodn y brcoli. La siguiente tabla muestra la informacin
relevante perteneciente a la produccin, el costo de plantacin, el precio de venta
esperado y los requerimientos de agua para cada cultivo:
CULTIVO
PRODUCCION
COSTO
PRECIODEVENTA
AGUA
KG/ACRE
$/KG
($/KG)
REQUERIDA
(litros/kg)
Maz
640
1.00
1.70
8.75
Frijoles de Soya
500
0.50
1.30
5.00
Lechuga
400
0.40
1.00
2.25
Algodn
300
0.25
1.00
4.25
Brcoli
350
0.60
1.30
3.50
Para la prxima temporada, hay 100 000 litros de agua disponible y la compaa ha
contratado vender al menos 5120 kilogramos de maz. Formule un programa lineal
para determinar una estrategia de plantacin ptima para Fresh Food Faros Inc. Use
el nmero de acres de cada cultivo para plantacin como las variables de decisin.
64
Investigacin de Operaciones I
11. Un cierto restaurante opera 7 das a la semana. A las camareras se les contrata
para trabajar 6 horas diarias. El contrato del sindicato especifica que cada camarera
debe trabajar 5 das consecutivos y despus tener 2 das consecutivos de descanso.
Cada camarera recibe el mismo sueldo semanal. En el cuadro se presenta las
necesidades de contratacin.
Supngase que este ciclo de necesidades se repite en forma indefinida y no toma en
cuenta el hecho de que el nmero de camareras contratadas tiene que ser un nmero
entero.
El gerente desea encontrar un programa de empleo que satisfaga estas necesidades a
un costo mnimo. Formule este problema como un PPL.
Lunes
Nmero mnimo de
horas de camarera
necesario
150
Martes
200
Mircoles
400
Jueves
300
Viernes
700
Sbado
800
Domingo
300
Da
Finca
Superficie de
Nmero de
Cultivo
trabajadores
300
20
640
40
445
30
65
Tipo de
Superficie
Mano de obra
Beneficio/Ha
Maz
mxima
horas/mes/Ha
miles de $
350
800
510
760
480
735
La siembra tiene asociada unos costos por ha que difieren segn la finca y el tipo de
maz utilizado y que indicamos en miles de $.
L
1 60 48 52
2 56 51 50
3 53 50 61
Para respetar los deseos del propietario, el gabinete debe desarrollar una planificacin
en la que la proporcin de tierra dedicada al cultivo sea la misma en las tres fincas,
aunque la proporcin de las variedades de maz plantado no tenga que respetar tal
condicin.
Formular un modelo de programacin lineal para conocer la superficie de cultivo y el
tipo de maz utilizado en cada finca para que el beneficio esperado sea mximo.
66
II Unidad didctica
Investigacin Operativa I
Investigacin de Operaciones I
Esquema de contenidos
REPRESENTACIN MATEMTICA DEL MODELO LINEAL Y EL MTODO
SIMPLEX
4. REPRESENTACIN MATEMTICA DEL MODELO LINEAL
4.1. Planteamiento y formulacin de un programa lineal
4.2. Forma matricial
4.3. Diversas formas de presentacin del modelo de programacin lineal
4.3.1. Definicin: forma estandarizada de un problema de programacin lineal (ppl)
4.3.2. Definicin: forma cannica de un problema de programacin lineal (ppl). Caso
maximizacin
4.3.3. Definicin: forma cannica de un problema de programacin lineal (ppl). Caso
minimizacin
4.3.4. Propiedades de un programa lineal. Soluciones bsicas
4.3.5. Teorema fundamental de la programacin lineal
5. EL MTODO SIMPLEX
5.1
Ejemplo de maximizacin
5.2
69
Objetivos
II Unidad didctica
REPRESENTACIN MATEMTICA DEL MODELO LINEAL
Y EL MTODO SIMPLEX
Objetivo:
Al finalizar la presente unidad didctica estar en la capacidad de reconocer la
importancia de representar problemas reales en trminos matemticos.
As
como
70
Investigacin de Operaciones I
Contenidos
II Unidad didctica
4.
d k1 x1 + ... + d kn xn sk
e11 x1 + ... + e1n xn = t1
#
ei1x1 +...+ein x n =t i
x1 0, x2 0,..., xn 0
71
ixn respectivamente.
4.3. DIVERSAS FORMAS DE PRESENTACIN DEL MODELO DE
PROGRAMACIN LINEAL
Ciertas formas de presentacin han recibido nombres especficos, como se vera
enseguida:
4.3.1. Definicin: Forma estandarizada de un problema de programacin lineal
(PPL)
El modelo de un PPL est en forma estandarizada si el objetivo es maximizar o
minimizar una funcin objetivo sujeta a un conjunto de restricciones de la forma igual
que exclusivamente y las variables de decisin slo admiten valores no negativos.
Luego diremos que un programa lineal est formulado en forma estndar si viene
expresado como sigue
min(max) c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n =b m
xi 0; i = 1, 2,3,..., n
72
Investigacin de Operaciones I
max c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn b1
a21 x1 + a22 x2 + ... + a2 n xn b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n b m
xi 0; i = 1, 2,3,..., n
4.3.3. Definicin: forma cannica de un problema de programacin lineal (PPL
caso minimizacin
El modelo de un PPL est en forma cannica si el objetivo es minimizar una funcin
lineal sujeta a un conjunto de restricciones de la forma mayor o igual que y las
variables de decisin slo admiten valores no negativos.
Luego diremos que un programa lineal est formulado en forma cannica si viene
expresado como sigue
max c1 x1 + c2 x2 + ... + cn xn
s.a.
a11 x1 + a12 x2 + ... + a1n xn b1
a21 x1 + a22 x2 + ... + a2 n xn b2
#
#
#
#
a m1x1 +a m2 x 2 +...+a mn x n b m
xi 0; i = 1, 2,3,..., n
73
2.
a x
j =1
ij
a x
j =1
ij
3.
a x
ij
j =1
a x
j =1
ij
4.
a x
ij
j =1
a x
j =1
ij
5.
Sea xk una variable libre, es decir, una variable para la que no existe la
restriccin de no negatividad. Si se define xk = uk vk con uk 0 y vk 0 y se
sustituye en el programa se consigue que en el programa resultante todas las
variables estn sujetas a restricciones de no negatividad.
Se concluye que todo programa lineal puede expresarse siempre en forma
estndar o cannica.
74
Investigacin de Operaciones I
(ii)
(iii)
(iv)
Proposicin 2
Si un programa lineal tiene solucin ptima, entonces siempre existe un punto extremo
del conjunto factible en el que se alcanza la solucin ptima.
Proposicin 3
*
min cx
s.a.
Ax = b
x0
Donde la matriz A de orden mxn con m < n tiene rango m se verifica que:
i)
Si existe una solucin factible entonces existe una solucin bsica factible.
ii)
Si existe una solucin factible ptima entonces existe una solucin bsica factible
ptima.
75
5.
EL MTODO SIMPLEX
maximizar Z = c1 x 1 + c 2 x 2 + ... + c n x n
sujeto a :
a 21 x1 + a 22 x 2 + ... + a 2 n x n b2
a m1 x1 + a m 2 x 2 + ... + a mn x n bm
Donde x1 , x 2 ,...x n y b1 , b2 ,...bm son no negativos
Como se tiene m desigualdades, es necesario agregar m variables de holgura, ahora
bien, al introducir m incgnitas ms en las restricciones, deben aumentarse tambin en
la funcin objetivo. Sin embargo, para que no alteren dicha funcin, estas incgnitas
debern figurar con coeficiente cero.
= b1
+ x n +2
= b2
a m1 x1 + a m 2 x 2 + ... + a mn x n +
76
+ x n +m = bm
Investigacin de Operaciones I
| x1 x 2 x n x n +1 x n + 2 .........x n + m
Z
x | a a
0...............0
0
n +1 11 12 a1n 1
x n + 2 | a 21 a 22 a 2n 0
1...............0
0
...............................................................................
x n + m | a m1 a m2 a mn
0
0
1
0
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Z | c1 - c 2 - c n
0
0
0
1
| b1
| b2
| bm
|0
|b
in dica dores
Las variables de holgura son xn +1 , xn + 2,...
2.
3.
4.
5.
6.
7.
Si los indicadores de la nueva tabla son todos no negativos, tendr usted una
solucin ptima. El valor mximo de Z es la entrada en el ltimo rengln y la
ltima columna. Ocurre cuando las variables a la izquierda de la tabla son iguales
a las correspondientes entradas en la ltima columna. Todas las dems variables
son iguales a cero. Si al menos uno de los indicadores es negativo, repita el
proceso empezando con el paso 2 aplicado a la nueva tabla.
Como ayuda para entender el mtodo Simplex, podra interpretar ciertas entradas en
la tabla. Suponga que obtenemos una tabla cuyo ltimo rengln est indicado a
continuacin
|x1 x 2 x n x n +1 x n + 2 ........... x n + m Z |
|
.
.
.
.
.
|
|.
|
.
.
.
.
.
.........................................................................
|.
.
.
.
.
.
|
- |---------------------------------------------------------
Z | a
|h
78
Investigacin de Operaciones I
Conceptos bsicos
a)
c)
d)
e)
f)
g)
h)
79
i)
Solucin bsica: son valores de las variables que satisfacen las restricciones
de igualdad de un programa lineal en forma estndar, despus de que las
variables no bsicas se toman como cero.
j)
Solucin factible bsica (sfb) : valores de las variables que satisfacen las
restricciones de igualdad y de no negatividad de un programa lineal en forma
estndar, despus de que las variables no bsicas se toman como cero.
Banjo
Guitarra
Mandolina
Madera
Mano de obra
Metal
Variables de decisin:
Sea
80
Investigacin de Operaciones I
s.a.
1x1 + 2 x2 + 1x3 50
1x1 + 2 x2 + 2 x3 60
1x1 + 1x2 + 1x3 55
xi 0, i = 1, 2,3
ii)
s.a.
1x1 + 2 x2 + 1x3 + x 4 = 50
1x1 + 2 x2 + 2 x3 + x5 = 60
1x1 + 1x2 + 1x3 + x6 = 55
xi 0, i = 1, 2,3..., 6
iii)
x1 = 0
x4 = 50
x2 = 0
x5 = 60
x3 = 0
x6 = 55
z=0
81
iv)
Elemento pivote
Variable
que sale
50
60
55
50/1=50
60/1=60
55/1=55
Indicador ms negativo
*Debajo del elemento pivote se hace ceros mediante las operaciones filas es
decir:
i) Fila
Fila
iii) Fila
Fila de Z
82
(por -1) +
-1
1
-2
2
-1
2
-1
0
0
1
0
0
0
0
-50
60
-1
10
ii) Fila de
Fila de
4 (por -1) +
(por +200) +
+200
-200
-1
1
-2
1
-1
1
-1
0
0
0
0
1
0
0
-50
55
-1
-1
+400
-175
+200
-125
+200
0
000
001
+10000
0
225
75
200
001
10000
Menor
cociente
positivo
50
60
55
50
-1
10
-1
-1
225
75
200
Investigacin de Operaciones I
10,000
x1 = 50
x2 = 0
x1 = 50 Banjos
x2 = 0 Guitarras
x3 = 0 Mandolinas
Z Mx. ptimo=10 000
83
Mquina1
Mquina2
Mquina3
Siendo el nmero de horas semanales disponibles en cada mquina 240, 400 y 360
respectivamente. Determinar la produccin semanal ptima
Solucin
Maquina1
Maquina2
Maquina3
Beneficio
A
>=100
0
1
2
2
B
>=60
1
1
1
2
Variables de decisin
Sea
x1 El nmero de artculos a producir de A
400
2 x1 + x2 + x3 360
x1 100
x2 60
x3 60
xi 0
84
C
>=60
2
1
1
4
Tiempo
disponible
240
400
360
Investigacin de Operaciones I
x1 100
x2 60
x3 60
x1 100 0
x2 60 0
x3 60 0
x1 100 = y1 x1 = y1 + 100
x2 60 = y2 x2 = y2 + 60
x3 60 = y3 x3 = y3 + 60
Reemplazando en el modelo original
Max
s.a
y2 + 60 + 2( y3 + 60) 240
( y1 + 100) + ( y2 + 60) + ( y3 + 60) 400
2( y1 + 100) + ( y2 + 60) + ( y3 + 60) 360
yi 0
Simplificando obtenemos un nuevo modelo a resolver por el tablero simplex
Max
z = 2 y1 + 2 y2 + 4 y3 + 560
s.a
y2 + 2 y3 60
y1 + y2 + y3 180
2 y1 + y2 + y3 40
yi 0
Estandarizando
Max
z = 2 y1 + 2 y2 + 4 y3 + 0 y4 + 0 y5 + 0 y6 + 560
s.a
y2 + 2 y3 + y 4 = 60
y1 + y2 + y3 + y5 = 180
2 y1 + y2 + y3 + y 6 = 40
yi 0
Observacin 1: para los indicadores pasar mentalmente de la siguiente manera:
-2y1-2y2-4y3+0y4+0y5+0y6+z=560
85
Observacin 2
Variables no bsicas: y1=0 y2=0
Variables bsicas: y4=60
y3=0
y5=180
y6=40
Z= 2(0)+2(0)+4(0)+0(60)+0(180)+0(40)+560=560
Y4
Y5
Y6
z
Y1
0
1
2
-2
Y2
1
1
1
-2
Y3
2
1
1
-4
Y4
1
0
0
0
Y5
0
1
0
0
Y6
0
0
1
0
z
0
0
0
1
b
60
180
40
560
180/1=180
0
-1/2 1 0 0 150
ii) Multiplicar a la fila de y3 por (-1) y sumar a la fila de y6 es decir: sale un nuevo y6
0 -1/2
-1
-1/2 0 0 0 -30 +
2
1
1
0
0 1 0 40
2
0
-1/2 0 1 0 10
ii) Multiplicar a la fila de y3 por (4) y sumar a la fila de Z es decir: sale un nuevo z
0
2
4
2
0
0 0
120 +
-2 -2
-4
0
0
0 1
560
-2
0
0
2
0
0 1
680
Y3
Y5
Y6
z
Y1
0
1
2
-2
Y2
1/2
1/2
1/2
0
Y3
1
0
0
0
Y4
1/2
-1/2
-1/2
2
Y5
0
1
0
0
Y6
0
0
1
0
z
0
0
0
1
B
30
150
10
680
86
Investigacin de Operaciones I
10/2=5 el menor
-1/4
0
0
0
-1/2
-1/4
0
1
1
-1/2
0 -5
0
0 150
-1/2 0 145
0
0
0
Y1
0
0
1
0
y5=145
Y3
Y5
Y1
z
Y3=30
-1/2
2
3/2
Y2
1/2
1/4
1/4
1/2
y1=5
0
0
0
1
0
1
Y3
1
0
0
0
z=690
0
1
1
10
680
690
Y4
1/2
-1/4
-1/4
3/2
y5=145
Y5
0
1
0
0
Y6
0
-1/2
1/2
1
z
0
0
0
1
B
30
145
5
690
y1=5
87
2. Maximizar
3. Maximizar
Z= x1 + 2 x 2
Z = 8 x1 + 2 x 2
Z= 2 x1 + x 2 x3
s.a.
s.a.
s.a.
2 x1 + x 2
2 x1 + 3 x 2 12
x1 , x 2 0
4. Maximizar
x1 x 2
x1 + x 2
x1 2 x 2 x3 2
x1 + 2 x 2 8
x1 + x 2
x1 , x 2
x1 , x 2 , x3 0
5. Maximizar
Z= x1 + x 2
s.a.
6. Maximizar
W = x1 12 x 2 + 4 x3
Z= 60 x1 + 0 x 2 + 90 x3 + 0 x 4
s.a.
x1 x 2
s.a.
4 x1 + 3x 2 - x 3
x1 + x 2 4
x1 + x 2 - x 3
-2
8 x1 + 5 x 2 40
x1 + x 2 + x3
-1
2 x1 + x 2 6
Maximizar
x1 2 x 2
x1 + x 2
x 3 + x4 4
x1 , x 2 , x3 0
x3 2 x 4 7
x1 , x 2 , x3 , x 4 0
x1 , x 2 0
7.
8.
Maximizar
W = 2 x1 + x 2 2 x3
Z = 4 x1 + 10 x 2 6 x3 x 4
s. a:
s.a
2 x1 + x 2 + x3 2,
x1
88
+ x3 x 4 1 ,
x1 x 2 + x3 4,
x1 x 2
x1 + x 2 + 2 x3 6,
x1 + x 2 x3 + x 4 4,
x1 , x 2 , x3 0 .
x1 , x 2 , x3 , x 4 0 .
+ x 4 2,
9.
Investigacin de Operaciones I
Envo de mercancas
89
x1 = a1 , x 2 = a 2 ,...x n = a n y
x1 = b1 , x 2 = b2 ,...x n = bn
Estos son dos S:F:B. diferentes para los cuales un problema de programacin lineal es
ptimo. Por S.F.B. diferentes queremos decir que ai bi para alguna i, donde
1 i n , entonces:
x1 = (1 t )a1 + tb1 , x2 = (1 t )a2 + tb2 + ... + xn = (1 t )an + tbn , para cualquier t donde 0 t 1
Ejemplo 1.0
Una compaa fabrica tres tipos de muebles para patio: sillas, mecedoras y tumbonas.
Cada uno requiere madera, plstico, y aluminio como se indica en la siguiente tabla.
La compaa tiene disponibles 400 unidades de madera, 600 unidades de plstico y
1500 unidades de aluminio. Cada silla, mecedora y tumbona se venden en $6, $8 y
$12 respectivamente. Suponiendo que todos los muebles pueden ser vendidos, Cul
es el ingreso mximo total que puede ser obtenido? Determinar las posibles rdenes
de produccin que generarn ese ingreso.
Madera
Silla
Plstico
1 unidad 1 unidad
2 unidades
3 unidades
Tumbona
Solucin
i)
Variables de decisin:
Sea
90
Aluminio
Investigacin de Operaciones I
xi 0, i = 1, 2,3
ii)
xi 0, i = 1, 2,3..., 6
iii) Definimos variables bsicas y no bsicas
Variables no bsicas Variables bsicas
x1 = 0
x4 = 400
x2 = 0
x5 = 600
x3 = 0
x6 = 1500
z=0
91
x1
x2
x3
x4
x5
x6
x4
400
x5
600
x6
1500
-6
-8
-12
x4
1/2
1/2
-1/2
100
x3
1/2
1/2
1/2
300
x6
-1/2
1/2
-5/2
-2
3600
x4
-1
100
x3
-1
-1
300
x2
-1
-5
-2
-4
3600
x5
1/2
1/2
-1/2
50
x3
-1/2
-3/2
150
x2
3/2
5/2
-1/2
250
3800
1/2
Variables bsicas
=50
=150
=250
Investigacin de Operaciones I
Variables no bsicas
=0
=0
=0
Variable de decisin
=0 = a1
=250 = a 2
=150 = a 3
Zptimo = 3800
Para ver si tiene solucin mltiple bastar observar si existe un indicador igual a cero
de una variable no bsica, la cual sugiere la posibilidad de solucin mltiple. Por
ejemplo, x1 es no bsica y su indicador en la tabla final es igual a cero.
*Vamos a generar la otra solucin para esto tomamos el ultimo tablero.
z
6
1/2
1/2
1 -1/2 0
50
-1/2
0 -3/2
0 1/2 0
150
3/2
5/2
0 -1/2 0
250
3800
1 -1
100
-1
1/2
200
3/2
100
3800
= (1 t )0 + t (100) = 100t
= (1 t )250 + t (100) = 250 150t
= (1 t )150 + t (200) = 150 + 50t
1
0 t 1
93
Si t = 0
x1 : 0 Sillas a producir
x2 : 250 Mecedoras a producir
x3 : 150 Tumbonas a producir
Z ptimo =3800
Si t = 1
94
Investigacin de Operaciones I
2. Maximizar
W = 2 x1 + 7 x 2
s. a:
Z = 5 x1 + 6 x 2 + x3
s. a
4 x1 3 x 2 4,
9 x1 + 3x 2 2 x3 5 ,
3x1 x 2 6,
4 x1 + 2 x 2 x3 2 ,
5 x1 8,
x1 , x 2 0 .
x1 4 x 2 + x3 3,
x1 , x 2 , x3 0 .
3. Maximizar
4. Maximizar
Z = 6 x1 + 2 x 2 + x3
Z = 2 x1 + x 2 4 x3
s.a.
2 x1 + x 2 + x3 7,
s.a.
6 x1 + 3x 2 3x3 10,
4 x1 x 2 6,
x1 x 2 + x3 1,
x1 , x 2 , x3 0
2 x1 x 2 + 2 x3 12, xi 0
95
96
Investigacin de Operaciones I
Tablero Inicial
X1
X2
X3
X4
X5
T1
T2
-1
12
-1
-1
-4
Debemos eliminar las M de las columnas de T1 y T2, para ello multiplicamos todos los
elementos de la fila 3 y 4 por (-M) y le vamos a sumar a la quinta fila.
-M
-6M
-M
-12M
-M
-M
-2M
-1
-4
-M-1
-7M-4
-14M
I Tablero Simplex
X1
X2
X3
X4
X5
T1
T2
X3
T1
-1
12
T2
-1
-M-1
-7M-4
-14M
X2
X3
X4
X5
T1
T2
X3
-2
T1
-1
-6
X2
-1
-M-1
-6M-4
7M+4
8
97
II Tablero Simplex
Variable que entra X5, variable que sale T1 y eliminamos la columna de T2 por tener un
indicador positivo bastante grande. Observe que dividimos toda la fila de T1 entre 6
para hacer 1 y luego hacer ceros por encima del uno y por debajo del mismo.
X1
X2
X3
X4
X5
T1
X3
2/3
2/6
-2/6
X5
1/6
-1/6
1/6
X2
1/6
-1/6
1/6
-1/3
-2/3
M+2/3
X2
X3
X4
X5
X3
2/3
2/6
X5
1/6
-1/6
X2
1/6
-1/6
-1/3
-2/3
98
Investigacin de Operaciones I
Multiplicando a la fila de la variable saliente por 3 para hacer uno y luego hacer ceros
debajo de el.
X1
X2
X3
X4
X5
X4
12
X5
1/2
1/2
X2
1/2
1/2
16
Ejemplo2
Max Z = 2X1+X2
s.a
X1+X2<=12
X1+2X2<=20
-X1+X2>=2
Xi>=0
F.O artificial
Observe que: Z= 2X1+X2+0X3+0X4
W=Z-Mt1
X1+X2+ X3
= 12
X1+2X2+ X4
= 20
- X1+X2- X5+t1 = 2
99
I Tablero Inicial
X1
X2
X3
X4
X5
T1
12
20
-1
-1
-2
-1
Para pasar al primer tablero simplex debemos eliminar M de la columna de T1, para
ello basta multiplicar todo la fila cuatro por M y sumar a la fila cinco
I Tablero Simplex
X1
X2
X3
X4
X5
T1
X3
12
X4
20
T1
-1
-1
M-2
-M-1
-2M
X2
X3
X4
X5
T1
X3
-1
10
X4
-2
16
X2
-1
-1
-3
-1
M+1
100
Investigacin de Operaciones I
Observe que en este tablero las variables bsicas son: X3=10, X4=16 y X2=2
Y las variables no bsicas son: X1=0 , X5=0, T1=0
W= Z-MT1 pero como T1 =0 W=Z
II Tablero Simplex
Variable que entra X1 variable que sale X3
X1
X2
X3
X4
X5
X3
10
X4
16
X2
-1
-1
-3
-1
Observe que a toda la fila de la variable es dividida entre dos con la finalidad de hacer
luego ceros debajo del uno. Por ejemplo:
i) A la fila de X1 multiplique por -3 y sume a la fila de X4 es decir:
-3
-3/2
-3/2
-15+
16
-3/2
X2
X3
X4
X5
X1
1/2
1/2
X4
-3/2
1/2
X2
1/2
-1/2
3/2
1/2
17
101
Ejemplo 3
Una compaa fabrica dos tipos de estantes: estndar y ejecutivo. Cada tipo requiere
tiempos de ensamble y de terminado como se indica en la siguiente tabla. La utilidad
sobre cada unidad tambin se indica. El nmero de horas disponibles por semana en
el departamento de ensamble es de 400 y en el departamento de acabado es de 510.
A causa de un contrato sindical, al departamento de acabado se le garantiza al menos
240 horas de trabajo por semana.
Cuntas unidades de cada tipo debe producir la compaa semanalmente para
maximizar sus utilidades?
Estndar
Tiempo de
ensamblaje
1 horas
Tiempo de
acabado
2 horas
Utilidad por
unidad
$ 10
Ejecutivo
2 horas
3 horas
$ 12
Tiempo Disponible
400
Variables de decisin
Sea X1 el N de unidades a producir de estantes estndar
Sea X2 el N de unidades a producir de estantes ejecutivos
F.O max Z = 10X1+12X2
s.a.
X1+2X2
400
2X1+3X2 510
2X1+3X2 240
Xi>=0
102
Investigacin de Operaciones I
Solucin:
F.O artificial
W=Z-Mt1
X1+2X2+ X3
= 400
2X1+3X2+X4 = 510
2X1+3X2-X5+t1= 240
I Tablero Inicial
X1
X2
X3
X4
X5
t1
400
510
-1
240
-10
-12
I Tablero Simplex
X1
X2
X3
X4
X5
t1
X3
400
X4
510
t1
-1
240
-2M-10
-3M-12
-240M
103
Variable que ingresa X2, Variable que sale t1 Observe que el elemento pivote 3 en la
fila t1 debe hacerse uno, entonces multiplicamos toda la fila de t1 por 1/3. Luego hacer
unos encima y debajo del uno ubicado en la fila de X2
X1
X2
X3
X4
X5
t1
X3
-1/3
2/3
-4/3
240
X4
-2
270
X2
2/3
-1/3
2/3
80
-2
-4
2M+8
960
X2
X3
X4
X5
X3
-1/3
2/3
240
X4
270
X2
2/3
-1/3
80
-2
-4
960
Variable que sale X4 variable que entra X5 haciendo ceros encima y debajo del
elemento pivote
Que por suerte es uno. Obtenemos el:
104
Investigacin de Operaciones I
X1
X2
X3
X4
X5
X3
-1/3
-2/3
60
X5
270
X2
2/3
1/3
170
-2
2040
Multiplicando a la fila X2 por 3/2 para hacer uno y luego ceros tenemos el siguiente
tablero
IV Tablero Simplex
X1
X2
X3
X4
X5
X3
-1/2
145
X5
270
X1
3/2
255
2550
Como los indicadores son positivos fin del proceso podemos observar que
Nuestro plan de produccin es:
X1=255 estantes estndar y
X2=0 estantes ejecutivo
Con una utilidad mxima Z ptimo=$2550
105
x1 + x 2 12
x1 + 2 x 2 20
x1 + x 2 2
x1 , x 2 0
2. Maximizar
Z = x1 + 2x 2
x1 + x 2 9
x1 x 2 1
x1 , x 2 0
3. Maximizar
Z = 2 x1 + x 2
Sujeto a:
x1 + x 2 6,
x1 + x 2 4,
x1 , x 2 0 .
4. Maximizar
Z = 2 x1 + x 2 x3
Sujeto a:
x1 + 2 x 2 + x3 5,
x1 + x 2 + x3 1,
x1 , x 2 , x3 0
106
Investigacin de Operaciones I
5. Maximizar
Z = x1 10x 2
Sujeto a:
x1 x 2 1,
x1 + 2 x 2 8,
x1 + x 2 5,
x1 , x 2 0 .
6. Maximizar
Z = 3 x1 2 x 2 + x3
Sujeto a:
x1 + x 2 + x3 1,
x1 x 2 + x3 2,
x1 x 2 x3 6,
x1 , x 2 , x3 0 .
7. Maximizar
Z = x1 + 4x 2
Sujeto a:
x1 + 2 x 2 8,
x1 + 6 x 2 12,
x 2 2,
x1 , x 2 0 .
8. Maximizar
Z = x1 5x 2
Sujeto a:
x1 2 x 2 13,
x1 + x 2 3,
x1 + x 2 11,
x1 , x 2 0 .
107
9. Maximizar
Z = 3 x1 + 4 x 2
Sujeto a:
x1 + 2 x 2 8,
x1 + 6 x 2 12,
x1 , x 2 0 .
10. Maximizar
Z = x1 x 2 + 4 x3
Sujeto a:
x1 + x 2 + x3 9
x1 2 x 2 + x3 6,
x1 , x 2 , x3 0 .
108
Investigacin de Operaciones I
maximizar Z = c1 x1 + c 2 x 2 + ... + c n x n
sujeto a
a11 x1 + a12 x 2 + ... + a1n x n {, , =} b1 ,
a 12 x 2 + a 22 x 2 + ... + a 2n x n {, , =}b 2 ,
...........................................................
a m1 x 1 + a m2 x 2 + ... + a mn x n {, , =} b 3
a j1 x1 + a j 2 x 2 + ... + a jn x n s j + t j = b j
En cada restriccin de igualdad se inserta una variable artificial no negativa t k :
a k1 x1 + a k 2 x 2 + ... + a kn x n + t k = bk .
Por ejemplo, si tuviera tres variables artificiales involucradas t1 , t 2 , t 3 , entonces la
funcin objetivo artificial es:
W = Z- Mt1 Mt 2 Mt 3 ,
109
Donde
es
un
nmero
positivo
grande.
Una
S.F.B.
ocurre
cuando
x1 = x 2 = ... = x n = 0
y cada variable de holgura que tenga coeficiente -1 es igual a cero. Despus de
obtener una tabla simplex inicial, aplicamos el mtodo simplex hasta que lleguemos a
una tabla que corresponda a una S.F.B. en la que todas las variables artificiales sean
igual a cero. Despus eliminamos las columnas da las variables artificiales, cambiando
las W por z, y continuamos utilizando los procedimientos del mtodo simplex.
12. Maximizar
Z = 4 x1 + x 2 + 2 x3
s.a
2x 1 + x 2 + 3x 3 10
x1 - x 2 + x 3 = 4
x1 , x 2 , x 3 , 0
13. Maximizar
Z = 1x1 + 3x 2 2 x3
s.a
- x 1 2 x 2 2 x 3 = 6
- x 1 - x 2 + x 3 2
x1 , x 2 , x 3 , 0
14. Maximizar
Z = 3x1 + 2 x 2
s.a
x1 x 2 4
- x1 + x 2 = 4
x1 6
x1 , x 2 0
15. Maximizar
Z = x1 + 2 x 2 + 3x3
s.a
x 2 2x 3 5
x1 + x 2 + x 3 = 8
x1 , x 2 , x 3 , 0
110
Investigacin de Operaciones I
16. Maximizar
Z = x1 + 4 x 2 x3
s.a
x1 + x 2 x 3 5
x1 + x 2 + x 3 3
x1 - x 2 + x 3 = 7
x1 , x 2 , x 3 , 0
17. Maximizar
Z = x1 + 2 x 2 + x3
s.a
x 1 x 2 x 3 1
6x 1 + 3 x 2 + 2x 3 = 12
x1 , x 2 , x 3 , 0
18. Maximizar
Z = 4x 3 y
s.a
x+y 3
2x + 3y 12
5x + 8y 40
x, y 0
19. Maximizar
Z = 2 x1 + x 2
s.a
- x1 + x 2 2
x1 + x 2 1
x1 , x 2 0
111
5.5
MINIMIZACIN
En general, para minimizar una funcin es suficiente con maximizar su negativo. Por
ejemplo considere la funcin f ( x) = x 2 4 . Observe que el valor mnimo de f es -4 y
ocurre cuando x=0. Ahora considere la funcin g ( x) = f ( x) = ( x 2 4). Esta grfica
es la reflexin con respecto al eje x de la grfica de f . Observe que el valor mximo
de g es 4 y ocurre cuando x=0. Por tanto, el valor mnimo de x 2 4 es el negativo del
valor mximo de -( x 2 4 ). Esto es, mn f = mx( f )
i=1, 2,3
Solucin
f.o(funcin objetivo artificial)
W = -Z - Mt1
X1 X2 X3 X4 + t1 = 9
Tablero Inicial
Por (-M)
W
112
X1
X2
X3
X4
t1
-1
-1
-1
Investigacin de Operaciones I
-M
-M
-9M
(4-M)
(2+M)
-9M
1+M
I Tablero Simplex
X1
X2
X3
X4
t1
t1
-1
-1
-1
(4-M)
(2+M)
1+M
-9M
X1
-1
-1
-1
(M-4) 1
-36
II Tablero Simplex
X1
X2
X3
X4
X1
-1
-1
-1
654
-36
113
Observe que los indicadores son positivos; por lo tanto, fin del proceso
Variables bsicas: X1= 9
Variables no bsicas: X2=0, X3=0, X4=0, t1=0
Si t1 = 0
Rpta: X1 = 9
X2 = 0
W = -Z - Mt1
X3 = 0
Zmin ptimo = 36
-36 = -Z
Z = 36
2. MIN Z = X1 + 8X2 + 5X3
s.a
X1 + X2 + X3 8
-X1 + 2X2 + X3 2
Xi 0
i=1,2,3
Solucin
f.o W = -Z - Mt1 - Mt2
X1 + X2 + X3 X4 + t1 = 8
-X1 + 2X2 + X3 X5 + t2 = 2
TABLERO INICIAL
Por M
Por M
W
114
X1
X2
X3
X4
X5
t1
t2
-1
-1
-1
50
b
8
2
0
Investigacin de Operaciones I
-M
-M
-M
0 0
-8M
-2M
-M
-M 0
-2M
M 1
(8-3M)
(5-2M)
-10M
I Tablero Simplex
Recordar que el elemento pivote (2) fila de t2 debemos hacer uno para ello a toda la
fila de t2 dividimos entre dos, luego en la fila de la variable que ingreso x2 mediante
operaciones elementales de fila hacemos ceros por encima y por debajo del 1.
X1
X2
X3
X4
X5
t1
t2
t1
-1
t2
-1
-1
(8-3M)
(5-2M)
-10M
t1
3/2
1/2
-1
1/2
-1/2
X2
-1/2
1/2
-1/2
1/2
(5 - 3M/2)
(1-M/2)
(-4 + 3M/2)
-8-7M
(4 M/2)
115
II Tablero Simplex
X1
X2
X3
X4
X5
t1
t1
3/2
1/2
-1
1/2
X2
-1/2
1/2
-1/2
(5 - 3M/2)
(4 -
-8 - 7M
X1
1/3
-2/3
1/3
2/3
14/3
X2
2/3
-1/3
-1/3
1/3
10/3
-2/3
10/3
7/3
M-10/3
-94/3
(1M/2)
M/2)
X1
X2
X3
X4
X5
X1
1/3
-2/3
1/3
14/3
X2
2/3
-1/3
-1/3
10/3
-2/3
10/3
7/3
-94/3
X1
-1/2
-1/2
1/2
X3
3/2
-1/2
-1/2
-28
116
Investigacin de Operaciones I
t1 =0 y t2 = 0
Rpta: X1 = 3
X2 = 0
W = -Z - Mt1 - Mt2
X3 = 5
Zmin ptimo = 28
-84/3= -28 = -Z
Z = 28
X2 + X3 5
Xi 0
i=1,2,3
Solucin
f.o W = -Z - Mt1
X1 + X2 + X3 +X4 = 6
-X1 + X3 X5 + t1 = 4
X2 + X3 +X6 = 5
Tablero Inicial
Por M
X1
X2
X3
X4
X5
X6
t1
-1
-1
117
-M
-M
-4M
-4M
(M+2)
(1-M)
I Tablero Simplex
X1
X2
X3
X4
X5
X6
t1
X4
t1
-1
-1
X6
(2+M)
-4M
X4
-1
X3
-1
-1
X6
-1
(M-1)
-4
(1-M) 0
X2 = 0
X3 = 4
Zmin ptimo = 4
-4= -Z
Z=4
118
Investigacin de Operaciones I
z = 3x1 + 6 x 2
s.a.
x1 + x 2 6
x1 + x 2 10
x1 , x 2 0
2. Minimizar
z = 4 x1 + 2 x 2 + x3
s.a.
x1 x 2 x3 9
x1 , x 2 , x3 0
3. Minimizar
z = 2 x1 + 3x 2 + x3
s.a.
x1 + x 2 + x3 6
x1 x3 4
x 2 + x3 5
x1 , x 2 , x3 0
4. Min z = x1 x2 3x3
s.a.
x1 + 2 x2 + x3 = 4
x2 + x3 = 1
x1 + x2 6
x1 , x2 , x3 0
119
5. Minimizar
z = x1 + 8 x 2 + 5 x3
s.a.
x1 + x 2 + x3 8
x1 + 2 x 2 + x3 2
x1 , x 2 , x3 0
6.
Una planta de cemento produce 2,500,000 barriles de cemento por ao. Los
hornos emiten 2 libras de polvo por cada barril producido. Una agencia gubernamental
para proteccin del ambiente requiere que la planta reduzca sus emisiones de polvo a
no ms de 800,000 libras anuales. Existen dos dispositivos de control de emisiones
disponibles, A y B. El dispositivo A reduce las emisiones a
1
2
costo es de $0.20 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a
1
5
Una planta de cemento produce 3,300,000 barriles de cemento por ao. Los
hornos emiten 2 libras de polvo por cada barril producido. La planta debe reducir sus
emisiones a no ms de 1,000,000 libras anuales. Hay 2 dispositivos de control
disponibles, A y B. El dispositivo A reducir las emisiones a libra por barril y el
costo es de $0.25 por barril de cemento producido. Para el dispositivo B, las emisiones
son reducidas a de libra por barril y el costo es de $0.40 por barril de cemento
producido. Determine el plan de accin ms econmico que la planta debe tomar de
modo que mantenga su produccin anual de exactamente 3,300,000 barriles de
cemento.
120
8.
Investigacin de Operaciones I
Whyton
Almacn A
$15
$13
Almacn B
$11
$12
121
6.
LA TEORA DE LA DUALIDAD
correspondiente
maximizar Z = c1 x1 + c 2 x 2 + ... + c n x n
minimizar W = b1 y1 + b2 y 2 + ... + bn y n
s.a.
s.a.
122
a11 y1 + a 21 y 2 + ... + a m1 y m c1
a 21 x1 + a 22 x 2 + ... + a 2 n x n b2
a12 y1 + a 22 y 2 + ... + a m 2 y m c 2
..
..
a m1 x1 + a m 2 x 2 + ... + a mn x n bm
a1n y1 + a 2 n y 2 + ... + a mn y m c n
x1 , x 2 ,...x n 0
y1 , y 2 ,... y n 0
Investigacin de Operaciones I
Si el primal tiene una solucin ptima, tambin la tendr el dual, y el valor ptimo
de la funcin objetivo del primal, es el mismo que el de su dual.
2.
Por eso podemos resolver, el problema primal con slo resolver su dual. En
ocasiones esto es ms conveniente que resolver directamente el primal.
Si una restriccin de desigualdad involucra , multiplicando ambos miembros por -1
se obtiene una desigualdad que involucra . Si una restriccin es una igualdad. Puede
ser reescrito en trminos de dos desigualdades: una involucrando y otra
involucrando .
123
PRIMAL
-X1 + X2 + X3 2
Xi 0
i=1,2,3
Sol:
1 1 1
A=
1 1 1
DUAL
MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 4
-1Y1 + 1Y2 4
1Y1 + 1Y2 6
yi 0
Resolviendo el DUAL
f.o MAX Z = 1Y1 + 2Y2
1Y1 - 1Y2 +Y3 = 4
-1Y1 + 1Y2 + Y4 = 4
1Y1 +1Y2 + Y5 = 6
yi 0
124
1 1
A = 1 1
1 1
Investigacin de Operaciones I
VARIABLES DE HOLGURA
Y1
Y2
Y3
Y4
Y5
Y3
-1
Y4
-1
Y5
-1
-2
Y3
Y2
-1
Y5
-1
-3
Y3
Y2
1/2
1/2
Y1
-1/2
1/2
00
1/2
3/2
11
X1
X2
X3
Rpta: X1 = 0
X2 = 1/2
X3 = 3/2
C = 11
Observe que las respuestas del primal se encuentran en las columnas de las
variables de holgura del dual y el Z = C
2.
X1 X2 -1
X1 + X2 3
Xi 0
i=1,2,3
125
i=1,2,3
1 1
1 1
t
A=
A =
1 1
1 1
DUAL
MAX Z = -1Y1 + 3Y2
1Y1 + 1Y2 6
-1Y1 + 1Y2 4
Resolviendo el DUAL
f.o MAX Z = -1Y1 + 3Y2+0Y3+0Y4
1Y1 + 1Y2 + Y3 = 6
-1Y1 + 1Y2 + Y4 = 4
yi 0
126
Investigacin de Operaciones I
Variables de holgura
Y1
Y3
Y2
Y4
Y3 1
Y4 -1
Z 1
-3
Y3 2
-1
Y2 -1
12
Y1 1
1/2
-1/2
Y2 0
1/2
1/2
Z 0
14
-2
Rpta: X1 = 1
X2 = 2
Cmin = 14
3.
MAX Z = 3X1 + 8X2 (PRIMAL)
s.a
X1 + 2X2 8
X1 + 6X2 12
Xi 0
i=1,2
Pasando al dual
1 2
1 1
t
A=
A =
1 6
2 6
f.o MIN C = 8Y1 + 12Y2 (DUAL)
1Y1 + 1Y2 3
2Y1 + 6Y2 8
Yi 0
127
Sol:
f.o R = -C - Mt1 - Mt2
1Y1 + 1Y2 - Y3 + t1 = 3
-1Y1 + 1Y2 - Y4 + t2 = 8
Tablero Inicial
Y1
Y2
Y3
Y4
t1
t2
Por -M
-1
Por -M
-1
12
R 8
-M
-M
-M
-3M
-2M
-6M
-M
-8M
12
(-3M+8)
(-7M+12)
-11M
I Tablero Simplex
Y1
Y2
Y3
Y4
t1
t2
t1
-1
t2
-1
(-3M+8)
(-7M+12)
-11M
t1
2/3
-1
1/6
-1/6
10/6
t2
1/3
-1/6
1/6
8/6
(-2M/3 +
(-M/6 +
(7M/6 - 2)
-10M/6 -
4)
2)
16
Investigacin de Operaciones I
II Tablero Simplex
Variables de holgura
Y1
Y2
Y3
Y4
t1
t1
2/3
-1
1/6
10/6
Y2
1/3
-1/6
8/6
(-2M/3 +
(-M/6 +
-10M/6 - 16
4)
2)
Y1
-3/2
1/4
3/2
5/2
Y2
3/6
-3/12
-1/2
3/6
(M-6)
-26
Y2
Y3
Y4
t1
2/3
-1
1/6
10/6
Y2
1/3
-1/6
8/6
(-2M/3 + 4)
(-M/6 + 2)
-10M/6 - 16
Y1
-3/2
1/4
5/2
Y2
3/6
-3/12
3/6
-26
Rpta: X1 = 6
X2 = 1
C = 26
129
4.
Solucin
Variables de decisin:
Sea:
x1 el nmero de trabajadores calificados
x2 el nmero de trabajadores semicalificados
x3 el nmero de trabajadores empleados
x4 el nmero de trabajadores aprendices
PRIMAL
F.O Min S = 7x1+4x2+5x3+2x4
S.A
x1 + x2 90
x3 + x4 60
x2 - 2x4 0
x3 - 2x4 0
xi 0, i=1, 2, 3, 4
130
Investigacin de Operaciones I
0
A=
2
1
0
1
0
0 2 0
0 1 0
1 0 1
1 0 2
0 0
1
1 1
1
T
A =
0
0 0
1 2
0
DUAL
Max Z = 90y1 + 60y2 + 0y3 + 0y4
F.O Z = 90y1+60y2+0y3+0y4+0y5+0y6+0y7+0y8
s.a
1y1 + 0y2 - 2y3 + 0y4 7
1y1 + 0y2 + 1y3 + 0y4 4
yi0, i=1, 2, 3, 4
Tablero Simplex
y1
y2
y3
y4
y5
y6
y7
y8
y5
-2
y6
y7
y8
-2
-90
-60
131
Bien, ahora ya divido los elementos ubicamos la fila que tenga el menor cociente
positivo, siguiendo en nuestro caso la fila que cumple con esas condiciones es la fila
de y6. Entonces la variable que ingresa es y1 y la que sale es y6, ahora bien ubicamos
el elemento pivote que es la interseccin entre ambas variables, en nuestro caso es 1.
Muy importante aclarar este punto si el elemento pivote no es 1 tenemos que hacerlo 1
para la siguiente construccin del tablero simplex, adems para la siguiente iteracin
tenemos que hacer cero por encima y por debajo del elemento pivote. Repetir todos
los pasos antes mencionados hasta que todos los indicadores de Z sean positivos de
ser as se ha llegado a la solucin.
y1
y2
y3
y4
y5
y6
y7
y8
y5
-3
-1
y1
y7
y8
-2
-60
90
90
360
132
Investigacin de Operaciones I
y1
y2
y3
y4
y5
y6
y7
y8
y5
-3
-1
y1
y7
-1
y2
-2
90
-120
90
60
480
y5
-3
-1
y1
y4
1/3
-1/3
y2
2/3
1/3
90
90
40
20
600
Bueno como estamos trabajando con el dual del primal recordemos que nuestras
respuestas se encuentran en la columna de las variables de holgura (y5, y6, y7, y8)
Rpta
x1 = 0 Trabajadores calificados
x2 = 90 Trabajadores semicalificados
x3 = 40 Empleados
x5 = 20 Aprendices
S mn ptimo = 600
133
Serie de problemas 6
Resuelva utilizando los duales y el mtodo simplex
1. Minimizar
Z = 4 x1 + 4 x 2 + 6 x3
s.a.
x1 x 2 + x3 1
x1 + x 2 + x3 2
x1 , x 2 , x3 0
2. Maximizar
Z = 3x1 + 8 x 2
s.a.
x1 + 2 x 2 8
x1 + 6 x 2 12
x1 , x 2 0
3. Minimizar
Z = 6 x1 + 4 x 2
s.a.
x1 + x 2 1
+ x1 + x 2 3
x1 , x 2 0
4. Minimizar
Z = x1 + 2x 2
s.a.
2 x1 + x 2 1
x1 + x 2 2
x1 , x 2 0
134
5.
Investigacin de Operaciones I
Suponga que una compaa fabrica dos tipos de artculos, manuales y elctricos
y cada una requiere el uso de las mquinas A y B para su produccin.
Suponiendo que la compaa puede vender todos los artculos que produce,
determine la utilidad mensual mxima.
6.
Mquina A
Mquina B
Utilidad/unidad
Manual
1 hora
1 hora
$10
Elctrico
2 horas
4 horas
$24
Horas disponibles
120
180
$20,000 ms
Peridico
40
100
Radio
50
25
135
7.
136
Investigacin de Operaciones I
137
3. Aun el cambio ms pequeo en el valor del lado derecho de una restriccin puede
ocasionar que la solucin ptima cambie. Sin embargo, mientras el valor caiga dentro
de algn intervalo alrededor de su valor original, el valor ptimo de la funcin objetivo
cambia en forma lineal en proporcin con el cambio en el valor del lado derecho, de
acuerdo con el precio sombra. Incluso fuera de este intervalo, para cada valor del lado
derecho respecto del cual el programa lineal es factible, existe un precio sombra que
puede usarse para obtener el nuevo c valor ptimo de la funcin objetivo.
Serie de problemas 7
1.
Blubber Maid. Inc. fabrica tres productos de caucho: Airtex (material esponjoso),
Exteendex (material elstico) y Resistex (material rgido). Los tres productos
requieren los mismos tres polmeros qumicos y una base. La cantidad de cada
ingrediente usada por libra del producto final se muestra en la tabla.
Ingrediente (oz/
Lb de producto)
Producto
Polmero A
Polmero B
Polmero C
Base
Airtex
Extendex
Resistex
138
Investigacin de Operaciones I
Los inventarios actuales de los ingredientes son 500 libras del polmero A, 425
libras del polmero B, 650 libras del pomero C y 1100 libras de la base. Cada
libra de Airtex produce a la compaa una ganancia de $7, cada libra de
Extendex una ganancia de $7 y cada libra de Resistex una ganancia de $6.
Como gerente del departamento de produccin, usted necesita determinar un
plan de produccin ptimo para esta semana.
1 libra es igual a 16 onzas.
Utilice el resultado procesado en el computador para responder a las preguntas
siguientes:
a. Cul es el plan de produccin ptimo?
b. Con el plan de produccin actual, para cul de los tres productos se
puede cumplir con una demanda adicional de 5% Explique?
c. Qu coeficiente o coeficientes de ganancia podran duplicarse, mientras
se mantienen fijos todos los dems coeficiente, sin que se afecte el plan de
produccin ptimo? Explique.
d. El compromiso de producir 400 libras de resistex acaba de caer en 10%.
Qu le sucede a la ganancia? Explique.
e. Si la demanda de Airtex aumenta en 2%, cul es el nuevo plan de
produccin ptimo?. Explique.
max z= 7 A + 7 E + 6 R
s.a
Restricciones de recursos
13133.33
VARIABLE
140
VALUE
REDUCED COST
1000.000000
0.000000
533.333313
0.000000
400.000000
0.000000
Demanda
Investigacin de Operaciones I
DUAL PRICES
2)
0.000000
3)
2533.333252
0.000000
4)
3333.333252
0.000000
5)
6000.000000
0.000000
6)
0.000000
-2.333333
7)
33.333332
0.000000
8)
0.000000
-8.000000
NO. ITERATIONS=
2.333333
CURRENT
COEF
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
7.000000
2.333333
INFINITY
7.000000
INFINITY
1.750000
6.000000
8.000000
INFINITY
CURRENT
RHS
Demanda
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
8000.000000
2000.000000
99.999992
6800.000000
INFINITY
2533.333252
10400.000000
INFINITY
3333.333252
17600.000000
INFINITY
6000.000000
1000.000000
24.999998
1000.000000
500.000000
33.333332
INFINITY
400.000000
16.666666
375.000000
141
DUAL PRICES
2)
0.000000
2.333333
3)
2533.333252
0.000000
4)
3333.333252
0.000000
5)
6000.000000
0.000000
CURRENT
RHS
Demanda
142
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
1000.000000
24.999998
1000.000000
500.000000
33.333332
INFINITY
400.000000
16.666666
375.000000
Investigacin de Operaciones I
CURRENT
COEF
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
7.000000
2.333333
INFINITY
7.000000
INFINITY
1.750000
6.000000
8.000000
INFINITY
Demanda
DUAL PRICES
2)
0.000000
2.333333
3)
2533.333252
0.000000
4)
3333.333252
0.000000
5)
6000.000000
0.000000
6)
0.000000
-2.333333
7)
33.333332
0.000000
8)
0.000000
-8.000000
144
Investigacin de Operaciones I
Precio de
Demanda(ft)
venta($/ft)
Tiempo de
Material para
Costo de
Costo de
mquina(min/ft)
soldar(oz/ft)
produccin ($/ft)
compra($/ft)
10
2000
0.50
12
4000
0.45
5000
0.60
40hr
5500oz
Cantidad
disponible
145
Sea: x1, x2, x3, el nmero de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el nmero de pies de tubo de tipo A, B, C por comprar a Japn
respectivamente.
Maximizar Z:7x1 + 8x 2 + 5x 3 + 4x 4 + 6x 5 + 2x 6
s.a:
Restriccin de demanda
Restricciones de recursos
x2 +
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
a. Cul es el plan de produccin/adquisicin ptimo para la MTV Steel?
b. Cules de las dos restricciones de recursos son acotantes?
c. La compaa puede vender su material para soldar con una ganancia de $32 por
libra. Cunto deber vender? explique
d. Los japoneses acaban de aumentar el precio de sus tubos tipo C de $7 a $8 por
pie. De qu manera cambia el plan de produccin/adquisicin actual? explique
e. Si pudiera obtener ms material para soldar o ms tiempo de mquina, pero no
ambas cosas, cul escogera? Explique
f.
146
Investigacin de Operaciones I
55000.00
VARIABLE
VALUE
REDUCED COST
X1
2000.000000
0.000000
X2
0.000000
X3
2333.333252
X4
0.000000
X5
4000.000000
0.000000
X6
2666.666748
0.000000
0.250000
0.000000
0.500000
DUAL PRICES
2)
0.000000
4.500000
3)
0.000000
6.000000
4)
0.000000
2.000000
5)
0.000000
5.000000
6)
1166.666626
NO. ITERATIONS=
0.000000
2
147
CURRENT
COEF
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
X1
7.000000
INFINITY
0.500000
X2
8.000000
0.250000
INFINITY
X3
5.000000
0.600000
0.333333
X4
4.000000
0.500000
INFINITY
X5
6.000000
INFINITY
0.250000
X6
2.000000
0.333333
0.600000
CURRENT
RHS
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
2000.000000
2800.000000
2000.000000
4000.000000
INFINITY
4000.000000
5000.000000
INFINITY
2666.666748
2400.000000
700.000000
5500.000000
INFINITY
1400.000000
1166.666626
Respuesta:
VARIABLE
148
VALUE
REDUCED COST
X1
2000.000000
0.000000
X2
0.000000
X3
2333.333252
X4
0.000000
X5
4000.000000
0.000000
X6
2666.666748
0.000000
0.250000
0.000000
0.500000
Investigacin de Operaciones I
Recursos
DUAL PRICES
2)
0.000000
4.500000
3)
0.000000
6.000000
4)
0.000000
2.000000
5)
0.000000
5.000000
6)
1166.666626
0.000000
c. La compaa puede vender su material para soldar con una ganancia de $32 por
libra. Cunto deber vender? Explique.
Respuesta
ROW SLACK OR SURPLUS
Recursos
DUAL PRICES
2)
0.000000
4.500000
3)
0.000000
6.000000
4)
0.000000
2.000000
5)
0.000000
5.000000
6)
1166.666626
0.0000
Si observamos en los recursos vemos 1166.667 onzas de material para soldar no son
necesarias en el plan de produccin. Luego es la cantidad que debe venderse a $32 la
onza
Los dems tems quedan como ejercicio para el lector.
149
APLICACIONES ESPECIALES DE LA
PROGRAMACIN LINEAL
Investigacin de Operaciones I
Esquema de contenidos
153
Objetivos
154
Investigacin de Operaciones I
Contenidos
centros
Destinos
.ai
C11
C12
C1n
.a1
C21
C22
C2n
.a2
..
,m
Cm1
Cm2
Cmn
.am
bj
.b1
.b2
Orgenes
.bn
155
min Z = C ij X ij
i =1 j =1
s.a:
Por oferta
n
X
j =1
ij
= a i ; i = 1,2,.., m
Por demanda
m
X
i =1
ij
= b j ; j = 1,2,..., n
X ij 0, (i = 1,2,..., n; j = 1,2,..., n)
Por equilibrio:
i =1
j =1
ai = b j
156
8.2.
Investigacin de Operaciones I
157
3. Mtodo de VOGEL
Este mtodo provee una solucin factible bsica inicial generalmente superior a los
anteriores. El mtodo mide la diferencia entre los dos costos menores en cada fila o
columna y este indica donde la no asignacin al costo menor significa la mayor prdida
(principio de la ms grande penalidad).
1.
2.
Cuando se han calculado todas las penalidades, localcese la mayor, ya sea una
penalidad de fila o de columna y ah introducir a la base Xij correspondiente a la
celda de costo ms bajo (i, j) esto es:
Xij = min(ai ,bj ) Si:
i)
ai<bj entonces actualizar bj= bj-ai y elimnese la fila i., esta fila se elimina
en 01 resto del proceso y seguidamente se calcula las penalidades de
columna sin considerar ahora en el clculo de las penalidades de columna
los elementos de la matriz de costos de la fila eliminada.
Si:
ii)
iii)
3.
158
4.
Investigacin de Operaciones I
determnese
penalidades
secundarias
para
estas
filas
columnas.
La penalidad secundaria para una fila (o columna) se define como la diferencia entre el
segundo elemento de costo ms pequeo en esta fila (o columna) y el elemento de
costo ms pequeo en la columna (o fila) que contiene dicho segundo elemento.
Si hay dos o ms elementos de costos del mismo valor que el segundo elemento de
costos ms pequeo en la fila (o columna) igualada habr varias penalidades
secundarias a calcular en dicha fila (o columna). La igualdad entre las penalidades
primarias se rompe a favor de la fila o columna con la mayor penalidad secundaria, si
todava queda alguna igualdad, el mtodo dice que podemos elegir arbitrariamente ya
sea la fila o la columna.
8.3
Comenzar con alguna solucin factible bsica inicial, utilizando cualquiera de los
mtodos anteriormente estudiados.
2.
159
3.
4.
Calcular Cij-Zij, Si todos los Cij-Zij 0, la solucin es ptima. Si uno o mas CijZij<0 ser posible una solucin mejor.
5.
6.
Ahora se repiten los pasos 2 a 5 hasta que alguna iteracin demuestre que es
ptima.
7.
Si en la variable final Cij-Zij hay un costo de entrada nulo para una variable que
no este en la solucin normal, el problema tiene soluciones alternativas.
Observaciones
i)
160
Investigacin de Operaciones I
Max Z = C ij X ij = Min{-z} = {- C ij X ij } En
i =1 j =1
esta
forma
podemos
i =1 j=1
iii)
SAN DIEGO
BARSTOW
TUCSON
DALLAS
San Francisco
Los ngeles
10
Phoenix
161
San Diego
Barstow
Tucson
Dallas
(OFERTAS)ai
1700
4
6
1700
7
5
1000
8
3
1500
10
8
1200
2000
1700
ai=bj=5400
3
7
5
1000 b2
2
8
3
1500 b3
6
10
8
1200 b4
1700 a1
2000 a2
1700 a3
San Francisco
Los ngeles
San Diego
1700pc
$5
Barstow
0pc
Tucson
1700 a1
$3
1000pc
1000pc
$7
Phoenix
Dallas
2000 a2
$8
500pc
$3
1700 b1
1000 b2
Solucin factible bsica inicial
1500 b3
1200pc
$8
1200 b4
1700 a3
Investigacin de Operaciones I
3
7
5
1000 b2
2
8
3
1500 b3
6
10
8
1200 b4
1700 a1
2000 a2
1700 a3
entonces x12=200
x32=800
x34=900
San Diego
San Francisco
x24=300
Barstow
200pc
Tucson
1500pc
Dallas
1700 a1
$2
$3
Los ngeles
1700pc
300pc
$4
Phoenix
2000 a2
$10
800pc
900pc
$5
1700 b1
1000 b2
1500 b3
Solucin factible bsica inicial o costo mnimo inicial =
1700 a3
$8
1200 b4
200x3+1500x2+1700x4+300x10+800x5+900x8=$24600
163
U1=0
U2=4
U3=2
Zij=
Z12=U1+V2=3
Z13=U1+V3=2
Z21=U2+V1=4
Z24=U2+V4=10
Z32=U3+V2=5
Z34=U3+V4=8
3
7
5
ZIJ
0
4
2
V4=6
6
10
8
V2=3
V3=2
V1=0
V4=6
V2=3
V4=6
6
10
8
2
6
4
6
10
8
CIJ-ZIJ=
5
0
0
0
0
2
0
0
-1
V3=2
2
6
4
Cij-Zij
2
8
3
3
7
5
V2=3
3
7
5
U1=0
U1=0
U2=4
U2=4
U3=2
U3=2
PASO 4 Calcula
Cij
5
4
6
V1=0
0
4
2
PASO 5
X33 =-1 es una variable que va a ingresar por tener el indicador ms negativo y se
trabaja con la matriz solucin
200pc
1500pc
+
1700pc
300pc
800pc-
1500- >=0
800- >=0
164
MAX=800
900pc
San Diego
San
Francisco
Los
ngeles
Phoenix
Barstow
1000PC
$3
Tucson
700PC
$2
Investigacin de Operaciones I
Dallas
1700 a1
1700PC
$4
300PC
2000 a2
$10
800PC
900PC
1700 a3
$3
$8
1700 b1
1000 b2
1500 b3
1200 b4
Nuevo costo mnimo inicial= 1000X3+700X2+1700X4+300X10+800X3+900X8=23800
Mtodo UV
1 , 2, y 3
U1=0
U2=3
U3=1
Zij=
Z12=U1+V2=3
Z13=U1+V3=2
Z21=U2+V1=4
Z24=U2+V4=10
Z33=U3+V3=3
Z34=U3+V4=8
U1=0
U1=0
U2=3
U2=3
U3=1
U3=1
Paso 4 Calcular
Cij
5
3
2
4
7
8
6
5
3
V3=2
2
5
3
V4=7
7
10
8
V2=3
V3=2
V1=1
V4=7
V3=2
V4=7
6
10
8
0
3
-1
0
2
5
3
V2=3
3
6
4
Cij-Zij
ZIJ
1
3
4
6
2
4
CIJ-ZIJ=
4
0
0
1
1
V1=1
1
4
2
7
10
8
300PC
800PC
+
900PC
-
165
700- >=0
900- >=0
MAX=700
San diego
dalla
700PC
1700 a1
$6
1700PC
300PC
2000 a2
$4
$10
1500PC
200PC
1700 a3
$3
$8
1700 b1
1000 b2
1500 b3
1200 b4
Nuevo costo min = 3X1000+6X700+4X1700+10X300+3X1500+200X8=$23100
San
francisco
Los
ngeles
phoenix
barstow
1000PC
$3
tucson
Mtodo UV
U1=0
U2=4
U3=2
Zij=
Z12=U1+V2=3
Z14=U1+V4=6
Z21=U2+V1=4
Z24=U2+V4=10
Z33=U3+V3=3
Z34=U3+V4=8
Cij
5
3
2
4
7
8
6
5
3
V1=0
0
4
2
U1=0
U1=0
U2=4
U2=4
U3=2
U3=2
V2=3
3
7
5
V2=3
V4=6
V1=0
V4=6
V3=1
V4=6
6
10
8
Zij
0
4
2
3
7
5
Cij-Zij
5
0
0
0
1
3
0
0
166
1
5
3
6
10
8
V3=1
1
5
3
V4=6
6
10
8
Investigacin de Operaciones I
Barstow
1000PC
$3
Tucson
1700PC
$4
1700 b1
1000 b2
1500PC
$3
1500 b3
Dallas
700PC
$6
300PC
$10
200PC
$8
1200 b4
1700 a1
2000 a2
1700 a3
Interpretacin:
De SF a B transportamos 1000 pc a un costo por unidad $3 costo total
$3000
$4200
$6800
$3000
$4500
$1600
167
HACIA
DESDE
ARABIA SAUD
VENEZUELA
INDONESIA
Estados Unidos
1600
700
1900
Rusia
1500
1700
1600
Nigeria
1200
1100
1500
ARABIA SAUD
VENEZUELA
INDONESIA
Estados
1600
700
1900
Rusia
1500
1700
1600
Nigeria
1200
1100
1500
ai =ofertas
unidos
b j =demandas
TARIFA
GASTO MENSUAL
Estados Unidos
4200
1400
Rusia
4000
1000
Nigeria
4000
1700
Obteniendo utilidades
HACIA
DESDE
ARABIA SAUDI
VENEZUELA
INDONESIA
Estados Unidos
4200-1400-1600
4000-1000-700
4000-700-1900
Rusia
4200-1400-1500
4000-1000-1700
4000-700-1600
Nigeria
4200-1400-1200
4000-1000-1100
4000-700-1500
168
Investigacin de Operaciones I
HACIA
DESDE
ARABIA SAUD
VENEZUELA
INDONESIA
Ai
Estados
1200
2300
1400
Rusia
1300
1300
1700
Nigeria
1600
1900
1800
unidos
Bi
ARABIA SAUD
VENEZUELA
INDONESIA
ai
Estados Unidos
-1200
-2300
-1400
3=a1
Rusia
-1300
-1300
-1700
2=a2
Nigeria
-1600
-1900
-1800
1=a3
2=b1
bj
1=b2
3=b3
169
-2300
-1400
-1300
-1300
-1700
-1600
-1900
-1800
-2300
-1400
-1300
-1300
-1700
-1600
-1900
-1800
-2300
-1400
-1300
-1300
-1700
-1600
-1900
-1800
2
170
Investigacin de Operaciones I
-2300
-1400
-1300
-1300
-1700
-1600
-1900
-1800
-2300
2
-1300
1
-1700
2
-1800
1
171
-2300
-1300
-1700
-1800
a) Construir Zij
Z ij = U i + VJ
V1
V2
U1
-1200
-2300
U2
-1300
-1700
U3
-1800
Si U1=0
U1= 0
V1= -1200
U1= 0
V2= -2300
Z23 = U2 + V3 = -1700
U2=- 100
U3=-200
172
V3
V3=-1600
V3= -1600
Investigacin de Operaciones I
=
V1 -1200
=
V2 -2300
=
V3 -1600
U1=0
-1200
-2300
-1600
U2=-100
-1300
-2400
-1700
U3=-200
-1400
-2500
-1800
-2300
-1400
-1300
-1300
-1700
-1600
-1900
-1800
-1200
-2300
-1600
-1300
-2400
-1700
-1400
-2500
-1800
+200
+1100
-200
-600
- 0
2 +
1 0
0 0
MAX = 0
-1200
-2300
1
-1700
2
-1600
-1800
1
173
b) Construir Zij
Zij =
U1
V1
V2
V3
-1200
-2300
U2
-1700
U3
-1600
-1800
Si U1=0
U1= 0
V1= -1200
U1= 0
V2= -2300
U2= - 300
V3= -1400
U3= - 400
V1= -1200
U3= - 400
V3= -1400
=
V1 -1200
=
V2 -2300
=
V3 -1400
U1=0
-1200
-2300
-1400
U2=-300
-1500
-2600
-1700
U3=-400
-1600
-2700
-1800
-2300
-1400
-1200
-2300
-1400
-1300
-1300
-1700
-1500
-2600
-1700
|| -1600
-1900
-1800
-1600
-2700
-1800
174
1300
800
Investigacin de Operaciones I
Indonesia
desde
Estados
1200
Unidos
2300
2
Rusia
1700
2
Nigeria
1600
1800
0
$9900
.ai
200
300
100
bj
300
200
100
Orgenes
175
Sol.:
i)
=1
II)
bj
ai =
= 600
=1
ai
bj
-2
-6
-3
200
-5
-1
-9
300
-7
-9
-8
100
300
200
100
23
23
= -9
a2 >b3
= a 2 b 3
Elimino la columna 3
176
-2
-6
-5
-1
-7
-9
= 300 -100
23
= 100
= 200
Ahora
32
el
menor
valor
= min(100,200)
de
32
celdas
es:
= min(a 3,b 2)
32
= 100
b2 =b2 a 3
<b2
las
Investigacin de Operaciones I
b 2 = 200-100 b 2 = 100
Elimino la fila 3
Ahora
12
el
-2
-6
-5
-1
menor
valor
X
a = a b
= min(200,100)
1
de
>b2
las
12
celdas
es:
12
= min(a 1, b 2)
= 100
a 1 = 100
Elimino la columna 2
-2
-5
21
= min(a 2, b 1) X
<b1 b1 =b1 a 2
21
= min(200,300) X
21
= 200
b 1 = 100
Elimino la fila 2
-2
177
Ahora
11
el
menor
valor
= min(100,100) X
-2
-6
100
100
-5
-9
200
100
de
11
las
celdas
es:
11
= min(a 1, b 1)
= 100
-9
100
Min Inicial
C.
Mtodo UV
v
-2
= -2
-6
= -6
-6
-5
-9
-9
-5
-9
-9
178
= -3
= -6
=0
= -3
11
= u 1 +v 1 = 2 u 1 = 0,v 1 = 2
12
= u 1 +v 2 = 6 u 1 = 0,v 1 = 6
21
= u 2 +v 1 = 5 u 2 = 3,v 1 = 2
23
= u 2 +v 3 = 9 u 2 = 3,v 3 = 6
32
= u 3 +v 2 = 9 u 3 = 3,v 2 = 6
Investigacin de Operaciones I
-2
-6
-3
-2
-6
-6
-5
-1
-9
-5
-9
-9
-7
-9
-8
-5
-9
-9
-2
100
100
200
31
= 2
100
100
-2
-6
200
-5
-9
200
100
-7
100
Nuevo C. Min. Inicial
v
-2
= -2
-6
= -6
-6
-5
-9
-9
-7
-9
-11
= -6
=0
= -3
= -5
11
= u 1 +v 1 = 2 u 1 = 0,v 1 = 2
12
= u 1 +v 2 = 6 u 1 = 0,v 1 = 6
21
= u 2 +v 1 = 5 u 2 = 3,v 1 = 2
23
= u 2 +v 3 = 9 u 2 = 3,v 3 = 6
31
= u 3 +v 1 = 7 u 3 = 5,v 2 = 2
180
-2
-6
-3
-2
-6
-6
-5
-1
-9
-5
-9
-9
-7
-9
-8
-7
-9
-11
Investigacin de Operaciones I
ij
ij
Respuesta:
De:
Unidades
(1 A) Transportamos
Costo/Unidad ($)
(1 B)
200
(2 A)
200
(2 C)
100
(3 A)
100
181
.ai
17
20
13
12
70
15
21
26
25
90
15
14
15
17
115
bj
50
60
70
95
Orgenes
Determinar una solucin factible bsica inicial utilizando el mtodo de la esquina (N-O)
y d usted la solucin ptima.
Sea XAD El nmero de unidades a transportar de A-D
Sea XAE El nmero de unidades a transportar de A-E
Sea XAF El nmero de unidades a transportar de A-F
Sea XAG El nmero de unidades a transportar de A-G
Sea XBD El nmero de unidades a transportar de B-D
Sea XBE El nmero de unidades a transportar de B-E
Sea XBF El nmero de unidades a transportar de B-F
Sea XBG El nmero de unidades a transportar de B-G
Sea XCD El nmero de unidades a transportar de C-D
Sea XCE El nmero de unidades a transportar de C-E
Sea XCF El nmero de unidades a transportar de C-F
Sea XCG El nmero de unidades a transportar de C-G
F.O. Min. C = 17XAD + 20XAE + 13XAF + 12XAG + 15XBD + 21XBE + 26XBF + 25XBG +
15XCD + 14XCE + 15XCF + 17XCG
S.A.
182
Demandas
Investigacin de Operaciones I
Ofertas
a2 = 50 Elimino la columna 2
X23 = min (a2, b3) = min (50, 70)
X23 = 50
a2 < b3
b3 = b3 a2
b3 = 70 50
b3 = 20 Elimino la fila 2
X33 = min (a3, b3) = min (115, 20)
X33 = 20
a3 > b3
a3 = a3 b3
a3 = 115 20
a3 = 95 Elimino la columna 3
X34 = min. (a3, b4) = min (95, 95)
X34 = 95.
Solucin Factible Bsica Inicial
17
50
20
20
21
40
26
50
15
20
17
95
Costo Mnimo Inicial: 17x50 + 20x20 + 21x40 + 26x50 + 15x20+ 17x95= 5305
184
Investigacin de Operaciones I
v1=17 v2=20
v3=25
v4=27
u1=0
17
20
25
27
u2=1
18
21
26
28
10
15
17
u3=10
V1 = 17
V2 = 20
V2 = 20
V3 = 25
17 20 13 12
17 20 25 27
15 21 26 25 -
18 21 26 28 =
-3 0
7 10 15 17
8 4
15 14 15 17
Cij
0 0 -12 -15
0 -3
0
Zij
185
50 --
>= 0
50 - > = 0
95 - >= 0
20 -
40 50
+ --
max = 20
20 95
+ -Luego;
ai
17
12
50
20
21
26
60
40
50
90
30
15
70
17
75
115
60 70 95
bj
Nuevo costo mnimo: 17x50 + 12x20 + 21x60 + 16x30 + 15x40 + 17x75= 5005
El mtodo UV o mtodo de MODI
1.
17
10
12
u2=16
33
21
26
28
u3=5
22
10
15
17
186
V1 = 17
V4 = 12
V2 = 5
V3 = 10
V3 = 10
V4 = 12
4.
Investigacin de Operaciones I
17 20 13 12
17 5 10 12
15 21 26 25 -
33 21 26 28 = -18 0 0 -3
15 14 15 17
22 10 15 17
Cij
0 15 3
-7 4 0
TIJ
20
50
60 30
+
-40 75
>= 0
30 - >= 0
75 - >= 0
50 -
max = 30
+ --
187
Luego;
ai
17
12
20
15
50
21
30
90
60
15
70
50
70
17
45
115
60 70 95
bj
Nuevo costo mnimo: 17x20 + 12x50 + 15x30 + 21x60 + 15x70 + 17x45= 4465
El mtodo UV o mtodo de MODI
1. Comenzar con alguna solucin factible bsica inicial.
2 y 3. Dibujar una matriz solucin TIJ:
17
23
10
12
u2=-2
15
21
10
u3=5
22
28
15
17
V1 = 17
V4 = 12
V1 = 17
V2 = 23
V3 = 10
V4 = 12
188
Investigacin de Operaciones I
17 23 10 12
0 -3 0
15 21 26 25 -
15 21 8 10 =
15 14 15 17
22 28 15 17
Cij
0 18 15
-7 -14 0
Zij
50
20
>= 0
45 - >= 0
20 - > = 0
60 -
30 60
+ --
max = 20
70 45
+
--
Luego;
ai
12
70
15
50
21
20
50
90
40
14
70
15
70
17
25
115
60 70 95
bj
Nuevo costo mnimo: 12x70 + 15x50 + 21x40 + 14x20 + 15x70 + 17x25= 4185
189
u1=0
10
12
u2=12
15
21
22
24
u3=5
14
15
17
V4 = 12
V2 = 3
V2 = 9
V2 = 9
V3 = 10
V4 = 12
4.
17 20 13 12
15 21 26 25 15 14 15 17
Cij
3 9 10 12
14 11 3
15 21 22 24 =
0 0 4
8 14 15 17
7 0 0
Zij
Cij Zij>= 0
190
Investigacin de Operaciones I
Es decir:
ai
12
70
15
50
21
20
50
90
40
14
70
15
70
17
25
115
60 70 95
bj
Unid. $ costo
De A-G Transportamos XAG = 70 x 12
De B-D Transportamos XBD = 50 x 15
De B-E Transportamos XBE = 40 x 21
De C-E Transportamos XCE = 20 x 14
De C-F Transportamos XCF = 70 x 15
De C-G Transportamos XCG = 25 x 17
Costo Mnimo = 4185
191
Existencia
de mercanca
10
12
10
Demanda
11
2.
Tres fbricas producen tres productos A, B, y C, las cuales proveen a una tienda
el cual esta interesado en comprar 60 del producto A, 25 del producto B y 30 del
producto C. Las utilidades por producto que obtendra la tienda al adquirir a cada
fbrica se encuentra en el cuerpo de la tabla, as mismo la oferta de dichas
fabricas.
Producto
.ai
11
14
17
100
12
13
18
15
10
14
19
40
bj
60
25
30
Fbrica
192
3.
Investigacin de Operaciones I
American Motors Inc. puede enviar un total de hasta 200 automviles en camin
y 600 en ferrocarril de su fbrica de Detroit a sus distribuidores de Chicago,
Cleveland, Washington D.C. y Filadelfia. El costo (en dlares) de enviar un carro
a cada uno de los distribuidores por camin y por tren y las demandas de los
distribuidores se muestran en la siguiente tabla:
Costo de embarque ($/carro)hacia
Por
Chicago
Cleveland
Washington, D.C
Filadelfia
Camin
30
20
50
60
Tren
45
30
75
90
Demanda(carros)
300
100
250
150
.ai
200
100
300
bj
200
300
Orgenes
9.
14
17
300
12
13
18
350
10
14
19
150
13
11
16
10
200
150
375
225
150
bj
193
8.4.
EL PROBLEMA DE ASIGNACIN
CARACTERSTICAS CLAVE
B.
CARACTERSTICAS CLAVE
Por cada fila, identifique el nmero menor y reste ese valor de cada celda
en esta fila.
194
Investigacin de Operaciones I
2. Por cada columna, identifique el nmero menor y reste ese valor de cada
celda en esta columna.
Paso 1
Prueba de optimalidad: intente identificar una asignacin factible en la matriz actual en
la que cada celda seleccionada tenga un valor de cero. Si se encuentra esta
asignacin, detngase: sta es la solucin ptima; de otra manera encuentre el
nmero de asignaciones que s tienen el valor de cero y vaya al paso 2.
Paso2
Movimiento: establezca una nueva matriz de asignacin con las propiedades 1 y 2, y
haga lo siguiente:
1.
2.
Entre todas las celdas no cruzadas, identifique una con el menor valor y
a.
b.
195
X ij =
Minimice Z = C ij X ij
i =1 j =1
s.a.
n
X
j =1
ij
= 1, i = 1,2,..., n
ij
= 1, j = 1,2,..., n
X
i =1
X ij = 0 1
196
Investigacin de Operaciones I
Trabajador
ii)
$50 $50 -
$20
Trabajo
Ttrabajador
1
2
3
4
$50
$70
$90
$70
$50
$40
$30
$20
$20
$50
$60
$20
$30
$70
Solucin
Observe que no se va asignar el empleado 1 al trabajo 3 y que el empleado 3 no
puede trabajar en el trabajo 4entonces vamos a poner en la celda un valor M positivo
infinitamente grande de tal manera que sea un costo bastante elevado y no pueda ser
asignado.
50
70
90
70
50
40
30
20
M
20
50
60
20
30
M
70
197
50
40
M
20
20
30
20
20
90
30
50
30
70
20
60
70
20
30
50
60
50
30
30
20
0
0
0
M-20
0
20
40
0
0
10
M-30
50
0
30
20
(0)
0X
M-20
(0)
20
40
0
10
M-30
50
c) Observamos que es imposible asignar por tanto vamos a trazar lneas horizontales y
verticales
0
20
30
20
30
20
0
0
M-20
0
20
40
0
10
M-30
50
40
20
(0)
0X
M-10
0
20
40
0
0
M-40
40
198
40
20
0
0
M-10
0
20
40
0
0
M-40
40
Investigacin de Operaciones I
50
30
(0)
0X
M-10
(0)
10
30
(0)
0X
M-50
30
$50
$70
$90
$70
$50
$40
$30
$20
$20
$50
$60
$20
$30
$70
Es posible asignar
Trabajo
Trabajador
1
2
3
4
$50
$70
$90
$70
$60
$50
$40
$30
$20
$45
$20
$50
$60
$30
$20
$30
$70
$80
0
0
0
0
0
50
70
90
70
60
50
40
30
20
45
M
20
50
60
30
20
30
M
70
80
0
0
0
0
0
50
70
90
70
60
50
50
40
30
20
45
20
M
20
50
60
30
20
20
30
M
70
80
20
0
0
0
0
0
0
0
0
0
0
0
199
0
30
M-20
0
0X
20
20
0
10
0X
40
10
30
M-20
0X
20
(0)
40
50
0X
10
25
10
60
(0)
Imposible asignar, luego trazamos lneas horizontales y verticales
0
20
40
20
10
30
20
10
0
25
M-20
0
30
40
10
0
10
M-20
50
60
0
0
0
0
0
M-10
(0)
30
40
10
(0)
0X
M-30
40
50
10
0X
(0)
0X
0X
40
20
10
(0)
25
Trabajo
Trabajador
1
2
3
4
5
$50
$70
$90
$70
$60
$50
$40
$30
$20
$45
$20
$50
$60
$30
$20
$30
$70
$80
0
0
0
0
0
200
Investigacin de Operaciones I
16
19
15
19
15
17
15
0
25
24
18
15
19
15
0
17
20
25
16
18
Solucin
Dado que tenemos cuatro compradores para cinco lotes completamos la matriz con un
comprador artificial
Lote
Comprador
A
B
C
D
E
16
19
15
19
0
15
17
15
0
0
25
24
18
15
0
19
15
0
17
0
20
25
16
18
0
16
19
15
19
0
15
17
15
0
0
25
24
18
15
0
19
15
0
17
0
20
25
16
18
0
10
8
10
25
25
0
1
7
10
25
6
10
25
8
25
5
0
9
7
25
201
A partir de este tablero los pasos son los mismos que en minimizacin
9
6
10
6
25
10
8
10
25
25
0
1
7
10
25
6
10
25
8
25
5
0
9
7
25
9
6
3
0
0
0
10
8
3
19
0
0
0
1
0
4
0
0
6
10
18
2
0
0
5
0
2
1
0
0
6
10
18
2
0
5
0
2
1
0
4
8
16
0
0
5
0
2
1
2
3
7
15
0X
(0)
5
(0)
2
2
3
10
0
9
6
8
1
3
3
0
0
19
4
0
0
0
Menor de las celdas no cruzadas: 2
8
0
9
6
6
1
3
1
0
0
17
4
2
0
2
Menor de las celdas no cruzadas: 1
7
(0)
8
5
5
1
2
(0)
0X
(0)
17
5
2
0X
3
Lote
Comprador
A
B
C
D
E
16
19
15
19
15
17
15
0
25
24
18
15
19
15
0
17
0
20
25
16
18
0
0
7
6
25
Investigacin de Operaciones I
Ejemplo3
Arthur J Big and Company es una compaa de contabilidad que tiene un especialista
en impuestos en cada uno de sus oficinas en Washington D.C., Cleveland, Lousville y
Atlanta. La oficina central ha recibido una solicitud para un especialista en impuestos
en cada uno de sus clientes de Columbus, Nashville, Charleston y Pittsburgh los
costos de los siguientes especialistas se proporcionan en la siguiente tabla.
Hacia
Desde
Columbus
Nashville
Charleston
Pittsburgh
Washington
431
659
342
247
Cleveland
533
129
Lousville
214
174
259
393
Atlanta
585
246
501
683
659
342
247
533
129
214
174
259
393
585
246
501
683
203
celda en su
respectiva fila
184
412
95
247
M-129
404
M-129
129
40
85
219
174
339
255
437
246
Elegimos por columna el menor valor y restamos este valor de cada celda de s u
respectiva columna
144
412
10
M-169
402
M-214
219
299
170
437
40
85
Cada cero significa un cero de asignacin es decir si asigno el primer cero (posicin
204
144
412
10
Investigacin de Operaciones I
M-169
402
M-214
219
299
170
437
134
412
M-179
402
M-224
10
229
289
160
437
Columbus
Nashville
Washington
Atlanta
Pittsburgh
Cleveland
Lousville
Charleston
X
X
X
205
Solucin:
De Washington a Charleston 342
De Cleveland a Pittsburgh
129
De Lousville a Columbus
214
De atlanta a Nashville
246
Solucin ptima =
931
Ejemplo 4
Arthur J Big and Company es una compaa de contabiliadad que tiene un especialista
en impuestos en cada uno de sus oficinas en Washington D.C., Cleveland, Lousville y
atlanta. La oficina central ha recibido una solicitud para un especialista en impuestos
en cada uno de sus clientes de Columbus, Nashville, Charleston y Pittsburgh las
utilidades de los siguientes especialistas se proporcionan en la siguiente tabla.
Hacia
Desde
Columbus
Nashville
Pittsburgh
Washington
431
659
247
Cleveland
240
533
129
Lousville
214
174
393
Atlanta
650
346
683
206
Investigacin de Operaciones I
431
659
247
240
533
129
214
174
393
650
346
683
252
24
436
683
443
150
554
683
469
509
290
683
33
337
683
228
412
659
24
293
404
533
150
179
219
393
290
33
337
683
207
195
412
266
260
404
140
146
218
337
290
33
393
195
412
266
260
404
140
146
219
337
290
55
(0)
272
126
120
0X
264
(0)
146
359
(0)
0X
(0)
477
0X
290
208
Columbus
Washington
Nashville
Investigacin de Operaciones I
Pittsburgh
Charleston
Cleveland
Lousville
Atlanta
X
X
Solucin:
De Washington a Nashville
De Lousville a Pittsburgh
De Atlanta a Columbus
209
Tareas
12
17
10
11
10
16
14
11
16
12
12
16
Equipos
2.
210
$3
$9
$2
$3
$7
$6
$1
$5
$6
$6
$9
$4
$7
$10 $3
$2
$5
$4
$2
$1
$9
$6
$2
$4
$5
$3
$8
$2
$10 $3
$8
$7
$2
$9
$7
$6
$4
$2
$7
$5
$8
$4
$2
$3
$5
$9
$10
$6
$9
$10
Investigacin de Operaciones I
3. Joshop necesita asignar cuatro trabajos que recibi a cuatro empleados. Las
diversas habilidades de stos dan origen a costos variados por el desempeo
de los trabajadores. La tabla resume los datos del costo de las asignaciones.
Los datos indican que el empleado 1 no puede trabajar en el trabajo 3 y que el
empleado 3 no puede trabajar en el trabajo 4.
Trabajo
Trabajador
$50 $50 -
$20
Barcos
5.
Carlos
Cristina
David
Antonio
Jos
Dorso
37.7
32.9
33.8
37.0
35.4
Pecho
43.4
33.1
42.2
34.7
41.8
Mariposa
33.3
28.5
38.9
30.4
33.6
Libre
29.2
26.4
29.6
28.5
31.1
6. Suponga que una empresa tiene 5 puestos vacantes cuyo desempeo requiere
diversas habilidades. Se han presentado 7 candidatos que han sido sometidos
a pruebas especiales de seleccin para cada empleo, habiendo obtenido las
siguientes calificaciones:
Empleos
69
97
81
68
95
61
79
27
14
38
62
83
48
65
94
45
80
41
65
70
42
39
42
32
83
33
34
10
12
17
46
50
28
33
92
Candidatos
212
Investigacin de Operaciones I
Producto
Costo unitario
Planta
Capacidad
disponible
41
27
28
24
75
40
29
23
75
37
30
27
21
45
Tasa de produccin
20
30
30
40
213
IV Unidad didctica
Investigacin Operativa I
TPICOS AVANZADOS EN
PROGRAMACIN LINEAL:
PROGRAMACIN POR OBJETIVOS Y
PROGRAMACIN LINEAL ENTERA
Esquema de contenidos
PROGRAMACIN ENTERA
BIBLIOGRAFA
217
Objetivos
IV Unidad didctica
TPICOS AVANZADOS EN PROGRAMACIN LINEAL:
PROGRAMACIN POR OBJETIVOS Y PROGRAMACIN LINEAL ENTERA
Objetivos generales
Comprender la importancia de resolver modelos de mltiples objetivos y convertir
los objetivos mltiples originales en una sola meta.
Resolver programas lineales en los cuales algunas o todas las variables de
decisin estn restringidas a valores enteros.
Objetivos especficos
218
Contenidos
IV UNIDAD DIDCTICA
9.
219
Ejemplo 1.
Steel company produce tres tamaos de tubos: A, B, C, que son vendidos,
respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se
requieren 0,5 minutos de tiempo de procesamiento sobre un tipo particular de
mquina de modelado.
Cada pie del tubo B requiere 0,45 minutos y cada pie del tubo C requiere 0,6
minutos.
Despus de la produccin, cada pie de tubo, sin importar el tipo, requiere 1 una
onza de material de soldar. El costo total se estima en $3, $4 y $4 por pie de
los tubos A, B y C, respectivamente.
Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente
grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del
tubo C. Como solo se dispone de 40 horas de tiempo de mquina esta semana y
solo se tiene en inventario 5500 onzas de material de soldar, el departamento de
produccin no podr satisfacer esta demanda, requiere un total de 97 horas de
tiempo de mquina 11000 onzas de material de soldar. No se espera que
contine este alto nivel de demanda. En vez de expandir la capacidad de las
instalaciones de produccin, la gerencia de MTV est considerando la compra de
algunos de estos tubos a proveedores de Japn a un costo de entrega de $6 por
pie del tubo A, 6$ por pie del tubo B y $7 por pie del tubo C. Los datos se
resumen en la tabla siguiente:
Material
Costo de
Costo de
mquina
soldar
produccin
compra
(min/ft)
(oz/ft)
($/ft)
($/ft)
2000
0.50
12
4000
0.45
5000
0.60
40hr
5500oz
Demanda
venta($/ft)
(ft)
10
B
C
Tipo
Cantidad
disponible
220
Tiempo de
Precio de
Sea: x1, x2, x3, el nmero de pies de tubo de tipo A, B, C por producir respectivamente
y
x4, x5,x6, el nmero de pies de tubo de tipo A, B, C por comprar a Japn
respectivamente.
Maximizar Z:7x1 + 8x 2 + 5x 3 + 4x 4 + 6x 5 + 2x 6
s.a:
Restriccin de demanda
Restricciones de recursos
x2 +
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
221
55000.00
VARIABLE
VALUE
REDUCED COST
X1
2000.000000
0.000000
X2
0.000000
X3
2333.333252
X4
0.000000
X5
4000.000000
0.000000
X6
2666.666748
0.000000
0.250000
0.000000
0.500000
0.000000
4.500000
3)
0.000000
6.000000
4)
0.000000
2.000000
5)
0.000000
5.000000
6)
1166.666626
NO. ITERATIONS=
222
DUAL PRICES
0.000000
2
CURRENT
COEF
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
X1
7.000000
INFINITY
0.500000
X2
8.000000
0.250000
INFINITY
X3
5.000000
0.600000
0.333333
X4
4.000000
0.500000
INFINITY
X5
6.000000
INFINITY
0.250000
X6
2.000000
0.333333
0.600000
CURRENT
RHS
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
2000.000000
2800.000000
2000.000000
4000.000000
INFINITY
4000.000000
5000.000000
INFINITY
2666.666748
2400.000000
700.000000
5500.000000
INFINITY
1400.000000
1166.666626
MAX= 7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6
223
ii)
MIN= 6 x4 + 6 x5 + 7 x6
s.a.
Restriccin de demanda
Restricciones de recursos
x2 +
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
Observaciones
A) Si el problema se corre con el lindo, es decir:
MAX= 7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6
s.a.
Restriccin de demanda
224
Restricciones de recursos
x2 +
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
La respuesta es:
1)
Zmax= 55000.00
VARIABLE
B.
VALUE
X1
2000.000000
X2
0.000000
X3
2333.33252
X4
0.000000
X5
4000.000000
X6
2666.666748
s.a.
Restriccin de demanda
225
Restricciones de recursos
x2 +
x 1 , x 2 , x 3 , x 4 , x 5 , x 6 0 (restricciones Lgicas)
La respuesta es:
1)
Zmin= 39800
VARIABLE
X1
1200
X2
4000
X3
X4
C.
VALUE
799.999
X5
X6
5000
Zmax= 55000.00
VARIABLE
VALUE
X1
2000.000000
X2
0.000000
X3
2333.33252
X4
0.000000
X5
4000.000000
X6
2666.666748
Es decir en MIN= 6 x4 + 6 x5 + 7 x6
MIN= 6(0) +6(4000)+7(2666.666748)
MIN= $42666.67
226
Zmin= 39800
VARIABLE
VALUE
X1
1200
X2
4000
X3
X4
799.999
X5
X6
5000
9.1
PROGRAMACIN DE METAS
227
228
alta ser la penalizacin total. Las penalizaciones pueden aumentar ya sea de manera
lineal o de manera no lineal (trabajaremos con penalizaciones lineales).
Para cada objetivo usted debe escoger un solo valor numrico para indicar la
penalizacin por unidad (por ejemplo, un dlar en el caso que presentamos
anteriormente), por no haber logrado la meta.
Las penalizaciones se escogen de modo que reflejen la desventaja relativa entre los
objetivos, de acuerdo con la preferencia de los tomadores de decisiones. Si el director
ejecutivo siente que es dos veces ms importante lograr el objetivo de $55 000 en la
ganancia que el objetivo de $40000 en el costo de las importaciones, entonces usted
puede escoger las siguientes penalizaciones:
Penalizacin de ganancia = 2 por cada dlar de ganancia que est por debajo de
$55 000
Penalizacin de importacin = 1 por cada dlar de importacin que est por
encima de $40 000
En general, las penalizaciones no tienen otro significado fsico que el de indicar la
importancia relativa de lograr las metas.
9.3
Una vez identificadas las metas y las penalizaciones para cada uno de los objetivos,
se sigue los pasos de identificacin de variables de una sola funcin objetivo y de
restricciones.
229
9.4
9.5
230
9.6
Las restricciones anteriores del problema se mantienen igual, excepto que en general
incluir la siguiente restriccin de metas para cada objetivo original.
(Valor del objetivo) (cantidad por arriba de la meta)+ (cantidad por debajo de la
meta) = Meta
Luego, el modelo anterior queda de la siguiente manera
Minimizar 2P +1 I+
S.a.
Restriccin de demanda
Restricciones de recursos
x2 +
Restricciones de metas
7 x1 + 8 x2 + 5 x3 + 4 x4 + 6 x5 + 2 x6 P + + p = 55000
6 x4 + 6 x5 + 7 x6 I + + I = 40000
x1 ,x 2 ,x 3 ,x 4 ,x 5 ,x 6 , P + , P , I + , I 0 (restricciones Lgicas)
(Observe que al menos I + o I debe tomar el valor de cero lo mismo para las P)
231
1888.889
VARIABLE
PMENOS
IMAS
777.777771
333.333344
REDUCED COST
0.000000
0.000000
X1
2000.000000
X4
0.000000
X2
3111.111084
0.000000
X5
888.888916
0.000000
X3
0.000000
X6
5000.000000
0.000000
0.000000
2.000000
PMAS
IMENOS
232
VALUE
0.000000
0.000000
0.888889
0.333334
1.000000
CURRENT
COEF
PMENOS
IMAS
ALLOWABLE
INCREASE
2.000000
1.000000
DECREASE
1.000001
1.333334
ALLOWABLE
1.142857
0.333333
X1
0.000000
0.888889
INFINITY
X4
0.000000
INFINITY
0.888889
X2
0.000000
0.250000
0.800000
X5
0.000000
0.800000
0.250000
X3
0.000000
INFINITY
0.333333
X6
0.000000
0.333333
INFINITY
PMAS
IMENOS
0.000000
0.000000
INFINITY
2.000000
INFINITY
1.000000
CURRENT
RHS
ALLOWABLE
INCREASE
ALLOWABLE
DECREASE
2000.000000
162.790695
50.000004
4000.000000
129.629623
55.555557
5000.000000
388.888885
47.619049
2400.000000
25.000002
1399.999878
5500.000000
INFINITY
388.888885
55000.000000
INFINITY
777.777771
40000.000000
333.333344
INFINITY
233
i)
$55000 no se cumple por $777.78. En otras palabras, el plan de produccinimportacin anterior tiene una ganancia de $(55000-777.78)=$54222.22
ii)
$40 000 se excede en $333.3333. En otras palabras el plan de produccinimportacin anterior tiene un costo de $(40000+333.3333)=$40333.33333
Observaciones:
i)
ii)
Serie de problemas 10
1. Presentar 5 ejemplos de programacin por objetivos con sus respectivos anlisis.
234
10.
PROGRAMACIN ENTERA
Max c j x j
j =1
s.a.
n
a x
j =1
ij
bi i = 1, 2," m
x j entero 0
Asimismo, definimos su equivalente continuo como:
n
Max c j x j
j =1
s.a.
n
a x
j =1
ij
bi i = 1, 2," m
xj 0
Un problema de programacin lineal entera y su equivalente continuo tiene la misma
estructura solo los diferencia el hecho de que en el segundo las variables pueden
asumir valores reales.
Si por el contrario, la solucin ptima del equivalente continuo tiene por lo menos
una variable cuyo valor no es entero, entonces debemos utilizar Tcnicas de
Programacin Entera.
235
Maxz = 4 x + 5 y
s.a.
x+ y 8
2 x + y 10
x, y, enteros 0
24
18
12
Payoff:
4 x+
5 y=
40
6
:
0
:
0
1x+
2x+
1y=
1y=
8
10
Optimal Decisions(x,y): ( 0,
: 1x + 1y <= 8
: 2x + 1y <= 10
236
10
20
8)
30
40
50
60
Observaciones
1.
2.
3.
4.
24
18
12
Payoff:
4 x+
5 y=
40
6
:
0
:
0
1x+
2x+
1y=
1y=
10
8
10
Optimal Decisions(x,y): ( 0,
: 1x + 1y <= 8
: 2x + 1y <= 10
20
30
40
50
60
8)
237
Maxz = x + y
s.a.
2x + y 6
x + 2y 4
x, y, enteros 0
Resolviendo el equivalente continuo por el mtodo grfico:
Maxz = x + y
s.a.
2x + y 6
x + 2y 4
x, y 0
12
238
10
20
30
8
2.67
3
Solucin redondeada: x = 3
2
y = 0.67
3
x=
y =1
Vemos que la solucin redondeada no cumple las restricciones! Por lo que decimos
que es no factible.
Observe por ejemplo: 2 x + y 6 2(3) + 1 6 como vemos no cumple la restriccin.
b) La solucin redondeada cumple las restricciones pero no es ptima
Consideremos el siguiente PPLE
Maxz = 5 x + 4 y
s.a.
x+ y 5
10 x + 6 y 45
x, y, enteros 0
Resolviendo el equivalente continuo por el mtodo grfico:
Maxz = 5 x + 4 y
s.a.
x+ y 5
10 x + 6 y 45
x, y 0
18
12
20
30
40
Redondeando:
Asumamos que redondeamos: x = 3 y=1 , es decir, en el punto (3,1)
Observamos que: Z = 5 x + 4 y Z = 5(3) + 4(1) = 19 es factible, pero no es ptimo
pues (3,2) es una mejor solucin, es decir: Z = 5 x + 4 y Z = 5(3) + 4(2) = 23 y es
ptimo.
Veamos su grfico por PPLE.
18
12
10
240
20
30
40
30
24
18
12
:
6
:
:
1x+
2x-
: 40 x +
0
0x+
0y=
1y=
1y=
10
15
30 y = 400
10
Optimal Decisions(x,y): ( 7,
: 40x + 30y >= 400
: 2x - 1y <= 15
: 1x + 0y <= 10
: 0x + 1y <= 5
20
30
40
50
60
4)
241
Resolvemos el equivalente continuo del PPLE, esto puede dar lugar a las
siguientes posibilidades:
a. Si la solucin ptima obtenida es entera, entonces fin del proceso,
sta ser la solucin del PPLE.
b. En caso contrario tomamos una de las variables cuyo valor no es
entero y generamos dos restricciones.
Por ejemplo: suponga que: x = r ]
[ r ]
[ r] +1
x [ r ] ; x [ r ] + 1
2.
242
3.
Ejercicios
1.
3X2 <= 18
8X1 +
7X2 <= 56
X1 , X2 enteros >= 0
Solucin
Resolviendo el equivalente contino
Max. 3X1 + 4X2
s.a.
2X1 +
3X2 <= 18
8X1 +
7X2 <= 56
6 (0,6)
0 (9,0)
8 (0,8)
0 (7,0)
243
30
24
18
12
20
244
30
40
50
60
70
L1 L2
2X1 + 3X2 = 18 (4)
2X1 + 3(3.2) = 18
8X1 + 7X2 = 56
2X1 + 9.6 = 18
2X1 = 8.4
8X1 + 7X2 = 56
X1 = 4.2
5X2 = 16
X2 = 3.2
2X1 + 3X2 <= 18 X2 = 3 , X1 = 4.5
8X1 + 7X2 <= 56 X2 = 3 , X1 = 4.375
X2 <= [| 3.33 |]
Z= 25.13
X1 = 4.38
X2 = 3
Z= 25.33
X1 = 4
X2 = 3.23
X1 <= [| 4.2 |]
Z= 25.4
X1 = 4.2
X2 = 3.2
X2 >= [| 3.33 |] + 1
Z= 25
X1 = 3
X2 = 4
X1 >= [| 4.2 |] + 1
Z= 24.144
X1 = 5
X2 = 2.28
No tiene
sentido
Respuesta: X1 = 3
X2 = 4
Z ptimo = 25
245
Observaciones
1)
2)
max 3x1 + 4 x2
s.a. 2x1 +3x 2 18
8x1 +7x 2 56
x1 4
x2 4
x1 ,x 2 0
Serie de problemas 10
Resolver por ramificacin y acotamiento
1) MaxZ = 5 x1 + 4 x2
s.a.
x1 + x2 5
10 x1 + 6 x2 45
x1 , x2 , entero 0
2) MaxZ = 3 x1 + 2 x2
s.a.
2 x1 + 2 x2 9
3x1 + 3x2 18
x1 , x2 , entero 0
246
3) MaxZ = x1 + x2
s.a.
2 x1 + 5 x2 16
6 x1 + 5 x2 27
x1 , x2 , entero 0
4) MinZ = 5 x1 + 4 x2
s.a.
3x1 + 2 x2 5
2 x1 + 3x2 7
x1 , x2 , entero 0
5) MinZ = 24000 x1 + 20000 x2
s.a.
40 x1 + 30 x2 400
2 x1 x2 15
x1 10
x2 5
x1 , x2 , entero 0
247
Bibliografa
248
MOSKOWITZ, Herbert,
Investigacin de Operaciones.
Espaa, Edit Prentice-Hall
BUFFA y DYER
Ciencias de la Administracin e Investigacin de Operaciones.
Limusa.
TURBAN, Meredith,
Fundamentals of Management Science.
Irwin, 5th. Edition - 1999
KAMLESH, Mathur y Daniel SOLOW
Investigacin de operaciones. El arte de la toma de decisiones.
249