Beruflich Dokumente
Kultur Dokumente
FACULTAD:
Ingeniera Industrial, Sistema e Informtica
ESCUELA:
Ingeniera Informtica
CURSO:
Investigacin Operativa
DOCENTE:
Dr. Prez Ramrez, Jos Luis
ALUMNOS:
Garca Reynoso, Marcelo
Ramn Susanibar, Axel
Sacramento Chumbes, Julio
HUACHO PERU
INDICE
Tabla de contenido
1. Programacin Lineal Mtodo Grafico ............................................................................................. 4
2. El Mtodo Simplex .......................................................................................................................... 7
2.1.Simplex Minimizacin ............................................................................................................... 7
2.2. Simplex Maximizacin ............................................................................................................ 13
3.El Mtodo M................................................................................................................................... 21
4.El Metodo simplex........................................................................................................................ 217
5.Analisis de sensibilidad................................................................................................................... 31
6.Modelo de transporte .................................................................................................................... 43
Investigacin Operativa Pgina 3
1. Programacin Lineal Mtodo Grafico
La solucin de un modelo de programacin Lineal por medio del mtodo
grfico, consiste en la bsqueda de la combinacin de valores para las
variables de decisin que optimicen el valor de la funcin objetivo, si es que
dicha combinacin existe.
Grficamente se define una regin que deje satisfechas a todas y cada una de
las restricciones y se sigue un criterio de decisin.
De forma prctica slo problemas de tres variables de decisin o menos
sern representables y solucionables siguiendo este mtodo.
A la regin que satisface a todas y cada una de las restricciones de un modelo
de programacin Lineal se le llama REGION FACTIBLE y consiste de todas las
combinaciones de los valores para las variables de decisin, que son vlidas
como una solucin del modelo.
Se determinan todos los vrtices de la regin de factibilidad. Se evala
la funcin objetivo para cada uno de los puntos de cada esquina.
Se define como punto ptimo a aquel que alcance el mejor valor en la
funcin objetivo y se establece siguiendo uno de los dos criterios:
o En maximizacin, el mayor valor
o En minimizacin, el menor valor
Ejercicio:
Max Z=10x1+12x2
s.a:
4x1+8x2 480
5x1+6x2 600
12x1+8x2 4
x1,x2 0
4x1+8x2=480(1)
0 120
60 0
5x1+6x2=600(2)
0 120
100 0
12x1+8x2=540(3)
0 45
67.5 0
Solucin ptima:
1 = 7.5
2 = 56.25
= 750
Se puede concluir que:
Grficamente la asignacin ptima de variables, se localiza el punto dnde la
funcin objetivo adquiere su mejor valor, si es que dicho punto existe.
El mejor valor se determina ya sea explorando todos los puntos de cada
esquina (vrtices).
La solucin puede clasificarse como nica, no existente o mltiple.
x1 x2 s1 s2 s3
P1 0 0 4 12 18
S1 0 1 0 1 0 0 4
S2 0 0 2 0 1 0 12
S3 0 3 2 0 0 1 18
Zj - Cj 3 5 0 0 0 0
Simplex Tabular
Ya obtenida la Tabla 1, el Mtodo Simplex se pregunta: La Tabla 1 es
ptima? (es decir, el punto P1 es ptimo?).
Para ello observamos el rengln (Zj Cj), que da slo informacin de
las Variables No Bsicas.
Para Minimizacin:
Coeficientes de las
Si unrestricciones Valor
valor del rengln (Zj Cj) es positivo, indica que Objetivo
al darle valores a
la variable no bsica respectiva, mejora la funcin objetivo.
Si un valor del rengln (Zj Cj) es negativo, indica que al darle valores
a la variable no bsica respectiva empeora la funcin objetivo.
Si un valor del rengln (Zj Cj) es cero, indica que al darle valores a la
variable no bsica respectiva, no hay cambio en la funcin objetivo.
Criterio de Parada:
Columna entrante
Tabla 1
Sale S2
Para darle valores a la variable X2 (es decir, volver bsica a X2), debe
salir de la solucin actual una de las variables bsicas (es decir, una de
ellas deber volverse no bsica o cero).
Para saber cul variable bsica actual sale, el Criterio de Salida es con
base en la Razn Mnima ()
Se calcula dividiendo el elemento de la columna R.H.S con el elemento
de la columna entrante, siempre que el elemento de esta ltima
columna sea positivo.
Tabla 1
Investigacin Operativa Pgina 9
Variables Coeficientes en la x1 x2 S1 S2 S3 Solucin
Bsicas Funcin Objetivo (R.H.S.)
(Cj)
S1 0 1 0 1 0 0 4
S2 0 0 2 0 1 0 12
S3 0 3 2 0 0 1 18
Zj - Cj 3 5 0 0 0 0
1 0 1 0 0 4 1 0 1 0 0 4 r4 -5r2 1 0 1 0 0 4
0 12 0 6 0
2 0 1 0 1 0 1/ 2 0
1 0 1/ 2 0 6
3 18 r2 / 2 3 18 3
2 0 0 1 2 0 0 1 r3 -2r2 0 0 1 1 6
3 5 0 0 0 0 3 5 0 0 0 0 3 0 0 5/ 2 0 30
Tabla 2
S1 0 1 0 1 0 0 4 4/1 =4
x2 -5 0 1 0 1/2 0 6 -
S3 0 3 0 0 -1 1 6 6/3 =2
-
Zj - Cj 3 0 0 5/2 0 -30
x1 x2 s1 s2 s3
P2 0 6 4 0 6 Fact
-
S1 0 0 0 1 1/3 1/3 2
x2 -5 0 1 0 1/2 0 6
-
x1 -3 1 0 0 1/3 1-3 2
-
Zj Cj 0 0 0 3/2 -1 -36
x1 x2 s1 s2 s3
P5 2 6 2 0 0 Fact
Ejercicio
Maximizar: Z = f(x1, x2) = 3x1 + 2x2
Sujeto a:
2x1 + x2 18
2x1 + 3x2 42
3x1 + x2 24
x1 0 , x2 0
Pasos:
Convertir las desigualdades en igualdades:
Se introduce una variable de holgura por cada una de las restricciones, este
caso s1, s2, s3 para convertirlas en igualdades y formar el sistema de
ecuaciones estndar. Usando en simplex el siguiente criterio:
Signo: Introducir
sn
Tablero Inicial
Base Variable de Variable de holgura Solucin
decisin
X1 X2 S1 S2 S3
S1 2 1 1 0 0 18
S2 2 3 0 1 0 42
S3 3 1 0 0 1 24
Z -3 -2 0 0 0 0
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las
variables correspondientes puede salir de la base.
En la interseccin de la fila pivote y columna pivote tenemos el elemento
pivote operacional, 3, este indica que la variable de decisin X1 entra y la
variable de holgura S3 sale.
5. Encontrar los coeficientes para el nuevo tablero de simplex.
Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos
los coeficientes de la fila por el pivote operacional 3, ya que este se
debe convertir en 1.
A continuacin mediante la reduccin gaussiana hacemos ceros los
restantes trminos de la columna pivote, con lo que obtenemos los
nuevos coeficientes de las otras filas incluyendo los de la funcin
objetivo Z.
Como en los elementos de la ltima fila hay un nmero negativo, -1, significa
que no hemos llegado todava a la solucin ptima. Hay que repetir el
proceso:
La variable que entra en la base es x2, por ser la columna pivote que
corresponde al coeficiente -1
Para calcular la variable que sale o la fila pivote, dividimos los
trminos de la columna solucin entre los trminos de la nueva
columna pivote:
y como el menor cociente positivo es 6, tenemos que la fila pivote y
la variable de holgura que sale es S1.
El elemento pivote, que ahora hay que hacer 1, es 1/3,Y se opera de
forma anloga a la anterior iteracin
Iteracin No. 3
Base Variable de Variable de holgura Solucin Operacin
decisin
X1 X2 S1 S2 S3
X2 0 1 3 0 -2 6 No se toma por
ser negativo
S2 0 0 -7 0 4 12 12/4 = 3
X1 1 0 -1 0 1 6 6/1 = 6
Z 0 0 3 0 -1 30
Tablero Final
Base Variable de Variable de holgura Solucin
decisin
X1 X2 S1 S2 S3
X2 0 1 -1/2 0 0 12
S3 0 0 -7/4 0 1 3
X1 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Ejercicio:
MINIMIZAR Z = 4X1 + X2
SUJETO A:
3X1 + X2 = 3
4X1 + 3X2 >= 6
X1 + 2X2 <= 4
X1, X2 >= 0
Pasos:
Igualar restricciones tenindose en cuenta lo siguiente:
>= +R, -S
<= +S
= +R
Entonces:
3X1 + X2 + R1 = 3
4X1 + 3X2 + R2 -S1 = 6
X1 + 2X2 + S2 = 4
Para nuestra funcin objetivo
M MAX = -
M MIN = +
R1 = 3 X1 = 0
R2 = 6 X2 = 0
S2 = 4 S1 = 0
Z 1 -4 + -1 + 0 0 -M 0 9M
7M 4M
R1 0 3 1 1 0 0 0 3 3/3 =
1
R2 0 4 3 0 1 -1 0 6 6/4 =
1,5
S2 0 1 2 0 0 0 1 4 4/1 =
4
PARA: R2
R2 0 4 3 0 1 -1 0 6
PARA: S2
S2 0 1 2 0 0 0 1 4
R1 0 1 1/3 1/3 0 0 0 1
R2 0 0 5/3 -4/3 1 -1 0 2
S2 0 0 5/3 - 1/3 0 0 1 3
PARA: x1
x1 1 1 1/3 1/3 0 0 0 1
-(1/3)*E.P. 0 0 -1/3 4/15 -1/5 1/5 0 -2/5
RESULT. 0 1 0 3/5 -1/5 1/5 0 3/5
(X1)
PARA: s2
s2 0 0 5/3 -1/3 0 0 1 3
-(5/3)*E.P. 0 0 -5/3 4/3 -1 1 0 -2
RESULT. (S2) 0 0 0 1 -1 1 1 1
Ecuacin h2 0 -2 -3 0 0 1 0 -4
-(-3) (NEP) 0 18/5 3 0 3/5 0 0 3
0 8/5 0 0 3/5 1 0 -1
ecuacin h3 0 -3 0 0 0 0 1 -5
-(0) (NEP) 0 0 0 0 0 0 0 0
0 -3 0 0 0 0 1 -5
V. base z Y1 Y2 Y3 H1 H2 H3 Solucin
Z 1 170 0 -20 30 0 0 -150
H1 0 -6/5 1 0 -1/5 0 0 1
H2 0 8/5 0 0 -3/5 1 0 -1
H3 0 -3 0 1 0 0 1 -5
2 Iteracin
Y3 = 0 -3 0 1 0 0 1 -5
Ecuacin z 1 170 0 -20 30 0 0 -150
anterior
-(-20) (NEP) 0 -60 0 20 0 0 20 -100
1 110 0 0 30 0 20 -250
V. base z Y1 Y2 Y3 H1 H2 H3 Solucin
Z 1 0 0 110/3 30 0 110/3 -1300/3
H1 0 0 0 8/15 3/5 2 8/5 13/3
H2 0 0 1 2/5 1/5 0 2/5 -1
H3 0 0 0 -1/3 0 0 -1/3 5/3
4 iteracin
H1 = 0 0 0 8/9 1 5/3 8/9 -25/9
Ecuacin Z 1 0 0 110/3 30 0 110/3 1300/3
anterior
-(30) (NEP) 0 0 0 -80/3 -30 50 -80/3 250/3
1 0 0 10 0 50 10 1550/3
V. base z Y1 Y2 Y3 H1 H2 H3 Solucin
Z 1 0 0 10 0 50 10 1550/3
H1 0 0 1 2/9 0 -1/3 2/9 4/9
H2 0 0 0 8/9 1 5/3 8/9 65/9
H3 0 1 0 -1/3 0 0 -1/3 5/3
Modelo optimo porque no tenemos valores negativos en la columna
Solucin.
Nuestro valor real es = 1550/3
5. Anlisis de sensibilidad
El anlisis de sensibilidad es muy til para la programacin lineal, consiste en
estudiar los cambios que sufre la funcin objetivo ante modificaciones en
cualquiera de los parmetros del problema, como pueden ser las constantes
de restricciones, los coeficientes de las variables en las ecuaciones de las
restricciones, etc.
Por medio del anlisis de sensibilidad es posible evaluar dichos cambios sin
tener que resolver completamente el problema planteado.
Maximizar Z=3x1 +2x2+5x3
Sujeto a:
1X1 + 2X2 + X3 430
3X1 + 2X3 460
1X1 + 4X2 420
X1, X2, X3 0
Investigacin Operativa Pgina 31
Maximizar Z=3x1 +2x2+5x3 Z - 3x1 - 2x2 - 5x3
Sujeto a:
X1 + 2X2 + X3 + S1 = 430
3X1 + 2X3 + S2 = 460
X1 + 4X2 + S3 = 420
X1, X2, X3 0
Z -3 -2 -5 0 0 0 0 ----
S1 1 2 1 1 0 0 430 430
S2 3 0 2 0 1 0 460 153.3
S3 1 4 0 0 0 1 420 ---
Bsica X1 X2 X3 S1 S2 S3 Solucin
Z 4 0 0 1 2 0 1350
S3 2 0 0 -2 1 1 20
[ ] [ ] = [ ]
Z 4 0 0 1 2 0 1350
X2 -1/4 1 0 1/2 -1/4 0 100
X3 3/2 0 1 0 1/2 0 230
S3 2 0 0 -2 1 1 20
Ejemplo:
ADICION DE NUEVAS RESTRICCIONES
Maximizar Z=3x1 +2x2+5x3
Sujeto a:
1X1 + 2X2 + X3 430
3X1 + 2X3 460
1X1 + 4X2 420
X1, X2, X3 0
Se le aadir una restriccin mas:
3X1 + 3X2 + X3 500
Lo primero es verificar si la solucin optima actual X1 = 0, X2 =100, X3 = 230,
cumple con la nueva restriccin:
3(0) + 3(100) + (230) = 530 500
Por lo que la restriccin no se cumple, por lo tanto la nueva restriccin debe
ser incorporada en la tabla final base, con su respectiva variable de holgura S4
Z 4 0 0 1 2 0 0 1350
X2 -1/4 1 0 1/2 -1/4 0 0 100
X3 3/2 0 1 0 1/2 0 0 230
S3 2 0 0 -2 1 1 0 20
S4 3 3 1 0 0 0 1 500
Como las variables X2 y X3 son bsicas, se deben sustituir y eliminar sus
coeficientes de restriccin en el rengln de S4, lo que se puede hacer con la
siguiente operacin
Nueva fila S4 = fila S4 3 (fila X2) fila X3
Bsica X1 X2 X3 S1 S2 S3 S4 Solucin
Z 4 0 0 1 2 0 0 1350
X2 -1/4 1 0 1/2 -1/4 0 0 100
X3 3/2 0 1 0 1/2 0 0 230
S3 2 0 0 -2 1 1 0 20
S4 9/4 0 0 -3/2 1/4 0 1 -30
En esta tabla veremos que S4 es bsica y negativa, por lo cual la solucin no
es factible, entonces el problema se debe continuar resolviendo mediante el
mtodo simplex dual.
CAMBIO EN LAS CONSTANTES DE LADO DERECHO (grafico)
Max Z = 100x1 + 120x2
s.a.: 4x1 + 8x2 480
5x1 + 6x2 600
12x1 + 8x2 540
x1, x2 0
Investigacin Operativa Pgina 36
4x1 + 8x2 = 480 1
OPTIMO:
X1 = 7.5
X2 = 56.25
Z = 7500
4x1 + 8x2 = 480 RA
5x1 + 6x2 = 600 RNA
12x1 + 8x2 = 540 RA
Para :
+ =
= =
= =
=
Ejemplo prototipo.
Almacn
1 2 3 4
Produccin
1 464 513 654 867 75
Asignacin 80 65 70 85
75
x11 + x12 + x13 + x14 =
125
x21 + x22 + x23 + x24 =
100
x31 + x32 + x33 + x34 =
80
x11 + x21 + x31 =
65
x12 + x22 + x32 =
70
x13 + x23 + x33 =
85
x14 + x24 + x34 =
xij 0 (i = 1, 2, 3; j = 1, 2, 3, 4)
x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34
1 1 1 1
1 1 1 1 Restricciones
1 1 1 1 de enlatadora
1 1 1
A=
1 1 1 Restricciones
1 1 1 de almacn
1 1 1
Entre parntesis, la solucin ptima para este problema es x11 = 0, x12 = 20,
x13 = 0, x14 = 55,
x21 = 80, x22 = 45, x23 = 0, x24 = 0, x31 = 0, x32 = 0, x33 = 70, x34 = 30. Cuando se
conozca la prueba de optimalidad se podr verificar este resultado.
1 2 ... n Recursos
. . . . . . . .
. . . . .
Demanda d1 d2 ... dn
sujeta a
n
x
j 1
ij si para i = 1, 2, ..., m
m
x
i 1
ij dj para j = 1, 2, ..., n
1 1 ... 1 Restricciones
1 1 ... 1 de origen
.
A= 1 1 ... 1
1 1 1 Restricciones
1 1 ... 1 de destino
. . .
. . .
. . .
1 1 1
Esta condicin de que los recursos totales deben ser iguales a la demanda
total en realidad exige que el sistema est balanceado. Si el problema tiene
algn significado fsico y esta condicin no se cumple, casi siempre significa
que, o bien si, o bien dj de hecho representan una cota y no un
requerimiento exacto. Si este es el caso, se puede introducir un origen o
destino imaginario (llamado origen ficticio o destino ficticio) para captar la
holgura, con el fin de convertir las desigualdades en igualdades y satisfacer la
condicin de factibilidad.
Z (0) 1 cij M M 0
(1)
.
zi (i) 0 1 1 si
.
zm+j (m+j) 0 1 1 dj
.
(m+n)
El rengln 0 actual se puede obtener sin usar ningn otro rengln con
slo calcular los valores de ui y vj directamente. Como cada variable bsica
debe tener coeficiente cero en el rengln 0, estos valores se pueden obtener
resolviendo el sistema de ecuaciones:
dj s i
donde
n m
d s
j 1
j
i 1
i
sm+1 =
Recursos
3 7 6 4 5
2 3 2
4
2
4 3 8 5 3
10
Demanda 3 4 2 1 10
Recursos
3 7 6 4 5 2
3 4
2 3 2 2
4 3 8 5 3
Demanda 3 0 4 2 1
Recursos
3 7 6 4 5 2 0
3 2
2 4 3 2 2
4 3 8 5 3
Demanda 3 0 4 2 2 1
Recursos
3 7 6 4 5 2 0
2
3
2 4 3 2 2 0
4 3 8 5 3
Demanda 3 0 4 2 0 2 1
Recursos
3 7 6 4 5 2 0
3 2
2 4 3 2 2 0
4 3 8 5 3
Demanda 3 0 4 2 0 2 1
Recursos
3 2
2 4 3 2 2 0
4 3 8 5 3 1 0
0 2 1
Costo = 52
Demanda 3 0 4 2 0 2 0 1 0
x11 c11 x12 c12 x22 c22 x32 c32 x33 c33 x34 c34
Recursos DIF.
3 7 6 4 5 1
2 4 3 2 2 0 0
3 2
4 8 5 3 1
10
Demanda 3 4 2 0 1 10
1
DIF. 1 1 3 2
Recursos DIF.
3 7 6 4 5 1
2 4 3 2 2 0 0
3 2
4 8 5 3 0 1
10
Demanda 3 4 1 2 0 1 10
1
DIF. 1 1 3 2
2
1 4 2 1
3 7 6 4 5 2 1 0 1
3 1 0 1
2 4 3 2 2 0 0
3 2
4 8 5 3 0 1
10
Demanda 3 0 4 1 0 2 0 1 0 10
1
DIF. 1 1 3 2
2
1 4 2 1
x11 c11 x12 c12 x13 c13 x14 c14 x23 c23 x32 c32