Você está na página 1de 10

FUNDAMENTOS SOBRE LA

PROGRAMACIN LINEAL
1 OBJETIVOS
Comprender los fundamentos de la programacin lineal y sus posibilidades de aplicacin a problemas prcticos de diseo de productos y procesos. Dominar la terminologa propia de la programacin lineal: funcin objetivo, restricciones, regin factible, etc... Aplicar las tcnicas de resolucin de sistemas de ecuaciones e inecuaciones lineales. Saber plantear un problema de programacin lineal partiendo de su enunciado en trminos generales. Saber representar regiones factibles y determinar grficamente los puntos donde puede darse la solucin ptima. Saber encontrar la solucin ptima.

NOCIONES BSICAS

En infinidad de aplicaciones de la industria, la economa, la estrategia militar, etc. se presentan situaciones en las que se exige maximizar o minimizar algunas funciones que se encuentran sujetas a determinadas limitaciones, que llamaremos restricciones. Para hacernos una idea ms clara de estos supuestos, veamos dos ejemplos: Ejemplo 1: Problema de mximos. En una granja se preparan dos clases de piensos, P y Q, mezclando dos productos A y B. Un saco de P contiene 8 kg de A y 2 de B, y un saco de Q contiene 10 kg de A y 5 de B. Cada saco de P se vende a 300 ptas. y cada saco de Q a 800 ptas. Si en la granja hay almacenados 80 kg de A y 25 de B, cuntos sacos de cada tipo de pienso deben preparar para obtener los mximos ingresos? Ejemplo 2: Problema de mnimos. Una campaa para promocionar una marca de productos lcteos se basa en el reparto gratuito de yogures con sabor a limn o a fresa. Se decide repartir al menos 30000 yogures. Cada yogur de limn necesita para su elaboracin 0.5 gramos de un producto de fermentacin y cada yogur de fresa necesita 0.2 gramos de este mismo producto. Se dispone de 9 kilogramos de este producto para fermentacin.

El coste de produccin de un yogur de limn es de 30 pesetas y 20 pesetas uno de fresa. En los dos ejemplos descritos est claro que tanto la cantidad que deseamos maximizar como la cantidad que deseamos minimizar podemos expresarlas en forma de ecuaciones lineales. Por otra parte, las restricciones que imponen las condiciones de ambos problemas se pueden expresar en forma de inecuaciones lineales. Tratemos de plantear en trminos matemticos los dos ejemplos anteriores: 1) Si designamos por x al nmero de sacos de pienso de clase P y por y el nmero de sacos de pienso de clase Q que se han de vender, la funcin : Z = 300x + 800y representar la cantidad de pesetas obtenidas por la venta de los sacos, y por tanto es la que debemos maximizar. Podemos hacer un pequeo cuadro que nos ayude a obtener las restricciones: N kg de A kg de B P x 8x 2x Q y 10y 5y 80 25 Por otra parte, las variables x e y, lgicamente, han de ser no negativas, por tanto : x 0, y 0 Conjunto de restricciones: 8x + 10y 80 2x + 5y 25 x 0, y 0 2) Si representamos por x el nmero de yogures de limn e y al nmero de yogures de fresa, se tiene que la fucin de coste es Z = 30x + 20y. Por otra parte, las condiciones del problema imponen las siguientes restricciones:

De nmero : x + y 80 De fermentacin: 0.5x + 0.2y 9000 Las variables x e y han de ser, lgicamente, no negativas; es decir: x

0, y

Conjunto de restricciones: x + y 80 0.5x + 0.2y x 0, y 0 En definitiva: Se llama programacin lineal al conjunto de tcnicas matemticas que pretenden resolver la situacin siguiente: Optimizar (maximizar o minimizar) una funcin objetivo, funcin lineal de varias variables, sujeta a: una serie de restricciones, expresadas por inecuaciones lineales. 9000

Un problema de programacin lineal en dos variables, tiene la siguiente formulacin estndar:

puediendo cambiarse maximizar por minimizar, y el sentido de las desigualdades. En un problema de programacin lineal intervienen:

La funcin f(x,y) = ax + by + c llamada funcin objetivo y que es necesario optimizar. En esa expresin x e y son las variables de decisin, mientras que a, b y c son constantes. Las restricciones que deben ser inecuaciones lineales. Su nmero depende del problema en cuestin. El carcter de desigualdad viene impuesto por las limitaciones, disponibilidades o necesidades, que son: inferiores a ... ( menores: < o ); como mnimo de ... (mayores: > o ) . Tanto si se trata de maximizar como de minimizar, las desigualdades pueden darse en cualquiera de los dos sentidos. Al conjunto de valores de x e y que verifican todas y cada una de las restricciones se lo denomina conjunto (o regin) factible. Todo punto de ese conjunto puede ser solucin del problema; todo punto no perteneciente a ese conjunto no puede ser solucin. En el apartado siguiente veremos como se determina la regin factible.

La solucin ptima del problema ser un par de valores (x0, y0) del conjunto factible que haga que f(x,y) tome el valor mximo o mnimo.

MTODO GRFICO

En ocasiones utilizaremos las siglas PPL para indicar problema de programacin lineal. Determinacin de la regin factible La solucin de un problema de programacin lineal, en el supuesto de que exista, debe estar en la regin determinada por las distintas desigualdades. Esta recibe el nombre de regin factible, y puede estar o no acotada.

Regin factible acotada

Regin factible no acotada

La regin factible incluye o no los lados y los vrtices, segn que las desigualdades sean en sentido amplio ( o ) o en sentido estricto (< o >). Si la regin factible est acotada, su representacin grfica es un polgono convexo con un nmero de lados menor o igual que el nmero de restricciones. El procedimiento para determinar la regin factible es el siguiente: 1) Se resuelve cada inecuacin por separado , es decir, se encuentra el semiplano de soluciones de cada una de las inecuaciones.

Se dibuja la recta asociada a la inecuacin. Esta recta divide al plano en dos regiones o semiplanos Para averiguar cul es la regin vlida, el procedimiento prctico consiste en elegir un punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las coordenadas satisfacen o no la inecuacin. Si lo hacen, la regin en la que est ese punto es aquella cuyos puntos verifican la inecuacin; en caso contrario, la regin vlida es la otra.

2) La regin factible est formada por la interseccin o regin comn de las soluciones de todas las inecuaciones. Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales pueden presentar varias opciones respecto a sus soluciones: puede no existir solucin, en el caso de que exista el conjunto solucin puede ser acotado o no. Vemoslo con un ejemplo: Dibuja la regin factible asociada a las restricciones: x+y 4 y 4 y x Las rectas asociadas son: r : x + y = 4 ; s : y = 4 , t: y = x

Elegimos el punto O(0,0), que se encuentra en el semiplano situado por debajo de la recta. Introduciendo las coordenadas (0,0) en la inecuacin x + y 4, vemos que no la satisface: 0 + 0 = 0 < 4 . Por tanto, el conjunto de soluciones de la inecuacin es el semiplano situado por encima de la recta r : x + y = 4 .

Procedemos como en el paso anterior. Las coordenadas (0,0) satisfacen la inecuacin y 4 ( 0 4) . Por tanto, el conjunto de soluciones de la inecuacin es el semiplano que incluye al punto O.

La recta t asociada a la restriccin pasa por el origen, lo cual significa que si probsemos con el punto O(0,0) no llegaramos a ninguna conclusin. Elegimos el punto (1,0) y vemos que no satisface la inecuacin y x ( y = 0 < 1 = x ). Por tanto, el conjunto solucin de esta inecuacin es el semiplano determinado por la recta t que no incluye al punto (1,0).

La regin factible est formada por los puntos que cumplen las tres restricciones, es decir, se encuentran en los tres semiplanos anteriores.

MTODO SIMPLEX

Este es un procedimiento iterativo que permite tender progresivamente hacia la solucin ptima; es sistemtico y eficiente para encontrar y probar soluciones situadas en los vrtices de optimalidad. El mtodo requiere que las restricciones sean ecuaciones en lugar de inecuaciones, lo cual se logra aadiendo variables de holgura a cada inecuacin del modelo, variables que nunca pueden ser negativas y tienen coeficiente 0 en la funcin objetivo. Para el modelo formulado anteriormente tenemos: Z 6X1 4X2 = 0 2X1 + 2X2 + s1 = 160

X1 + 2X2 + s2 = 120 4X1 + 2X2 + s3 = 280 Todas las variables son no negativas. La solucin bsica inicial se obtiene seleccionando las variables de holgura como variables bsicas, resultando conveniente disponer los valores como se muestran en la tabla siguiente:

i 1 2 3 4

VB Z S1 S2 S3

Z 1 0 0 0

X1 -6 2 1 4

X2 -4 2 2 2

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

Bi 0 160 120 280

Cada ecuacin debe tener una nica variable bsica(VB), con el coeficiente unidad en la fila correspondiente. Esta solucin bsica debe ser examinada para observar si puede ser mejorada. La presencia de coeficientes negativos en la FO indica que la solucin bsica puede ser mejorada, pues el valor de Z se incrementar. Cuando no hay coeficientes negativos, significa que la solucin es ptima. Para encontrar una solucin mejorada es necesario:

Elegir la variable que entra como la de mayor coeficiente negativo (X1) Elegir la variable que sale como aquella que al ser removida permita que la variable que entra a la base pueda tener un valor tan grande como sea posible, sin violar alguna de las restricciones en el modelo. En este caso la variable S3 deja la base y a su vez X1 se introduce como la nueva variable bsica. El elemento pivote es el coeficiente que est en la interseccin de la columna de la variable que entra y la fila de la variable que sale. Los valores correspondientes a la nueva fila pivote se obtienen dividiendo los coeficientes de la fila pivote en la tabla inicial por el elemento pivote. Las otras filas de la solucin mejorada se calculan por la expresin:

Nueva fila = Fila anterior elemento de la columna pivote(nueva fila pivote) As, se obtiene la siguiente tabla:

i 0 1 2 3

VB Z S1 S2 X1

Z 1 0 0 0

X1 0 0 0 1

X2 -1 1 1.5 0.5

S1 0 1 0 0

S2 0 0 1 0

S3 1.5 -0.5

Bi 420 20

- 0.25 50 0.25 70

Como se puede apreciar esta no es an la solucin ptima Por qu? Iterando nuevamente se obtiene la tabla correspondiente que se muestra a continuacin: i 0 1 2 3 VB Z X2 S2 X1 Z 1 0 0 0 X1 0 0 0 1 X1 0 1 0 0 S1 1 1 - 1.5 - 0.5 S2 0 0 1 0 S3 1 - 0.5 0.5 0.5 Bi 440 20 20 60

Es esta la solucin ptima? Si lo es determine entonces los valores de las variables para el ptimo. Se ha aplicado el algoritmo para el caso del modelo estndar, cuando se presentan problemas con restricciones o = y el criterio de optimizacin es mnimo, entonces hay que introducir variables artificiales y se sugiere convertir el problema en un problema de maximizar.

5 RESOLUCIN CON SOFTWARE LINDO


LINDO es una aplicacin para computadoras que se utiliza para resolver problemas de programacin lineal, cuadrtica y entera. Desde 1979 el programa LINDO ha sido una de las herramientas de optimizacin favoritas de las comunidades Educativas y Empresariales. LINDO Systems se ha

dedicado a proveer poderosas e innovativas herramientas de optimizacin que tambin son flexibles y muy fciles de usar. LINDO tiene una larga historia y es uno de los pioneros en crear poderosos programas de optimizacin. En 1979 se vendi en Mxico la primer copia comercial de LINDO, la ayuda que este proporcion en aquel momento, le hizo ganar popularidad muy rpidamente para luego ser utilizado en aplicaciones industriales. En 1983 la versin LINDO/PC fue el primer paquete para programacin lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareci la versin 6.0 para WINDOWS. Antes que aparecieran Lotus 1-2-3 o Excel, LINDO haba sido incorporado a la planilla de clculo VisiCalc, el paquete se llam VINO y es el equivalente del SOLVER que viene con Excel. En estos momentos existe una hoja de clculo llamada WHATS Best! la cual se integra a EXCEL o LOTUS 1-2-3; sta resuelve problemas de optimizacin con algoritmos de LINDO Systems. Esta imagen es una pantalla obtenida del programa LINDO:

La siguiente pantalla muestra una versin de la Hoja de Clculo EXCEL a la que se le ha integrado el paquete de optimizacin de LINDO "WHATS Best!":

6 SOFTWARE DISPONIBLE
PROGRAMACIN LINEAL Software: 1. Tora 2. Win QSB 3. Lindo 4. Lingo 5. Mathematica 6. Sap 7. JC 8. Edward 9. Oracle 10. Excel (solver)

7 BIBLIOGRAFIA
Kamlesh Mathur & Daniel Solow. Investigacin de Operaciones http://www.econ.upf.es/~ninomora/LPS.ppt http://www.econ.upf.es/~ninomora/LP2.ppt

http://www.econ.upf.es/~ninomora/LP2b.ppt http://www.econ.upf.es/~ninomora/LP3.ppt http://www.econ.upf.es/~ninomora/LP3.ppt http://www.econ.upf.es/~ninomora/LPS.ppt http://www.cnice.mecd.es/Descartes/Algebra/Programacion_lineal_aplicaciones/f inal_p http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/matematicas-29.html bajar programa http://personal5.iddeo.es/ztt/prob/B1_Prog_Lineal.htm problemas resueltos http://lenguajes-de-programacion.com/programacion-lineal.shtml http://www.geocities.com/ohcop/index.html varios http://www.geocities.com/ohcop/io.html http://members.tripod.com/hernangabriel/investigacionoperativa.html

Você também pode gostar