Io St113 Parte I

UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingeniera Industrial y de Sistemas Area de Sistemas Computacin e Informtica
INVESTIGACION DE OPERACIONES I PARTE I

(ST 113)
Profesora: Ing. IRMA INGA SERRANO

2011
Facultad de Ingenieria Industria l y de Sistemas
DATOS DEL CURSO

CODIGO DEL CURSO: ST-113 CREDITOS: 03 SISTEMA DE EVALUACION: F Examen Parcial: Peso 1 Examen Final : Peso 2 Promedio de Prcticas: Peso 1
(4 prcticas calificadas, se elimina la mas baja)
Universidad Nacional de Ingeniera
CONTENIDO DEL CURSO

1.- Introduccin- Conceptos de Inv. de Operaciones. 2.- Programacin Lineal Formulacin de Problemas de Prog. Lineal Solucin de problemas PL. Mtodo simplex Casos especiales de PL Mtodo simplex matricial Dualidad- Mtodo simplex-dual Anlisis de Sensibilidad 3.- Programacin Entera Formulacin de PE Solucin de problemas PE 4.- Programacin por metas
CAPITULO I INTRODUCCION A LA INVESTIGACION DE OPERACIONES

6
QUE ES LA INVESTIGACION DE OPERACIONES? La Investigacin de operaciones es tambin llamada Ciencia de la Administracin Ciencia de las Decisiones de los Mtodos Cuantitativos. Aqu se muestra la definicin que le dan algunos autores: Es el conjunto de conocimientos que involucran procedimientos racionales cuantitativos para la toma de decisiones con base en mtodos cientficos. Es una disciplina que ayuda en la toma de decisiones mediante la aplicacin de un enfoque cientfico a problemas de decisin que involucran factores cuantitativos Resumen: Es la aplicacin del mtodo cientfico a problemas de decisin
Proceso de toma de decisiones en la solucin de un problema

Anlisis cualitativo Definir el problema Determinar los criterios de evaluacin Anlisis cuantitativo Resumen y Evaluacin Toma de decisin
RESUMEN HISTORICO
6
La Investigacin de Operaciones tiene sus orgenes durante la
Segunda Guerra Mundial cuando exista la necesidad urgente de asignar en forma efectiva los escasos recursos a las diferentes operaciones y actividades militares.
Los americanos y britnicos encargaron a un grupo de
cientficos para que aplicando el mtodo cientfico resuelvan problemas como despliegue de radares, colocacin de minas, manejo de operaciones de bombardeo y otros problemas estratgicos y tcticos. Los esfuerzos de este primer grupo cientfico dieron resultados excelentes.
Al terminar la guerra el xito de la IO gener gran inters en
sus aplicaciones fuera del campo militar como la industria, los negocios, gobierno, etc.
En 1947 George Dantzing crea el Mtodo Simplex para la
resolucin de problemas de programacin lineal. Asimismo, otras herramientas de la IO como la Programacin Dinmica, Lneas de Espera, Teora de Inventarios, etc.se desarrollaron antes de 1950 . La revolucin de las computadoras contribuy al desarrollo de la IO y con ella surgi una nueva herramienta de la IO: la Simulacin. Actualmente existen sociedades de profesionales de IO como:
INFORMS (Instituto de Investigacin de Operaciones y Ciencias de la Administracin) con sede en EE.UU; IFORS (Federacin Internacional de Sociedades de Investigacin de Operaciones) que agrupa a mas de 45 pases miembros. Objetivo: desarrollo de la IO como ciencia unificada y avance en todas las naciones del mundo.
ARTE DE LA REPRESENTACION POR MEDIO DE MODELOS

SISTEMA: Conjunto de partes que interactan entre si para lograr un conjunto de metas.
MODELOS: representacin de objetos o de situaciones reales. Tipos de Modelos A) Por su forma de expresin 1.- Modelos Fsicos: representacin fsica de la realidad. Ejm. maqueta de un edificio. 2.- Modelos Abstractos: 2.1. Modelo descriptivo: Forma de expresin: lenguaje natural. Metodologa para solucionar el problema: sentido comn
2.1. Modelo Matemtico Forma de expresin: en forma cuantitativa mediante smbolos y expresiones matemticos. Metodologa para solucionar el problema: mtodo matemtico
Caractersticas Describe el problema en forma concisa Facilita el manejo del problema y de sus interrelaciones Facilita el uso de las tcnicas matemticas en computadoras Entrega soluciones hallados con tcnicas matemticas que pueden ser las ptimas.
Modelos de Simulacin Simula el sistema real. En IO, un modelo de simulacin es un conjunto de pasos enlazados lgicamente que simulan el comportamiento del sistema real y en el que se experimentarn las posibles soluciones. Caractersticas: Se utilizan en problemas cuya representacin matemtica es muy compleja Puede llevarse a cabo usando muchos lenguajes de programacin de computadoras y paquetes ya construidos Mide la calidad de la solucin sugerida. Se puede determinar una buena solucin, no necesariamente la ptima
B).- Modelos Matemticos segn su estructura

6
Modelo determinstico
Los datos o parmetros del sistema son conocidos con certeza. Modelo probabilstico Algunos parmetros son de tipo probable Modelo lineal Las relaciones funcionales son de tipo lineal Modelo no lineal Algunas relaciones funcionales son no lineales Modelo Continuo Las variables de decisin pueden tomar valores fraccionarios Modelo Discreto Una o mas variables de decisin toman valores enteros Modelo esttico Las propiedades y relaciones funcionales no sufren cambios en el tiempo. Modelo dinmico: El tiempo juega en l un rol muy importante.
Tcnicas de la IO
6
Los modelos utilizados en la IO son :
Modelos matemticos Modelos de simulacin En los modelos matemticos Los problemas de optimizacin planteados dieron origen a una variedad de tcnicas: La programacin lineal La Programacin lineal entera La Programacin no lineal La programacin dinmica La programacin de metas La programacin de redes, etc.
Metodologa de la Investigacin de Operaciones

6
1.- DEFINICION DEL PROBLEMA Comprende: Determinar claramente el o los objetivos del estudio Identificar las partes de la organizacin involucrados en el estudio . Recoleccin de datos relevantes 2.- FORMULACION DEL MODELO Dependiendo de la definicin del problema, el analista decide el tipo de modelo mas adecuado para representar el problema. El modelo debe expresar en forma cuantitativa el objetivo del estudio y las limitaciones o restricciones del problema
3.- SOLUCION DEL MODELO En Modelos de simulacin: El concepto de optimidad no est tan bien definido y la solucin son buenas y factibles pero no necesariamente la ptima. Para obtener la solucin se utiliza la computadora en el cual se programa los pasos indicados en el modelo o bien se utilizan los paquetes ya diseados para este fin. (GPSS, Estela, Promodel, etc) En Modelos Matemticos: Se utilizan tcnicas de optimizacin bien definidos llamados algoritmos los cuales en forma iterativa halla la solucin ptima. Sin embargo, existen problemas con ciertas caractersticas que: - necesita de muchas iteraciones para solucionarlos, - a veces es imposible hallar una algoritmo de solucin. Entonces, existen otros mtodos prcticos (heursticos) basadas en reglas prcticas con el cual se obtiene una buena solucin en forma rpida y simple. Ejm. Problemas de redes.
4.- VALIDACION DEL MODELO El modelo debe ser verificado y probado completamente para asegurar que ofrece una representacin suficientemente precisa del problema real. El ensayo y validacin del modelo se llevan a cabo frecuentemente con problemas de prctica relativamente pequeos cuyas soluciones son conocidos o esperados. 5.- GENERACION DE INFORMES E IMPLEMENTACION Presentar un informe con los resultados del modelo que sea de fcil comprensin para quien toma las decisiones. El informe tambin debe incluir la decisin recomendada y cualquier otra informacin respecto a los resultados que sean de utilidad para el tomador de decisiones.
CAPITULO II PROGRAMACION LINEAL

6
Es una de las tcnicas mas potentes de la IO, debido a su
flexibilidad para describir situaciones reales. Ha sido desarrollado para representar y solucionar problemas de decisin que implican la optimizacin (maximizacin o minimizacin) de una funcin lineal sujeta a restricciones lineales. Se aplica en diferentes campos: industrial, militar, financiero, salud, informtica, etc. Es una herramienta determinstica. Para compensar esta situacin, una vez hallada la solucin ptima la IO proporciona el Anlisis de sensibilidad.
Estructura de un modelo de programacin lineal

6
Un Problema de programacin lineal tiene:

Variables de decisin: son aquellas definidas por el analista
cuyos valores van a solucionar el problema Funcin Objetivo (FO): Es aquella funcin lineal que se va a optimizar (Maximizar o Minimizar) Restricciones: representan las limitaciones que tiene el problema. Restricciones estructurales: son inecuaciones lineales de tipo >=, <= o = que un valor b. Signo de las variables Las variables de decisin pueden ser de tipo: >=0, <= 0 o sin restriccin de signo (srs)
Forma general de un modelo de programacin lineal

Sea Xi las variables de decisin del problema, (i= 1,2,..n) FO: Max ( Min) Z = c1x1 + c2X2 + .. + cnXn Sujeto a (s.a.): a11X1 + a12X2 + a13X3 + + a1nXn a21X1 + a22X2 + a23X3 + + a2nXn . .. . .. . = am1X1 + am2X2 + am3X3 + + amnXn Xi (>=0, <=0, srs)
b1 b2 .. bm
MODELOS IDEALES
a).- PL MAX IDEAL PL que tiene: * Todas sus restricciones de tipo * Xi 0 Max Z = c1x1 + c2X2 + .. + cnXn s.a: a11X1 + a12X2 + a13X3 + + a1nXn a21X1 + a22X2 + a23X3 + + a2nXn . .. . .. . am1X1 + am2X2 + am3X3 + + amnXn Xi 0
b1 b2 .. bm
b).- PL MIN IDEAL PL que tiene: * Todas sus restricciones de tipo * Xi 0
Min Z = c1x1 + c2X2 + .. + cnXn s.a: a11X1 + a12X2 + a13X3 + + a1nXn a21X1 + a22X2 + a23X3 + + a2nXn . .. . .. . am1X1 + am2X2 + am3X3 + + amnXn Xi 0
b1 b2 .. bm
Ejemplo de un problema de programacin lineal

6
Una fbrica produce pinturas para exteriores y para interiores de casas, para distribuirlos al por mayor. Para producir las pinturas se utilizan dos materiales bsicos A y B. La disponibilidad mxima de A es de 60Tn y la de B es de 80Tn por da. La necesidad diaria de materia prima por cada Tn de pintura es el siguiente: Pintura para exteriores: 1Tn de materia prima A y 2 Tn de materia prima B Pintura para interiores: 2 Tn de materia prima A y 1 Tn de materia prima B Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no puede ser mayor que la de pintura para exteriores en mas de 10 Tn. Asimismo, el estudio seala que la demanda mxima de pintura para interiores est limitada a 20 Tn diarias. El precio al por mayor por Tn es de $3000 para la pintura de exteriores y de $2000 para la pintura para interiores. Cunta pintura para exteriores e interiores debe producir la compaa todos lo das para maximizar el ingreso total? Nota: Suponga que todo lo que se produce se vende.
FORMULACION DEL PL
Sea
X1: tn de pintura para exteriores a producir y vender por da X2: tn de pintura para exteriores a producir y vender por da
FO: Max Z = 3000X1 + 2000X2 s.a. X1 + 2X2 60 (1) 2X1 + X2 80 (2) X2 X1 10 (3) X2 20 (4) X1, X2 0
Suposiciones de la Programacin lineal

6
Un problema de programacin lineal satisface: 1.-Suposicin de certidumbre Los parmetros del sistema se conocen con certeza 2.- Suposicin de divisibilidad Las variables pueden tomar valores fraccionarios (valores reales) 3.- Suposicin de proporcionalidad La contribucin de cada variable a al funcin objetivo y al lado izquierdo de cada restriccin es proporcional al valor de la variable 4.- Suposicin de Aditividad La contribucin de cada variable a al funcin objetivo y al lado izquierdo de cada restriccin es independiente de los valores de las otras variables.
Formulacin de Problemas de Programacin Lineal

6
Para la formulacin del problema como un modelo de programacin lineal (PL), se debe tener en cuenta lo siguiente:
El modelo es la representacin del problema. Por lo tanto no se
debe agregar ni quitar restricciones que no estn en el problema. No debe tratar de solucionarlo mientras formula. En cada restriccin tome en cuenta que las unidades debe ser la misma tanto en el lado izquierdo como en el lado derecho.
CAPITULO III SOLUCION DE PROBLEMAS DE PL

6
La solucin de un PL consiste en determinar los valores de las variables que cumplan con todas las restricciones y den el mejor valor para la F.O. METODOS PARA LA SOLUCION DE un PL 1.- Mtodo grfico Consiste en graficar las regiones que cumplan con cada una de las restricciones. La interseccin de dichas regiones forma el espacio de soluciones factibles del PL (regin factible). La recta de la FO se fija en un punto de la regin factible, luego se desplaza sobre ella en la direccin en el cual mejora Z. El ltimo punto (o puntos) que toca la recta de la FO antes de abandonar la regin factible, es la solucin ptima.
X2
EJEMPLO:
1.- Sea el siguiente PL Z Max Z = 2X1 + 3X2 s.a. 2X1 + X2 230 (1) X1 + 2X2 250 (2) X2 120 (3) Xi 0 (1)
B A
Z Regin Factible
(3)
C
(2)
X1
O
Solucin ptima: X1= 70 , X2= 90 (punto C) Zop = 410
Tipos de regiones factibles: Las regiones factibles pueden ser: A) cerrado B) abierto C) un segmento de recta D) un punto
X2
A
Z Regin factible abierto
C
X1
2.- Problema Bevco produce una bebida Cifrut con sabor a naranja que se obtiene al mezclar refresco con sabor a naranja y jugo de naranja. Cada Oz de refresco de naranja contiene 0.5 Oz de azcar y 1 mg de vitamina C. Cada Oz de jugo de naranja contiene 0.25 OZ de azcar y 3 mg de vitamina C. A Bevco le cuesta 2 centavos cada Oz de refresco de naranja y 3 centavos cada Oz de jugo de naranja. El departamento de mercadotecnia de Bevco ha decidido que cada botella de 40 Oz de Cifrut debe contener por lo menos 80 mg de vitamina C y a lo mas 20 Oz de azcar. Formule y determine la solucin ptima del problema para satisfacer sus necesidades al menor costo..
El modelo:
Sea X1: Oz de refresco de naranja en 1 botella de Cifrut X2: Oz de jugo de naranja en 1 botella de Cifrut MinZ = 2X1+ 3X2 s.a. 0.5 X1+ 0.25X2 20 X1 + 3X2 80 X1 + X2 = 40 Xi 0
X2 (1) (3) A B
Regin factible
(2)
X1
Solucin ptima (Punto B) X1=20, X2=20 Zop= 100
2.- Mtodo Algebraico- Mtodo Simplex

6
El mtodo Simplex es un mtodo iterativo que empieza con una solucin factible y en cada iteracin obtiene una nueva solucin que mejora Z, hasta encontrar la solucin ptima, si existe. Caractersticas El mtodo simplex soluciona modelos que tienen una forma especfica conocida como forma estndar. Las restricciones de este PL son ecuaciones. El mtodo simplex divide las variables del PL en dos grupos: Variables Bsicas (VB) y Variables No Bsicas (VNB) El mtodo simplex utiliza el Mtodo de Gauss-Jordan para solucionar el sistema de ecuaciones. El mtodo simplex halla soluciones bsicas factibles (sbf) sbf: solucin que se encuentra en la interseccin de las rectas (o planos o hiperplanos) de las restricciones.
FORMA ESTANDAR DE UN PL Es un PL que tiene las siguientes caractersticas: F.O. : Max Min Los lados derechos de las restricciones son 0 Las restricciones son igualdades Las variables son 0 Nota: La forma estndar es un PL equivalente al original, por lo tanto la solucin ptima de la forma estndar lo es del PL original. Si la forma estndar es un PL no factible entonces el PL original tambin lo es.
Conversin de un PL en Forma Estndar 1.- Restricciones: Restriccin : Para convertirla en = se le adiciona una variable de holgura Si (Si 0), que representa la cantidad de recursos no utilizados, demanda insatisfecha, etc. Ejm. 3X1+ 4X2 + 2X3 500 .. (1) 3X1+ 4X2 + 2X3 +S1 = 500 (1) Restriccin : Para convertirla en = se le agrega una variable de exceso Ei (Ei 0), que representa la cantidad excedente al requerimiento mnimo.
Ejm. 4X1+2X2+X3 100 . (2) 4X1+2X2+X3 + e2 = 100 (2) Nota: Los coeficientes de Si y Ei en la funcin objetivo son cero.
2.- Variables Variable Xi 0: Se hace un cambio de variable Xi = - Xi, tal que Xi0 Variable Xi srs: Esta variable se reemplaza por la diferencia de dos variables no negativas Xi = Xi Xi , tal que Xi y Xi 0
Ejemplo.
VARIABLES BASICAS Y VARIABLES NO BASICAS Un PL preparado para el Mtodo simplex (forma estndar preparado) tiene: n variables y m restricciones tal que n >m Para resolver el sistema de ecuaciones, es necesario agrupar las variables en dos grupos: VB: m variables para resolver el sistema de m ecuaciones VNB: n-m variables que toman el valor arbitrario cero
SOLUCION BASICA DEL PL Est formado por la unin del conjunto de VB y VNB
EJEMPLO:
PL original Max Z = 2X1 + 3X2 s.a. 2X1 + X2 230 (1) X1 + 2X2 250 (2) X2 120 (3) Xi 0
PL estndar Max Z= 2X1+3X2 s.a. 2X1+X2 + S1 = 230 ... (1) X1+2X2+ S2 = 250 (2) X2+ S3 = 120 (3) Xi, Si 0
Nmero de Variables = n=5 Nmero de VB = nmero de restricciones = m =3 Nmero de VNB = n-m = 5-3 = 2
Mtodo Simplex
6
PASOS 1.- Determinar la solucin inicial Usando la forma estndar del PL original, determinar la sbf inicial el cual est formado por: VB: las variables de holgura de cada restriccin VNB: las dems variables del PL 2.- Seleccionar la VNB entrante, utilizando la condicin de optimidad. Condicin de optimidad: la VNB que entra debe ser aquella que tenga el mejor coeficiente para mejorar Z. Un empate se rompe arbitrariamente El ptimo se alcanza cuando todas las VNB tienen coeficientes desfavorables para Z
3.- Seleccionar la VB saliente, utilizando la condicin de factibilidad. Condicin de factibilidad: el valor que tome la variable entrante debe ser de tal manera que las otras variables bsicas sigan siendo factibles. Esta condicin es la que determina la variable que sale. Un empate se rompe arbitrariamente. 4.- Determinar la nueva solucin Realizar las operaciones matemticas para determinar el valor de las nuevas VB y el valor de Z 5.- Volver al paso 2 Ejemplo: realizar el simplex algebraico para el problema
Mtodo Simplex Tabular

6
El mtodo simplex realiza todas sus operaciones matemticas en el Tablero Simplex, el cual tiene la siguiente estructura: Todas las variables del modelo
Z
Solucin
Valor de Z
Coeficientes de las variables en la fila Z Coeficientes de las variables en
VB
las restricciones
Valores de las VB
Caractersticas de un Tablero Simplex en cualquier iteracin Los coeficientes de las VB en la fila Z, tienen valor cero. Los coeficientes de la VB en las restricciones forman la matriz identidad
PASOS (METODO SIMPLEX TABULAR) 0.- Acondicionar la F.O. Escribir la F.O. como si fuera una restriccin Ejm. Max Z = 2X1+ 3X2 Se escribe: Max Z 2X1 - 3X2 = 0 1.- Determinar la SBF inicial VB: Las variables de holgura de cada restriccin VNB: Las dems variables 2.- Seleccionar la VNB entrante PL Max: Seleccionar la VNB con C< 0. Si hay varias, se escoge la que tiene el coeficiente mas negativo. Si todas las variables tienen C 0, se ha llegado al tablero final
PL Min Seleccionar la VNB con C> 0. Si hay varias, se escoge la que tiene el coeficiente mas positivo. Si todas las variables tienen C 0, se ha llegado al tablero final. En cualquier caso, un empate se rompe arbitrariamente. 3.- Seleccionar la VNB saliente: La VB que sale es aquella que tiene la menor razn r. r = valor de la columna solucin coef. positivo de la VNB entrante Un empate se rompe arbitrariamente. 4.- Nueva solucin: Realizar las operaciones necesarias (Gauss-Jordan) para obtener el nuevo Tablero Simplex 5.- Volver al paso 2.
EJERCICIOS
Hallar la solucin ptima de los siguientes PL ideales 1) Max Z = 2X1 + 3X2 s.a. 2X1 + X2 230 (1) X1 + 2X2 250 (2) X2 120 (3) Xi 0 2) Max Z = 60X1 + 30X2 + 20X3 s.a. 8X1 + 6X2 + X3 480 (1) 4X1 + 2X2 + 1.5X3 200 (2) 2X1 + 1.5X2 + 0.5X3 80 (3) Xi 0
Solucin artificial para el Mtodo Simplex

6
Si un PL tiene restricciones de tipo = (las cuales no tendrn
variables de holgura) entonces existe un problema para formar la sbf inicial del mtodo simplex. Entonces, a las ecuaciones que no tienen variables de holgura, se le agrega una variable artificial ai (ai 0 ). Estas variables artificiales sern utilizadas como variables de holgura para formar la sbf inicial del simplex. Ejm 3X1+4X2 100 .. (1) ; 2X1+3X2 = 60 (2) 3X1+4X2e1+a1 = 100 (1) 2X1+3X2+ a2 = 60 ..(2) Las variables artificiales no tienen significado fsico para el modelo, por lo tanto se deben tomar medidas para llevarlas a nivel cero en la solucin ptima. Para este propsito existen mtodos como: Tcnica M mtodo de la penalizacin La tcnica de las dos fases.
Tcnica M ( Mtodo de la Penalizacin) Pasos 1.- Agregar las variables artificiales a las ecuaciones que no tienen variables de holgura. 2.- Penalizar a las variables artificiales dndoles en la F.O. un coeficiente grande M (M>>0)desfavorable. Para un PL Max: Max Z= C1X1+ +CnXn Ma1 Ma2 - . Para un PL Min: Min Z= C1X1+.. + CnXn + Ma1 + Ma2 + 3.- Acondicionar la fila Z : Las variables artificiales formarn parte de las VB iniciales, entonces deben tener coeficiente cero en la fila Z. De esta manera se tendr una solucin inicial artificial para el simplex. 4.- Realizar las operaciones comunes del mtodo simplex para buscar la solucin ptima, si existe.
Ejemplo: Min Z = 3X1+ 5X2 + 4X3 s.a. 2X1+ 4X2 +2X3 80 3X1 + 4X2 +X3 100 X1 + X2 +X3 = 30 X3 15 Xi 0 Tcnica M Min Z= 3X1 + 5X2 +4X3 + Ma3 + Ma4 s.a. 2X1 + 4X2 +2X3 + S1 = 80 ... (1) 3X1 + 4X2 + X3 + S2 = 100 .. (2) X1 + X2 +X3 + a3 = 30 . (3) X3 e4 + a4 = 15 . (4) X1, X2, S1, S2, a3, e4, a4 0
Acondicionando Z:
Primera forma Las ecuaciones (3) y (4) se suman y se despeja: a3 + a4 = 45 X1 X2 2X3+ e4 Reemplazando en la F.O. Min Z = 3X1+5X2 +4X3 + M (45-X1- X2-2X3 +e4) = (3-M)X1 + (5-M)X2 + (4-2M)X3+ Me4 + 45M Escribiendo la F.O. como restriccin: Min Z + (M-3)X1 + (M-5)X2 + (2M-4)X3 Me4 = 45M Segunda forma: Utilizando el mtodo simplex matricial
Pasar al Tablero Simplex donde la solucin inicial ser:
VB: S1, S2 a3, a4 VNB: X1, X2, X3, e4 Valor inicial de Z: 45M
Casos Especiales
6
PL CON SOLUCIONES OPTIMAS ALTERNATIVAS
Es aquel PL que tiene mas de una solucin ptima para el mismo valor de Zop. Grficamente: La recta Z es paralela a una restriccin lmite antes de salir En el Simplex: La solucin es ptima Existe una VNB que tiene coeficiente 0 en la fila Z y que al entrar a la base se halla otra solucin, pero Zop no cambia. Ejm. Max Z= 2X1+ 4X2 s.a. X1 + 2X2 100 X1 + X2 80 X1 + X2 20 Xi 0
PL NO ACOTADO
Es aquel PL que tiene soluciones factibles pero no tiene solucin ptima. Grficamente: El PL no acotado tiene regin factible abierto. En el PL no acotado la recta Z nunca sale de la regin factible En el Simplex: El tablero no es ptimo Existe VNB que entra pero no existe VB que sale (no existe r) Ejemplo: Max Z= 2X1+ 4X2 s.a. X1 + 2X2 100 X1 + X2 80 X1 100 Xi 0
PL NO FACTIBLE
Es aquel PL que no tiene soluciones factibles. Grficamente: No existe regin factible. En el Simplex: El ltimo Tablero Simplex tiene como VB a variable(s) artificial(es) con valor >0 Ejemplo: Max Z= 2X1+ 3X2 s.a. X1 + 2X2 100 X1 + X2 80 X2 60 Xi 0
Mtodo Simplex Matricial

6
Sea el siguiente PL estndar de n variables (incluye variables de holgura, exceso y artificiales) y m restricciones: Max (Min) Z = c1X1+c2X2 + . + cnXn s.a. a11X1+a12X2 + .. + a1nXn = b1 a12X1+a22X2+ + a2nXn = b2 .. am1X1+ am2X2+ . + amnXn = bm Xi 0
Si: X T = (X1, X2, ., Xn)
C = (c1, c2, ., cn)
a11 a12 . a1n (A, I) = a21 a22 . a2n am1 am2 . Amn
b=
b1 b2 .. bm
Entonces el PL se puede escribir en forma matricial: Max (Min) Z = C X s.a. (A, I) X = b X 0
Tablero simplex matricial Si el vector de variables se subdivide en dos grupos: XII = variables bsicas iniciales (holgura y artificiales) XI = las otras variables (var de decisin y var de exceso) De igual manera el vector de coeficientes de la F.O.: CII = los coeficientes asociados a XII CI = coeficientes asociados al vector XI a). Tablero simplex inicial
6
CI XI
Z CII CIIA - CI
CII XII
0
Solucin
CII b
XII
b). Tablero simplex en cualquier iteracin Sea: XB = variables bsicas en la iteracin CB = coeficientes asociados a las variables bsicas B = matriz de coeficientes de las variables bsicas (en el orden en que se han colocado XB B-1= matriz inversa de B El tablero simplex en esta iteracin es:
CI XI
Z CB CBB-1A - CI
CII XII
CBB-1 - CII
Solucin
CB B-1 b
XB
B-1A
B-1
B-1 b

Io St113 Parte I

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Io St113 Parte I

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingeniera Industrial y de Sistemas Area de Sistemas Computacin e Informtica

INVESTIGACION DE OPERACIONES I PARTE I

Profesora: Ing. IRMA INGA SERRANO

Facultad de Ingenieria Industria l y de Sistemas

DATOS DEL CURSO

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

CONTENIDO DEL CURSO

Universidad Nacional de Ingeniera

CAPITULO I INTRODUCCION A LA INVESTIGACION DE OPERACIONES

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Proceso de toma de decisiones en la solucin de un problema

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

La Investigacin de Operaciones tiene sus orgenes durante la

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

En 1947 George Dantzing crea el Mtodo Simplex para la

Universidad Nacional de Ingeniera

ARTE DE LA REPRESENTACION POR MEDIO DE MODELOS

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

B).- Modelos Matemticos segn su estructura

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Los modelos utilizados en la IO son :

Universidad Nacional de Ingeniera

Metodologa de la Investigacin de Operaciones

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

CAPITULO II PROGRAMACION LINEAL

Facultad de Ingenieria Industria l y de Sistemas

Es una de las tcnicas mas potentes de la IO, debido a su

Universidad Nacional de Ingeniera

Estructura de un modelo de programacin lineal

Facultad de Ingenieria Industria l y de Sistemas

Un Problema de programacin lineal tiene:

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Forma general de un modelo de programacin lineal

Universidad Nacional de Ingeniera

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

b).- PL MIN IDEAL PL que tiene: * Todas sus restricciones de tipo * Xi 0

Ejemplo de un problema de programacin lineal

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera

Suposiciones de la Programacin lineal

Facultad de Ingenieria Industria l y de Sistemas

Universidad Nacional de Ingeniera