Clasificacin de los modelos de investigacin de operaciones.

Los modelos utilizados en la IO son eminentemente matemticos y se pueden

clasificar de acuerdo a los valores y caractersticas de sus variables, en:
deterministas y estocsticos, y cada uno de ellos a su vez, en estticos y
dinmicos.
Modelos deterministas.
En los modelos deterministas, ni las variables exgenas, ni las endgenas, se
obtienen por medio del azar, debido a que se suponen relaciones exactas para las
caractersticas de operacin, en lugar de funciones de densidad de probabilidad.
Son variables con valores preestablecidos.
Modelos estocsticos.
Son aquellos modelos en los que, por lo menos una de las caractersticas de
operacin est dada por una funcin de probabilidad. Los valores de sta o stas
variables, se obtienen al azar.
Modelos estticos.
Son aquellos modelos que no toman en cuenta, explcitamente, a la variable
tiempo.
Modelos dinmicos.
Los modelos matemticos que tratan de las interacciones que varan con el
tiempo, se denominan modelos dinmicos.
Los modelos que se han considerado como propios de la IO, por ser los que en
escencia se aplican con mayor frecuencia y por lo mismo se les han dedicado ms
horas de estudio son:
- Programacin lineal
- Programacin no lineal
- Programacin entera
- Programacin binaria
- Programacin de metas mltiples
- Redes de optimizacin
- Modelos de inventarios
- Lneas de espera
- Teora de juegos
- Anlisis de decisiones
- Cadenas de Markov
- Programacin dinmica
- Simulacin de sistemas

La mayora de estos modelos dan soluciones analticas y por tanto exactas
mientras que la tcnica de la simulacin proporciona soluciones numricas lo que
les da un carcter de aproximacin en los resultados.
En otro orden de ideas, un enfoque diferente a la representacin por medio de
modelos de sistemas complejos consiste en utilizar la simulacin. La tcnica de
simulacin involucra tanto a modelos matemticos como lgicos. Un modelo de
simulacin divide el sistema representado en mdulos bsicos o elementales a
los que les corresponde, generalmente un modelo matemtico y que despus se
enlazan entre si va relaciones lgicas bien definidas; utilizando la estructura SI......
, .....ENTONCES..... Por lo tanto, partiendo del mdulo de entrada, las operaciones
de clculo pasarn de un mdulo a otro hasta que se obtenga un resultado de
salida.
Los modelos de simulacin, en comparacin con los modelos matemticos,
ofrecen una mayor flexibilidad en la representacin de sistemas complejos, la
razn principal es que la simulacin enfoca el sistema desde un nivel bsico
elemental. Por otra parte, la modelacin matemtica tiende a considerar el sistema
desde un nivel menos detallado.

EL METODO SIMPLEX
PARA SOLUCIN DE PROBLEMAS DE PROGRAMACIN LINEAL
Es un procedimiento iterativo que permite ir mejorando la solucin a
cada paso. El proceso concluye cuando no es posible seguir
mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el
mtodo consiste en buscar sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs de los lados del
modelo (o de las aristas del poliedro, si el nmero de variables es
mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se
podr encontrar la solucin. Con miras a conocer la metodologa que
se aplica en el Mtodo SIMPLEX, vamos a resolver el siguiente
problema:
Ejemplo:
Maximizar y x P 2 . 1 + = o de forma equivalente y x P
5
6
+ = (funcin objetivo)
Sujeto a las siguientes restricciones:
300 3
180 2
s +
s +
y x
y x

Convertir las desigualdades en igualdades e introducir sus variables de holgura (u, v).
Nota: Las variables de holgura son positivas y nicamente sern para las ecuaciones.
u y x + + 2 180 =
y x 3 + 300 = + v
Igualar a cero la funcin objetivo. y x P
5
6
+ =
0
5
6
= + P y x
Paso uno: Plantear la tabla smplex inicial. (Utilizando los coeficientes del sistema).

u y x + + 2 180 =
y x 3 + v + 300 =
y x
5
6
0 = + P

x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 -6/5 0 0 1 0 Funcin objetivo




Paso dos: Determinar si ha alcanzado la solucin ptima. Primero se consulta la tabla
smplex inicial.

x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 - 6/5 0 0 1 0 Funcin objetivo

Como existen entradas negativas en el ltimo rengln o fila de dicha tabla la
solucin inicial no es ptima. Se contina en el paso tres.
Nota: En la funcin objetivo no debemos tener entradas negativas.

Paso tres: Realizar las siguientes iteraciones.
Primero, se localiza el elemento pivote.
a) Como la entrada - 6/5 es la ms negativa a la izquierda de la recta
numrica en el ltimo rengln o fila de la tabla smplex inicial, la segunda
columna de la tabla ser la columna pivote.

x y u v P Constante
2 1 1 0 0 180 (180/1) = 180
1 3 0 1 0 300____ (300/3) = 100
- 1 - 6/5 0 0 1 0
b) Se divide cada nmero positivo en la columna pivote entre la entrada
correspondiente en la columna de constantes y se comparan las razones
as obtenidas. Se ve que la razn 300/3 es menor que la razn 180/1,
de modo que el segundo rengln o fila de la tabla es el rengln pivote.
Nota: La razn que resulte menor, indicara cual es el rengln pivote.




x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 - 6/5 0 0 1 0

c) La entrada 3, que esta en el cruce de la columna pivote y el rengln o fila
pivote es el elemento pivote (3).

x y u v P Constante
2 1 1 0 0 180
1 3 0 1 0 300____
- 1 - 6/5 0 0 1 0
A continuacin, se convierte este elemento pivote en un 1, multiplicando todas las
entradas del rengln o fila pivote por 1/3. Entonces, al utilizar operaciones elementales
por rengln o fila, se concluye la conversin de la columna pivote en una columna unitaria.

Los detalles de la iteracin se registran como sigue:


x y u v P Constante Razn
2 1 1 0 0 180 180/1
Rengln pivote 1 3 0 1 0 300____ 300/3
- 1 - 6/5 0 0 1 0



Columna pivote

Desarrollando
x y u v P Constante Razn
2 1 1 0 0 180 180/1
1/3 3/3 0/3 1/3 0/3 300/3____ 300/3
- 1 - 6/5 0 0 1 0


x y u v P Constante Razn
Rengln 1 2 1 1 0 0 180 180/1 = 180
Rengln 2 (Pivote) 1/3 1 0 1/3 0 100____ 300/3 = 100
Rengln 3 - 1 - 6/5 0 0 1 0

Restarle al Rengln 1 el Rengln 2 (Pivote), (
2 1
R R ).

Para x =
3
5
3
1
3
6
= Para y = 0 1 1 = Para u = 1 0 1 = Para v =
3
1
3
1
0 =

Para P = 0 0 0 = Para la constante = 180 100 = 80






Los nuevos valores encontrados para las variables formaran la siguiente iteracin.

Para x =
3
5
Para y = 0 Para u = 1 Para v =
3
1


Para P = 0 Para la constante = 80

x y u v P Constante
Rengln 1 5/3 0 1 -1/3 0 80
Rengln 2 (Pivote) 1/3 1 0 1/3 0 100____
Rengln 3 - 1 - 6/5 0 0 1 0

Sumarle al numero - 6/5 de la columna pivote, del rengln 3 (Objetivo), la cantidad
de (6/5), para que al sumarlos se elimine el numero negativo - 6/5, y quede cero y
as poder eliminar el primer numero negativo en nuestro objetivo.
- 6/5 + 6/5 = 0

A cada una de las variables del rengln 3 le sumamos el producto que resulte de
multiplicar 6/5, por el valor que tenga cada una de las variables del rengln 2.

)) )( 5 / 6 ( (
2 3
R R + :

Para x = ( )
5
3
15
9
15
6
15
15
15
6
1
3
1
5
6
1 = = + = + =
|
.
|

\
|
|
.
|

\
|
+
Para y = ( ) 0
5
6
5
6
1
5
6
5
6
= + =
|
.
|

\
|
+
|
.
|

\
|

Para u = ( ) ( ) 0 0 0 0
5
6
0 = + =
|
.
|

\
|
+
Para v = ( )
5
2
15
6
3
1
5
6
0 = =
|
.
|

\
|
|
.
|

\
|
+

Para P = ( ) ( ) 1 0
5
6
1 =
|
.
|

\
|
+

Para la constante = ( ) 120
5
600
100
5
6
0 = =
|
.
|

\
|
+
















x y u v P Constante
Rengln 1 5/3 0 1 -1/3 0 80
Rengln 2 (Pivote) 1/3 1 0 1/3 0 100____
Rengln 3 -3/5 0 0 2/5 1 12( )
5
2
15
6
3
1
5
6
0 = =
|
.
|

\
|
|
.
|

\
|
+ 0

Esto completa una iteracin. El ltimo rengln de la tabla simplex contiene un
nmero negativo, de modo que no se ha alcanzado la solucin ptima; por lo tanto,
se repite el paso iteractivo una vez ms.

Paso uno: Plantear la tabla smplex inicial.

x y u v P Constante
Rengln 1 5/3 0 1 -1/3 0 80
Rengln 2 1/3 1 0 1/3 0 100____
Rengln 3 -3/5 0 0 2/5 1 120

Paso dos: Determinar si ha alcanzado la solucin ptima. Primero se consulta la tabla
smplex inicial. Como existen entradas negativas en el ultimo rengln o fila de
dicha tabla la solucin inicial no es ptima. Se contina en el paso tres.

x y u v P Constante
Rengln 1 5/3 0 1 -1/3 0 80
Rengln 2 1/3 1 0 1/3 0 100____
Rengln 3 -3/5 0 0 2/5 1 120
Paso tres: Realizar las siguientes iteraciones.
Primero, se localiza el elemento pivote.
a) Como la entrada - 3/5 es la ms negativa a la izquierda de la recta
numrica en el ultimo rengln o fila de la tabla smplex inicial, la primera
columna de la tabla ser la columna pivote.

x y u v P Constante
Rengln 1 5/3 0 1 -1/3 0 80 (80/(5/3)) = 48
Rengln 2 1/3 1 0 1/3 0 100____ (100/(1/3)) = 300
Rengln 3 -3/5 0 0 2/5 1 120

b) Se divide cada nmero positivo en la columna pivote entre la entrada
correspondiente en la columna de constantes y se comparan las razones
as obtenidas. Se ve que la razn (80) / (5/3) es menor que la razn
(100) / (1/3), de modo que el primer rengln o fila de la tabla es el
rengln
pivote.

x y u v P Constante Razn para
rengln pivote.
Rengln 1 5/3 0 1 -1/3 0 80 (80) / (5/3) =
48
Rengln 2 1/3 1 0 1/3 0 100____ (100) / (1/3) =
300
Rengln 3 -3/5 0 0 2/5 1 120




c) La entrada 5/3, que esta en el cruce de la columna pivote y el rengln o
fila pivote es el elemento pivote.
x y u v P Constante
Rengln 1 (Pivote) 5/3 0 1 -1/3 0 48
Rengln 2 1/3 1 0 1/3 0 100____
Rengln 3 -3/5 0 0 2/5 1 120



Columna pivote
A continuacin, se convierte este elemento pivote en un 1 y multiplicando todas las
entradas del rengln o fila pivote por 3/5. Entonces, al utilizar operaciones elementales
por rengln o fila, se concluye la conversin de la columna pivote en una columna unitaria.
Los detalles de la iteracin se registran como sigue:
(3/5) ( cada una de las entradas del rengln )
Para x = 1
5
3
3
5
=
|
.
|

\
|
|
.
|

\
|
Para y = 0
5
3
) 0 ( =
|
.
|

\
|
Para u =
5
3
5
3
) 1 ( =
|
.
|

\
|

Para v =
5
1
15
3
5
3
3
1
= =
|
.
|

\
|
|
.
|

\
|
Para P = 0
5
3
) 0 ( =
|
.
|

\
|


Desarrollando
x y u v P Constante
Rengln 1 (Pivote) 1 0 3/5 -1/5 0 48
Rengln 2 1/3 1 0 1/3 0 100____
Rengln 3 -3/5 0 0 2/5 1 120

Restarle al Rengln 2, la cantidad de (1/3) que multiplica al (Rengln 1 (Pivote)), en
este caso se utiliza (1/3) por estar en la columna pivote y ayudara en convertir ese
elemento en cero. ( )
1 2
3
1
R R
Para x = 0
3
1
3
1
) 1 (
3
1
3
1
= =
|
.
|

\
|
Para y = ( ) 1 0
3
1
1 =
|
.
|

\
|

Para u =
5
1
15
3
5
3
3
1
0 = =
|
.
|

\
|
|
.
|

\
|

Para v =
5
2
15
6
15
1 5
15
1
3
1
5
1
3
1
3
1
= =
+
= + =
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|

Para P = 0 0 0 =

Para la constante = 84 16 100 ) 48 (
3
1
100 = =
|
.
|

\
|


x y u v P Constante
Rengln 1 (Pivote) 1 0 3/5 -1/5 0 48
Rengln 2 0 1 -1/5 2/5 0 84____
Rengln 3 -3/5 0 0 2/5 1 120 OBJETIVO

Sumarle al Rengln 3 (Objetivo), la cantidad de (3/5) que multiplica al (Rengln 1
(Pivote)), en este caso se utiliza 3/5 para que al sumarlo con - 3/5 estos se eliminen,
quedando cero y as poder eliminar el numero negativo en nuestro objetivo.

Sumarle al rengln 3, 3/5 del rengln 1 )) )( 5 / 3 ( (
1 3
R R + :
Para x = ( ) 0
5
3
5
3
1
5
3
5
3
= + =
|
.
|

\
|
+
|
.
|

\
|
Para y = ( ) ( ) 0 0 0 0
5
3
0 = + =
|
.
|

\
|
+
Para u = ( )
25
9
25
9
0
5
3
5
3
0 = + =
|
.
|

\
|
|
.
|

\
|
+
Para v =
25
7
25
3 10
25
3
5
2
5
1
5
3
5
2
=

= =
|
.
|

\
|

|
.
|

\
|
+
|
.
|

\
|

Para P = 1 0 1 ) 0 (
5
3
1 = + =
|
.
|

\
|
+
Para la constante = ( )
5
4
148
5
744
5
144 600
5
144
120 48
5
3
120 = =
+
= + =
|
.
|

\
|
+

x y u v P Constante
Rengln 1 (Pivote) 1 0 3/5 -1/5 0 48
Rengln 2 0 1 -1/5 2/5 0 84____
Rengln 3 0 0 9/25 7/25 1 148 (4/5) OBJETIVO

Por lo tanto el ltimo rengln de la tabla simplex ya no contiene nmeros negativos,
por lo cual se concluye que se ha alcanzado la solucin ptima.


Paso 4: Determinar la solucin optima: Se localizan las variables bsicas en tabla final.
En este caso, las variables bsicas ( las que encabezan columnas unitarias)
son x, y, y P.
El valor asignado a la variable bsica x es el nmero 48, que es la entrada que
se
encuentra en la columna de constantes y en el primer rengln ( el rengln que
contiene al 1).
El valor asignado a la variable bsica y es el numero 84, que es la entrada que
se
encuentra en la columna de constantes y en el segundo rengln ( el rengln que
contiene al 1 ).

El valor encontrado para el objetivo P es
5
4
148

x y u v P Constante
Rengln 1 (Pivote) 1 0 3/5 -1/5 0 48
Rengln 2 0 1 -1/5 2/5 0 84____
Rengln 3 0 0 9/25 7/25 1
5
4
148 OBJETIVO


Se concluye que x = 48, y = 84 y P =
5
4
148


COMPROBACIN SUSTITUCIN DESARROLLO

y x P
5
6
+ = ) 84 (
5
6
48
|
.
|

\
|
+ = P
5
4
148
5
744
5
504 240
5
504
48
= =
+
=
|
.
|

\
|
+ = P


COMPROBANDO EL SISTEMA:


2
1

ecuacin
ecuacin

300 3
180 2
= +
= +
y x
y x

) 2 (
) 1 (

600 6 2
180 2
= +
=
y x
y x



84
5
420
420 5
= =
=
y
y


Sustituyendo y en 1 o 2.

48
2
96
2
84 180
180 84 2
=
=

=
= +
x
x
x

48
252 300
300 ) 84 ( 3
=
=
= +
x
x
x






Para graficar tenemos que convertir las igualdades en funciones,

Ecuacin Funcin

180 2 = + y x 180 2 + = x y
300 3 = + y x
3
300 +
=
x
y

Dar valores a la variable independiente x.





Punto de interseccin ( x, y )

( 48, 84 )












ZONA OPTIMA




100 200 300 x
100
200
y
C (48,84)
A (0,0)
B (0,90)
D (0,100)

Mtro. Ren Bretn Salinas.
PROBLEMA DE MINIMIZACIN
En el siguiente ejemplo de problema de programacin lineal, hay que minimizar la funcin
objetivo.
Un nutrilogo asesora a un individuo que sufre de una deficiencia de hierro y vitamina B,
y le indica que debe ingerir al menos 2400 mg de hierro, 2100 mg de vitamina
1
B
(tiamina) y 1500 de vitamina
2
B (riboflavina) durante cierto periodo. Existen dos
pldoras de vitaminas disponibles, la marca A y la marca B.

Cada pldora de la marca A contiene 40 mg de hierro, 10 mg de vitamina
1
B , 5 mg
de vitamina
2
B y cuesta 6 centavos.
Cada pldora de la marca B contiene 10 mg de hierro, 15 mg de vitamina
1
B y de
vitamina
2
B , y cuesta 8 centavos.
Cules combinaciones de pldora debe comprar el paciente para cubrir sus
requerimientos de hierro y vitamina al menor costo?
Planteamiento del problema.

Vitaminas


Marca A

Marca B

Requerimientos
Mnimos

Hierro


40 mg

10 mg

2400 mg

Vitamina
1
B


10 mg

15 mg


2100 mg

Vitamina
2
B


5 mg

15 mg

1500 mg

Costo de la pldora.


6 centavos

8 centavos




Datos:

Sea x el nmero de pldoras de la marca A
Sea y el nmero de pldoras de la marca B
El costo C, medido en centavos, por lo tanto C = A + B

Planteamiento del problema:

Sustituyendo A por su valor en centavos que multiplica a la variable x, por lo tanto
( A = x 6 ).

Sustituyendo B por su valor en centavos que multiplica a la variable y , por lo tanto
( B = 8y ).

Sustituyendo A y B con sus nuevos valores en la expresin algebraica C = A + B,
obtendremos la funcin objetivo por minimizar.


C = A + B
C = x 6 + y 8 Funcin objetivo por minimizar.

La cantidad de hierro contenida en x pldora de la marca A y y pldora de la marca
B esta dada por y x 10 40 + mg, y esto debe ser mayor o igual a 2400 mg, esto se
traduce en la desigualdad.

2400 10 40 > + y x

Consideraciones similares con los requisitos mnimos de vitamina
1
B y
2
B conducen
a las desigualdades respectivamente

1500 15 5
2100 15 10
> +
> +
y x
y x


As, el problema en este caso consiste en minimizar C = x 6 + y 8 sujeta a las
restricciones siguientes.

2400 10 40 > + y x
1500 15 5
2100 15 10
> +
> +
y x
y x

, 0 > x 0 > y







Solucin por el Mtodo Grafico:
1.- Ecuacin 2400 10 40 = + y x , Funcin
10
40 2400 x
y

=
2.- Ecuacin 2100 15 10 = + y x Funcin
15
10 2100 x
y

=
3.- Ecuacin 1500 15 5 = + y x Funcin
15
5 1500 x
y

=