Escolar Documentos
Profissional Documentos
Cultura Documentos
En sta seccin se analizar algunos de los mtodos que existen para darle solucin a un
problema de programacin lineal, que consisten bsicamente en determinar los valores de la
funcin objetivo y los valores numricos de cada una de las variables de decisin; estos
valores de las variables debern ser tales que al evaluarlos en el problema debern satisfacer
cada una de las restricciones del problema analizado.
La forma ms fcil para resolver un problema pequeo de programacin lineal es el
procedimiento grfico, donde ste procedimiento slo es til cuando existan dos variables de
decisin. Cuando existen mas de dos variables no es posible graficar la solucin en un plano
de dos dimensiones, por lo tanto, se deben buscar mtodos ms complejos.
Requisitos para el mtodo grfico
a) El problema debe ser de dos variables
b) Se estandarizan las restricciones a igualdades
El procedimiento grfico incluye dos pasos bsicos:
1. La determinacin del espacio de soluciones que define la solucin factible que satisfase
todas las restricciones del modelo.
2. La determinacin de la solucin ptima de entre todos los puntos en el espacio de solucin
factible.
El procedimiento se describe tanto para una funcin objetivo de maximizacin como de
minimizacin
Pasos para el mtodo grfico
1. Pasar todas las desigualdades a igualdades.
21
INVESTIGACIN DE OPERACIONES I
2. Tomas una por una de las ecuaciones, y determinar los puntos de interseccin con los
ejes del plano cartesiano.
3. Graficar cada una de las ecuaciones o igualdades.
4. Determinar el rea de soluciones para cada una de las restricciones.
Puntos extremos y optimidad. Dentro del mtodo grfico, una vez que las restricciones y la
y la funcin objetivo hayan sido granizados en un plano de coordenadas se tendr delimitada
una rea, llamada rea de soluciones factibles ya que en esta se encuentran una infinidad de
soluciones factibles para el problema, dicha rea estar formada por las restricciones trazadas
y toda interseccin entre las restricciones y ejes de las coordenadas formarn puntos
conocidos como puntos extremos. Cada uno de estos puntos dan una solucin al problema
pero solo uno de estos puntos proporciona la solucin optima y al encontrar este punto se
encuentra con la optimidad del problema.
R3
Puntos
extremos
R2
rea de
soluciones
R1
Z
Nota: Para problemas de maximizacin, el punto ms lejano del origen que delimita el rea
de soluciones con respecto a la funcin objetivo ser la solucin ptima.
Cuando el problema es de minimizar el punto ms secano al origen del rea de soluciones
con respecto a la funcin objetivo, ser la solucin ptima.
22
INVESTIGACIN DE OPERACIONES I
1. Solucin bsica factible. Se le denomina de esta manera, porque las variables bsicas
son mayor que cero, y se tiene una nica solucin (Xi>=0).
2. Solucin bsica no factible. Esta solucin se presenta debido alguna de las variables del
problema toma un valor menor que cero(Xi<0).
3. Infinidad de soluciones. No hay una solucin nica porque las soluciones son
independientes y existen una infinidad de soluciones.
4. Solucin inexistente. No existe una solucin porque las ecuaciones son inconsistentes
Caso 3
Caso 1
X1+4X2=8
4X1+2X2=4
Sol.
X1=0
X2=2
Caso 2
X1+X2=8
4X1+2X2=4
Sol.
X1=-6
X2=14
Caso 4
4X1+2X2=8
2X1+X2=4
Sol.
Varias soluciones
X1+3X2=8
2X1+6X2=4
Sol.
No existe solucin
Ejemplo 2.1
Determinar la solucin del siguiente problema de programacin lineal utilizando el mtodo
grfico.
Zmax=5X1+12X2
s.a.
R1 5X1
120
R2 5/4X1+2X2 56
R3
X2 15
Xi 0
23
INVESTIGACIN DE OPERACIONES I
24
INVESTIGACIN DE OPERACIONES I
Ejemplo 2.2
Determinar la solucin de un problema de programacin lineal Utilizando el mtodo grafico
Zmin=2X1+3X2
s.a.
R1
R2
R3
X1+3/4X2 6
X1
4
3X2 9
X1,X2 0
25
INVESTIGACIN DE OPERACIONES I
26
INVESTIGACIN DE OPERACIONES I
27
INVESTIGACIN DE OPERACIONES I
razones anlogas no todo conjunto de n variables no bsicas conduce a una solucin bsica.
Sin embargo, el mtodo simplex evita estos casos.
El mtodo simplex comienza en una solucin bsica factible y se mueve en forma iterativa a
una solucin bsica adyacente mejor, Hasta que logra una solucin optima.
De manera equivalente, en la terminologa nueva el mtodo simplex llega a una solucin
bsica factible adyacente a partir de la solucin actual cuando:
1.
2.
3.
Se elimina una variable (la variable bsica entrante) del conjunto de n variables no
bsicas que definen la solucin actual.
Se aleja de la solucin actual incrementado el valor de esta variable ( y ajustado las otras
variables bsicas para que sigan satisfaciendo el sistema de ecuaciones) y manteniendo
las (n-1 variables estantes a nivel cero )
Se determina cuando el valor de la primera variable bsica (la variable bsica que sale)
llega a cero (a su ecuacin de frontera ). Con cualquiera de estas dos interpretaciones, la
seleccin entre las n alternativa en el paso 1 se hace escogiendo aquella que da la tasa
mas alta para mejorar el valor de Z (por cada unidad de incremento de la variable bsica
entrante) durante el paso 2.
Maximizacin
La variable de holgura toma un coeficiente
de cero en la funcin objetivo
Toma un coeficiente cero para la variable de
holgura y un coeficiente -M para la variable
artificial en la funcin objetivo
Coeficiente -M en la funcin objetivo para
la variable artificial
Ci
0
0
Z
Cj
Base Xo
A1
RD1
H2
RD2
C1
X1
a11
a21
C2
X2
a12
a22
1
0
-H1
1
0
2
0
H2
0
1
3
-M
A1
0
1
4
i
1
2
28
INVESTIGACIN DE OPERACIONES I
Nota: En la base y en la primera iteracin, solo entran las variables de holgura (H+) y las
variables artificiales (A+)
Formulas necesarias para calcular los parmetros necesarios para proseguir con
el mtodo simplex:
Zi=;
-Cj
Paso 1
Paso 3
Si
Paso 3
Paso 4
No
PARE
29
INVESTIGACIN DE OPERACIONES I
Ejemplo:
Determinar la solucin del siguiente modelo de programacin lineal utilizando el mtodo
simplex.
Zmax= 80X1+45X2
s.a.
20X1+5X2 400
15X1+10X2 450
Xj 0
Solucin:
Forma estndar
Zmax= 80X1+45X2+0H1+0H2
20X1+5X2+H1 =400
15X1 +X2 +H2 =450
30
INVESTIGACIN DE OPERACIONES I
2.6 El mtodo de la M
El mtodo de la M con la PL en la forma estndar. Para cualquier ecuacin i que no tiene
una holgura, aumentamos una variable artificial (A i ) Entonces esta variable se convierte parte
de la solucin inicial, sin embargo debido a que las artificiales son ajenas al modelo de
programacin lineal, se les asigna una penalidad en la funcin objetivo, para obligarla a un
nivel cero en una iteracin posterior del algoritmo simplex.
Debido a que M es un valor suficiente mente grande, la variable Ai Se penaliza en la funcin
objetivo restndose si el problema es de maximizar (-MA i ) y se suma en la funcin objetivo
si es de minimizar (+MAi). Debido a esta penalidad, la naturaleza del proceso de optimizacin
lgicamente tratar de impulsar a Ai a nivel cero durante el curso de la iteracin simplex.
Este mtodo solo ser aplicable cuando exista dentro de las restricciones por lo menos una de
tipo ( ) para que al momento de estandarizar el problema de PL aparezca la variable de
holgura, por lo tanto, en la funcin objetivo estandarizada se suman las variables de holgura
con coeficientes cero, y como se menciono anteriormente las variables artificiales se restan
con un coeficiente de M si el problema es de maximizar y se suma la variable artificial con u
coeficiente de M si el problema es de minimizar y se prosigue a resolver el problema con el
mismo procedimiento del mtodo simplex, entrando en la base las variables de holgura
positivas y lar variables artificiales pero siempre se les dar prioridad a las variables
artificiales en los espacios disponibles es la base.
Ejemplo:
Problme primal
Zmin=30X1+80X2
Sa
X1
800
X2 600
X1+X2 =2000
Xi 0
31
INVESTIGACIN DE OPERACIONES I
32
INVESTIGACIN DE OPERACIONES I
33