Investigacin de Operaciones

Programacin Lineal
Ing. Ral Pacheco Granados
M Sc. En Gerencia de Proyectos de I+D

Programacin Lineal
Rama de la investigacin de operaciones
que trabaja en modelos matemticos
cuyas variables son todas de tipo lineal.

Programacin Lineal
El problema general consiste en asignar
recursos limitados entre actividades que
compiten entre si por estos recursos, de
la mejor manera posible (optima).
Se puede aplicar para:
Asignacin de instalaciones de
produccin a los productos.
Seleccin de cartera de inversiones.
Definicin de patrones de envo.
Problemas de transporte.

Modelo Matemtico
Los modelos de PL usan modelos
matemticos (representaciones de la
realidad a travs de nmeros).
El adjetivo LINEAL se refiere a que
todas las funciones que se usan son
lineales (exponente = 1).
La palabra PROGRAMACIN no es
exacta para lo que se realiza, mas bien
PLANEACIN.

Mtodos de Solucin en PL
Mtodo Grafico. Para problemas con 2
variables.
Mtodo Simplex. Para problemas con 2 o
mas variables.
Modelo de Transporte.
Modelo de Redes.

Mtodo Simplex

Mtodo Simplex
Mtodo de solucin para problemas de
programacin lineal.
Usualmente se emplea para resolver
problemas de PL que poseen mas de 3
variables.
Desarrollado por George Dantzing en
1947.

Mtodo Simplex
Inicialmente
estndar:

trabajaremos

la

1. Funcin Objetivo Maximizacin.

2. Restricciones Menor Igual ().
3. Lados Derechos Positivos.

forma

Mtodo Simplex: Conceptos

Variables de Holgura: representan el
sobrante (Holgura) de un recurso. Son
variables
usadas
como
artificios
matemticos para resolver el problema.
Variables Bsicas: Son aquellas que
contribuyen a la solucin del problema.
Iteracin: diferentes pasos (tablas) que
desarrolla el mtodo simplex para llegar a
una solucin optima.
Solucin Optima: Mejor solucin posible de
un problema, dadas unas restricciones.

Mtodo Simplex: Algoritmo de solucin

Mtodo Simplex
Lo primero que se realiza es pasar el modelo de PL a
la forma aumentada.
Se realiza:
1. Aadiendo variables de holgura a cada restriccin.
Convertimos desigualdades en igualdades.
2. Igualando la Funcin Objetivo a Cero (0).

Mtodo Simplex: Ejercicio 4.3.4 Hillier

Iteracin 1
Varia
bles
Bsic
as

X1

X2

X3

S1

S2

LD

-4

-3

-6

S1

30

10,00

S2

40

13,33

RAZO
N

Mtodo Simplex

Mtodo Simplex: Ejercicio 4.3.4 Hillier

=0/3

Para este ejemplo

dividimos
toda
la
antigua fila X3 entre
3.

=3/3

Mtodo Simplex: Ejercicio 4.3.4 Hillier

=0/3

Mtodo Simplex: Ejercicio 4.3.4 Hillier

ZX1
=-4+(6x1)=4+6=2

LD
=0+(6x10
)=60

Mtodo Simplex: Ejercicio 4.3.4 Hillier

S2X2
=2(3x0,33)=1

LD
=40(3x10)=10

Mtodo Simplex: Ejercicio 4.3.4 Hillier

Iteracin 2
Variabl
es
Basicas

X1

X2

X3

S1

S2

LD

-1

60

X3

0,00

1,00

0,33

1,00

0,33

0,00

10,00

S2

-1

-1

10

RAZO
N

Iteracin 2
Varia
bles
Basic
as

X1

X2

X3

S1

S2

-1

X3
S2

RAZ
LD
ON
60

10,0 30,0
0,00 1,00 0,33 1,00 0,33 0,00
0
0
10,0
0
-1
1
0
-1
1
10
0

Libro Admon de la Produccin

Chase. Pg 53.

Rompimiento de Empates en el
Mtodo Simplex
Se presentan cuatro situaciones:
1. Empate en la variable bsica entrante.
2. Empate en la variable bsica que sale:
degeneracin.
3. Cuando no hay variable bsica que sale:
Z no acotada.
4. Soluciones optimas mltiples.

Adaptacin a otras formas del

Modelo en el Mtodo Simplex
Se presentan cuatro situaciones:
1. Restricciones en forma de igualdad.
2. Lados Derechos Negativos.
3. Restricciones funcionales .
4. Funcin Objetivo Minimizacin.

Adaptacin a otras formas del

Modelo en el Mtodo Simplex
Procedimiento de solucin:
Todas las adaptaciones se introducen antes de
la primera tabla, es decir, se hacen al Modelo
de Programacin Lineal. Se
solucio
na

Problema Estndar
Mtodo Simplex

Problema Artificial: con

variables artificiales

Lados Derechos Negativos

Se puede multiplicar ambos lados de la
desigualdad por -1.
Al hacerlo la desigualdad cambia de
sentido de a .
Al estar en esta forma el modelo, este se
trabaja con el siguiente caso especial que es
Restricciones de la Forma .

Restricciones de la forma
El mtodo simplex resuelve este tipo de
problemas a partir de la solucin directa del
problema artificial correspondiente.
Para este tipo de problemas se introducen
variables de exceso o supervit.

Restricciones de la forma : Pasos

para adaptar el modelo
1.

2.

Introducir una variable de exceso o supervit

(P), que resta el exceso del lado derecho de
la restriccin, dando una restriccin en forma
de igualdad ( de pasa a =).
Lograda la conversin se introduce una
variable artificial, igual que en restricciones
=, y seguimos con el mtodo de la M.

Nota:
Cuando
la
Funcin
Objetivo
es
MINIMIZACIN, en la funcin Objetivo los
coeficientes son +M en vez de M.

Solucin Ejercicio 4.6-6

1.

2.

3.

Introducimos Variable de Holgura en las

restriccin numero 1. (S1), as: 2X1 + X2 + S1
=2
La restriccin 2 es . Hay que llevarla a
forma estndar. En ella introducimos una
variable de exceso (a1), y una variable
artificial (P1), as: X1 - X2 + a1 + P1 = 2
Como hay una variable artificial (P1),
trabajamos con el mtodo de la M.