OPTIMIZACIN Y SIMULACIN

PARA LA EMPRESA
Tema 2
Programacin Lineal

ORGANIZACIN DEL TEMA

Sesiones:

Introduccin, definicin y ejemplos

Propiedades y procedimientos de solucin

Interpretacin econmica

ORGENES DE LA PL

George Dantzig fue el fundador de la Programacin Lineal

(PL)

Desarroll el mtodo Simplex en 1947

Algoritmo inteligente que busca la solucin ptima entre

un conjunto muy reducido de alternativas

Coincide con el inicio de la informtica

Durante mucho tiempo constituy el ncleo de la

computacin cientfica

ORGENES DE LA PL

El primer problema de PL que se resolvi fue el problema de la dieta (9

restricciones y 77 variables)

La primera implementacin en ordenador del Simplex se realiz en 1952

Se necesitaron 9 personas trabajando durante 15 das para completar

los clculos del mtodo Simplex

Se pudo resolver un problema de PL de 48 restricciones y 71

variables en 18 horas

Actualmente se pueden resolver PLs de millones de variables y

restricciones en horas o incluso minutos

MODELOS LINEALES:
PROPIEDADES

En un modelo lineal, tanto la funcin objetivo como las restricciones son funciones
T
lineales de las variables x, a + b x

El modelo bsico de PL es:

donde c es un vector de n componentes, x es el vector de variables de decisin, A

es una matriz m x n y b es un vector de m componentes

Un vector x que satisface las restricciones se conoce como una solucin factible
(aunque quizs no sea la solucin) o un punto factible

El conjunto de todas las soluciones factibles es la regin factible

MODELOS LINEALES:
PROPIEDADES

Los PLs se pueden analizar algebraicamente o geomtricamente

Ambos enfoques son equivalentes

Enfoque algebraico: escribir la representacin matemtica del PL, por ejemplo,

Analizar las propiedades matriciales de sus componentes, en nuestro caso

MODELOS LINEALES:
PROPIEDADES
Enfoque geomtrico:

Analizar la geometra de la regin factible

175

160

140

3x1+2x2300
x1180

120

100
x2

2x2150

80

60

40

3x1+5x2=480

3x1+5x2=360
20

20

40

60

80

100
x1

120

140

160

180

200

EJEMPLO 1:
DIETA NUTRICIONAL

Problema clsico

Descripcin:

Preparar una dieta diaria para un grupo de personas asegurando una ingesta mnima de
varios componentes nutricionales (vitaminas, protenas, calcio, grasas, carbohidratos, etc.)

Se dispone de n alimentos bsicos (huevos, leche, pan, pollo) de donde se obtienen los
nutrientes

Objetivo:

Disear una dieta que garantice una alimentacin saludable (mnimo de nutrientes)

Con coste mnimo

EJEMPLO 1:
DIETA NUTRICIONAL

Datos del problema:

Alimentos bsicos:

Componentes nutricionales:

Con costes unitarios c1,, cn

Se necesitan al menos b1,, bm unidades de cada nutriente

Relacin entre alimentos y nutrientes:

Cada unidad de alimento j contiene aij unidades del nutriente i

EJEMPLO 1:
DIETA NUTRICIONAL

Modelo:

Variables: encontrar un vector dieta x = (x1,, xn) que especifique las

cantidades de cada alimento a comprar cada da

Funcin objetivo: minimizar el coste de la compra de alimentos

Restricciones: satisfacer requerimientos nutricionales

EJEMPLO 1:
DIETA NUTRICIONAL

Datos:
Alimento
Hidratos de c.
Protenas
Grasas
Coste por racin

Carne

Patatas

Req. diarios

5
20
15

15
5
2

50
40
60

Solucin: x1 = 3.7209, x2 = 2.0930, coste = 22.7907

Multiplicadores: 0.0930 (Hidratos de c.), 0 (Protenas), 0.3023

(Grasas)

EJEMPLO 1:
DIETA NUTRICIONAL

Formulacin del problema:

Variables:

Cantidades de alimentos bsicos en la dieta

x1 : carne,

x2 : patatas.

Funcin objetivo:

Coste total

min 5x1 + 2x2

Restricciones:

Cumplir con los requisitos mnimos de la dieta

5x1 + 15x2

Variables no negativas

50,

20x1 + 5x2

40,

15x1 + 2x2

60

MODELOS LINEALES:
PROPIEDADES
Problema de dieta:

10

5x1+2x2=50

6
5x1+2x2=40

x2

Regin factible

15x1+2x260

Funcin objetivo

20x1+5x240

5x1+15x250

6
x1

10

11

12

EJEMPLO 2:
CAMPAA DE MARKETING

Descripcin:
Para vender un nuevo producto, una empresa dispone de 100000 euros/semana
El producto se puede publicitar en cuatro medios:
TV, Peridicos, Radio e Internet
Los clientes potenciales captados por cada anuncio y semana, y en cada medio, son:
5000, 8500, 2400 y 2800, respectivamente
El coste semanal de un anuncio en cada medio es:
600, 925, 290 y 380, respectivamente
Cada medio impone unos lmites semanales sobre los anuncios a contratar:
30, 60, 60 y 80, respectivamente
Cmo repartir el presupuesto semanal en publicidad para conseguir la mayor
audiencia (potenciales clientes)?

EJEMPLO 2:
CAMPAA DE MARKETING

Modelo:

Variables: Encontrar, para cada medio, el nmero de anuncios a contratar por

semana, x = (x1, x2, x3, x4)

Funcin objetivo: conseguir la mxima audiencia posible

Restricciones:

Lmites presupuestarios

Nmero mximo de anuncios permitido en cada medio

No negatividad

EJEMPLO 2:
CAMPAA DE MARKETING

Modelo:

Solucin:

Contratar cada semana 30 anuncios en TV, 60

en Peridicos, 60 en Radio, y 24 en Internet

MODELOS LINEALES:
SOLUCIN

Posibles soluciones de un PL:

Existe una nica solucin ptima (en un vrtice)

Existen infinitas soluciones ptimas (en aristas, caras o

incluso la regin factible completa)

La solucin ptima es no acotada

La regin factible es vaca (problema infactible)

MODELOS LINEALES:
SOLUCIN

Si un PL es factible y acotado, entonces tiene al menos una

solucin ptima que estar en un vrtice de la regin factible

Como el nmero de vrtices de la regin es finito, basta con

buscar la solucin en ese reducido nmero de puntos

Esta es la base del algoritmo Simplex:

Algoritmo computacional basado en un procedimiento

iterativo para calcular una solucin de los PLs

Desarrollado por G.B. Dantzig en 1947, marca el origen de la

optimizacin moderna

MODELOS LINEALES:
SOLUCIN

Cmo funciona el mtodo Simplex?

1. Encontrar una solucin inicial factible (vrtice)

Se puede obtener resolviendo un problema auxiliar ms sencillo

2. Comprobar si la solucin (vrtice) es ptima

Analizando el cambio en la funcin objetivo a lo largo de las aristas que se alejan del vrtice

3. Si no es ptima, seleccionar la arista con mayor mejora en la funcin objetivo

4. Moverse, a lo largo de esa arista, al vrtice adyacente
5. Repetir 2-4 hasta encontrar una solucin ptima (en un nmero finito de pasos)

Cmo representar estos pasos en trminos algebraicos (programables)?

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Para obtener informacin til extra de la solucin del problema, necesitamos

obtener no solo los valores de la solucin, sino tambin los valores de parmetros
asociados

Nos permiten asignar precios a los recursos y lmites de la solucin

Multiplicadores de Lagrange

Y adems entender por qu un conjunto de valores es ptimo

Tambin podemos realizar un anlisis de sensitividad:

Qu le pasa a la solucin si cambiamos algn parmetro (dato) del problema?

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Los precios sombra proporcionan informacin relevante para el anlisis econmico

de la solucin de un PL

Cada restriccin tiene asociado un precio sombra

Representa el cambio en la funcin objetivo debido a un cambio unitario en el

lado derecho de la restriccin

Se puede entender cmo el valor de una unidad adicional de recurso:

Si pagamos el precio sombra por esta unidad, nuestro beneficio no cambia

El mtodo Simplex calcula los precios sombra a la vez que calcula la solucin del PL

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Para entender el significado de los precios sombra, consideramos de nuevo el

problema de la dieta:

Cuya solucin ptima es:

x1 = 3.7209, x2 = 2.0930, coste = 22.7907

Con multiplicadores:
0.0930 (Hidratos de c.), 0 (Protenas), 0.3023 (Grasas)

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Imaginemos que necesitamos proporcionar 51 gramos de hidratos de c., en lugar de 50

El problema a resolver es:

La nueva solucin ptima es:

x1 = 3.7116, x2 = 2.1628, coste = 22.8837

El coste se ha incrementado en 0.093 euros, el precio sombra asociado con la

primera restriccin

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Tambin disponemos de los precios sombra correspondientes a los

requerimientos de protenas y grasas:

La dieta ptima recomienda 84.8837 gramos de protenas, ms del doble

de la cantidad mnima requerida (40)

La solucin no cambia si incrementamos dicho lmite, y su precio

sombra es 0

Si el mnimo requerido de grasas se incrementa hasta 61 gramos, el coste

sube a 23.093 euros

El incremento del coste es 0.3023 euros (que es su precio sombra)

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Para obtener estos valores en Excel, necesitamos llamar a la herramienta Solver

Una vez obtenemos la solucin, seleccionamos Sensitividad en la ventana de dilogo

Obtenemos una nueva hoja con la informacin que se muestra:

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Otros valores relevantes en la solucin de un PL son los costes reducidos

Un coste reducido se asocia a una variable con valor ptimo 0, o en su cota
inferior
Representa el cambio en la funcin objetivo cuando la variable pasa a valer 1 (o
una unidad superior que su cota inferior)
Interpretacin del coste reducido:
Coste de empezar una nueva actividad (no llevada a cabo previamente)
Si las variables tienen cotas superiores ub, los costes reducidos se asocian a las
mismas:
Representan el cambio en el objetivo si la variable toma el valor ub + 1,
Representan el beneficio asociado a un incremento unitario en esa variable,
que ya estaba en su nivel mximo

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Para el problema de la campaa de marketing:

Maximizar audiencia, elegir nmero de anuncios en cada medio

Informe obtenido a travs de la opcin Sensitividad:

INTERPRETACIN ECONMICA
DE LA SOLUCIN

De los anteriores valores, se deduce que:

El precio sombra asociado al presupuesto es 7.3684

El nmero ptimo de anuncios de Internet es 0 < 23,9474 < 80

Cada anuncio adicional incrementara la audiencia en 578.9474 clientes

El ptimo de anuncios en Peridicos est en su cota superior (=60) y su coste reducido es

1684.2105

Su coste reducido es 0

El ptimo de anuncios en TV est en su cota superior (=30) y su coste reducido es 578.9474

Cada euro adicional de presupuesto incrementara la audiencia en 7.3684 clientes

Cada anuncio adicional incrementara la audiencia en 1684.2105 clientes

El ptimo de anuncios en Radio est en su cota superior (=60) y su coste reducido es

263.1579

Cada anuncio adicional incrementara la audiencia en 263.1579 clientes

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Finalmente, tambin podemos obtener informacin extra sobre los

mximos cambios permitidos en los parmetros que no afectaran a la
solucin

En problema dieta, seleccionamos Sensitividad y obtenemos:

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Observemos los valores de las columnas Allowable increase y

Allowable decrease

Para cambios en los parmetros de la funcin objetivo se tiene:

El valor del coste de la carne podra subir hasta 5 + 10 y la

solucin no cambiara, s el coste de la dieta (ms cara)

Se podra reducir hasta 5 - 4.33 y la solucin no cambiara

La solucin tambin se mantendra para precios de patatas en el

intervalo [0.67,15]

INTERPRETACIN ECONMICA
DE LA SOLUCIN

Para el lado derecho de las restricciones se tiene:

Los lmites de grasa se podran incrementar hasta 60 + 90 y disminuir hasta 60 - 35.09

sin afectar la solucin

Consideremos el caso para el que el lmite de grasa se fija en 61. La nueva solucin es:

En este caso, la solucin ha cambiado. Por qu?

Qu restricciones estn activas en la solucin

Qu valores valores toman los multiplicadores de Lagrange