Sie sind auf Seite 1von 11

INSTITUTO TECNOLGICO DE ACAPULCO

Materia: INVESTIGACION DE OPERACIONES

Alumno: Jesus Alberto Vinalay Martinez

Horario de clase: 12pm a 1 pm

- - 1ra UNIDAD - -

Temario:

1.1* Definicin de programacin lineal


1.1.1* Desarrollo y tipos de modelos en la investigacin de
operaciones
1.2* Formulacin de modelos en la programacin lineal
1.3* Mtodo grafico
1.4* Fundamentos del mtodo simplex
1.5* Aplicaciones diversas de programacin lineal

Fecha: 12/10/2015
1.1 DEFINICIN, DESARROLLO Y TIPOS DE MODELOS
DE INVESTIGACIN DE OPERACIONES.

La investigacin de operaciones es la aplicacin, por grupos


interdisciplinarios, del mtodo cientfico a problemas relacionados con el
control de las organizaciones o sistemas, a fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organizacin.

El origen de esta materia se remonta a la segunda guerra mundial,


cuando el coronel Sanders, junto con un dedicado grupo de cientficos,
se propusieron encontrar la cuadratura del crculo, para de esta forma
simplificar el horario militar y que le permitiese al Teniente G.

Dann ganar la guerra en un rpido ataque en contra de los aliados. La


investigacin de operaciones es la aplicacin de la metodologa cientfica
a travs de modelos matemticos, primero para representar al problema
y luego para resolverlo

La complejidad de los problemas que se presentan en las organizaciones


ya no encajan en una sola disciplina del conocimiento, se han convertido
en multidisciplinario por lo cual para su anlisis y solucin se requieren
grupos compuestos por especialistas de diferentes reas del
conocimiento que logran comunicarse con un lenguaje comn. El modelo
se define como una funcin objetivo y restricciones que se expresan en
trminos de las variables (alternativas) de decisin del problema.

El modelo de decisin debe contener tres elementos:

Alternativas de decisin, de las cuales se hace una seleccin.


Restricciones, para excluir alternativas infactibles.
Criterios para evaluar y clasificar alternativas factibles.
1.1.1 TIPOS DE MODELOS DE INVESTIGACIN DE
OPERACIONES.

Modelo Matemtico:
Se emplea cuando la funcin objetivo y las restricciones del modelo se
pueden expresar en forma cuantitativa o matemtica como funciones de
las variables de decisin.

Modelo de Simulacin:
Los modelos de simulacin difieren de los matemticos en que las
relaciones entre la entrada y la salida no se indican en forma explcita.
En cambio, un modelo de simulacin divide el sistema representado en
mdulos bsicos o elementales que despus se enlazan entre si va
relaciones lgicas bien definidas. Por lo tanto, las operaciones de
clculos pasaran de un mdulo a otro hasta que se obtenga un resultado
de salida.

Modelos Formales:
Se usan para resolver problemas cuantitativos de decisin en el mundo
real. Algunos modelos en la ciencia de la administracin son llamados
modelos determinsticos. Esto significa que todos los datos relevantes
(es decir, los datos que los modelos utilizarn o evaluarn) se dan por
conocidos. En los modelos probabilsticos (o estocsticos), alguno de los
datos importantes se consideran inciertos, aunque debe especificarse la
probabilidad de tales datos.

Modelo de Hoja de Clculo Electrnica:


La hoja de clculo electrnica facilita hacer y contestar preguntas de
que si en un problema real. Hasta ese grado la hoja de clculo
electrnica tiene una representacin selectiva del problema y desde este
punto de vista la hoja de clculo electrnica es un modelo.
1.2 FORMULACIN DE MODELOS EN LA
PROGRAMACIN LINEAL.
Como su nombre lo indica, la formulacin de modelos es pasar
directamente del sistema asumido al modelo de pl. Para tal efecto, se
propone el siguiente orden: definir el objetivo, definir las variables de
decisin, enseguida las restricciones estructurales y finalmente
establecer las condiciones tcnicas

Definir el Objetivo: Consiste en definir un criterio de optimizacin el


cual puede ser Maximizacin o Minimizacin dependiendo del problema
que se desee resolver, el cual es una funcin lineal de las diferentes
actividades del problema. Bajo el criterio de optimizacin definido se
pretende medir la contribucin de las soluciones factibles que puedan
obtenerse y determinar la ptima.

Definir las variables de decisin: Son las incgnitas del problema


bsicamente consisten en los niveles de todas las actividades que
pueden llevarse a cabo en el problema a formular, estas pueden ser de
tantos tipos diferentes como sea necesario, e incluir tantos subndices
como sea requerido.

Definir las restricciones: Son los diferentes requisitos que debe


cumplir cualquier solucin para que pueda llevarse a cabo. En cierta
manera son las limitantes en los valores de los niveles de las diferentes
actividades (variables).

Las restricciones ms comunes son de seis tipos, las cuales se listan a


continuacin:
Restriccin de capacidad: limitan el valor de las variables debido a la
disponibilidad de horas-hombre, horas-mquina, espacio, etc.
Restriccin de mercado: Surgen de los valores mximos y mnimos en
las ventas o el uso del producto o actividad a realizar.
Restriccin de entradas: Son limitantes debido a la escases de
materias primas, mano de obra, dinero, etc.
Restriccin de calidad: Son las restricciones que limitan las mezclas
de ingredientes, definiendo usualmente la calidad de los artculos a
manufacturar.
Restricciones de balance de material: Estas son las restricciones que
definen las salidas de un proceso en funcin de las entradas, tomando
en cuenta generalmente cierto porcentaje de merma o desperdicio.
Restricciones Internas: Son las que definen a una variable dada, en la
formulacin interna del problema, un ejemplo tipo, es el de inventario.
1.3 MTODO GRFICO.
El mtodo grfico se utiliza para la solucin de problemas de PL,
representando geomtricamente a las restricciones, condiciones tcnicas
y el objetivo. El modelo se puede resolver en forma grfica si slo tiene
dos variables. Para modelos con tres o ms variables, el mtodo grfico
es imprctico o imposible. Cuando los ejes son relacionados con las
variables del problema, el mtodo es llamado mtodo grfico en
actividad. Cuando se relacionan las restricciones tecnolgicas se
denomina mtodo grfico en recursos.

Los pasos necesarios para realizar el mtodo son nueve:

1. graficar las soluciones factibles, o el espacio de soluciones (factible),


que satisfagan todas las restricciones en forma simultnea.
2. Las restricciones de no negatividad Xi>= 0 confan todos los valores
posibles.
3. El espacio encerrado por las restricciones restantes se determinan
sustituyendo en primer trmino <= por (=) para cada restriccin, con lo
cual se produce la ecuacin de una lnea recta.
4. trazar cada lnea recta en el plano y la regin en cual se encuentra
cada restriccin cuando se considera la desigualdad lo indica la direccin
de la flecha situada sobre la lnea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de
soluciones satisfacen todas las restricciones y por consiguiente,
representa un punto factible.
6. Aunque hay un nmero infinito de puntos factibles en el espacio de
soluciones, la solucin ptima puede determinarse al observar la
direccin en la cual aumenta la funcin objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan
mediante la asignacin de valores arbitrarios a fin de determinar la
pendiente y la direccin en la cual crece o decrece el valor de la funcin
objetivo.
1.4 FORMAS ESTNDAR Y CANNICAS.

FORMA CANONICA: Esta es til para el manejo del tema que se refiere
al problema dual de cualquier problema de programacin lineal.

La forma cannica aceptable y reconocida en la mayora de los textos


debe cumplir con los siguientes requisitos:

Funcin objetivo maximizar.

Restricciones del tipo .

Condiciones de negatividad para variables.

Otra forma legtima para considerar como cannica es cumpliendo con


los siguientes requisitos:

Funcin objetivo de minimizar.


Restricciones del tipo .
Condiciones de no negatividad para variables.

FORMA ESTANDAR: El modelo de programacin lineal para resolverse,


necesita arreglarse para igualdades, lo cual se consigue utilizando tanto
variables de holgura como variables superfluas.
Lo anterior da lugar a la presentacin del modelo cumpliendo con los
siguientes requisitos:

Funcin objetivo para Max. o bien Min.

Restricciones del tipo =.

Lado derecho de restricciones no negativo.

Condiciones de no negativo para variables.


1.4 FUNDAMENTOS DEL MTODO SIMPLEX

El Mtodo Simplex publicado por George Dnzig en 1947 consiste en


un algoritmo iterativo que secuencialmente a travs de iteraciones se va
aproximando al ptimo del problema de Programacin Lineal en caso de
existir esta ltima.

El Mtodo Simplex hace uso de la propiedad de que la solucin ptima


de un problema de Programacin Lineal se encuentra en un vrtice o
frontera del dominio de puntos factibles (esto ltimo en casos muy
especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en
la evaluacin progresiva de estos vrtices hasta encontrar el ptimo.
Cabe destacar que para aplicar el Mtodo Simplex a un modelo lineal,
este debe estar en un formato especial conocido como formato estndar
el cual definiremos a continuacin.

FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL

Consideremos un modelo de Programacin Lineal en su forma estndar,


que denotaremos en lo que sigue por:

Min c1x1 + c2x2 + ... + cnxn


sa a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
... ... ...
am1x1 + am2x2 + ... + amnxn = bm
xi >= 0, i = 1, 2, ..., n y m <= n

Matricialmente escrito como:

Min cTx
s.a Ax = b
x >= 0

No existe prdida de generalidad en asumir que un modelo de PL viene


dado en su forma estndar:

EJEMPLO

P) Max 9u + 2v + 5z
sa 4u + 3v + 6z <= 50
u + 2v - 3z >= 8
2u - 4v + z = 5
u,v >= 0
z e IR

1. Siempre es posible llevar un problema de maximizacin a uno de


minimizacin. Si f(x) es la funcin objetivo a maximizar y x* es
la solucin ptima f(x*) >= f(x), para todo x factible. -f(x*) <= -
f(x), para todo x factible. En consecuencia: x* es tambin
mnimo de -f(x)
2. Cada restriccin del tipo <= puede ser llevada a una ecuacin de
igualdad usando una (nueva) variable de holgura no negativa,
con coeficiente nulo en la funcin objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de
igualdad usando una (nueva) variable de exceso no negativa, con
coeficiente nulo en la funcin objetivo.
4. Siempre es posible escribir una variable libre de signo como la
diferencia de dos variables no negativas.

Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5


(holgura), s2 = x6 (exceso), el problema P) puede ser escrito en forma
equivalente como:

Min - 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6


sa: 4x1 + 3x2 + 6x3 - 6x4 + x5 = 50
x1 + 2x2 - 3x3 + 3x4 - x6 = 8
2x1 - 4x2 + x3 - x4 = 5
xi >= 0, i=1, 2, 3, 4, 5,6.
1.5 APLICACIONES DIVERSAS DE PROGRAMACIN
LINEAL

Existen problemas de programacin lineal que no proporcionan una


solucin bsica inicial. Esta situacin se presenta cuando al menos una
de las restricciones es del tipo (<=) o (=). Para este propsito se
desarrollan 2 mtodos basados en el uso de variables artificiales: El
mtodo M o de penalizacin y la tcnica de 2 fases.

MTODO DE LA M:

Definimos la letra M como un nmero muy grande pero finito para


usarlo como coeficiente de las variables artificiales en la funcin objetivo
y con sentido contrario a la misma para penalizar de manera muy
grande la existencia de las mismas en la solucin. Si el objetivo es
minimizar las variables artificiales entraran con M positivo y si es
maximizar las variables artificiales se usaran como -M.

Ejemplo:
Min Z = 2X1 + X2 + 3X3

Sujeto a:
3X1 + X2 + 2X3 <= 10
X1 - 2X2 + 3X3 >= 6
2X1 + 3X2 - X3 <= 9
X1 + X2 +2X3 = 7

MTODO PENAL O DE LA M GRANDE.

Como su nombre lo indica, consiste en penalizar la inclusin de las


variables artificiales en la funcin objetivo con un coeficiente M muy
grande que para el caso de maximizar es - M y para el caso de
minimizar es + M.
La primera solucin bsica del simplex en tal caso, debe de incluir a
todas las variables artificiales que fueron necesarias en el arreglo del
modelo de programacin lineal por resolver esto ltimo porque las
variables artificiales se utilizan precisamente para tomar la primera
solucin bsica. A medida que se cumplen las etapas de clculo en el
simplex, las variables artificiales debern de ir saliendo de la misma, en
consecuencia del coeficiente M muy grande.
Si se presenta el caso de que las variables artificiales no se logren sacar
de la base y por lo tanto se anulen, ello significar que tal problema no
tiene solucin factible.
El mtodo de la M Grande incluye variables de apoyo con un
coeficiente muy grande (M) o muy pequeo (-M) en la funcin objetivo.

Esto da lugar a problemas numricos que conducen a soluciones


errneas. Esto es especialmente grave en problemas de cierto tamao.

El trmino independiente (RHS) debe ser 0. A las restricciones del


tipo se aade una variable de holgura con coeficiente +1

A las restricciones del tipo , se aade una variable de holgura con


coeficiente 1 y una variable artificial con coeficiente +1

A las restricciones del tipo = se aade una variable artificial con


coeficiente +1

La contribucin de las variables de holgura a la funcin objetivo es 0

La contribucin de las variables artificiales a la funcin objetivo se fija:

Min: + M Max: - M

Siendo M un nmero suficientemente grande.

EJEMPLOS:

El PL es el siguiente:
Min (z) = 3x + 2,5y
Sujeto a:
2x + 4y 40
3x + 2y 50
X, y 0

El problema de apoyo, utilizando el mtodo de la M Grande:

Min (z) = 3x + 2,5y + 0 s1 + 0 s2 + MA1 + MA2

Sujeto a:
2x + 4y - s1 + A1 = 40
3x + 2y - s2 +A2 = 50
X, y 0

Das könnte Ihnen auch gefallen