Documente Academic
Documente Profesional
Documente Cultură
Semestre: 4º Único.
1
Contenido
Investigación. ...................................................................................................................................... 3
Ejercicios............................................................................................................................................ 36
........................................................................................................................................................... 38
Examen. ............................................................................................................................................. 39
2
Investigación.
2.1 FORMULACIÓN Y APLICACIÓN DE MODELOS DE PROGRAMACIÓN
LINEAL.
Variables de Decisión:
3
x ≤ 13.000 Invertir como máximo 13.000 dólares en Acción A
En primera instancia se asigna un eje a cada una de las variables de decisión, por
ejemplo X1 corresponde al eje horizontal y X2 corresponde al eje vertical. Luego
se grafican las restricciones. La primera restricción intercepta el eje X1 en 3
(cuando X2=0) y el eje X2 en 6 (cuando X1=0). Dado que la restricción es del tipo
"<=" ésta determina el área que está bajo la recta que une las coordenadas
(X1,X2)=(3,0) y (X1,X2)=(0,6). En caso de tener dudas sobre el área que
determina cada restricción se recomienda considerar un punto cualquiera fácil de
evaluar en la restricción. Por ejemplo la coordenada (X1,X2)=(0,0) al evaluar en la
restricción 1 la cumple (2*0+0<=6) y por tanto esta coordenada será parte del
dominio de dicha inecuación. De forma similar se gráfica la segunda restricción
que corta X1 en (28/7,0) y corta X2 en (0,7/2).
4
La intersección de los dominios que determinan las restricciones del problema
definirá el dominio de soluciones factibles. Este dominio está en verde en la
imagen a continuación.
Una vez que ha identificado el dominio se debe buscar la solución óptima. Una
propiedad de los problemas de programación lineal es que cuando admiten
solución, ésta se encontrará siempre en un vértice del dominio de soluciones
factibles y en caso muy especiales en la frontera de dicho dominio. Por tanto una
forma de resolver será enumerando todos los vértices del dominio y evaluando
éstos en la función objetivo. En este caso como el problema consiste en maximizar
el valor de la función objetivo, el vértice que tenga un valor mayor corresponderá a
la solución óptima. En el ejemplo se disponen de 4 vértices de fácil identificación,
sin embargo, esta forma de resolución claramente queda limitada a problemas de
tamaño menor.
5
En consecuencia para encontrar la solución óptima se desplazan las curvas de
nivel en la dirección del gradiente hasta que se intercepte por última vez el
dominio de puntos factibles. La línea punteada en rojo de la imagen anterior
corresponde a dicha curva de nivel y el último punto donde esta curva intercepta el
dominio corresponde al vértice con coordenadas (X1,X2)=(20/9,14/9) (Solución
Óptima) con Valor Óptimo V(P)=391,1.
Paso 1: Abrir una planilla de cálculo de Excel y definir las variables de decisión y la
función objetivo. En este ejemplo se han marcado con amarillo y verde las
variables de decisión y función objetivo respectivamente sólo para facilitar la
comprensión. Es importante notar que la función objetivo (celda F4) será siempre
una fórmula que depende de los parámetros de la función objetivo (celdas B5, C5,
D5) y las variables de decisión (B4, C4, D4)
6
Paso 2: Se definen las restricciones del modelo. La columna en amarillo bajo el
título "Laso Izq" es una fórmula de los parámetros y las variables de decisión en
las respectivas restricciones. Por ejemplo, la fórmula incorporada en E9 es
simplemente: 15X + 7,5Y + 5Z. La celda F9 es el lado derecho de dicha restricción
y
7
(maximización o minimización), las celdas que deseamos cambiar (variables de
decisión) y las restricciones. Para nuestro ejemplo está será la pantalla que se
debe obtener:
8
Paso 5: Si el proceso se ha desarrollado en forma correcta la planilla de cálculo se
actualizará y se obtendrán los siguientes resultados. Solución Óptima: X=4, Y=10,
Z=36. Valor Óptimo: V(P)=6.620. Se recomienda requerir el informe de
sensibilidad tal como se muestra en la imagen de abajo.
9
en la función objetivo es 200, sin embargo, si este valor varía entre [120,240] se
conservará la actual solución óptima. En cuanto a las restricciones podemos decir,
por ejemplo, que si el lado derecho de la segunda restricción (actualmente este
lado derecho es igual a 110) aumenta a 120, es nuevo valor óptimo será
V(P)=6.620 + 10*10 =6.720, es decir, el valor óptimo aumentará en forma
proporcional al precio sombra de dicha restricción. Se recomienda revisar la
sección de Análisis de Sensibilidad para reforzar estos conceptos.
10
Cuando los ejes son relacionados con las variables del problema, el método es
llamado método grafico en actividad. Cuando se relacionan las restricciones
tecnológicas se denomina método grafico en recursos.
Maximizar y Minimizar.
11
5. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto factible.
6. Aunque hay un número infinito de puntos factibles en el espacio de soluciones,
la solución óptima puede determinarse al observar la dirección en la cual aumenta
la función objetivo.
12
Resolver el siguiente ejercicio por el método gráfico:
Z = 3x1 + 4x2
1: X1=0 2: X1=0
2x1 + 3x2 = 60 4x1 +2x2 = 80
3x2=60 2x2=80
X2=60/3 X2=80/4
13
X2=20 X2=40
(0,20) (0,40)
X2=0 X2=0
2x1 + 3x2 = 60 4x1 + 2x2 = 80
X1=60/2 X1=80/4
X1=30 X1=20
(30,0) (20,0)
(0,20) (30,0)
(0,40) (20,0)
Coordenadas de solución:
(0,20)
(15,10)
(20,0)
Z = 3x1 + 4x2
14
2.3 METODO SIMPLEX.
15
5. Desigualdades. Las desigualdades utilizadas para representar las restricciones
deben ser cerradas.
8. Determinar si sale S1 o S2
16
17
18
2.3.1 MÉTODO ALGEBRAICO.
El método del simplex fue creado en 1947 por el matemático George Dantzig. El
método del simplex se utiliza, sobre todo, para resolver problemas de
programación lineal en los que intervienen tres o más variables. El álgebra
matricial y el proceso de eliminación de Gauss-Jordan para resolver un sistema de
ecuaciones lineales constituyen la base del método simplex.
Z= f(x,y)= 3x +2y
Sujeto a:
2x + y 18
2x + 3y 42
19
3x + y 24
x0 , y 0
2x + y + h = 18 2x + 3y + s =42 3x +y + d = 24
- 3x - 2y + Z = 0
En las columnas aparecerán todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restricción y la última
fila con los coeficientes de la función objetivo:
20
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior,
entonces se elige uno cualquiera de ellos.
La columna de la variable que entra en la base se llama columna pivote (En color
azulado).
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide
cada término de la última columna (valores solución) por el término
correspondiente de la columna pivote, siempre que estos últimos
sean mayores que cero. En nuestro caso: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algún elemento menor o igual que cero no se hace dicho cociente. En
el caso de que todos los elementos fuesen menores o iguales a cero, entonces
tendríamos una solución no acotada y no se puede seguir.
Si al calcular los cocientes, dos o más son iguales, indica que cualquiera delas
variables correspondientes pueden salir de la base.
21
A continuación mediante la reducción gaussiana hacemos ceros los restantes
términos de su columna, con lo que obtenemos los nuevos coeficientes de las
otras filas incluyendo los de la función objetivo Z.
Veámoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla.
Como en los elementos de la última fila hay uno negativo, -1, significa que no
hemos llegado todavía a la solución óptima. Hay que repetir el proceso: A. La
variable que entra en la base es y , por ser la variable que corresponde al
22
coeficiente -1B.Para calcular la variable que sale, dividimos los términos de la
última columna entre los términos correspondientes de la nueva columna
pivote:2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8]
Como en los elementos de la última fila hay uno negativo, -1, significa que no
hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
B. Para calcular la variable que sale, dividimos los términos de la última columna
entre los términos correspondientes de la nueva columna pivote:6/(-2) [=-3] , 12/4
[=3], y 6:1 [=6]y como el menor cociente positivo es 3, tenemos que la variable de
holgura que sale es s.
Obtenemos la tabla:
23
Como todos los coeficientes de la fila de la función objetivo son positivos, hemos
llegado a la solución óptima.
24
Observar la forma en que se construye esta tabla:
• En las tres primeras columnas aparecen los coeficientes de las variables básicas
en la función objetivo, las variables básicas iniciales y el vector de términos
independientes de las restricciones, respectivamente.
•Los elementos de la penúltima fila son los productos escalares del vector dela
primera columna con los vectores de la tabla que quedan encima de cada uno de
esos elementos.
25
Cada tabla del Simplex está asociada a una solución básica factible. De forma
que, una vez construida la tabla inicial, deben establecerse las reglas que
permitan obtener las tablas asociadas a las siguientes soluciones básicas, así
como saber la solución básica que lleva asociada cada tabla. Además es
necesario saber cuándo una tabla corresponde a la solución óptima, esto último se
consigue analizando los signos de la última fila de la tabla: Si todos los elementos
de la última fila de la tabla son mayores o iguales que cero, el óptimo ha sido
alcanzado. Cuando alguno de los elementos de la última fila es negativo, el valor
óptimo puede mejorarse y por tanto debe construirse una nueva tabla de la
manera siguiente:
•Para saber a qué variable básica sustituye, se dividen los valores de la tercera
columna entre los valores positivos de la columna de A seleccionada en el paso
anterior (la que corresponde al elemento negativo de mayor valor absoluto). En
caso de no existir valores positivos, puede asegurarse que el problema no tiene
óptimo finito.
26
•Intercambiar las variables básicas en la segunda columna al mismo tiempo que
se modifica el correspondiente elemento de la primera columna.
•Calcular los nuevos valores de las dos últimas filas de la tabla de acuerdo a las
instrucciones ya indicadas.
Se repiten todos estos procesos y se van transformando las tablas hasta que el
test de parada sea positivo (todos los elementos de la última fila mayores o iguales
que cero) en cuyo caso se tiene:
•El óptimo se alcanza en el punto cuyas coordenadas son nulas excepto las
correspondientes a las variables básicas, cuyos valores aparecen en la tercera
columna de la tabla óptima.
Todas las tablas que se van obteniendo tienen dos características en común: los
elementos de la tercera columna son todos ellos mayores o iguales que cero,
salvo el último (el que indica el valor de la función objetivo) que pudiera ser
negativo. Por otro lado, las columnas de A asociadas a las variables básicas
siempre forman una matriz identidad.
27
de datos. La solución básica factible óptima de estos problemas es tal que una
puede fácilmente ser usada para la solución de la otra. La dimensión del problema
de programación lineal influencia la elección del cálculo del primo o del dual.
3. Los coeficientes de las variables del dual en las ecuaciones restrictivas son
obtenidas sacando la transpuesta de la matriz de coeficientes del primo (los
arreglos de los coeficientes en las columnas del primo se convierten en los
coeficientes de las filas en el dual y viceversa).
28
factibilidad, mientras busca la optimalizad. Pero surge la posibilidad de usar otro
esquema igualmente iterativo, que como contraparte del simplex, comienza en una
solución básica óptima, pero no factible y mantiene la inmejorabilidad mientras
busca la factibilidad. Con este procedimiento se llega igualmente a la solución
óptima.
29
Se toma como variable de entrada ( llamémosla Xe ) a aquella que corresponda al
mínimo de los cocientes del anterior conjunto Si la variable de entrada es Xe el
elemento pivote será el elemento (Se)s
30
31
32
2.6 ANALISIS DE RESULTADOS.
En la Tabla1se muestra la media del error para cada valor de MAERK y OS cada ,
discriminado para las instancias y .
Tabla 1: Medias del Error en función de y para instancias con una restricción (ST)
y con múltiples restricciones (MR).
Se puede observar que tanto en forma global, como para cada tipo de instancia en
particular, las versiones del algoritmo que usan marK>1 obtienen mejores
resultados que los obtenidos con marK_1. Esto ocurre para los dos esquemas de
33
adaptación de marK propuestos. También se verifica que para ambos O's, un
incremento en el valor de marK permite reducir el error global (indicado en la
columna total). Para el caso de decremento, resulta beneficioso comenzar las
mejoras con un operador que cambie 4 bits. Cuando con 4 ya no se obtengan
mejoras, se reduce a 3, luego a 2 y finalmente se realiza un ``ajuste fino'' con k=1
.La adaptación de en sentido contrario también resulta beneficiosa, aunque
paralas instancias solo aparecen mejoras respecto a y no entre los valores
obtenidos cuando se utiliza marK>1.
34
35
Ejercicios.
36
37
38
INSTITUTO TECNOLOGICO DE LA ZONA MAYA
INVESTIGACION DE OPERACIONES
4° SEMESTRE
EJERCICIOS UNIDAD 3
INVESTIGACION DE OPERACIONES
DOCENTE: ING. EFRAIN LARA DOMINGUEZ
ESQUINA NOROESTE
COSSTO MINIMO
METODO VOGUEL
Examen.
39
40