2 Modelos de Programacion Lineal

Investigacin Operativa 1
Captulo 2: Modelos de
programacin lineal
Profesor: Wilmer Atoche

NDICE
1. Problema de programacin lineal.
2. Requerimientos del problema de programacin
lineal.
3. Mtodo grfico para resolver problema de
maximizacin con dos variables.
4. Mtodo grfico para resolver problema de
minimizacin con dos variables.
5. Casos especiales de programacin lineal.
6. Solucin de problemas de programacin lineal
usando computadora.
7. Anlisis de sensibilidad grfico y por computadora.
2
1. Problema de programacin
lineal
Programacin lineal (PL)

Es una herramienta para resolver problemas de
optimizacin.
Est diseada para ayudar a la toma de decisiones
Est relacionada a la asignacin de recursos.
3
Ejemplos de aplicaciones de PL (1)
1. Desarrollo de la programacin de la produccin
permitir
Satisfacer demandas futuras para una empresa de
produccin
Mientras se minimizan los costos totales de
produccin e inventarios.
2. Seleccin de una mezcla de productos en una fbrica
para
Hacer el mejor uso de las horas de mquina y
horas-hombre disponibles
Mientras se maximiza la produccin de la empresa4
Ejemplos de aplicaciones de PL (2)
3. Determinacin de los grados de productos petroleros
para rendir el mximo beneficio.
4. Seleccin de mezclas de materias primas para
abastecer molinos que producen alimentos
balanceados al mnimo costo.
5. Determinacin de un sistema de distribucin que
minimiza los costos totales de transporte de los
almacenes a los mercados.
5
2. Requerimientos del problema de
PL
Un problema de programacin lineal (PL) es un
problema de optimizacin para el cual se
efecta lo siguiente:
Se intenta maximizar (o minimizar) una funcin
lineal (llamada funcin objetivo) de las variables de
decisin.
Los valores de las variables de decisin deben
satisfacer un conjunto de restricciones. Cada
restriccin debe ser una ecuacin o inecuacin
lineal.
Una restriccin de signo es asociada con cada
variable. 6
Cinco suposiciones bsicas de PL (1)
1.Certeza
Los nmeros en el objetivo y las restricciones son
conocidos con certeza y no pueden cambiar
durante el periodo en que se est haciendo el
estudio.
2.Proporcionalidad
Existe en el objetivo y las restricciones.
3.Aditividad
El total de todas las actividades es igual a la suma
de las actividades individuales.
7
Cinco suposiciones bsicas de PL (2)
4.Divisibilidad:
Las soluciones no necesitan ser nmeros enteros.
Las soluciones son divisibles y pueden tomar
cualquier valor fraccionario.
5.No negatividad:
Todas las respuestas o variables son no negativas
( 0).
Los valores negativos de cantidades fsicas son
imposibles.
8
Formulacin de un problema de PL (1)
Variables de Decisin
Xj , j = 1, 2, ,n
Funcin Objetivo
Maximizar Minimizar
Z = C1X1 + C2X2 + . . . . . . + CnXn
Restricciones
a11X1 + a12X2 + ... + a1nXn {,,} b1
a21X1 + a22X2 + ... + a2nXn {,,} b2
...
am1X1 + am2X2 + ...+ amnXn {,,} bm
Rango de existencia
Xj 0, j = 1, 2, ,n
9
Formulacin de un problema de PL (2)
Pasos
1. Entender por completo el problema administrativo que
se enfrenta.
2. Identificar el objetivo y las restricciones.
3. Definir las variables de decisin.
4. Utilizar las variables de decisin para escribir las
expresiones matemticas de la funcin objetivo y de
las restricciones.
10
Flair Furniture Company (1)
Problema de la mezcla de productos
Dos o ms productos son fabricados usados recursos
limitados tales como personal, mquinas, materias
primas, etc.
La utilidad que la empresa busca para maximizar est
basada en la contribucin a la utilidad por unidad de
cada producto.
A la compaa le gustara determinar cuntas
unidades de cada producto deber fabricar para
maximizar la utilidad total dados sus recursos
limitados.
11
Horas requeridas para producir 1 unidad
Disponibilidad
Departamento Mesas Sillas (horas/semana)
Carpintera 4 3 240
Pintura y barnizado 2 1 100
Utilidad (intis por unidad) 7.00 5.00
Identificar el objetivo y las restricciones:

Maximizar la utilidad
Sujeta a:
1. Horas de carpintera utilizadas 240 horas por semana
2. Horas de pintura y barnizado utilizadas 100 horas por 12
semana
Disponibilidad
Carpintera 4 3 240
Variables de decisin
X1 = nmero de mesas que deben ser producidas y vendidas
por semana
X2 = nmero de sillas que deben ser producidas y vendidas por
semana 13
Disponibilidad
Carpintera 4 3 240

Formulacin matemtica
Maximizar Z = 7X1 + 5X2
Sujeta a
4X1 + 3X2 240 (Restriccin de Carpintera)
2X1 + 1X2 100 (Restriccin de Pintura y Barnizado)
14
Con X1, X2 0 (condiciones de no negatividad)
3. Mtodo grfico para resolver
problemas de maximizacin con dos
variables
La forma ms fcil de resolver un pequeo problema de PL
tal como el de la Flair Furniture Company es con el mtodo
grfico.
El mtodo grfico funciona slo cuando existen dos
variables de decisin, pero es invaluable ya que da una
idea de cmo funcionan otros mtodos.
15
Representacin grfica de las restricciones
X2 (nmero de sillas)
Las condiciones de
no negatividad X1
0 y X2 0 significan
que siempre se
trabaja en el primer
cuadrante.
(0,0) X1 (nmero de mesas)
16
La restriccin de Carpintera es 4X1 + 3X2 240

Se grafica la restriccin en forma de igualdad 4X1 +
3X2 = 240
Sea X1 = 0 y resuelva para el punto donde la lnea cruza el
eje X2. 4(0) + 3(X2) = 240, X2 = 80 sillas
eje X1. 4(X1) + 3(0) = 240, X1 = 60 mesas
La restriccin de Carpintera est limitada por la lnea
que va del punto (X1 = 0, X2 = 80) al punto (X1 = 60, X2
= 0).
17
(0,80)
4 X1 + 3 X2 240
(Carpintera)
(0,0) (60,0) X1 (nmero de mesas)
18
La restriccin de Pintura y Barnizado es 2X1 + 1X2
100
Se grafica la restriccin en forma de igualdad 2X1 +
1X2 = 100
eje X2. 2(0) + 1(X2) = 100, X2 = 100 sillas
eje X1. 2(X1) + 1(0) = 100, X1 = 50 mesas
La restriccin de Pintura y Barnizado est limitada por
la lnea que va del (X1 = 0, X2 = 100) al punto (X1 = 50,
X2 = 0).
19
(0,100)
2 X1 + 1 X2 100
(Pintura y Barnizado)
(0,80)
4 X1 + 3 X2 240
(Carpintera)
(0,0) (50,0) (60,0) X1 (nmero de mesas)
20
(0,100)
2 X1 + 1 X2 100
(Pintura y Barnizado)
(0,80)
Regin
Factible
4 X1 + 3 X2 240
(Carpintera)
(0,0) (50,0) (60,0) X1 (nmero de mesas)
21
Mtodo de solucin de lnea de
isoutilidad
1. Graficar todas las restricciones y encontrar la
regin factible.
2. Seleccionar una lnea de utilidad y graficar
esta para encontrar la pendiente.
3. Mover la lnea de la funcin objetivo en
direccin para incrementar la utilidad mientras
se mantiene la pendiente. El ltimo punto en
tocar la regin factible es la solucin ptima.
4. Encontrar los valores de las variables de
decisin en este ltimo punto y calcular la
utilidad.
22
Lnea de isoutilidad
Comenzar asignando utilidades iguales a cantidades
arbitrarias pero pequeas en intis.
Elegimos una utilidad de 210.
ste es un nivel de utilidad que puede ser alcanzado con
facilidad sin violar ninguna de las dos restricciones.
La funcin objetivo se escribe como 210 = 7X1 + 5X2.
23
Lnea de isoutilidad
La funcin objetivo es justo la ecuacin de una lnea
llamada lnea de isoutilidad.
Esta representa todas las combinaciones de (X1, X2) que
produciran una utilidad total de 210.
Para trazar la lnea de utilidad, se procede de manera
similar a la que se emple para trazar la lnea de
restriccin:
Primero, sea X1 = 0 y resuelva para el punto donde la lnea
cruza el eje X2. 210 = 7(0) + 5(X2), X2 = 42 sillas
Entonces, sea X2 = 0 y resuelva para el punto donde la lnea
cruza el eje X1. 210 = 7(X1) + 5(0), X1 = 30 mesas
24
Lnea de isoutilidad
A continuacin se conectan estos dos puntos con una
lnea recta.
Todos los puntos en la lnea representan soluciones
factibles que producen una utilidad de 210.
Obviamente, la lnea de isoutilidad de 210 no produce
la ms alta utilidad posible para la empresa.
Se trazan dos lneas ms, cada una de las cuales
produce una utilidad ms alta.
Otra ecuacin, 420 = 7X1 + 5X2, es trazada de la
misma manera que la ltima lnea.
25
Lnea de isoutilidad
Cuando X1 = 0,
420 = 7(0) + 5(X2), X2 = 84 sillas
Cuando X2 = 0,
420 = 7(X1) + 5(0), X1 = 60 mesas
Esta lnea es demasiado alta para ser considerada
porqu no llega a tocar la regin factible.
La ms alta lnea de isoutilidad posible toca la punta
de la regin factible en el punto de esquina (X1 = 30,
X2 = 40) y da una utilidad de 410.
26
Lnea de isoutilidad
(0,80)
7 X1 + 5 X2 = Z = 560
7 X1 + 5 X2 = Z = 280
7 X1 + 5 X2 = Z = 140
7 X1 + 5 X2 = Z = 210
7 X1 + 5 X2 = Z = 385
27
Solucin ptima
Flair Furniture Company
Lnea de isoutilidad
(0,80)
(30,40) Solucin ptima
7 X1 + 5 X2 = Z = 410 = 7(30) + 5(40)
28
Mtodo de solucin del punto de
esquina
1. Graficar todas las restricciones y encontrar la regin
factible.
2. Encontrar los puntos esquina de la regin factible.
3. Calcular la utilidad en cada punto esquina de la
regin factible.
4. Seleccionar el punto esquina con el mayor valor de
la funcin objetivo. ste es la solucin ptima.
29
Punto de esquina
La regin factible para el problema de Flair Furniture Company
es un polgono de cuatro lados con cuatro puntos de esquina o
puntos extremos.
Estos puntos son los designados como 1, 2, 3, y 4. Ver
diapositiva siguiente.
Para encontrar los valores (X1, X2) que producen la utilidad
mxima, se localizan las coordenadas de cada punto en esquina
y se comprueban sus niveles de utilidad.
Punto 1: (X1 = 0, X2 = 0), Utilidad = 7(0) + 5(0) = 0

30
Punto de esquina
Puntos de esquina
(0,80)
(30,40) Solucin ptima

3
7 X1 + 5 X2 = Z = 410 = 7(30) + 5(40)
1 4
31
Solucin de problemas de
minimizacin
Un restaurante desea desarrollar un horario de trabajo para
satisfacer las necesidades de personal al mismo tiempo que
minimizar el nmero total de empleados.
Un fabricante busca distribuir sus productos de varias fbricas a
sus almacenes regionales de tal modo que se reduzcan al
mnimo los costos de embarque.
Un hospital desea proporcionar un plan de alimentacin diario
para sus pacientes que satisfaga ciertos estndares
nutricionales al mismo tiempo que reducir al mnimo los costos
de adquisicin de alimentos.
32
4. Mtodo grfico para resolver
problemas de minimizacin con dos
variables
Los problemas de minimizacin pueden ser resueltos

grficamente. Existen dos mtodos para encontrar la
solucin ptima: lnea de isocosto y punto de esquina.
33
Mtodo de solucin de lnea de
isocosto
1. Graficar todas las restricciones y encontrar la
regin factible.
2. Seleccionar una lnea de isocosto y graficar
esta para encontrar la pendiente.
3. Mover la lnea de la funcin objetivo en
direccin para decrementar el costo mientras
se mantiene la pendiente. El ltimo punto en
tocar la regin factible es la solucin ptima.
4. Encontrar los valores de las variables de
decisin en este ltimo punto y calcular el
costo.
34
Mtodo de solucin del punto de
esquina
1. Graficar todas las restricciones y encontrar la regin
factible.
2. Encontrar los puntos esquina de la regin factible.
3. Calcular la utilidad en cada punto esquina de la
regin factible.
4. Seleccionar el punto esquina con el menor valor de
la funcin objetivo. ste es la solucin ptima.
35
Problema de minimizacin
Holiday Meal Turkey Ranch (1)
Requerimiento
Ingrediente Marca 1 Marca 2 mnimo mensual
(oz./lb.) (oz./lb.) por pavo (oz.)
A 5 10 90
B 4 3 48
C 0.5 0 1.5
Costo (centavos/lb.) 2 3
36
Problema de minimizacin
Holiday Meal Turkey Ranch (2)
Variables de decisin
X1 = nmero de libras del alimento marca 1 adquiridas
X2 = nmero de libras del alimento marca 2 adquiridas
Minimizar Z = 2X1 + 3X2

Sujeta a:
5X1 + 10X2 90 (restriccin del ingrediente A)
4X1 + 3X2 48 (restriccin del ingrediente B)
0.5 X1 1.5 (restriccin del ingrediente C)
Con X1, X2 0 (condicin de no negatividad)
37
Mtodo del punto de esquina
Holiday Meal Turkey Ranch
X2
(0,16) 0.5 X1 1.5
4 X1 + 3 X2 48
(0,9)
2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

(8.4,4.8) Solucin ptima
5 X1 + 10 X2 90
(3,0) (12,0) (18,0) X1
38
5. Casos especiales de
programacin lineal (1)
Tres casos especiales se plantean cuando se utiliza el mtodo
grfico para resolver problemas de PL.
1) Infactibilidad.
2) No acotamiento.
3) Soluciones ptimas mltiples.
39
5. Casos especiales de
programacin lineal (2)
1. Infactibilidad.- falta de una regin de solucin factible
puede ocurrir si existen conflictos entre las
restricciones.
2. No acotamiento.- Cuando la utilidad en un problema de
maximizacin puede ser infinitamente grande, el
problema es ilimitado y falta una o ms restricciones.
3. Soluciones ptimas mltiples.- dos o ms soluciones
ptimas pueden existir y esto permite actualmente a la
administracin tener flexibilidad para decidir entre
varias opciones.
40
Un problema con solucin no
factible
X2
6
Regin que
4 satisface la
tercera restriccin
2
0
2 4 6 8 X1
Regin que satisface las dos primeras
restricciones 41
Una regin factible no acotada a la
derecha
X2
15 X1 5
X2 10
10
Regin factible
5 X1 + 2X2 10
0
5 10 15 X1
42
Un ejemplo de soluciones ptimas
mltiples
Maximizar Z = 3 X1 + 2 X2
Sujeta a 6 X1 + 4 X2 < 24
X2 X1 < 3
Con X1, X2 > 0
La solucin ptima se compone de todas las
combinaciones de X1 y X2 a lo largo del segmento AB
6 A
Lnea de isoutilidad para I/.8.00
AB Lnea de isoutilidad para I/.12.00
sobre el segmento AB
B
0 3 4 X1
43
6. Solucin de problemas de
programacin lineal usando
computadora
Lindo
44
Uso de LINDO para resolver el problema de
Pantalla de ingreso de datos
45
Reporte de formulacin
46
Reporte de formulacin y solucin
47
7. Anlisis de sensibilidad grfico y por
computadora (1)
Las soluciones ptimas han sido encontradas bajo
suposiciones deterministas.
Esto significa que se supone una certeza completa en los
datos y relaciones de un problema.
Por ejemplo los precios son fijos, los recursos conocidos,
el tiempo necesario para producir una unidad
exactamente establecido.
Pero en el mundo real, las condiciones son
dinmicas y cambiantes.
Preguntas a ser hechas son: qu tan sensible es
la solucin ptima a cambios en las utilidades,
recursos u otros parmetros de entrada?
48
7. Anlisis de sensibilidad grfico y por
computadora (2)
Una manera de reconciliar esta discrepancia entre los
supuestos deterministas y las condiciones dinmicas
y cambiantes del mundo real es: cun sensible es la
solucin ptima a los supuestos del modelo y los
datos.
Una importante funcin del anlisis de sensibilidad es
que permite experimentar con los valores de los
parmetros de entrada.
49
Formas para realizar el anlisis de
sensibilidad (1)
Hay dos mtodos para determinar la sensibilidad
de una solucin ptima a los cambios.
El primero es simplemente un mtodo de ensayo
y error.
Este mtodo resuelve todo el problema, de
preferencia con una computadora, cada vez que
cambia un dato de entrada o parmetro.
Esto puede tomar mucho tiempo para probar una
serie de posibles cambios.
50
Formas para realizar el anlisis de
sensibilidad (2)
El segundo mtodo es el anlisis de
postoptimalidad.
Despus que el problema de PL ha sido
resuelto, se intenta determinar un intervalo de
cambios en los parmetros que no afectan la
solucin ptima o cambian los valores de las
variables en la solucin. Esto se realiza sin
resolver el problema completo.
Anlisis de postoptimalidad significa examinar
los cambios una vez que se ha llegado a la
solucin optima. 51
Anlisis de sensibilidad usando el
mtodo grfico
Holiday Meal Turkey
Ranch
X2
(0,16) 0.5 X1 1.5
4 X1 + 3 X2 48
(0,9)
2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

(8.4,4.8) Solucin ptima
5 X1 + 10 X2 90
(3,0) (12,0) (18,0) X1
52
Cambios en los coeficientes de la
funcin objetivo - grfico
X2 X2
Variacin del coeficiente C1 de X1 Variacin del coeficiente C2 de X2
(0,16) (0,16)
4 X1 + 3 X2 = Z 2 X1 + 1.5 X2 = Z
(0,9) (0,9)
2 X1 + 3 X2 = Z 2 X1 + 3 X2 = Z
1.5 X1 + 3 X2 = Z 2 X1 + 4 X2 = Z
(3,0) (12,0) (18,0) X1 (3,0) (12,0) (18,0) X1
53
Anlisis de sensibilidad usando LINDO
Holiday Meal Turkey

Ranch
54
Cambios en los coeficientes de la funcin
objetivo - LINDO (1)
LINDO produce un reporte de sensibilidad.
Este reporte provee los incrementos y decrementos
admisibles para los coeficientes de la funcin
objetivo.
Sumando el incremento admisible (ALLOWABLE
INCREASE) a los valores actuales (CURRENT
COEF), el lmite superior puede ser obtenido.
Restando el decremento admisible (ALLOWABLE
DECREASE) a los valores actuales (CURRENT
COEF), el lmite inferior puede ser obtenido.
55
objetivo - LINDO (2)
Holiday Meal Turkey
Ranch
1.5 C1 4
1.5 C2 4
56
objetivo
Si la solucin ptima es no degenerada, podemos
afirmar:
Cuando un coeficiente en particular es aumentado

(disminuido) en una cantidad aceptable, la solucin
ptima no cambia, pero el valor ptimo de la funcin
objetivo aumenta (disminuye) en un valor igual a dicha
cantidad multiplicada por el valor de la variable
asociada a ese coeficiente.
57
Cambios en los recursos o valores del
lado derecho (1)
Los valores del lado derecho de las
restricciones a menudo representan recursos
disponibles para la empresa.
Los recursos podran ser horas de mano de
obra o tiempo de mquina o quizs dinero o
materiales de produccin disponibles.
58
lado derecho (2)
Si el lado derecho de una restriccin es cambiado:
La regin factible cambiar (a menos que la restriccin sea
inactiva)
Y con frecuencia la solucin ptima cambiar.
El valor de cambio en la funcin objetivo que resulta
de una unidad de cambio en uno de los recursos
disponibles es llamado precio dual.
El precio dual de una restriccin es el mejoramiento
del valor de la funcin objetivo que resulta del
incremento de una unidad en el lado derecho de la
restriccin.
59
lado derecho (3)
El precio dual de un recurso indica el valor en que la
funcin objetivo ser incrementada (o decrementada)
debido a otra unidad del recurso.
Sin embargo, el valor del incremento posible del lado
derecho de un recurso es limitado.
Si el valor fuera incrementado ms all del lmite
superior, entonces la funcin objetivo ya no se
incrementara por el precio dual.
Si fuera excedido este nmero lmite del recurso, quizs
cambie la funcin objetivo, pero por un valor diferente al
precio dual.
As, el precio dual slo es relevante dentro de los lmites.
60
lado derecho grfico (1)
X2 Variacin del lado derecho de la restriccin 5 X1 + 10 X2 90
(0,16)
5 X1 + 10 X2 135 2 X1 + 3 X2 = Z = 42 = 2(3) + 3(12)

(3,12)
(0,9)
Precio Dual = -(42-31.2)/(135-90) = -0.24
(8.4,4.8)
2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

5 X1 + 10 X2 90
5 X1 + 10 X2 60
(3,0) (12,0) (18,0) X1
2 X1 + 3 X2 = Z = 24 = 2(12) + 3(0) Precio Dual = -(24-31.2)/(60-90) = -0.24
60 b1 135; precio dual = -0.24 61

X2 Variacin del lado derecho de la restriccin 4 X1 + 3 X2 48
(0,16)
(0,9)
4 X1 + 3 X2 48
(3,7.5)
(8.4,4.8)
2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)
4 X1 + 3 X2 34.5
2 X1 + 3 X2 = Z = 28.5 = 2(3) + 3(7.5) Precio Dual = -(36-31.2)/(72-48) = -0.2
Precio Dual = -(28.5-31.2)/(34.5-48) = -0.2 4 X1 + 3 X2 72

(3,0) (12,0) (18,0) X1
2 X1 + 3 X2 = Z = 36 = 2(18) + 3(0)
34.5 b2 72; precio dual = -0.20 62

X2 Variacin del lado derecho de la restriccin 0.5 X1 1.5
(0,16) 0.5 X1 1.5
0.5 X1 4.2
(3,12)
2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)
(0,9)
Precio Dual = -(31.2-31.2)/(4.2-1.5) = 0
(8.4,4.8) 2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)
(3,0) (12,0) (18,0) X1
- b3 4.2; precio dual = 0.00 63

lado derecho LINDO
60 b1 135;
precio dual = -0.24
34.5 b2 72;
precio dual = -0.20
- b3 4.2;
precio dual = 0.00
64
lado derecho (1)
afirmar:
Cuando el lado derecho de una restriccin activa es

aumentado (disminuido) en una cantidad aceptable,
la base ptima no cambia, pero la solucin ptima si
cambia, y el valor ptimo de la funcin objetivo
aumenta (disminuye) en un valor igual a dicha
cantidad multiplicada por el valor del precio dual
asociado a esa restriccin.
65
lado derecho (2)

afirmar:
Cuando el lado derecho de una restriccin inactiva es

aumentado (disminuido) en una cantidad aceptable, la
solucin ptima no cambia.
66
Costo reducido
Si una solucin ptima es no degenerada, y tiene

una variable de decisin cuyo valor ptimo es cero,
podemos afirmar:
El coeficiente de esa variable en la funcin objetivo

debe ser cambiado por lo menos en el costo
reducido (y posiblemente ms), con el objeto de que
haya una solucin ptima en la que la variable
aparezca con un valor positivo.
67
Costo reducido LINDO (1)
El costo reducido es el
valor en que debe
incrementado el
coeficiente de la
MAX 10 X1 + 3 X2 variable no bsica en la
SUBJECT TO
funcin objetivo para
2) 8 X1 + 7 X2 <= 56
3) 6 X1 + 10 X2 <= 60 obtener una solucin
END ptima alternativa.
OBJECTIVE FUNCTION VALUE
1) 70.00000
VARIABLE VALUE REDUCED COST

X1 7.000000 0.000000
X2 0.000000 5.750000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 1.250000
3) 18.000000 0.000000 68
Costo reducido LINDO (2)
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
X1 10.000000 INFINITY 6.571429
X2 3.000000 5.750000 INFINITY
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
RHS INCREASE DECREASE
2 56.000000 24.000000 56.000000
3 60.000000 INFINITY 18.000000
69

2 Modelos de Programacion Lineal

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

2 Modelos de Programacion Lineal

Hochgeladen von

Copyright:

Verfügbare Formate

Investigacin Operativa 1

Profesor: Wilmer Atoche

Programacin lineal (PL)

Utilidad (intis por unidad) 7.00 5.00

Identificar el objetivo y las restricciones:

Utilidad (intis por unidad) 7.00 5.00

Utilidad (intis por unidad) 7.00 5.00

(0,0) X1 (nmero de mesas)

La restriccin de Carpintera es 4X1 + 3X2 240

(0,0) (60,0) X1 (nmero de mesas)

(0,0) (50,0) (60,0) X1 (nmero de mesas)

(0,0) (50,0) (60,0) X1 (nmero de mesas)

(0,0) (50,0) X1 (nmero de mesas)

(30,40) Solucin ptima

7 X1 + 5 X2 = Z = 410 = 7(30) + 5(40)

(0,0) (50,0) X1 (nmero de mesas)

Punto 1: (X1 = 0, X2 = 0), Utilidad = 7(0) + 5(0) = 0

(30,40) Solucin ptima

Los problemas de minimizacin pueden ser resueltos

Minimizar Z = 2X1 + 3X2

(0,16) 0.5 X1 1.5

2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

(3,0) (12,0) (18,0) X1

3) Soluciones ptimas mltiples.

Pantalla de ingreso de datos

(0,16) 0.5 X1 1.5

2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

(3,0) (12,0) (18,0) X1

(3,0) (12,0) (18,0) X1 (3,0) (12,0) (18,0) X1

Holiday Meal Turkey

Cuando un coeficiente en particular es aumentado

5 X1 + 10 X2 135 2 X1 + 3 X2 = Z = 42 = 2(3) + 3(12)

2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

60 b1 135; precio dual = -0.24 61

Precio Dual = -(28.5-31.2)/(34.5-48) = -0.2 4 X1 + 3 X2 72

34.5 b2 72; precio dual = -0.20 62

(0,16) 0.5 X1 1.5

(8.4,4.8) 2 X1 + 3 X2 = Z = 31.2 = 2(8.4) + 3(4.8)

(3,0) (12,0) (18,0) X1

- b3 4.2; precio dual = 0.00 63

Cuando el lado derecho de una restriccin activa es

Si la solucin ptima es no degenerada, podemos

Cuando el lado derecho de una restriccin inactiva es

Si una solucin ptima es no degenerada, y tiene

El coeficiente de esa variable en la funcin objetivo

VARIABLE VALUE REDUCED COST

Das könnte Ihnen auch gefallen