Documente Academic
Documente Profesional
Documente Cultură
FRANCISCO DE MIRANDA
REA DE TECNOLOGA
DEPARTAMENTO DE GERENCIA
UNIDAD CURRICULAR: INVESTIGACIN DE OPERACIONES
PROFESOR: JUAN LUGO MARN
Tema No. 3
Mtodos de Resolucin de Modelos de Programacin
Lineal.
Introduccin
En este material se presentan los detalles de los mtodos empleados
para resolver Modelo de Programacin Lineal. Inicialmente se explica
el Mtodo Grfico que, an cuando tiene severas limitaciones para su
aplicacin, ya que est basado en una geometra plana, resulta
conveniente para ilustrar muchos de los elementos importante de los
modelos de programacin lineal. Aunque la geometra plana se limita
a un caso muy restringido, es fcil de manejar y mucho de los
conceptos generales que se aplican a modelos de dimensiones
superiores pueden ser conectados con los esquemas bidimensionales.
La columna vertebral de este tema es presentar detalladamente el
mtodo simplex, que es un mtodo algebraico que puede resolver
cualquier problema de programacin lineal. La informacin que pueda
obtenerse con el mtodo simplex, va ms all de la determinacin de
los valores ptimos de las variables y de la funcin objetivo. De
hecho, la solucin simplex proporciona interpretaciones econmicas y
resultados del anlisis de sensibilidad, como se ver con mayor
detalle en el Tema 4.
Los economistas de la antigua Unin Sovitica fueron los primeros en
aplicar las tcnicas de la programacin lineal en la organizacin y
Durante las
El Mtodo Grfico
El mtodo grfico de solucin para problemas lineales representa una manera
til de resolver problemas lineales con dos variables de decisin; para modelos con
tres o ms variables de decisin el mtodo grfico es imprctico o imposible. No
obstante podemos deducir conclusiones generales del mtodo grfico que servirn
como base para el mtodo simplex que veremos ms adelante.
Para la solucin grfica de programas lineales con dos variables, lo que se
tiene que hacer es trazar un eje de coordenadas cartesianas, para graficar las
desigualdades dadas por el problema, despus encontrar el rea de Soluciones
Factibles y proceder a graficar la funcin objetivo para conocer el valor ptimo
(maximizar o minimizar) que ser la solucin del problema.
Cules son las restricciones o limitaciones del problema? Existen tres restricciones.
Primero, el material est limitado a 96 unidades. Cada mesa se lleva 12 unidades de
material y cada silla usa 8 unidades. La primera restriccin es, entonces:
x1 >= 2
Por ltimo, las restricciones de no negatividad son:
x1 >= 0, x2 >= 0
Poniendo todo junto el modelo se tiene:
Maximizar
Z = 5x1 + 5x2
Cualquier punto que est sobre o abajo de esta lnea cumplir con la restriccin.
Cualquier punto arriba de esta lnea requerir ms de 72 horas de mano de obra y no
es aceptable. En la siguiente figura se combina esta restriccin con la anterior. En la
regin factible, ambas restricciones se cumplen.
Cualquier solucin que est en la frontera o dentro del rea sombreada cumplir con
todas las restricciones. Ahora se utilizar la funcin objetivo para seleccionar la
solucin ptima.
Las lneas de este tipo se llaman lneas de indiferencia, porque cualquier punto sobre
una lnea dada da la misma ganancia total. Ntese que la distancia perpendicular del
origen a la lnea aumenta al aumentar el valor de Z. Tambin, todas las lneas de
indiferencia son paralelas entre s. Estas propiedades grficas pueden usarse para
resolver el problema.
En la siguiente figura, se ilustran todas las restricciones y las dos lneas de indiferencia
supuestas. En la grfica puede observarse que la lnea de indiferencia para Z = 50
est completamente fuera de la regin factible. Para Z = 25, parte de la lnea cae
dentro de la regin factible. Por tanto, existe alguna combinacin de x1 y x2 que
satisface todas las restricciones y da una ganancia total de $25. Por inspeccin, puede
observarse que hay ganancias ms altas que son factibles.
Con el punto ptimo localizado grficamente, la nica tarea que queda es encontrar
las coordenadas del punto. Ntese que el punto ptimo est en la interseccin de las
lneas de restriccin para materiales y horas de mano de obra. Las coordenadas de
este punto se pueden encontrar resolviendo el sistema de ecuaciones que forman
estas dos restricciones utilizando cualquiera de los mtodos de solucin (suma y resta,
sustitucin o igualacin). Las coordenadas de este punto resultan ser (6, 3). La
sustitucin de este punto en la funcin objetivo da la ganancia mxima:
Minimizar Z = 5A + 8B
Las restricciones son los requerimientos mnimos de las tres vitaminas. stas se
muestran enseguida:
10
11
(1) 4A + 10B = 40
(2) 7A + 7B = 49
(3)
4A + 10(2) = 40
A= 5
Coordenadas
Z = 5A + 8B
A = 10, B = 0
50
A = 5, B = 2
41 menor
A =3, B = 4
47
A = 0, B = 10
80
13
superior
80.
Tiene
por
regin
80 . De no negatividad: x
factible
la
regin
1800 . El
0,y
0.
coloreada.
Con
solucin
mltiple:
1,x
0,y
0.
en
todos
los
puntos
del
segmento
BC.
segmento
situado
entre
dos
vrtices
de
la
regin
factible.
Con
solucin
no
acotada
2x , y
x/2 .
Tiene por regin factible la zona coloreada que aparece en la figura, que es
una
regin
no
acotada.
decirse
que
el
problema
carece
de
solucin.
Para que
suceda esta situacin la regin factible debe estar no acotada.
No factibles
2,x
0,y
0.
ninguna
regin
factible.
15
El Mtodo Simplex
El mtodo grfico presentado anteriormente demuestra que la solucin ptima de un
modelo de PL est siempre asociada a un punto extremo o esquina del espacio de
soluciones.
16
Ecuacin Pivote:
Nueva Ecuacin Pivote = (Vieja Ecuacin Pivote / Elemento Pivote.
Resto de ecuaciones incluyendo Z:
Nueva Ecuacin = Ecuacin Anterior (Coeficiente columna entrante)*(Nueva
ecuacin Pivote.
Tabla 1
Tipo de Restriccin
Problema de Maximizar
Problema de Minimizar
Requiere
de
una coeficiente
cero
en
la coeficiente
cero
en
la
ecuacin objetivo.
positiva.
Restriccin Mayor o Igual Variable de holgura toma Variable de holgura toma
(>=):
variable
Requiere
de
una coeficiente
cero
en
la coeficiente
cero
en
la
ecuacin objetivo.
coeficiente
+M
en
ecuacin objetivo.
la coeficiente
-M
en
la
ecuacin objetivo.
+M
en
la coeficiente
en
la
17
ecuacin objetivo.
ecuacin objetivo.
2x + y
18
2x + 3y
3x + y
42
24
X 0,y
Y
-2
-3
18
42
24
con
el
coeficiente
negativo
mayor
(en
valor
absoluto).
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide
cada trmino de la ltima columna (valores solucin) por el trmino
correspondiente de la columna pivote, siempre que estos ltimos sean mayores
que
cero.
En
nuestro
caso:
variables
correspondientes
pueden
salir
de
la
base.
19
Nueva fila del pivote= (Vieja fila del pivote) / (Elemento Pivote)
Resto de las filas:
Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable
entrante) X (Nueva fila del pivote)
Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II):
Vieja fila de s
Coeficiente
2 3
0 1 0
42
- -
- - -
2 2
2 2 2
x x
x x X
= = =
0 7/3 0 1 -2/3 26
Tabla II . Iteracin n 2
Base Variable de decisin Variable de holgura Valores solucin
x
-1
24
1/3
-2/3
7/3
-2/3
26
1/3
1/3
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos
llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable que corresponde al
coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna
entre
los
2:1/3
trminos
[=6]
correspondientes
,
26:7/3
de
la
nueva
columna
8:1/3
[=78/7]
pivote:
[=8]
-1
30
-2
-7
12
-1
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos
llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la variable que corresponde al
coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna
entre
los
6/(-2)
trminos
correspondientes
[=-3]
de
12/4
la
nueva
[=3],
columna
6:1
pivote:
[=6]
5/4
33
-1/2
12
-7/4
-3/4
Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos
llegado a la solucin ptima.
Los solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice
donde se alcanza, observando las filas correspondientes a las variables de decisin
que han entrado en la base: D(3,12)
21
paso
aporta
la
Tabla
II.
los
datos
de
la
Tabla
III.
no
mejora
al
desplazarse
por
la
arista
DE)
aplican sobre estas variables y la funcin objetivo se modifica para que imponga una
penalizacin exorbitante en el caso de que adquieran valores mayores que cero. Las
iteraciones del mtodo smplex automticamente fuerzan a las variables artificiales a
desaparecer (a volverse cero) una a una, hasta que todas quedan fuera de la
solucin; despus de esto se resuelve el problema real.
Ejemplo:
Consideremos el siguiente problema:
Maximizar
= 3x1
sujeta a
+ 5x2
x1
<= 4
2x2
3x1
1.
+ 2x2
x1 >=
x2 >=
0,
<= 12
=
18
objetivo
Z = 3x1 + 5x2 a:
Z = 3x1 + 5x2 - MR1,
donde M simblicamente representa un nmero positivo muy grande. Este mtodo
que fuerza a R1 hasta el nivel de R1 = 0 en la solucin ptima se llama mtodo de
la M.
Nota: Para el caso de minimizacin, penalizamos a la variable artificial, hacindola
aparecer en la funcin objetivo con un coeficiente de +M (en el lado derecho
el coeficiente es positivo).
Ahora se encuentra la solucin ptima para el problema real aplicando el
mtodo smplex al problema artificial.
Como R1 juega el papel de la variable de holgura en la tercera restriccin del
problema artificial, esta restriccin es equivalente a 3x1 + 2x2 = 18.
En particular, el sistema de ecuaciones despus de aumentar el problema
artificial (en otras palabras, pasarlo a su forma de igualdades) es:
Maximizar Z,
sujeta a
23
- 3x1
- 5x2
+ MR1 = 0
x1
x3
2x2
3x1
= 4
+ x4
+ 2x2
= 12
+ R1
xj
>= 0
= 18
Para j = 1, 2, , 5
Lado
Bsica
x1
x2
x3
x4
R5
derecho Cociente
x3
x4
12
R5
18
Es ptima?
Lado
Bsica
x1
x2
x3
x4
x5
derecho Cociente
-3M-3
-2M-5
x3
x4
12
Z=
x5
18
18M
Es ptima?
Mx5 + Z
18M
Lado
x1
x2
x3
x4
x5
derecho
Z 1
-3M-3
-2M-5
18M
x3 0
x4 0
12
x5 0
18
Z 1
-2M-5
3M+3
x1 0
x4 0
12
12/2 = 6
x5 0
6/2 = 3
Z 1
9/2
M+5/2
27
x1 0
4/1 = 4
(4, 3, 0, 6, 0)
x4 0
6/3 = 2
Z = 27
x2 0
Z 1
x1 0
x3 0
1/3
x2 0
1/2
3/2
Cociente
Es ptima?
4/1 = 4
18M
18/3 = 6
6M+12
(4, 0, 0, 12, 6)
Z=
6M+12
1/2
3/2
M+1
36
1/3
(2, 6, 2, 0, 0)
Z = 36
ptima
1/3
1/3
0
CASO 1: DEGENERACIN
En el apartado del mtodo simplex indicamos que en la aplicacin de la condicin de
factibilidad una coincidencia de la razn mnima se debe descomponer en forma
25
arbitraria para los fines de determinar la variable que sale. Sin embargo, cuando
sucede esto con una o ms veces las variables bsicas, ser necesariamente igual a
cero en la siguiente iteracin.
degenerada.
Ejemplo:
Maximizar:
Z= 3X1 9X2
Sujeto a:
X1 + 4X2 <= 8
X1 + 2X2
<= 4
X1, X2 >= 0
Iteracin
VB
X1
X2
X3
X4
LD
0 (entre X2
-3
-9
sale X3)
X3
X4
1 (entre X1
-3/4
9/4
18
sale X4)
X2
X4
1/2
-1/2
2 0 (ptima)
3/2
3/2
18
X2
-1/2
X1
-1
Ejemplo
Maximizar:
Sujeto a:
Z= 2X1 + 4X2
X1 +
2X2 <= 5
X1 +
X2 <= 4
X1, X2 >= 0
26
Iteracin
VB
X1
X2
X3
X4
LD
0 (X2 entre
-2
-4
X3 sale)
X3
X4
1 (X1 entra
10
X4 sale)
X2
5/2
X4
-1/2
3/2
10
(alternativa
X2
-1
ptima)
X1
-1
Ejemplo:
Maximizar:
Z = 2X1 + X2
Sujeto a:
X1 - X2 <= 10
2X1
<= 40
X1, X2>= 0
Iteracin inicial:
VB
X1
X2
S1
S2
LD
-2
-1
S1
-1
10
S2
40
27
Sin embrago
Ejemplo
Maximizar:
Z= 3X1 + 2X2
+ 4X2 >12
X1, X2>= 0
Tabla inicial
VB
X1
X2
X4
X3
R1
LD
-3-3M
-2-4M
-12M
X3
R1
-1
12
X1
X2
X4
X3
R1
LD
1+5M
2+4M
4-4M
X2
R1
-5
-1
-4
28
Ejemplo 1:
Minimizar:
Z = 3X1 + 2X2
Sujeto a:
X1 + 2X2 <= 6
2X1 + X2 <= 8
-X1 + X2 <= 1
X2 <= 2
X1, X2 >= 0
VB
X1
X2
S1
S2
S3
S4
LD
-3
-2
S1
S2
S3
-1
S4
-1/2
3/2
12
S1
3/2
-1/2
X1
S3
3/2
S4
1/3
4/3
38/3
X2
2/3
-1/3
4/3
X1
-1/3
2/3
10/3
S3
-1
S4
-2/3
1/3
2/3
29
Ejemplo No. 2:
Minimizar:
Z = 4X1 + X2
Sujeto a:
3X1 +
X2 = 3
+ 2X2 <= 4
X1, X2 >= 0
VB
X1
X2
S1
R1
R2
S2
LD
-4+7M
-1+4M
-M
9M
R1
R2
-1
S2
(1+5M)/3
-M
(4-7M)/3
4+2M
X1
1/3
1/3
R2
5/3
-1
-4/3
S2
5/3
-1/3
1/5
8/5 M
-1/5 M
18/5
X1
1/5
3/5
-1/5
3/5
X2
-3/5
-4/5
3/5
6/5
S2
-1
7/5 M
-M
-1/5
17/5
X1
2/5
-1/5
2/5
X2
-1/5
3/5
9/5
S1
-1
30
Bibliografa
Anderson, D.; Sweeney, D.; Williams, T. (2004). Mtodos cuantitativos para los
negocios. Mxico. Editorial Thomson.
Eppen, G.; Gould, F. J.; Moore, J.; Schmidt. C.; Weatherford, L. (1998). Investigacin
de Operaciones en la Ciencia Administrativa. Mxico. Editorial Prentice Hall
31