Actividad Evaluativa Eje2 Investigacion de Operaciones I

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 17

lOMoARcPSD|31044360

Actividad Evaluativa EJE2 - Investigacion DE Operaciones I

Sostenimiento de minas (Fundación Universitaria del Área Andina)

Escanea para abrir en Studocu

Studocu no está patrocinado ni avalado por ningún colegio o universidad.


Descargado por Elizabeth Guevara González ([email protected])
lOMoARcPSD|31044360

ACTIVIDAD EVALUATIVA EJE II


SOLUCIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL NO ESTÁNDAR

JORGE CONTRERAS ZULUAGA


DANIEL CANDELA MENDEZ
CARLOS ALBERTO MORENO CALDERÓN

PROFESOR:
PEDRO PABLO URIBE GÓMEZ

FUNDACIÓN UNIVERSITARIA ÁREA ANDINA INGENIERÍA DE SISTEMAS.


INVESTIGACIÓN DE OPERACIONES I.
2020

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Contenido
1. Objetivos...................................................................................................... 3

2. Introducción ................................................................................................. 4

3. Actividad ...................................................................................................... 5

3.1 Fase 2 ......................................................................................................... 7

4. Conclusiones ............................................................................................. 15

5. Bibliografía................................................................................................. 16

Página 2 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

1. Objetivos

Aplicar los métodos de la Gran M y de las dos fases en la solución de problemas

dados en forma no estándar.

Página 3 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

2. Introducción

La programación lineal es un campo muy conocido y profundamente aplicado de la

teoría de la optimización. Uno de sus algoritmos más famosos y utilizados es el

denominado algoritmo Simple. Incluso si es extremadamente poderoso, el algoritmo

Simplex tiene un problema de inicialización: su punto de partida debe ser una solución

básica factible del problema a resolver. Para superarlo se pueden utilizar dos enfoques:

el método de dos fases y el método Big-M, presentando ambos aspectos positivos y

negativos.

Página 4 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

3. Actividad

A través del presente taller se busca extender los principios del método Simplex en la
solución de problemas de programación lineal dados en forma No Estándar, para lo cual
se hace necesario el estudio de los métodos de la Gran M y de las dos fases. Se invita
a ustedes que de forma colaborativa respondan a este requerimiento, que hace parte del
componente evaluativo de la asignatura.

1. Resolver mediante el método de las dos fases

Minimizar 𝑍 = 2000𝑋 + 500𝑌

Sujeto a las siguientes restricciones:

2𝑋 + 3𝑌 ≥ 36

2𝑋 + 6𝑌 ≥ 60

𝑋, 𝑌 ≥ 0

Página 5 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Mínimo negativo 𝐶𝑗 − 𝑍𝑗 es -9 en el índice de columna 𝑋2, entonces la variable de


entrada es 𝑋2.
La razón mínima es 10 en el índice de la fila 2, entonces la variable base saliente es 𝐴2.

El mínimo negativo 𝐶𝑗 − 𝑍𝑗 es − 0,5 en el índice de columna 𝑋1, entonces la variable de


entrada es 𝑋1. La razón mínima es 12 en el índice de la fila 1, entonces la variable base
saliente es 𝐴1.

Página 6 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Todos 𝐶𝑗 – 𝑍 𝑗 ≥ 0 por lo tanto se llega a la solución óptima con un valor de variables:

𝑋1 = 12

𝑋2 = 4

𝑀𝑖𝑛 𝑍 = 0

3.1 Fase 2

Se eliminan las variables artificiales y se cambia la función objetivo por la original

Mínimo negativo 𝐶𝑗 − 𝑍𝑗 es -1666.6667 y su índice de columna es 4. Entonces la


variable de entrada es 𝑆2.
La relación mínima es 12 y su índice de fila es 1. Entonces, la variable base saliente es
𝑋 1.

Página 7 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Todos 𝐶𝑗 – 𝑍𝑗 ≥ 0 por lo tanto, se llega a la solución óptima con un valor de variables:

𝑋1 = 0, 𝑋2 = 12, 𝑀𝑖𝑛 𝑍 = 6000

2. Resolver mediante el método de la gran M

Minimizar 0,4𝑋 + 0,5𝑌

Sujeto a las siguientes restricciones:

0,3𝑋 + 0,1𝑌 ≤ 2,7

0,5𝑋 + 0,5𝑌 = 6

0,6𝑋 + 0,4𝑌 ≥ 6

𝑋, 𝑌 ≥ 0

Página 8 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Máximo positivo 𝑍𝑗 − 𝐶𝑗 es 1.1M-0.4 y su índice de columna es 1. Entonces, la variable


de entrada es X. La relación mínima es 9 y su índice de fila es 1. Entonces, la variable
base saliente es 𝑆1.

Página 9 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Máximo positivo 𝑍𝑗 − 𝐶𝑗 es 0.5333M-0.3667 y su índice de columna es 2. Entonces, la


variable de entrada es y. La relación mínima es 3 y su índice de fila es 3. Entonces, la
variable base saliente es A2.

Página 10 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Máximo positivo 𝑍𝑗 − 𝐶𝑗 es 1,6667M -1.8333 y su índice de columna es 4. Entonces, la

variable de entrada es S2. La relación mínima es 0,3 y su índice de fila es entonces, la

variable base saliente es A1.

Todos 𝑍𝑗 − 𝐶𝑗 ≤ 0 entonces la solución óptima con un valor de variables:

𝑋 = 7.5, 𝑌 = 4.5

𝑀𝑖𝑛 𝑍 = 5.25

3. Resolver mediante el método simplex y gráfico.

Maximizar 50𝑋 + 120𝑌

Sujeto a las siguientes restricciones:

𝑋 + 𝑌 ≤ 110

100𝑋 + 200𝑌 ≤ 10000

10𝑋 + 30𝑌 ≤ 1200

𝑋, 𝑌 ≥ 0

Página 11 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Página 12 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Página 13 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

Página 14 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

4. Conclusiones

La minimización de errores, o la optimización de funciones en el sentido más amplio,


subyace a algoritmos para minimizar los residuos y maximizar ajustes lineales, esta
estrategia proporciona soluciones óptimas.

El método gráfico se limita a resolver problemas de programación lineal que tienen


una o dos variables de decisión. Sin embargo, proporciona una ilustración clara de dónde
están las regiones factibles y no factibles.

Página 15 | 16

Descargado por Elizabeth Guevara González ([email protected])


lOMoARcPSD|31044360

5. Bibliografía

Danilo de Jesús Ariza. (2018). INVESTIGACIÓN DE OPERACIONES 1 - EJE 2

Analicemos la situación - Problemas de programación lineal en forma no estándar y método

simplex revisado. Sitio Web: https://areandina.instructure.com/courses/12946.

Página 16 | 16

Descargado por Elizabeth Guevara González ([email protected])

También podría gustarte