Investigación de

Operaciones

MSc. Jenny Gutierrez Lopez

I Término 2018-2019

INDG1004
Repaso
En la clase pasada…

• ¿Cuáles son los elementos de un modelo de optimización?

• ¿Cuáles son los supuestos de un modelo de programación lineal?

• ¿Cuál es la diferencia entre solución factible y solución óptima?

Discuta con su compañero estas preguntas

Tiempo: 5 min
Modelo de Programación Lineal
Forma estándar del modelo

Función objetivo

Restricciones funcionales

Restricciones de no negatividad
Modelo de Programación Lineal
Suposiciones de un modelo de PL

1. Proporcionalidad: La contribución de cada actividad al valor de la función objetivo

o la restricción funcional es proporcional al nivel de la actividad.

2. Aditividad: Cada función en un modelo de PL (ya sea la función objetivo u otra) es

la suma de las contribuciones individuales de cada actividad.

3. Divisibilidad: Las variables de decisión pueden tomar cualquier valor, incluso

valores no enteros, que satisfagan las restricciones funcionales y de no negatividad.

4. Certidumbre/Certeza: Se supone que los valores asignados a cada parámetro de

un modelo de programación lineal son constante conocidas.
Modelo de Programación Lineal
Solución factible y solución óptima

Solución Factible:
La región factible para un problema de programación lineal es el set de todos los puntos
que satisfacen todas las restricciones de la LP y todas las restricciones de signo de la LP
(por lo general es un conjunto infinito de puntos)

Solución Optima:
En un problema de maximización, una Solución óptima para el modelo de PL es el punto
en la región factible con el mayor valor de la función objetivo. Igualmente, en un
problema de minimización, la solución óptima es el punto en la región factible con el
menor valor de la función objetivo.
Programa del Curso

1. Introducción a la investigación de operaciones

2. Introducción a la programación lineal

3. Solución de problemas de programación lineal: Método simplex

4. Solución informática de los problemas de programación lineal

5. Dualidad y análisis de sensibilidad

6. Programación entera mixta

Objetivos de Aprendizaje

1. Formular modelos de programación lineal que capturen la realidad de sistemas de

producción o servicios, para su aplicación efectiva y eficiente en empresas.

2. Generalizar los elementos de los modelos de programación lineal y sus posibles

soluciones, a través de la aplicación del método gráfico, para el desarrollo del
entendimiento necesario para el análisis de modelos más complejos.
Resumen de la Unidad
Introducción a la Programación Lineal

1. Modelo de programación lineal

2. Solución gráfica de un problema de programación lineal

3. Aplicaciones de programación lineal

4. Estrategias para el diseño de modelos de programación lineal

Solución gráfica de un problema de programación lineal

Introducción

• Para PL de dos variables

• Las variables representan los ejes de coordenadas

Solución gráfica de un problema de programación lineal

Ejemplo:

2𝑥1 + 3𝑥2 ≤ 6

3𝑥2 ≤ 6 − 2𝑥1

2
𝑥2 ≤ 2 − 𝑥1
3
Solución gráfica de un problema de programación lineal

Pasos para la resolución gráfica de la PL

1) Determinar el espacio de soluciones factibles

2) Determinar la solución óptima de entre todos los puntos localizados en el espacio de

soluciones
Solución gráfica de un problema de programación lineal

Problema de Giapetto: Trenes y soldados

𝑥1 = 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑜𝑙𝑑𝑎𝑑𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑐𝑎𝑑𝑎 𝑠𝑒𝑚𝑎𝑛𝑎
𝑥2 = 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑟𝑒𝑛𝑒𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑐𝑎𝑑𝑎 𝑠𝑒𝑚𝑎𝑛𝑎

Max z = 3𝑥1 + 2𝑥2 (𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑜𝑏𝑗𝑒𝑡𝑖𝑣𝑜)

s .a.

2𝑥1 + 𝑥2 ≤ 100 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑐𝑎𝑏𝑎𝑑𝑜)

𝑥1 + 𝑥2 ≤ 80 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑟𝑝𝑖𝑛𝑡𝑒𝑟í𝑎)

𝑥1 ≤ 40 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑝𝑜𝑟 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑠𝑜𝑙𝑑𝑎𝑑𝑜𝑠)

𝑥1 ≥ 0 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑖𝑔𝑛𝑜)

𝑥2 ≥ 0 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑖𝑔𝑛𝑜)
 Solución gráfica de un problema de programación lineal

Problema de Giapetto: Trenes ysoldados

Max z = 3𝑥1 + 2𝑥2

s .a.

2𝑥1 + 𝑥2 ≤ 100 recta AB

𝑥1 + 𝑥2 ≤ 80 recta CD

𝑥1 ≤ 40 recta EF

𝑥1 ≥ 0

𝑥2 ≥ 0
Solución gráfica de un problema de programación lineal

¿Cómo determinar la solución óptima?

Es necesario graficar una recta en la cual todos los puntos tengan el mismo
valor z

• En un problema de maximización, una recta tal se llama recta de

isoutilidad
• En un problema de minimización, una recta tal se llama recta
isocosto

Una vez que se traza una recta de isoutilidad o isocosto, es posible

encontrar todas las otras rectas, desplazándose en forma paralela a la recta
que ya se graficó
Solución gráfica de un problema de programación lineal

¿Cómo determinar la solución óptima?

• En un problema de maximización, es posible generar otras rectas
desplazándose en forma paralela a la recta ya graficada en una dirección en
que se incremente z
• En un problema de minimización, es posible generar otras rectas desplazá
ndose en forma paralela a la recta ya graficada en una dirección en que se
disminuye z

La última línea de isoutilidad o isocosto que intercepte a la región factible

corresponderá al máximo o mínimo valor de z de entre todos los puntos factibles

• Este punto corresponde a la solución óptima del problema de PL

Solución gráfica de un problema de programación lineal

Problema de Giapetto: Trenes y soldados

G es el punto óptimo

En donde se intersecan:

2𝑥1 + 𝑥2 = 100 recta AB

𝑥1 + 𝑥2 = 80 recta CD

Solución

x1=20 x2=60

Z= $3(20)+$2(60) = $180
Solución gráfica de un problema de programación lineal

Restricción Activa:
Una restricción es activa y obligatoria si tanto el primero como el segundo
miembros de las restricciones son iguales cuando los valores óptimos de las
variables de decisión se sustituyen en la restricción.

Restricción Inactiva:
Una restricción es inactiva si no son iguales el primero y el segundo miembros
de la restricción cuando los valores óptimos de las variables de decisión se
sustituyen en la restricción.
Solución gráfica de un problema de programación lineal

Conjuntos convexos, Puntos extremos y PL

Un set de puntos S es un set convexo si el segmento línea que une cualquier par de
puntos en S esta totalmente contenido en S.
a y b son convexos. c y d no son convexos.
Cualquier PL que tiene una solución óptima, tiene un punto extremo que es óptimo.
Solución gráfica de un problema de programación lineal
Conjuntos convexos, Puntos extremos y PL

1. La región factible de cualquier

problema de PL es un conjunto
convexo
2. La región factible de cualquier
problema de PL tiene solamente
un conjunto finito de puntos
extremos
3. Cualquier problema de PL que
tiene una solución optima tiene
un punto extremo que es óptimo
Solución gráfica de un problema de programación lineal

Ejemplo de problema de minimización

Dorian Auto manufactura autos de lujo y camiones.

La compañía opina que sus clientes más idóneos son mujeres y hombres con altos
ingresos económicos.
Para llegar a esos grupos, la compañía ha emprendido una campaña de publicidad en
TV y decidió comprar espacios de 1 minuto para comerciales durante dos tipos de
programas: comedia y juegos de fútbol. Cada minuto de comercial durante una
comedia es vista por 7 millones de mujeres de altos ingresos (MAI) y 2 millones de
hombres de altos ingresos (HAI); cada minuto de comercial durante el fútbol es visto por
2 millones de MAI y 12 millones de HAI.
Dorian desea que los comerciales sean vistos por lo menos por 28 millones de MAI y 24
millones HAI.
Un minuto de propaganda durante una comedia cuesta $50.000 y cada minuto de
propaganda durante el fútbol cuesta $100.000. . ¿Qué debe decidir Dorian?
Solución gráfica de un problema de programación lineal

Ejemplo de problema de minimización

Dorian Auto
X1: Número de anuncios de 1 minuto comprados en p.
de comedia
X2: Número de anuncios de 1 minuto comprados en p.
de fútbol
Función Objetivo: Min Z=50x1+100x2
Restringida por:
7x1+2x2 ≥ 28
2x1+12x2≥ 24
x1, x2 ≥ 0
Solución Optima:
x1=3,6 x2=1,4
Z= 50(3,6)+100(1,4) = 320, es decir, $320.000.
Solución gráfica de un problema de programación lineal

Casos especiales en PL
• Algunos PL tienen número infinito de soluciones óptimas (alternativas o múltiples
soluciones óptimas)
• Algunos PL no tienen soluciones factibles (problema de PL infactible)
• Algunos PL son no acotados:
• Hay puntos en la región factible que pueden tomar un valor z arbitrariamente
grande.
Solución gráfica de un problema de programación lineal

Casos especiales – óptimas alternativas o múltiples soluciones

Una fábrica manufactura autos y camiones.

Cada vehículo debe ser procesado en el taller de pintura y taller de ensamble.

Si en el taller de pintura solamente se procesaran camiones, se podría pintar 40

camiones al día. Si solamente se procesaran carros, se podría pintar 60 carros al día.

Si el taller de ensamble solamente procesara autos, se podría procesar 50 vehículos

por día; y si se procesaran únicamente camiones, 50 camiones podrían ser
ensamblados al día.

El margen de contribución (utilidad) de un auto es $200, y el margen de contribución

cada camión es $300.

Usar programación lineal para determinar el programa diario de producción que

permitiría a la compañía maximizar su utilidad diaria.
Solución gráfica de un problema de programación lineal
Casos especiales – óptimas alternativas o múltiples soluciones

X1: Número de camiones producidos por día

X2: Número de automóviles producidos por día
Función Objetivo: Max Z=3x1+2x2
Restringida por:
(1/40)x1+(1/60)x2 ≤ 1 La fracción del día durante el cual el
taller de pintura está ocupado
(1/50)x1+(1/50)x2 ≤ 1 La fracción del día durante el cual el
taller de ensamble está ocupado
x1, x2 ≥0
Soluciones Optimas: Cualquier punto sobre segmento AE
x1=40, x2=0 o x1=30, x2=15 o x1=20, x2=30 …
Z= 120, es decir, $12000.
Solución gráfica de un problema de programación lineal

Casos especiales – no tiene soluciones factibles

Suponer que en el caso anterior, la compañía requiere que se fabrique por lo menos 30
camiones y 20 automóviles
Solución gráfica de un problema de programación lineal

Casos especiales – no tiene soluciones factibles

X1: Número de camiones producidos por día

X2: Número de automóviles producidos por día

Función Objetivo: Max Z=3x1+2x2

Restringida por:
(1/40)x1+(1/60)x2 ≤ 1 La fracción del día durante el cual el
taller de pintura está ocupado
(1/50)x1+(1/50)x2 ≤ 1 La fracción del día durante el cual el
taller de ensamble está ocupado

X1 ≥ 30 x2 ≥ 20
x1, x2 ≥0

Soluciones Optimas: Ningún punto satisfice todas las

restricciones
Solución gráfica de un problema de programación lineal

Casos especiales – no delimitado

Max Z=2x1-x2

Restricciones:
x1-x2 ≤ 1 Recta AB
2x1+x2 ≥ 6 Recta DC
x1, x2 ≥0

Hay puntos en la región factible con

valores Z arbitrariamente grandes
¿Preguntas?
Conclusiones
¿Qué aprendimos hoy?

• ….

• ….

• ….
Conclusiones
¿Qué aprendimos hoy?
• Los problemas de programación lineal de dos variables se pueden resolver usando el
método gráfico.

• La solución de un problema de PL pueden caer en 4 casos

• La PL tiene una única solución óptima.

• La PL tiene alternativas o múltiples soluciones óptimas: si dos o más puntos extremos

son óptimos, la LP tendrá un infinito número de soluciones óptimas.

• La PL no tiene solución: la región factible no contiene ningún punto.

• La PL es ilimitada: existen puntos en la región factible con altos valores arbitrarios de

Z (en problemas de maximización) o valores arbitrarios muy pequeños de Z (en proble
mas de minimización).
 Reforcemos lo aprendido
Lectura Recomendada

• Capítulo 3: Introducción a la programación Lineal.

o Sección 3.1. Ejemplo Prototípico. Páginas 22 – 27.

Fuente: Hillier, Frederick S. & Lieberman, Gerald J. Introducción a la Investigación de operaciones.

Novena Edición.
Próxima clase
Introducción a la programación lineal

2.3 Aplicaciones de programación lineal