El documento presenta una introducción al método gráfico para resolver problemas de programación lineal, describiendo los pasos para dibujar la región factible, calcular los puntos extremos, y determinar la solución óptima. También explica cómo utilizar el método simplex para resolver problemas de maximización y minimización estándar de programación lineal, incluyendo cómo convertir las restricciones en igualdades y seleccionar la columna y fila pivote en cada iteración. Finalmente, resuelve tres ejercicios numéricos como ejemplos.
El documento presenta una introducción al método gráfico para resolver problemas de programación lineal, describiendo los pasos para dibujar la región factible, calcular los puntos extremos, y determinar la solución óptima. También explica cómo utilizar el método simplex para resolver problemas de maximización y minimización estándar de programación lineal, incluyendo cómo convertir las restricciones en igualdades y seleccionar la columna y fila pivote en cada iteración. Finalmente, resuelve tres ejercicios numéricos como ejemplos.
El documento presenta una introducción al método gráfico para resolver problemas de programación lineal, describiendo los pasos para dibujar la región factible, calcular los puntos extremos, y determinar la solución óptima. También explica cómo utilizar el método simplex para resolver problemas de maximización y minimización estándar de programación lineal, incluyendo cómo convertir las restricciones en igualdades y seleccionar la columna y fila pivote en cada iteración. Finalmente, resuelve tres ejercicios numéricos como ejemplos.
El documento presenta una introducción al método gráfico para resolver problemas de programación lineal, describiendo los pasos para dibujar la región factible, calcular los puntos extremos, y determinar la solución óptima. También explica cómo utilizar el método simplex para resolver problemas de maximización y minimización estándar de programación lineal, incluyendo cómo convertir las restricciones en igualdades y seleccionar la columna y fila pivote en cada iteración. Finalmente, resuelve tres ejercicios numéricos como ejemplos.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1de 19
UNIVERSIDAD FERMIN TORO
FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES
ESCUELA DE ADMINISTRACIN
Integrante: Marilyn C. Hernndez B. C.I 16.919.970
Cabudare Edo Lara Programacin Lineal Un problema de programacin lineal es un problema en cual debemos hallar el valor mximo o mnimo de una expresin lineal ax + by + cz + . . . (Llamada la funcin objetivo), sujeta a unas restricciones lineales de la forma Ax + By + Cz + . . . N o Ax + By + Cz + . . . N. El valor ms grande o ms pequeo de la funcin objetiva se llama el valor ptimo, y un conjunto de valores de x, y, z, . . . que se resultan en el valor ptimo es la solucin ptima. Las variables x, y, z, . . . se llaman las variables decisin. Mtodo grfico El mtodo grfico para solucionar a un problema de programacin lineal es el siguiente: Dibuje la regin factible de las restricciones. Calcule las coordenadas de los puntos extremos (puntos de esquina). Sustituya las coordenadas de los puntos de esquina en la funcin objetiva para ver cual da el valor ptimo. Este punto da la solucin del problema de programacin lineal. Si la regin factible no es acotada, este mtodo puede ser errneo: soluciones ptimas siempre existen cuando la regin factible est acotada, pero pueden no existir en el caso no acotado. Si la regin factible no es acotada, estamos minimizando una funcin objetivo cuyas coeficientes no son negativos, entonces existe una solucin dado por este mtodo. Para determinar si existe una solucin en el caso general no acotado: Acote la regin por aadir una recta horizontal por encima del punto de esquina ms arriba, y una recta vertical a la derecha del punto de esquina que est ms hacia la derecha. Calcule las coordenadas de los puntos nuevos de esquina que se obtiene. Halle el punto de esquina donde ocurre el valor ptimo de la funcin objetivo. Si el valor ptimo se ocurre a un punto de esquina de la regin original (no acotada) entonces existe la solucin ptima a aquel punto. Si ocurra el valor ptimo solo a un punto nuevo de esquina, entonces el problema de programacin lineal no tiene soluciones. Ejercicios Resueltos: 1) Una empresa de Calculadoras produce una calculadora cientfica y una calculadora grfica. Las proyecciones a largo plazo indican una demanda esperada de al menos 100 cientficos y 80 calculadoras grficas cada da. Debido a las limitaciones en la capacidad de produccin, no ms de 200 calculadoras cientficos y 170 calculadoras grficas se pueden hacer todos los das. Para satisfacer a un contrato de transporte martimo, con un total de al menos 200 calculadoras debe enviarse cada da. Si cada calculadora cientfica vendida da como resultado en 20Bs de prdida, pero cada calculadora grfica produce un 50bs de beneficio, cuntos de cada tipo se debe hacer diariamente para maximizar los beneficios netos? La pregunta pide el nmero ptimo de las calculadoras, as que las variables de restricciones son: x: nmero de calculadoras cientficas y: nmero de calculadoras graficas producidas Ya que no se pueden producir nmeros negativos de las calculadoras, tenemos las dos restricciones, x> 0 y y> 0 Pero en este caso, no se puede pasar por alto estas restricciones, porque ya tenemos que x > 100 y y> 80. El ejercicio tambin da mximos: x< 200 y Y< 170 . El requisito mnimo del envo me da x + y >200; en otras palabras, y > - x + 200. La relacin de ingresos ser nuestra ecuacin de optimizacin: R = -20 x + 50 y .Por lo tanto todo el sistema es: R= F(x,y) = -20 x + 50 y , con restricciones a: 100 < x < 200 80 < y < 170 y > - x + 200 Graficamos: y= -x + 200 y=80 y=170 x=200 x=100
Al probar los puntos de esquina en (x,y)=(100, 170), (200, 170), (200, 80), (120, 80) y (100, 100). F(100,170) = -20 x + 50 y =-20(100)+50(170)=6500 F(200,170) = -2 x + 5 y =-20(200)+50(170)=4500 F(200,80) = -2 x + 5 y =-20(200)+50(80)=0 F(120,80) = -2 x + 5 y =-20(120)+50(80)=1600 F(100,100) = -2 x + 5 y =-20(100)+50(100)=3000 Se debe obtiene el valor mximo de F(x,y) = 6500para ( x , y ) = (100, 170) . Es decir, la solucin es " 100 calculadoras cientficas y 170 calculadoras grficas". 2) se necesita comprar algunos archivadores. Se sabe que el Gabinete X cuestaBs 1000 por unidad, requiere de dos metros cuadrados de superficie, y se tiene dos metros cbicos de espacio de archivos. Gabinete Y cuesta Bs 2000 por unidad, requiere de dos metros cuadrados de superficie, y tiene cuatro metros cbicos de archivos. Se le ha dado Bs 14000 para esta compra, aunque usted no tiene que gastar tanto. La oficina cuenta con espacio para no ms de 72 metros cuadrados de los gabinetes. Cuntos y de qu modelo se debe comprar, con el fin de maximizar el volumen de almacenamiento? La pregunta pide el nmero de gabinetes que necesito comprar, as que las variables se presentar asi: x : nmero degabinetes X y : nmero gabinetes Y Naturalmente, x > 0 y y> 0. se considera los costos y espacio en el piso al tiempo que maximiza el volumen de almacenamiento, por lo que los costes y espacio en el piso sern las limitaciones, mientras que el volumen ser la ecuacin de optimizacin. Costo: 1000 x + 2000 y < 14000 o y < - (1 / 2) x + 7 Espacio: 6 x + 8 y < 72, o y < - (3 / 4) x + 9 Volumen: V = 8 x + 12 Y Graficando: x=0 y=0 y=-(1/2)x+7 y=-(3/4)x+9
Al probar los puntos de esquina en (8, 3), (0, 7) y (12, 0), V=f(x,y) = 8 x + 12 y F(8,3)=8(8) + 12(3)=100 F(0,7)=8(0) + 12(7)=84 F(12,0)=8(12) + 12(0)=96 Se obtiene un volumen mximo de 100 pies cbicos por compra de ocho de modelo X y tres de modelo Y.
3) Con el fin de garantizar una salud ptima (y por tanto los resultados de la prueba exactos), un tcnico de laboratorio tiene que alimentar a los conejos con una dieta diaria que contenga un mnimo de 24 gramos (g) de grasa, 36 g de hidratos de carbono y 4 g de protenas. Pero los conejos deben ser alimentados con no ms de cinco onzas de comida al da. En lugar de pedir comida de conejo que se mezcla a la medida, es ms barato pedir Alimentacin tipo X y la Alimentacin tipo Y, y se mezclan para obtener una combinacin ptima. El alimento X contiene 8 g de grasa, 12 g de hidratos de carbono, y 2 g de protena por onza, y cuesta 0.20 por onza. El alimento Y contiene 12 g de grasa, 12 g de hidratos de carbono y 1 g de protena por onza, a un costo de 0.30 por onza. Cul es la mezcla ptima? Dado que el ejercicio est pidiendo el nmero de onzas de cada alimento requerido para la mezcla ptima diaria, las variables se destacan por el nmero de onzas de cada uno: x : nmero de onzas de alimento X y : nmero de onzas de alimento Y Ya que no puedo utilizar las cantidades negativas de ambos alimentos, las dos primeras restricciones son siempre: x > 0 y y>0 . Las otras limitaciones provienen de los gramos de grasa, carbohidratos y protenas por onza:
Grasa: 8 x + 12 y > 24 Carbohidratos:12 x + 12 y > 36 Protenas:2 x + 1 y > 4 Adems, el peso mximo de la comida es de cinco onzas, por lo que: x + y < 5 La ecuacin de optimizacin ser la relacin costo C = 0,2 x + 0.3 y, pero esta vez se vaa encontrar el valor mnimo, no el mximo. Tras la reordenacin de las desigualdades, el sistema representa grficamente como:
Al probar las esquinas en (0, 4), (0, 5), (3, 0), (5, 0) y (1, 2), C = f(x,y) = 0,2 x + 0.3 y F(0,4)=0.2(0)+0.3(4)= 1.2 F(0,5)=0.2(0)+0.3(5)= 1.5 F(3,0)=0.2(3)+0.3(0)= 0.6 F(5,0)=0.2(5)+0.3(0)= 1 F(1,2)=0.2(1)+0.3(2)= 0.8 Se obtiene un costo mnimo de sesenta centavos por porcin diaria, utilizando tres onzas de alimento X solamente.
Mtodo simplex para problemas de maximizacin estndar Para solucionar un problema de maximizacin estndar por el mtodo simplex, seguimos los siguientes pasos: Paso 1. Convierta las desigualdades en igualdades por introducir variables de holgura por cada una de las restricciones, para convertirlas en igualdades, y escriba las restricciones en forma estndar como muestra enfrente en el ejemplo. Paso 2. Escriba la tabla inicial simplex. Paso 3. Escoja la columna pivote: Encuentre el nmero negativo mayor (en valor absoluto) en el ltimo rengln (excluyendo la entrada ms hacia la derecha). Su columna es la columna pivote. (Si hay ms que una candidata, escoja alguna.) Si no hay nmeros negativo en ltimo rengln son cero (excluyendo la entrada ms hacia la derecha), entonces est terminado: la corriente solucin bsica maximiza la funcin objetivo (la solucin bsica est descrito ms abajo). Paso 4. Escoja el pivote en la columna pivote: El pivote debe ser una entrada positiva. Para cada entrada positiva b en la columna pivote, calcule la razn a/b, donde a es la entrada de la ltima columna (valores solucin) del rengln. Entre estas razones de prueba, escoja la ms pequea. La entrada correspondiente b es el pivote. Paso 5. Use el pivote para despejar la columna en la manera normal descrito en el mtodo Gauss Jordan, y sustituya la etiqueta de la columna pivote por la etiqueta del regln pivote. La etiqueta original es la variable saliendo y la nueva etiqueta es la variable entrando. Paso 6. Vaya a Paso 3. Mtodo Simplex para problemas de minimizacin Para solucionar un problema de minimizacin por el mtodo simplex, se convierte el problema en un problema de maximizacin por negar la funcin objetiva: En vez de minimizar c, se maximiza p = -c. Ejercicios Resueltos: 4) Resolver usando el mtodo Simplex el siguiente problema: Maximizar Z = f (x, y) = 3x + 2y sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x 0, y 0
Se consideran las siguientes fases: 1. Pasando las desigualdades en igualdades Introducir una variable de holgura para cada restriccin del Tipo de convertirlas en igualdades, dando el siguiente sistema de ecuaciones lineales: 2x + y + r = 18 2x + 3y + s = 42 3x + y + t = 24 2. Igualando la funcin objetivo a cero Z - 3x - 2y = 0 3. Escribir el simplex inicial bordo En las columnas aparecern todas las variables bsicas del problema y las variables de holgura / excedente. En las filas se puede observar, para cada restriccin las variables de holgura con sus coeficientes de igualdades obtenidas, y la ltima fila con los valores resultantes de la sustitucin del valor de cada variable a la funcin objetivo y funcione como se ha explicado en la teora para obtener los valores de la izquierda de la fila:
Consejo Directivo del I. Primera iteracin
3 2 0 0 0 Consejo Directivo del I. Primera iteracin Base Cb P0 P1 P2 P3 P4 P5 P3 0 18 2 1 1 0 0 P4 0 42 2 3 0 1 0 P5 0 24 3 1 0 0 1 Z
0 -3 -2 0 0 0 4. Condiciones Halt Cuando en la fila Z no son valores negativos, se ha llegado a la solucin ptima del problema. En tal caso, el algoritmo ha terminado. Si no fuera as, los siguientes pasos deben ser ejecutados. 5. Condicin base de insumo-producto A. R. En primer lugar, debemos saber la variable que entra en la base. Para ello elegimos la columna de ese valor que en la fila de la Z es el menor de los valores negativos presentes. En este caso sera la variable x (P1) de coeficiente - 3.
Si existen dos o ms coeficientes iguales que creen a la condicin anterior (caso empate), a continuacin, vamos a elegir la variable que sea bsico.
La columna de la variable que entra en la base se llama columna pivote (en color verde). B. Una vez obtenida la variable que entra en la base, estamos en condiciones de deducir lo que ser la variable que se apaga. Para ello, se divide cada trmino independiente (P0) entre el elemento correspondiente de la columna pivote, teniendo cuidado de que el resultado debe ser mayor que cero, y se elige el mnimo de estos valores.
En nuestro caso: 18/2 [= 9], 42/2 [= 21] y 24/3 [= 8] Si algn menor o igual a cero elemento existe, no se hace tal divisin, o si cada elementos que pertenecen a pivotar la columna son cero nos encontramos en el caso de una solucin no acotada, y el problema slo estara terminado El trmino de la columna pivote que da el cociente positivo ms bajo en la divisin anterior, la 3, en este momento que 8 es el cociente menor, indica la fila de la variable de holgura que sale de la base, t (P5). Esta fila se denomina la fila pivote (en color verde).
Si dos o ms cocientes son iguales cuando estn siendo calculados (caso empate), hacer una eleccin de una variable no bsica (si es posible). C. En la interseccin de la fila pivote con la columna pivote tenemos el elemento pivote, 3. 6. Clculo de los coeficientes de la nueva junta directiva. Los nuevos coeficientes de la fila pivote, t (P5), se obtienen dividiendo todos los coeficientes de tales fila entre el elemento de pivote, 3, que es la necesaria para convertir en 1. Despus, con la reduccin de Gauss hacemos ceros los restos trminos de esa columna, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo que pertenecer a la funcin objetivo Z fila. Tambin, se puede hacer de la siguiente manera: Fila Pivot: Nueva fila = (rengln pivote antiguo) de pivote / (Pivot) Residuos filas: Nueva fila = (fila Vieja) - (Coeficientes de fila viejo puestos a Colum de la variable entrante) x (fila Nueva pivote) Vamos a ver un ejemplo, una vez que la fila pivote se ha calculado (de x (P1) de fila en pizarra II): Antiguo fila P4 42 2 3 0 1 0
- - - - - - Coeficiente 2 2 2 2 2 2
x x x x x X Nueva fila pivote 8 1 Tercera 0 0 Tercera
24 0 -1 0 0 1 Se puede notar que no hemos alcanzado la condicin de parada, porque en la fila Z, hay uno negativo, -1.Debemos hacer otra iteracin: A. La variable de entrada es y (P2), con el fin de ser la variable que corresponde a la columna donde es el coeficiente de -1. B. B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los que se requieren para la nueva columna pivote: 2/1/3 [= 6] 26/7/3 [= 78/7] y 8 / 1/3 [= 24] y como el cociente menor positivo es 6, tenemos que la variable que sale es r (P3). C. El elemento pivote, que tenemos que hacer es 1, es 1/3. Trabajando de forma anloga que, antes, se obtiene la pensin: Junta III. Tercera iteracin
30 0 0 3 0 -1 Como puede ver, hay un elemento con el signo menos en la fila Z, - 1, que significa que no hemos llegado todava a la solucin ptima. Es necesario repetir el proceso: A. La variable que viene a la base es t (P5), porque es la variable que corresponde con el coeficiente de -1. B. Para el clculo de la variable que sale, dividimos los trminos de la ltima columna entre los trminos corresponsal de nueva columna pivote: 6 / (-2) [= -3], 12/4 [= 3], y 6/1 [ = 6]y al igual que el cociente positivo ms bajo es 3, obtenemos s (P4) como la variable que sale de la base. C. El elemento pivote, que tenemos que hacer es 1, es 4. Obtenemos: Junta IV. Cuarta iteracin
33 0 0 5/4 Cuarto 0 Al igual que en la ltima fila, todos los coeficientes son positivos, entonces la condicin de parada es obedecer, obtener la solucin ptima. La solucin ptima est dada por el valor de Z, en la columna de los valores de la solucin, en este caso: 33. En la misma columna, se puede observar el punto donde se alcanza, observando a los corresponsales filas de las variables de decisin que vienen en la base: (x, y) = (3,12) 5) Resolver por Mtodo Simplex Maximizar Z = f(x,y) = 3x + 2y sujeto a: 2x + y 18 2x + 3y 42 3x + y 24 x 0 , y 0 Las sucesivas tablas construidas durante el mtodo Simplex van proporcionando el valor de la funcin objetivo en los distintos vrtices de la regin factible, ajustndose, a la vez, los coeficientes de las variables inciales y de holgura. En la tabla inicial se ha calculado el valor de la funcin objetivo en el vrtice O, cuyas coordenadas (0,0) se corresponden con el valor que tienen las variables bsicas, siendo el resultado 0. Tabla I . Iteracin n 1 3 2 0 0 0 Base Cb P0 P1 P2 P3 P4 P5 P3 0 18 2 1 1 0 0 P4 0 42 2 3 0 1 0 P5 0 24 3 1 0 0 1 Z 0 -3 -2 0 0 0
La variable que entra a la base en el mtodo Simplex determina hacia qu nuevo vrtice se realiza el desplazamiento. En este ejemplo, como entra P1 (correspondiente a 'x'), el desplazamiento se lleva a cabo por la arista OF hasta llegar al vrtice F, donde se calcula el valor que toma la funcin Z. Este paso se produce en la segunda iteracin del mtodo Simplex, mostrado en la Tabla II. En ella se ha calculado el valor que corresponde al vrtice F obtenindose un valor Z = 24 para la funcin. Tabla II . Iteracin n 2 3 2 0 0 0 Base Cb P0 P1 P2 P3 P4 P5 P3 0 2 0 1/3 1 0 -2/3 P4 0 26 0 7/3 0 1 -2/3 P1 3 8 1 1/3 0 0 1/3 Z 24 0 -1 0 0 1
Se realiza un nuevo desplazamiento por la arista FH, hasta llegar a H (datos en la Tabla III). En esta tercera iteracin se calcula el valor de la funcin en el vrtice H, obtenindose Z = 30. Tabla III . Iteracin n 3 3 2 0 0 0 Base Cb P0 P1 P2 P3 P4 P5 P2 2 6 0 1 3 0 -2 P4 0 12 0 0 -7 1 4 P1 3 6 1 0 -1 0 1 Z 30 0 0 3 0 -1
Se contina el proceso a travs de la arista HG, hasta llegar al vrtice G. Los datos obtenidos se reflejan en la Tabla IV. En este punto acaba el proceso, pudindose comprobar que la solucin no mejora al desplazarse por la arista GC hasta el vrtice C (no supera el valor actual de la funcin). Tabla IV . Iteracin n 4 3 2 0 0 0 Base Cb P0 P1 P2 P3 P4 P5 P2 2 12 0 1 -1/2 1/2 0 P5 0 3 0 0 -7/4 1/4 1 P1 3 3 1 0 3/4 -1/4 0 Z 33 0 0 5/4 1/4 0
El valor mximo de la funcin objetivo es 33, y corresponde a los valores x = 3 e y = 12 (coordenadas del vrtice G).