Escolar Documentos
Profissional Documentos
Cultura Documentos
OPTIMIZACIN LINEAL
El modelo de programacin lineal (LP) es extensamente utilizado en casi todas
las reas del conocimiento. La relacin lineal entre variables le confiere la
particularidad de ser un modelo fcil de generar y simple de resolver y analizar.
Esto permite automatizar el proceso de generacin del modelo, por lo que es
posible generar grandes modelos LP. Publicaciones recientes han reportado
trabajo con modelos LP de ms de cien mil variables.
Para casos de 2 variables, puede emplearse el mtodo grfico. Para modelos
de 2 a ms variables, se emplea un algoritmo llamado SIMPLEX diseado por
Dantzig en la dcada del cincuenta.
El problema de la resolucin de un sistema lineal de inecuaciones se remonta,
al menos, a Joseph Fourier, despus de quien nace el mtodo de eliminacin
de Fourier-Motzkin. La programacin lineal se plantea como un modelo
matemtico desarrollado durante la Segunda Guerra Mundial para planificar los
gastos y los retornos, a fin de reducir los costos al ejrcito y aumentar las
prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo
simplex, en 1947, John von Neumann, que desarroll la teora de la dualidad
en el mismo ao, y Leonid Kantorvich, un matemtico ruso, que utiliza
tcnicas similares en la economa antes de Dantzig y gan el premio Nobel en
economa en 1975. En 1979, otro matemtico ruso, Leonid Khachiyan, dise
el llamado Algoritmo del elipsoide, a travs del cual demostr que el problema
de la programacin lineal es resoluble de manera eficiente, es decir, en tiempo
polinomial.2 Ms tarde, en 1984, Narendra Karmarkar introduce un nuevo
mtodo del punto interior para resolver problemas de programacin lineal, lo
que constituira un enorme avance en los principios tericos y prcticos en el
rea.
En los casos de programacin lineal, tanto la funcin objetivo, como las
restricciones, son combinaciones lineales de las variables de inters:
209
2) x+y 6
211
X + Y < 3,
X + 2Y > 3
Tiene infinitas
Soluciones.
Funcin objetivo
212
maximizacin como criterio del objetivo y elige spreadsheet matriz form como
formato de entrada. Da ok.
213
(0,2)
(2,1)
(0,0)
(1,0)
Maximizar
sujeto a
2x + y + s1=18
2x + 3y +s2 = 42
3x + y +s3 = 24
Escribir la tabla simplex, en las columnas aparecern todas las variables del
problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila
para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo:
1. Para escoger la variable de decisin que entra, nos fijamos en la ltima fila,
la de los coeficientes de la funcin objetivo y escogemos la variable con el
coeficiente negativo mayor. Si existiesen dos o ms coeficientes iguales que
cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si
en la ltima fila no existiese ningn coeficiente negativo, significa que se ha
alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no
haya elementos negativos. La columna de la variable que entra en la base
se llama columna pivote.
2. Para encontrar la variable de holgura que tiene que salir, se divide cada
trmino de la columna valores solucin por el trmino correspondiente de la
columna pivote, siempre que estos sean mayores que cero. Si hubiese algn
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
tendramos una solucin no acotada y no se puede seguir. El trmino de la
columna pivote que en la divisin anterior d lugar al menor cociente
positivo, indica la fila de la variable bsica que sale. Esta fila se llama fila
pivote. Si al calcular los cocientes, dos o ms son iguales, indica que
cualquiera de las variables correspondientes pueden salir de la base.
En la interseccin de la fila pivote y columna pivote tenemos a pivote.Use
las operaciones elementales en los renglones para que el pivote sea 1 y los
dems elementos de la columna de entrada sean cero. Pivoteo.
Fila del pivote:
Nueva fila del pivote= (Vieja fila del pivote) / (Pivote)
PI
V
O
TE
O
216
Observa que en la ltima fila todava hay elementos negativos por lo que se
tiene que repetir el procedimiento anterior.
PI
V
O
TE
O
PI
V
O
TE
O
217
Ejemplo 5.3.- A refinery has available two crude oils that have the yields
shown in the following table. Because of equipment and storage limitations,
production of gasoline, kerosene, and fuel oil must be limited as also shown in
this table. There are no plant limitations on the production of other products
such as gas oils. The profit on processing crude #1 is $1.00/bbl and on crude
#2 it is $0.70/bbl. Find the approximate optimum daily feed rates of the two
crudes to this plant.
Kerosene production
Also:
x1 0
x2 0
218
Solucin en excel
3. Crea una hoja de clculo como la que aparece abajo. En la celda debajo
de profit y en la columna de valor actual ingresa las formulas dadas por
el problema.
219
220
Se puede observar el mismo resultado obtenido con winqsb, quiere decir que
no es necesario utilizar el crudo 1, solo procesar el crudo 2.
Funcin objetivo
221
36
10x1 + 30x2 90
donde x1 0 , x2 0
PI
VOT
EO
27,000
donde x1 0 , x2 0
223
Por lo tanto la refinera uno debe operar 25 das y la dos 50 das. Usted
compruebe resolviendo con el problema dual. Resuelva tambin en Excel.
Se deja al lector exponer el tema cuando se trabaja con restricciones mixtas.
5.5 ACTIVIDADES
1.
224
3.
4.
5. Suponga que una planta procesadora de gasolina recibe cada semana una
cantidad fija de materia prima para gasolina. Esta ltima se procesa en dos
tipos de gasolina, de calidad regular y prmium. Estas clases de gasolina son
de alta demanda; es decir, se tiene garantizada su venta y se obtiene diferentes
utilidades para la compaa. Sin embargo, su produccin involucra ambas
restricciones, tiempo y almacenaje en sitio. Por ejemplo, slo una de las clases
se puede producir a la vez, y las instalaciones estn abiertas solamente 80
horas por semana. Adems, existe un lmite de almacenamiento para cada uno
de los productos. Todos estos factores se enlistan abajo (observe que una
tonelada mtrica, o ton, es igual a 1 000 kg):
225
7.
5.6 BIBLIOGRAFA
226
227