Beruflich Dokumente
Kultur Dokumente
Misantla
Investigación de Operaciones I
Ingeniería Industrial
Alumno(a): _______________________________________________________
SOLUCIÓN DE
Ser un optimizador
económico, esto es
PROBLEMAS
“maximizar los beneficios
económicos y minimizar los
cosos económicos” Ser objetivo
¿Cómo se toman las decisiones?
Recomendación
Corazonada
Presión
Preferencia
Temor
Influencia Experimentación
Conveniencia
Base Científica
LA DECISIONES TOMADAS PUEDEN SER BAJO:
Elementos de un problema de decisión
RIESGO
CERTEZA INCERTIDUMBRE
TOMA DE DECISIONES :
- POR MEDIO DE INVESTIGACIÓN DE OPERACIONES,
- MEDIANTE MÉTODOS ESTADÍSTICO,
- ENFOQUE BASADO EN LA INTELIGENCIA ARTIFICIAL
MODELO DE “SIMON” PARA TOMA DE DECISIONES
Defínase el
problema
Muchas Soluciones
(elévense los criterios)
Pocas Soluciones
(disminúyanse los criterios) SOLUCIÓN
SATISFACTORIA
Sentido Racional
Sentido Lógico
Juicio; Experiencia;
Técnica y/o herramientas
Intuición; Habilidad;
para la solución de problemas
Destreza; Conocimiento.
Solución de
satisfactoria Problemas económico
TOMA DE DECISIÓN
CONSTRUCCIÓN DE MODELOS CUANTITATIVOS
VENTAJAS DE UN MODELO:
DESVENTAJAS DE UN MODELO:
Este dependerá tanto del SISTEMA real bajo estudio como del
propósito del estudio, su validez, confiablidad y simplicidad.
medio ambiente
ABIERTO.- Gobiernos comunidad
Habitantes Bienes y
Interactúa con su medio ambiente. Materiales EMPRESA Servicios
Información
Dinero clientes
Normativos:
Llamados también prescriptivos (con frecuencia se usan como guía).
Descriptivos:
Solo describen una realidad potencial del experimento.
Concretos:
Poseen características físicas en común con la realidad que se está modelando.
Abstractos:
No poseen características físicas en común con la realidad que se está modelando.
Modelos de Toma de Decisión
CATEGORIAS CONSECUENCIAS
Certidumbre Determinista
Riesgo Probabilística
Incertidumbre Desconocidas
Conflicto Influenciadas
(tendenciosas)
Uso de Datos para la Toma de Decisión
Continuos Discretos
¿Qué es la Investigación de Operaciones?
ADMINISTRATIVOS
Desde el punto de vista del manejo de recursos.
MATEMÁTICAS
Para desarrollar un modelo que permita resolver el problema.
COMPUTACIÓN
Función Objetivo:
Variables de Decisión:
Restricciones:
METODO CIENTÍFICO.
Implementar resultados.
DEFINICIÓN DE MODELO
Sistema
Sistema Variables Relaciones
Real Modelo
Real Asumido
Relevantes Relevantes
Método
de
Solución
Recursos Objetivos
Estructura de un problema de
Programación Lineal
Requerimientos:
• Demandas;
¿Qué se puede • Especificaciones;
cuantificar? • Tiempos de entrega; ....
• Etcétera...
Utilidades: MAXIMIZAR
¿Qué se puede
optimizar?
Desperdicios: MINIMIZAR
Modelo general de
Programación Lineal (Maximización o Minimización)
Función Objetivo
Coeficiente de la FO
x , x , ... , xn > 0
1 2
Modelo general de
Programación Lineal (Maximización o Minimización)
Recursos
o
Z = C1X1 + C2X2 + ... + CnXn Requerimientos
sujeto a:
ax ax
11 1+ 12 2 + ... + ax n n <, =, > b1
ax ax
21 1+ 22 2 + ... + ax n n <, =, > b2
Construir el Problema
Observación Cuidadosa
Formular el
Definición Identificar el Problema Desarrollar el
del problema Sistema Modelo
a resolver
Proponer la
Hipótesis
Validación de la
Hipótesis
Sí
Modificar el
Modelo
Requerimientos para resolver un
Modelo por PL
Plantearse una F.O. En términos de variables de decisión, es decir, X1, X2, ..., Xn
Valores de la variables .
Estos pueden ser fracionarios, pero deben ser mayores o iguales que
cero.
Tipos de soluciones
No-Básica
Degenerada
No-Factible
El arte de plantear problemas
Recomendación
• paciencia,
• práctica,
• una estructura apropiada para aprobarlos.
Planteamiento de Problemas
Max. Z= 12 x1 + 10 + 8
x2 x3
Planteamiento de Problemas
Relación Funcional:
Max. Z= 12 x1 + 10 x2 + 8 x3
x1 , x2 > 0
METODO GRÁFICO
ferlam
METODO GRAFICO
R1 R2 R3
A) B) C)
x1 x1 x1
R3 x2
R2
R1
x1
METODO GRAFICO
x2
x1
METODO GRAFICO / procedimiento
x2
x1
PROCEDIMIENTO:
x1
¡ RECUERDA !
+ Óptima.- Es decir, que tiene una solución con el valor de las variables que
que hace de la FO la mejor.
+ Ilimitadas.- Es decir, que existen valores factibles de las variables que hacen
la función objetivo tan grande o tan pequeña como se desee.
+ Óptimas múltiples.- Es decir, que existe más de una sola solución óptima.
METODO GRAFICO
CONCLUSIONES:
• Existe un punto extremo del espacio de soluciones factibles, que puede ser
no único, para el cual la función objetivo alcanza su valor óptimo.
Identificación de los tipos de solución en el método gráfico
Acotada No - Acotada
Función Objetivo Función Objetivo
Óptimo Óptimo
Único Único
Región Factible
Región No - Acotada
Factible
Acotada
SOLUCIÓN ÓPTIMA FINITA, ALTERNATIVA O MÚLTIPLE
Acotada No - Acotada
Región Factible
Región No - Acotada
Factible
Acotada
SOLUCIÓN ÓPTIMA NO - ACOTADA
Función Objetivo
Región
Factible Óptimo = - α para Minimización.
No - Acotada
REGIÓN FACTIBLE VACÍA
• Problema No factible.
• Problema Infactible.
• Problema Inconsistente.
2X1 + X2 < 3
X2 > 4
X1 , X2 > 0
REGIÓN FACTIBLE VACÍA
No se logra limitar
un área
Método Simplex
Considere el siguiente modelo en PL, y
resuélvalo por el Método Simplex:
X1, X2 > 0
Método Simplex
1er. Paso:
Transforme el modelo a su forma estándar:
Z - 18.5 X1 - 20.0 X2 = 0
0.05 X1 + 0.05 X2 + S1 = 1100
0.05 X1 + 0.10 X2 + S2 = 1800
0.10 X1 + 0.05 X2 + S3 = 2000
X 1 , X2 , S1 , S2 , S3 > 0
Método Simplex
El sistema nos muestra tres ecuaciones con cinco
variables, es decir: n = 5, m = 5, por lo tanto se tiene una
sistema con solución múltiple.
n! 5!
mC n = = = 10 soluciones básicas.
m! (n-m)! 3! (5-2)!
Método Simplex
1er. Paso:
Entran al Tableu, las variables que son unitarias (que sus
vectores son unitarios).
Z - 18.5 X1 - 20.0 X2 = 0
0.05 X1 + 0.05 X2 + S1 = 1100
0.05 X1 + 0.10 X2 + S2 = 1800
0.10 X1 + 0.05 X2 + S3 = 2000
X 1 , X2 , S1 , S2 , S3 > 0
Método Simplex
2do. Paso:
Construir el Tableu:
Base Z X1 X2 S1 S2 S3 Solución
Z 1 - 18.5 - 20.0 0 0 0 0
S1 0 0.05 0.05 1 0 0 1100
S2 0 0.05 0.10 0 1 0 1800
S3 0 0.10 0.05 0 0 1 2000
Esta tabla se le conoce también como Tabla de Solución Básica Inicial, en donde:
S1 = 1100
S2 = 1800 En términos de resultado, diríamos que como Z = 0, no se estaría
S3 = 2000 fabricando nada; los recursos materiales se conservan.
Z=0
Método Simplex
3er. Paso:
Iniciar la solución del problema haciendo uso del
Criterio de Optimalidad y Factibilidad.
Criterio de Optimalidad
Caso de Maximización: Se tiene una solución óptima cuando todos los elementos
del renglón Z son positivos o ceros.
Caso de Minimización: Se tiene una solución óptima cuando todos los elementos
del renglón Z son negativos o ceros.
Base Z X1 X2 S1 S2 S3 Solución
Renglón Z
Z 1 - 18.5 - 20.0 0 0 0 0
S1 0 0.05 0.05 1 0 0 1100
S2 0 0.05 0.10 0 1 0 1800
S3 0 0.10 0.05 0 0 1 2000
Variables que dan Vectores “unitarios” que como consecuencia dan solución
solución al problema al problema. Razón la que las variables de estos vectores
se encuentran en la Base (Vector Base)
Método Simplex
Dado que la Función es de Maximización, con base al criterio de
Optimalidad, X2 es la variable que entra a la Base por ser la variable más
negativa en el renglón Z.
Base Z X1 X2 S1 S2 S3 Solución
Z 1 - 18.5 - 20.0 0 0 0 0
S1 0 0.05 0.05 1 0 0 1100 1100/0.05 = 22,000
1. Dividir todos los elementos del renglón de la variable que sale de Base entre
el elemento pivote, el cual se encuentra en la intersección de dicho renglón
con la columna de la variable que se introduce a la Base. Esto hace que el
elemento pivote se haga 1 (unitario). Para el caso de este ejercicio, sería
0.10.
Z X1 X2 S1 S2 S3 Solución
( 2 ) Ahora, transformar todos los otros elementos del vector para hacerlo ceros.
Método Simplex
4to. Paso:
Calcular la Nueva Solución.
(2)
Dado que al transformar todos los otros elementos del vector para hacerlo ceros se afecta a un
elemento de un renglón, todos los elementos del renglón también debe ser afectados por la
operación de renglón.
Base Z X1 X2 S1 S2 S3 Solución
R1 Z 1 - 18.5 - 20.0 0 0 0 0
R2 S1 0 0.05 0.05 1 0 0 1100
R3 X2 0 0.5 1 0 10 0 18,000
R4 S3 0 0.10 0.05 0 0 1 2000
X2) 1*(-0.05) + (0.05) = 0 ; X1) 0.5*(-0.05) + (0.1) = 0.075; S1) 10*(-0.05) + 0 = -0.5;
S1) 0*(-0.05) + 0 = 0; S3) 0*(-0.05) + 1 = 1 ; Solución) 18000*(-0.05) + 2000 = 110.
Método Simplex
4to. Paso:
Calcular la Nueva Solución.
Base X1 X2 S1 S2 S3 Solución
R1 Z - 8.5 0 0 200 0 360,000
R2 S1 0.025 0 1 - 0.5 0 200
R3 X2 0.5 1 0 10 0 18,000
R4 S3 0.075 0 0 - 0.5 1 1100
Nueva Solución:
S1 = 200
X2 = 18,000
S3 = 1100
Z = 360,000
Método Simplex
4to. Paso:
Calcular la Nueva Solución.
Base X1 X2 S1 S2 S3 Solución
R1 Z - 8.5 0 0 200 0 360,000
R2 S1 0.025 0 1 - 0.5 0 200
R3 X2 0.5 1 0 10 0 18,000
R4 S3 0.075 0 0 - 0.5 1 1100
Nueva Solución:
S1 = 200
X2 = 18,000
S3 = 1100
Z = 360,000
Método Simplex
4to. Paso:
Calcular la Nueva Solución.
Base X1 X2 S1 S2 S3 Solución
R1 Z 0 0 340 30 0 428,000
R2 X1 1 0 40 - 20 0 8,000
R3 X2 0 1 0 20 0 14,000
R4 S3 0 0 -3 1 1 500
Solución óptima:
X1 = 8,000
X2 = 14,000
S3 = 500
Z = 428,000
Solución por Gauss-Jordan
Max Z = 18.5 X1 + 20.0 X2
s.a. 0.05 X1 + 0.05 X2 < 1100
0.05 X1 + 0.10 X2 < 1800
0.10 X1 + 0.05 X2 < 2000
X1, X2 > 0
Solución
Básica
X1 X2 S1 S2 S3 F.O.
1 0 0
2 0 0
3 0 0
4 0 0
5 0 0
6 0 0
7 0 0
8 0 0
9 0 0
10 0 0
Solución por Gauss-Jordan
Z - 18.5 X1 - 20.0 X2 = 0
0.05 X1 + 0.05 X2 + S1 = 1100
0.05 X1 + 0.10 X2 + S2 = 1800
0.10 X1 + 0.05 X2 + S3 = 2000
S1 S2 S3 Solución
1 0 0 1100
0 1 0 1800
0 0 1 2000
Solución por Gauss-Jordan
Solución Básica Inicial:
Solución
Básica
X1 X2 S1 S2 S3 F.O.
2 0 0
3 0 0
4 0 0
5 0 0
6 0 0
7 0 0
8 0 0
9 0 0
10 0 0
Solución por Gauss-Jordan
X2 S2 S3 Solución
Solución 2: 0.05 0 0 1100
0.10 1 0 1800
0.05 0 1 2000
R1 X2 S2 S3 Solución
0.05 0.05 0 0 1100
0.10 1 0 1800
0.05 0 1 2000
X2 S2 S3 Solución
1 0 0 22000
0.10 1 0 1800
R1*(-0.10) + R2
0.05 0 1 2000
R1*(-0.05) + R3
X2 S2 S3 Solución
1 0 0 22000
0 1 0 - 400
0 0 1 900
Solución por Gauss-Jordan
Solución
Básica
X1 X2 S1 S2 S3 F.O.
Este método de solución es sólo para modelos con dos variables de decisión.
X1, X2 > 0
Método Gráfico
Importante:
Este método de solución es sólo para modelos con dos variables de decisión.
X1, X2 > 0
Obtención de pares ordenados a partir de cada restricción:
0.05 X1 + 0.05 X2 < 1100
Haciendo X1 = 0 Haciendo X2 = 0
Sí , X1 = 0, X2 = 22000 Sí , X2 = 0, X1 = 22000
X2
Restricción:
0.05 X1 + 0.05 X2 < 1100
(0, 22000)
(22000, 0)
0 X1
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
Xj > 0
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 1:
Escribir el problema en forma estándar e incorporar la función objetivo a las
restricciones:
PROCEDIMIENTO:
PASO 2:
Como existen tres restricciones, deben existir tres vectores unitarios. Observamos
en el caso que sólo existe uno (S1), ya que S2 es negativo, debemos insertar
variables artificiales.
PROCEDIMIENTO:
PASO 2:
Una vez colocadas las variables artificiales en las restricciones, ahora penalizar la
función objetivo con una valor “Muy Grande” a través de “M”:
entonces:
PROCEDIMIENTO:
PASO 3:
Incorporar el sistema al Tableu:
Como A1 y A2 alteran las ecuaciones, en la primera oportunidad deben salir del
sistema.
Base X0 X1 X2 X3 S1 S2 A1 A2 Solución
R1 X0 1 -3 -2 -3 0 0 M M 0
-3M-3 -4M-2 -2M-3 0 M 0 M -8M
X0 ` 1 -5M-3 -7M-2 -3M-3 0 M 0 0 -14M
R2 S1 0 2 1 1 1 0 0 0 2
R3 A1 0 3 4 2 0 -1 1 0 8
R4 A2 0 2 3 1 0 0 0 1 6
R3(-M)+R1 R4(-M)+R1
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
¿cuál sale?
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
Como los tres cocientes son iguales, es recomendable utilizar algún método de
“desempate”, de tal forma que no se cicle el proceso de solución. Para ello
estudiaremos dos métodos:
• PERTURBACIÓN.
• LEXICOGRÁFICO.
VARIANTE DEL MÉTODO SIMPLEX
“Método de Desempate”
PERTURBACIÓN:
PERTURBACIÓN:
Una vez obtenidos los valores br afectados, recalcular los cocientes con los
nuevos valores br :
S1 = 2.02/1 = 2.02
A1 = 8.03/4 = 2.0075
A2 = 6.02/3 = 2.006
Sale de la Base
VARIANTE DEL MÉTODO SIMPLEX
“Método de Desempate”
LEXICOGRÁFICO:
LEXICOGRÁFICO:
Variable en la Ѳ1 Ѳ2 Ѳ3
Base
S1 2/1 = 2 1/1 = 1
A1 8/4 = 2 0/4 = 0 ¼ = 0.25
A2 6/3 = 2 0/3 = 0 0/3 = 0
Menor cociente
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
¿cuál sale?
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
Base X1 X2 X3 S1 S2 A1 Solución
-2/3 M–
X0 -1/3 M – 5/3 0
7/3
0 M 0 4
S1 4/3 0 2/3 1 0 0 0
A1 1/3 0 2/3 0 -1 1 0
X2 2/3 1 1/3 0 0 0 2
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
Base X1 X2 X3 S1 S2 Solución
X0 -1/2 0 0 0 -7/2 M 4
S1 1 0 0 1 1 0
X3 1/2 0 1 0 - 3/2 0
X2 1/2 1 0 0 1/2 2
VARIANTE DEL MÉTODO SIMPLEX
“Método de Penalización o Método de las EMES”
PROCEDIMIENTO:
PASO 4:
Resolver el problema aplicando el criterio de optimalidad y factibilidad.
Base X1 X2 X3 S1 S2 Solución
X0 3 0 0 7/2 0 4
S2 1 0 0 1 1 0
X3 2 0 1 3/2 0 0
X2 0 1 0 - 1/2 0 2
no sólo del tipo <, sino también del tipo >, o en su forma estándar ( = ).
MÉTODO DOBLE FASE
X1, X2 > 0
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Paso 1.
FASE I.
Paso 2.
• Construir el Tableu.
• Colocar la función objetivo artificial Zº (penalizada)
como una fila (renglón) dentro del Tableu.
• Sumar los elementos de filas (renglones) de las
variables artificiales que se encuentren en la base a
cada elemento de cada vector a la función objetivo
original, y crear una nueva función objetivo Z*.
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Paso 2.
Base X1 X2 S1 S2 A1 A2 Solución
Zº 0 0 0 0 -1 -1 0
Z* 7 4 -1 0 0 0 9
A1 3 1 0 0 1 0 3
A2 4 3 -1 0 0 1 6
S2 1 2 0 1 0 0 4
X1 = 4 + 3 + 0 = 7; S1 = -1 + 0 + 0 = -1; A1 = 0 + 1 - 1 = 0
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Paso 2: Iniciar el proceso.
Recordar que para eliminar del problema a las variables
artificiales, la FO se reemplaza Temporalmente por la
Minimización de la suma de dichas variables”
Base X1 X2 S1 S2 A1 A2 Solución
Z* 7 4 -1 0 0 0 9
A1 3 1 0 0 1 0 3
A2 4 3 -1 0 0 1 6
S2 1 2 0 1 0 0 4
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Paso 2: Iteración Nº 1. La solución no es óptima.
Observe que como A1 salió de la base,
ésta ya no aparece en el Tableu actual.
Base X1 X2 S1 S2 A2 Solución
Z* 0 5/3 -1 0 0 2
X1 1 1/3 0 0 0 3
A2 0 5/3 -1 0 1 6
S2 0 5/3 0 1 0 4
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Paso 2: Iteración Nº 2. Solución óptima de la Fase I.
Base X1 X2 S1 S2 Solución
Z* 0 0 0 0 0
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
S2 0 0 1 1 1
MÉTODO DOBLE FASE
Algoritmo de solución
FASE I.
Conclusión:
FASE I.
Conclusión:
Si se llegase a presentar una solución óptima y las
variables artificiales no lograran ser eliminadas, puede
ocurrir que no exista una solución factible para el
problema, y puedan darse contradicciones, por ejemplo
que X1 < 5, y X1 > 20, lo cual No puede ser; o bien que el
problema inicial no esté adecuadamente planteado.
MÉTODO DOBLE FASE
Algoritmo de solución
FASE II.
FASE II.
Paso 3: Incorporación de Z0 original al Tableu.
Base X1 X2 S1 S2 Solución
Incorporación de Z0 original. Z0 -4 -1 0 0 0
S2 0 0 1 1 1
MÉTODO DOBLE FASE
Algoritmo de solución
FASE II.
Paso 4: Continuar aplicando los criterios de
Optimalidad y Factibilidad..
Base X1 X2 S1 S2 Solución
Z0 0 0 1/5 0 18/5
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
S2 0 0 1 1 1
MÉTODO DOBLE FASE
Algoritmo de solución
FASE II.
Base X1 X2 S1 S2 Solución
Solución óptima
Z0 0 0 0 -1/5 17/5
Z0 = 17/5
X1 1 0 0 -1/5 2/5 X1 = 2/5
X2 = 9/5
X2 0 1 0 3/5 9/5
S1 0 0 1 1 1
DUALIDAD
Antecedentes:
n n
s.a. ∑
j=1
aij Xj < bi ; i = 1, 2, …, m. ∑ aijj=1Xi > Cj
n Xj > 0 n Yi > 0
j=1 j=1
PRIMO: DUAL:
Max X0 = C1 X1 + C2 X2 Min X0 = b1 Y1 + b2 Y2
s.a. a11 X1 + a12 X2 < b1 s.a. a11 y1 + a12 y2 > C1
a21 X1 + a22 X2 < b2 a21 Y1 + a22 Y2 > C2
X1 , X2 > 0 Y1 , Y2 > 0
DUALIDAD
Correspondencia Primal-Dual
Tipos de soluciones
PRIMO DUAL
Óptimo Óptimo
No Factible o No Acotado No Factible
No Factible No Acotado o No Factible
DUALIDAD
“Precio Sombra”
Artículo
Concepto
Tipo I Tipo II
Precio de Venta 106 144
Costo de producción 66 84
Costo de ensamble 30 20
Costo de revisión 16 24
Costo de empaque 20 40
Utilidad unitaria neta 66 84
DUALIDAD
Construcción del modelo
Definición de la variable:
Sea Xi, el número de artículos del Tipo i (i= 1, 2) que deben producirse
mensualmente, a fin de maximizar la utilidad de la compañía.
Xi > 0; Vi
DUALIDAD
Win QSB
DUALIDAD
Solución mediante Win QSB