Beruflich Dokumente
Kultur Dokumente
INTRODUCCIN
por ejemplo:
Modelo standard de Programacin Lineal
Optimizar Z = C1X1+ C1X2 +.+ Cn Xn).
Funcin objetivo.
Sujeta a a11X1+ a11X2 +..+ a1nXn) ( b1
a21X1+ a21X2 +..+ a2nXn) ( b1
Restricciones
Cada ecuacin debe tener una nica variable bsica(VB), con el coeficiente unidad
en la fila correspondiente.
Esta solucin bsica debe ser examinada para observar si puede ser mejorada. La
presencia de coeficientes negativos en la FO indica que la solucin bsica puede ser
mejorada, pues el valor de Z se incrementar.
Cuando no hay coeficientes negativos, significa que la solucin es ptima.
Para encontrar una solucin mejorada es necesario:
3. Requiere que la funcin objetivo sea expresada de tal forma que cada variable
bsica tenga como coeficiente 0
4. Requiere que cada variable bsica aparezca en una y solamente una ecuacin
de restriccin
En base a todo lo expuesto anteriormente considero que Un problema de
programacin lnea no solo se lo puede comprobar por el mtodo grafico sino que para
su mayor seguridad se puede optar por el mtodo simplex que de acuerdo al autor este
requiere de ciertos procedimientos para su construccin , no obstante es el de mos mas
sencillos y efectivos a la hora de dar solucin a problemas de optimizacin. A
continuacion precentare un ejercicio donde se dara solucin a un problema especifico y
se explicara paso a paso
Z = f(x,y) = 3x + 2y
2x + y 18
2x + 3y 42
3x + y 24
x0,y0
x pasa a ser X1
y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos
no es necesario hacer nada. En caso contrario habra que multiplicar por "-1" en
ambos lados de la inecuacin (teniendo en cuenta que esta operacin tambin
afecta al tipo de restriccin).
1. En este caso se introduce una variable de holgura (X3, X4 y X5) en cada una de
las restricciones del tipo , para convertirlas en igualdades, resultando el sistema de
ecuaciones lineales:
2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24
2.
3.
La tabla inicial del mtodo Simplex est compuesta por todos los coeficientes
de las variables de decisin del problema original y las de holgura, exceso y
artificiales agregadas en el paso 2 (en las columnas, siendo P0 el trmino
independiente y el resto de variables Pi coinciden con Xi), y las restricciones (en
las filas). La columna Cb contiene los coeficientes de las variables que se
encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo,
mientras que la ltima fila contiene el valor la funcin objetivo y loscostes
reducidos Zj - Cj.
La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j
= 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij. Aunque al tratarse de la
primera tabla del mtodo Simplex y ser todos los Cb nulos se puede simplificar
el clculo, y por esta vez disponer Zj = -Cj.
1.
Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no
existe ningn valor negativo entre los costes reducidos (columnas P1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
6.1. La variable que entra en la base es X2 (P2), por ser la variable que
corresponde a la columna donde se encuentra el coeficiente -1.
6.2. Para calcular la variable que sale, se dividen los trminos de la columna
P0 entre los trminos correspondientes de la nueva columna pivote: 2 / 1/3 [=6] , 26 /
7/3 [=78/7] y 8 / 1/3 [=24]. Como el menor cociente positivo es 6, la variable que sale
de la base es X3 (P3).
Una nueva comprobacin de la condicin de parada revela que entre los elementos de la
fila indicadora vuelve a haber uno negativo, -1. Significa que aun no se ha llegado a la
solucin ptima y hay que seguir iterando (pasos 6 y 7):
6.1. La variable que entra en la base es X5 (P5), por ser la variable que
corresponde al coeficiente -1.
6.2. Se escoge la variable que sale calculando el cociente entre los trminos de la
columna de trminos independientes y los trminos correspondientes de la nueva
columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. En esta ocasin es X4 (P4).
Crys Montes,
CONCLUSIN
En este trabajo he considerado la programacin lineal como una herramienta vital
para el desarrollo de soluciones amplias en diversas reas que favorecen a la evolucin
de la sociedad, tanto tecnolgica como econmicamente. La programacin lineal est
compuesta por una serie de mtodos que permiten su aplicacin en todas las reas con
las que se relaciona.
Puedo concluir afirmando que la investigacin de operaciones mediante la
programacin lineal y los diversos mtodos que la componen nos permitir formular y
resolver diferentes problemas direccionados a la toma de decisiones, en donde la
naturaleza de dichos problemas depender los modelos matemticos a utilizar.
BIBLIOGRAFIA
Crys Montes (2015) modelos de programacin entera Tijuana Mexico recuperado de:
http://es.slideshare.net/krizx/modelos-de-programacion-entera
Marrero F.., (2007) Herramientas para la toma decisiones: La Programacin Lineal
B.C.S.
Mxico,
recuperado
http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
de: