Inv $tigación de Operación $

Pr Pr gr gr m m cin M cin M t t mtica & Inv$tigacin de mtica & Inv$tigacin de peracin$ peracin$
Inv$tigacin de Operacin$
Orgenes.
Enfoque Sistmico: A raz de la revolucin industrial las pequeas empresas que
evolucionaron crecieron en tamao y complejidad, conllevando a una divisin del trabajo y
la separacin de las responsabilidades administrativas en las llamadas aora
or!anizaciones" esto !enero !randes beneficios pero tambin problemas como lo la
tendencia de mucos de sus componentes en convertirse en autnomos con sus propias
metas inclusive valores, perdiendo la visin de que deben de estar al servicio de la propia
or!anizacin# As lo que es mejor para un componente puede ir en deterioro de otro y as
afectar el objetivo com$n dentro de la or!anizacin##
%n problema adicional es que conforme crece la complejidad y la especializacin, es m&s
difcil asi!nar los recursos de manera eficiente dentro de los componentes de la
or!anizacin sin perder de vista a esta como un todo#
'nicios: Sus inicios se atribuyen a los servicios militares en la se!unda !uerra mundial (ran
)retaa, donde era imperioso asi!nar recursos escasos a las diferentes operaciones
militares y a las actividades dentro de cada operacin en forma efectiva# Este tipo de
problemas, y la necesidad de encontrar la mejor manera de resolverlos, proporcionaron el
ambiente adecuado para el sur!imiento de la '*, caracteriz&ndose por el uso del
conocimiento cientfico travs del esfuerzo de equipos interdisciplinarios#
El ori!en de su nombre investigacin de operaciones fue dado aparentemente porque el
servicio )rit&nico de inteli!encia contrato unos !rupos de cientficos para investi!ar
operaciones militares#
En particular, el proceso comienza por la observacin cuidadosa y la formulacin del
problema incluyendo la recoleccin de datos# El si!uiente paso es la construccin de un
modelo cientfico +!eneralmente matem&tico, que intenta abstraer las partes m&s relevantes
o esenciales del problema +real, en estudio# Aqu e supone +iptesis, que el modelo copia
el problema lo suficiente como para que las conclusiones +soluciones, que se obten!an sean
tambin v&lidas para el problema real# -espus es necesario llevar a cabo e.perimentos
probar la iptesis, modificarla y eventualmente verificarla
Modelado.
)&sicamente el estudio investi!acin de operaciones se basa en construir un modelo
de la situacin fsica, siendo un modelo de investi!acin de operaciones una representacin
idealizada +simplificada, de un sistema de la vida real +e.istente o no,# /a complejidad de
un sistema real resulta de un !ran n$mero de elementos +variables, que controlan el
D. Gil C. D. Gil C.
Sistema 0eal
Sistema real
propuesto
1odelo
2i!# 3
comportamiento del sistema# Sin embar!o solo una parte de las variables
+afortunadamente, dictan o dominan el comportamiento del sistema# Entonces el modelar
es concentrarse en identificar las variables y relaciones dominantes que lo !obiernan#
Ejemplo:
%n producto manufacturado tpicamente lleva un n$mero de operaciones desde que
se concibe por el diseador asta que lle!a al consumidor#
Objetivo: 4ivel de 5roduccin en la planta#
ariables:
3# Departamento de produccin: oras6m&quina, oras6ombre, sucesin especfica
de operaciones en cada m&quina, n$mero de artculos defectuosos producidos, tasa de
inspeccin#
7# Departamento de Materiales: 8antidad disponible de material, limitantes en el
almacenamiento, tasa de entre!a del material comprado#
9# Departamento de Mercadeo: 5ronstico de ventas, intensidad de la campaa
publicitaria, capacidad de distribucin, deteccin de productos competitivos en el mercado#
El primer nivel de abstraccin pide definir el primer sistema real supuesto, para lo cual
deberemos identificar las variables dominantes y representar esa primera apro.imacin en
funcin de estas# /as variables dominantes serian entonces:
a. !asa de prod"ccin del artc"lo
b. !asa de cons"mo
/a simplificacin del sistema real al sistema real supuesto se ace a!rupando variable del
sistema real en variables del sistema real supuesto as, las variables de los departamentos de
produccin y materiales se deber&n considerar para establecer una tasa de produccin tan
real como sea posible, de i!ual manera con la tasa de consumo se emplear&n las variables
del departamento de mercadeo#
-e las tasas de produccin y consumo se pueden establecer entonces medidas de escasez o
e.ceso en el inventario para un nivel de produccin dado, pudindose crear un modelo
D. Gil C. D. Gil C.
-iseo produccin
*rden
materiales
0equerimi
entos
Almacn
0equeri
mientos
8ompras
orden
1ercadeo y
:entas
8onsumidor
abstrado para balancear los costos de escase# y del e.ceso de inventarios, no siendo este
el $nico, se puede por ejemplo desear construir un modelo que con determinado nivel de
produccin tal que el inventario en e.ceso permanezca bajo cierto nivel m&.imo#
!ipos de Modelos de IO
Simblico o matemtico# ;odas las variables son cuantificables, entonces las variables, sus
relaciones y sus soluciones son representadas empleando smbolos, funciones y
manipulacin matem&tica respectivamente#
Solucin a modelos: 1atem&ticos, <eursticos y de Simulacin
Simulacin: Estos imitan el comportamiento de un sistema o modelo en un perodo de
tiempo#
Etapas "s"ales en "n est"dio de I.O.
3# -efinicin del problema y recoleccin de datos#
7# 2ormulacin del modelo matem&tico que represente el problema#
9# -esarrollo de un procedimiento basado en computadora para derivar una solucin al
problema a partir del modelo#
=# 5rueba y mejoramiento del modelo#
># Aplicacin del modelo y su solucin#
?# 5uesta en marca#
D. Gil C. D. Gil C.
Satisfazar +optimizar y satisfacer,#
*ptimizar ;eora 6 8iencia de lo absoluto
Satisfazar 0ealidad 6 arte de lo factible
5ro!ramacin /ineal
Es repartir recursos limitados entre actividades competitivas de la mejor manera posible#
El modelo matem&tico incluye tres elementos:
Variables de decisin y parmetros: @ue no son otra cosa que las variables controlables
del sistema#
Restricciones: 8on elles se toma en cuenta las limitaciones fsicas del sistema, es decir
limita las variables a sus valores factibles#
Funcin Objetivo: Es la manera de medir la efectividad del sistema, en trminos de una
funcin matem&tica de las variables de decisin#
Entonces de manera !eneral se pueden ver como: -eterminar los valores de las variables
xj, con j!"#"$$$"n,
los cuales *ptimizar&n +Satisfazar&n,
x%&'x!"$$$"x#(
sujetos a
g!'x!"$$$"xn( bi" i!"#"$$$"m ' o (
xi% j!"#"$$$")
Ej.$ %na empresa produce artculos de vidrio de alta calidad, incluyendo ventanas y
puertas, posee tres plantas# /os marcos y molduras de aluminio se acen en la planta 3, los
marcos de madera se fabrican en la planta 7 y en la 9 se produce el vidrio y se ensambla los
productos# Supon!a que la administracin a decidido discontinuar al!unos productos
poco rentable y la capacidad de produccin liberada se emplear& en producir dos nuevos
productos, donde: El producto 3 requiere parte de la capacidad de produccin en las plantas
3 y 9 pero nada en la planta 7# El producto 7 solo necesita trabajo en las plantas 7 y 9# /a
compaa esta en capacidad de vender todos los productos que se puedan fabricar#
-efinicin del problema:
Determinar las tasas de produccin deben tener los productos tal que maximicen las
unidades totales, teniendo en cuenta las restricciones de produccin +cada producto se
fabricar& en lotes de 7A, de manera que la tasa de produccin est& definida como el
n$mero de lotes que se producen a la semana,# B@u se necesita para estoC
a# El n$mero de oras de produccin disponibles por semana en cada planta
para estos productos#
b# 4$meros de oras de produccin que cada lote producido de cada
producto nuevo emplea en cada una de las plantas#
c# /a !anancia#
Este problema se conoce como mezcla de productos, los datos necesarios recolectados se
listan a continuacin:
D. Gil C. D. Gil C.
5lanta ;iempo de produccin por
lote, ora
;iempo de produccin
disponible a la semana en
oras 5roducto
3 7
3
7
9
3
A
9
A
7
7
=
37
3D
(anancia 9 >
El modelo matem&tico:
1a. *+x!,-x#
Sujeto a:
x! .
#x# !#
+x!,#x#!/
y
x!% " x#%$
Este es el tipo m&s usual de aplicacin de la pro!ramacin lineal que involucra las
asi!naciones de recursos a ciertas actividades, donde la determinacin de esta asi!nacin
implica ele!ir los niveles de las actividades que lo!rar&n el mayor valor posible de la
medida global de e&ectividad#
8*4:E48'E4 -E ;F01'4*S#
8iertos smbolos se emplean para denotar las distintas componentes del modelo de
pro!ramacin lineal:
* G :alor de la medida !lobal de efectividad &uncin Objetivo
xj G 4ivel de la actividad j +jG3,7,9,###,n, variables de decisin
cj G 'ncremento en H que resulta al aumentar una unidad el nivel de la actividad j
bi G 8antidad de recurso i disponible para asi!nar a las actividades +iG3,7,###,m,
aij G 8antidad de recurso i consumido por cada unidad de actividad j
/as constantes xj" cj" bi y aij son conocidas como parmetros o coe&icientes tecnolgicos$
Al formular matem&ticamente el problema de asi!nacin de recursos a actividades, consiste
en ele!ir valores de
x!" x#" $$$ "xn para
maximi0ar HG c!x!, c#x#, $$$ "cnxn
Sujeta a las restricciones
a!!x! , a!#x# ### a!nxn b!
a#!x! , a##x# ### a#nxn b#
### ### ### ###
am!x! , am#x# ### amnxn bm
y x!%" x#%" $$$ "xn%
D. Gil C. D. Gil C.
/a forma como esta informacin ser& e.presada por comodidad y para preparar su solucin
a travs del al!oritmo S'15/EI es:
0ecurso
8onsumo de recursos por unidad de actividad
8antidad de recursos
disponibles
Actividad
3 7 ### n
a!! a!# ### a!n b!
a#! a## ### a#n b#
### ### ### ### ###
am! am# ### amn bm
E.isten variaciones al modelo antes descrito como son:
3# /a funcin objetivo es minimi0ar#
7# 0estricciones del tipo mayor o i!ual +,
9# 0estricciones del tipo ecuacin +G,
=# /as variables de decisin son irrestrictas en si!no para
al!$n j#
S%5*S'8'*4ES -E/ 1*-E/* -E 50*(0A1A8'E4 /'4EA/
Proporcionalidad: /a contribucin de cada actividad al valor de la &uncin objetivo H es
proporcional al nivel de la actividad xj, como se representa a travs del trmino cjxj en la
&uncin objetivo# -e i!ual forma, la contribucin de cada actividad al lado izquierdo de
cada restriccin es proporcional al nivel de la actividad xj" en la forma que lo representa el
trmino aijxj en la restriccin# Ej#
.3 Hej# Hcaso3+9.363, Hcaso7
+!anancia
creciente,
Hcaso9
+!anancia
decreciente,
A A A A A
3 9 7 9 9
7 ? > J >
9 K D 37 ?
= 37 33 3D ?
D. Gil C. D. Gil C.
%ditividad: 8ada funcin en un modelo de pro!ramacin lineal +ya sea la &uncin Objetivo
o el lado izquierdo de las restricciones &uncionales, es la suma de las contribuciones
individuales de las actividades respectivas +elimina los productos cruzados,#
+.3,.7, Hej# Hcaso3L.3.7 Hcaso7 L.3.7
+3,A, 9 9 9
+A,3, > > >
+3,3, D K J
&ivisibilidad: /as variables de decisin en un modelo de pro!ramacin lineal pueden
tomar cual1uier valor, incluyendo valores no enteros, que satisfa!an las restricciones
funcionales y las de no ne!atividad#
E'EMP(O) &E %P(I*%*I+, &E P.(.
Son tan amplios y dismiles entre si como los que se listan a continuacin
a# 5laneacin de la produccin
b# 1ezcla de alimentos
c# 8orte y ajuste de material
d# 8ontrol de 8alidad del a!ua
e# 5erforacin de pozos y produccin de petrleo
f# )alanceo en ensamble
!# 'nventario
# ;erapias mdicas#
Ej. - 1ezcla de alimentos
Se supone la disponibilidad de ciertos in!redientes con los cuales se mezcla el alimento
adem&s se conoce el contenido nutritivo de cada in!rediente# /a descripcin del modelo
incluye:
6 0equerimientos nutritivos diarios del animal
6 /imitaciones fsicas o no nutritivas tales como abastecimiento, te.tura o
consistencia y posibilidad de a!lomeracin#
D. Gil C. D. Gil C.
0
2
4
6
8
10
12
14
16
18
20
0 1 2 3 4 5
Serie1
Serie2
Serie3
Serie4
El objetivo es minimizar el costo total de un tamao de lote dado de la mezcla, de tal
manera que se satisfa!an las restricciones fsicas y nutritivas#
Supon!a aora que se requieren un lote diario de 3AA /ibras, la dieta para pollos debe
contener
3# Al menos A#M pero no m&s de 3#7M de calcio#
7# Al menos 77M de protenas#
9# A lo m&s >M de fibras crudas#
Supon!a adem&s, que los principales in!redientes utilizados incluyen maz, soya y caliza
+carbonato de calcio,# El contenido nutritivo de estos in!redientes se resumen a
continuacin N7O
/ibras por libra de in!rediente
'n!rediente 8alcio 5rotena 2ibra 8osto por libra
5iedra 8aliza A#9DA A#AA A#AA A#A3?=
1az A#AA3 A#AK A#A7 A#A=?9
Alimento de soya A#AA7 A#>A A#AD A#37>A
Ej. . 5roblema de la prdida por ajustes
8ierta f&brica de papel recibi tres pedidos de rollos de papel con los anco y lon!itudes
indicadas a continuacin:
5edido Ancura /on!itud
3 > 3AAAA
7 J 9AAAA
9 K 7AAAA
/os rollos se producen con dos ancos est&ndar, 3A y 7A pies los cuales ay que cortar a los
tamaos especificados por los pedidos# 4o e.iste lmite para la lon!itud de los rollos
est&ndar# El objetivo es determinar el esquema de produccin +cortes, que minimice la
p/rdida por aj"ste y satisfa!a la demanda# N7O
Sea xij la lon!itud del i6esimo rollo cortado se!$n el modelo j#
Anco .33 .37 .39 I73 .77 .79 .7= .7> .7? 0equisitos
>P 7 A A = 7 7 3 A A 3AAAA
JP A 3 A A 3 A 7 3 A 9AAAA
KP A A 3 A A 3 A 3 7 7AAAA
5rdida A 9 3 A 9 3 3 = 7
Sean S3, S7, S9, las lon!itudes en e.ceso producidas de >P, JP y KP respectivamenteN7O
Ej. 0 )alanceo en el ensamble
%na unidad completa de un cierto producto consiste de = unidades del componente A y 9
unidades del componente )# /os dos componentes +A y ), se fabrican con dos materias
primes diferentes de las cuales se tienen disponibles respectivamente 3AA y 7AA unidades#
;res departamentos est&n en el proceso de produccin y cada departamento utiliza un
mtodo diferente para fabricar los componentes# /a tabla que si!ue muestra los requisitos
D. Gil C. D. Gil C.
de materia prima por corrida de produccin y las unidades resultantes de cada componente#
El *bjetivo es determinar el n$mero de corridas de produccin para cada departamento que
ma., el Q total de unidades completas del producto final# N7O
-epartamento
4ecesidad por corrida
+unidades,
Salida por corrida +unidades,
1at 5rim 3 1at 5rim 7 8ompo# 3 8ompo# 7
3 D ? J >
7 > K ? K
9 9 D D =
Ej. 1 %na compaa produce dos tipos de sombreros vaqueros# 8ada sombreo del primer
tipo requiere el doble de tiempo en mano de obra que el se!undo# Si todos los sombreros
son solamente del se!undo tipo, la compaa puede producir >AA sombreros al da# El
mercado limita las ventas diarias del primero y se!undo a 3>A y 7AA# Supon!a que los
beneficios son D para el 3 y > para el 7# -etermine el n$mero de sombreros que se deben
producir de cada tipo a fin de ma.imizar el beneficio# N7O
Ej. 2 5ara un cafetn que trabaja 7= rs# Se requieren las si!uientes meseras:
<oras Q 1nimo de 1eseras
76? =
?63A D
3A63= 3A
3=63D J
3D677 37
7767 =
8ada mesera trabaja D rs# 8onsecutivas por da# El *bjetivo es contratar el n$mero m&s
pequeo de requerido para cumplir los requisitos anteriores# N7O
D. Gil C. D. Gil C.
0
1
2
3
4
5
6
7
8
9
10
0 2 4 6 8
3-425
32465
304.5
36425
30425
36475
Ej. 8 Supon!a que el n$mero mnimo de autobuses requerido en la i6sima ora del da es
bi, iG3,7,9,###,7=# 8ada autob$s trabaja ? oras consecutivas# Si el n$mero de autobuses en
el perodo i e.cede el mnimo requerido bi, se incurre en un costo por e.ceso, ci, por
autob$s6ora# 2ormule el problema como un problema de 5#/# de tal manera que se
minimice el e.ceso del costo total ori!inado# N7O
)ol. Si se definen las variables de decisin como: xiG 4$mero de autobuses que comienza
en la ora i, lue!o la funcin objetivo se podr& plantear como:

7=
3
7=
3
H o , +
i
i i
i
i i i
S 2 Min x b 2 * Min
y plantear las restricciones funcionales y de no ne!atividad como:
A ,###, , ,###, , , I
3K 3 7= 9 7 3
3K 3K 7= 79 77 73 7A 3K
9 9 7= 79 77 9 7 3
7 7 7= 79 77 73 7 3
3 3 7= 79 77 73 7A 3
+ + + + +
+ + + + +
+ + + + +
+ + + + +
S S 3 3 3
b S 3 3 3 3 3 3
b S 3 3 3 3 3 3
b S 3 3 3 3 3 3
b S 3 3 3 3 3 3
)ol"cin a problemas de Programacin (ineal P.(.

%n procedimiento !eneral al!ebraico para resolver problemas de 5#/# es el conocido con el
nombre de m4todo Simples desarrollado por (eor!e -antzi! en 3K=J#
M/todo gr9ico o geom/trico 3- variables5: ;mese como ejemplo inicial el Ej# 3 N3O
Ma: Z=3x1+5x2
Sujeto a:
x1 4
2x2 12
3x1+2x218
y
x10, x20.
%na 9rontera de
restriccin es el lmite
permitido por una
restriccin, en el caso de
dos variables es una recta,
en tres un plano, etc# %na sol"cin en v/rtice es la intercepcin de dos fronteras de
restriccin, una solucin en un vrtice que pertenece al espacio de soluciones se llama
sol"cin 9actible en v/rtice 3;E5, para un problema de 5#/# con n variables de decisin,
cada una de sus soluciones en los vrtices se encuentra en la intercepcin de por lo menos n
&ronteras de restriccin# ;E ad<acentes son aquellas que comparten n5! fronteras de
D. Gil C. D. Gil C.
restriccin# -os soluciones 2E: est&n conectadas por un se!mento de recta +pertenecientes
a las fronteras de restriccin, llamado orilla o arista de la re!in factible# -el ejemplo
tenemos las si!uientes soluciones 2E: y sus correspondientes soluciones 2E: adyacentes:
Soluciones 2E: Soluciones 2E: adyacentes
+A,A, +A,?, y +=,A,
+A,?, +7,?, y +A,A,
+7,?, +=,9, y +A,?,
+=,9, +=,A, y +7,?,
+=,A, +A,A, y +=,9,
;abla 3A, Soluciones 2E: Ej. $
Pr"eba de optimalidad: Si una solucin 2E: no tiene soluciones 2E: adyacentes que
sean mejores bajo la perspectiva de H, entonces sa debe ser una solucin Optima#
)ol"cin geom/trica.
6niciali0acin: Elija +A,A, como S2E: inicial
7rueba de optimalidad: pruebe la e.istencia de soluciones adyacentes que mejoren
el valor de H#
8n caso de existir una mejor solucin itere
3# 1uvase sobre la arista que m&s aumenta +disminuye, el valor de H#
7# -etn!ase en la frontera de restriccin#
9# ;ome ese nuevo punto como solucin de inicio#
8n caso contrario la Solucin F8V es la solucin optima$
)ol"cin en el M/todo simple:: siempre es una solucin 2E:, entonces el mtodo simple
slo toma en cuenta las soluciones 2E: y consiste en encontrar la mejor#
)ol"cin ;E de inicio: (eneralmente es el ori!en, es decir, todas las variables de
decisin i!ual a cero# Es posible en la mayora de los casos ya que las restricciones de no
ne!atividad sobre las variables de decisin !eneran como fronteras de restriccin a los
vrtices dejando el ori!en como una solucin 2E:, salvo en el caso que viole una
restriccin funcional#
Ej. = resuelva de forma !r&fica y !eomtrica el si!uiente problema de 5#/#
A , I
KA 7I
> 7I
9 7 9
? 9 7
# #
9 = H
7 3
7 3
7
7 3
7 3
7 3
+
+
+
3
3
3 3
3 3
9 S
3 3 Max
*bviando las restricciones de no ne!atividad y a!re!ando variables tales que cada
desi!ualdad se transforme en i!ualdad, el problema es un sistema de = ecuaciones con ?
inc!nitas, y de la solucin !eomtrica observamos que cada solucin 2E: es la solucin
D. Gil C. D. Gil C.
del sistema descrito aciendo 7 de esas variables i!uales a cero# En !eneral para m
ecuaciones y n inc!nitas con nRm, al acer n6m variables i!uales a cero obtendremos lo
que se denomina sol"cin bsica4 denomin&ndose a las variables i!uales a cero variables
no>bsicas las restantes se denominan bsicas y si adem&s estas ultimas son todas no
ne!ativas a la solucin se llama sol"cin bsica 9actible#
/a solucin optima para un sistema de m ecuaciones y n inc!nitas se podr& entonces
allar resolviendo
, ,S + S +
S
m n m
n
2
n
m
8onjunto de ecuaciones simultaneas siendo totalmente ineficiente por cuanto:

6 El Q de soluciones b&sicas es muy !rande
6 1ucas soluciones son in factibles
6 /a funcin *bjetivo sera pasiva en el c&lculo#
*onsideraciones para la )ol"cin %lgebraica: Este se basa en la solucin de sistemas de
ecuaciones por consi!uiente, el primer paso es convertir las inecuaciones en ecuaciones
+restricciones funcionales de desi!ualdad en restricciones de i!ualdad,, introduciendo las
llamadas variables de ?olg"ra, que no es otra cosa que restar del lado dereco la ?olg"ra
de rec"rso que convierta en una i!ualdad la restriccin funcional respectiva, una
observacin obvia entonces es que por cada restriccin funcional del tipo se tendr& una
nueva variable, lo que convierte el problema de 5/ en un sistema de ecuaciones de m
ecuaciones con mLn variables# -el Ej. $ tendr& entonces la si!uiente forma aumentada del
problema de 5#/#
A , , , , I
3D I 7I 9
37 I 7
=
# #
A A A > 9 H
> = 9 7 3
> 7 3
= 7
9 3
> = 9 7 3
+ +
+
+
+ + + +
3 3 3 3
3
3
3 3
9 S
3 3 3 3 3 Max
%n valor de cero +A, en una variable de ol!ura si!nifica que se encuentra en las fronteras
de decisin, mientras que uno positivo si!nifica que esta en el lado factible de la re!in
factible y un valor ne!ativo estar& en el lado no factible, de esta forma una solucin 2E:
tendr& aora cinco valores es decir, tomemos la solucin 2E: +9,7, tendr& la si!uiente
solucin aumentada +9,7,D,3,>,, lo que no es otra cosa que una sol"cin bsica 9actible
descrita en la seccin anterior# 8onsidere la solucin +=,?,, Bqu conclusiones obtiene al
aumentarlaC# Ejercicio allar todas las soluciones factibles o no, aumentadas para el Ej. $#
Propiedades de la sol"cin bsica
3# 8ada variable de la forma aumentada ser& desi!nada como b&sica o no b&sica#
7# El n$mero de variables b&sicas es i!ual al n$mero de restricciones funcionales
+ecuaciones, y el n$mero de no6b&sicas ser& la diferencia entre el n$mero total de
variables y el n$mero de restricciones funcionales +variables b&sicas,, as del ejemplo
seran 9 y 7 respectivamente las variables b&sicas y las no6b&sicas#
9# /as variables no bsicas se acen i!ual a cero#
D. Gil C. D. Gil C.
=# /os valores de las variables bsicas se obtienen de la solucin simult&nea del sistema
de ecuaciones aumentado resultante de acer cero las variables no6b&sicas#
># Si las variables satisfacen las restricciones de no ne!atividad, la solucin b&sica es una
sol"cin bsica 9actible#
8onsidere la solucin +A,?,, B8u&l ser& la solucin aumentadaC# B8u&les las variables
b&sicas y no6b&sicasC# BEs una S)2C
)ol"ciones @; ad<acentes: si todas menos una de sus variables no6b&sicas son las mismas,
esto tambin implica que todas menos una de sus variables b&sicas ser&n las mismas pero
no necesariamente con el mismo valor# En consecuencia trasladarse de una solucin )2
adyacente a otra implica acer una variable no6b&sica, b&sica y viceversa, ajustando lue!o
los valores de las dem&s variables b&sicas de tal manera que si!an satisfaciendo las
restricciones#
%ntes de emplear )AMP(EB
8onviene e.presar el problema de la si!uiente manera:
3D I 7I 9 , 9 +
37 I 7 +7,
= +3,
A A A A > 9 H +A,
> 7 3
= 7
9 3
> = 9 7 3
+ +
+
+

3
3
3 3
3 3 3 3 3
*bserve la manera que se a incorporado la funcin objetivo al problema, dejando de ser
pasiva en el c&lculo, tambin es de acer notar que se an numerado las ecuaciones por
comodidad#
/a solucin b&sica inicial se obtiene de acer cero las variables de decisin +A,A,=,37,3D,, la
cual arroja como valor HGA, lue!o si observamos los valores de los coeficientes de las
variables no6b&sicas observamos que pueden mejorar el valor de H, con lo cual se puede
concluir que la solucin actual no es optima# B8u&l variable cambiar de no6b&sica a b&sicaC#
BEn que valor debe aumentar la variable que ser& b&sicaC#
7 > > 7 3
7 = = 7
9 9 3
3
7 3D I 3D I 7I 9 , 9 +
7 37 I 37 I 7 +7,
= = +3,
A
3 3
3 3
3 3 3
3 si
+ +
+
+
/a idea es aumentar la variable que mejore a una tasa m&s !rande el valor de H sin dejar de
la re!in factible y que todas las variables permanezcan no ne!ativas#
ariable bsica entrante: :ariable no6b&sica que aumentar& su valor de cero +mejorar& el
valor de H, y ser& parte de la solucin b&sica actual#
ariable bsica C"e sale: variable b&sica que lle!a primero a cero, cuando se aumenta la
variable que entra#
D. Gil C. D. Gil C.
4ote que el sistema las variables b&sicas poseen un coeficiente i!ual a uno, una forma muy
adecuada cuando se emplea eliminacin gaussiana para resolver sistemas de ecuaciones,
siendo este el mtodo en el cual se basa el ST15/EI, se deber& aora operar sobre el
sistema de ecuaciones de tal manera que:
/a funcin objetivo este e.presada solo en trminos de variables no6b&sicas#
/as variables b&sicas ten!an coeficiente la unidad en la ecuacin donde se
encontraba la anti!ua variable b&sica y cero en las dem&s#
As podemos ver que en la ecuacin +7, al dividir entre 7 toda la ecuacin cumpliremos con
la se!unda e.i!encia, para la se!unda se debe entonces operar al!ebraicamente sobre ellas,
sumando o restando m$ltiplos de una ecuacin a otra#
)mple: en 9orma tab"lar.
5ara el Ej. $ si solo tomamos en cuenta sus coeficientes y adem&s consideramos el arre!lo
anterior donde la funcin objetivo ser& nuestra ecuacin cero +A, y lo colocamos
convenientemente en una tabla +tabla 33,:
Ec# Q X1 X2 X3 X4 X5 /ado -er#
+A, 69 6> A A A A
+3, 3 A 3 A A =
+7, A 7 A 3 A 37
+9, 9 7 A A 3 3D
!abla $$. 2orma tabular Ej# 3
%lgoritmo smple:
)ol"cin Inicial: I9G=, I=G37, I>G3D para HGA
*onsideraciones en torno a las posibles sol"ciones
Empate en la variable que entra, esto es dos o m&s variables tienen el mismo valor
+8oef# 4e!ativo, m&s !rande, en este caso se rompe el empate de manera arbitraria# Ej#:
Ma: Z=3x1+5x2
Sujeto a:
x1 4
2x2 12
3x1+2x218
y
x10, x20.
Empate en la variable b&sica que sale, en este caso si es importante que variable se toma
ya que pueden ocurrir una serie de consecuencias: a5 Al iterar las dem&s variables
empatadas se ar&n cero +A,, llamando a esta situacin de!eneracin +variable
de!enerada y solucin b&sica de!enerada#
b5 Si cualquiera de las variables a nivel cero se eli!e como variable que sale, la variable
que entra tambin deber& acerlo a nivel cero pues no puede crecer sin la que sale
disminuya, lo que implica que no ay mejora para H e.istiendo la posibilidad de
c5 entrar en un ciclo infinito#
D. Gil C. D. Gil C.
4o e.iste variable b&sica que sale, +H es no acotada, esto se puede observar en la tabla
cuando todos los valores bajo la variable que entra +valores de la columna pivote, son
todos ne!ativos o cero#
Soluciones ptimas m$ltiples Ej#: Ma: Z=3x1+2x2, esto se ve cuando al menos una
variable tiene coeficiente cero +A, en la ecuacin final, de forma que si se aumenta su
valor H no tiene incremento#
Otras ;ormas &el Modelo de P.(.
2orma est&ndar: 1a.imizar, restricciones de la forma menor o i!ual +,, restricciones de no
ne!atividad y biA para toda iG3,7,###,m# 5ara otras formas del modelo la dificultad
adicional radica en poder identificar la solucin b&sica factible inicial#
!/cnica de las variables arti9iciales. @ue de forma muy !eneral construye un problema
artificial a partir del ori!inal a!re!ando convenientemente una variable ficticia llamada
artificial con la intencin de que sea parte de la solucin b&sica inicial, debiendo modificar
la 2#*# para penalizar el eco de que la variable nueva no es real#
0estricciones en forma de i!ualdad: Supon!amos aora el si!uiente problema:
Ma: Z=3x1+5x2
Sujeto a:
x1 4
2x2 12
3x1+2x2 =18
y
x10, x20.
;D,&%ME,!O) ME!O&O )AMP(EB
Ecuacin Frontera de Restriccin, se obtiene al sustituir el si!no <, >, ,
en cualquier restriccin funcional por la i!ualdad +G,# En consecuencia las fronteras de
restriccin i n in i i
b x a x a x a + + +
7 7 3 3 para las restricciones funcionales y
A
j
x
para las
restricciones de no ne!atividad definen una fi!ura !eomtrica plana llamada ?iperplano en
un espacio n6dimensional#
Frontera de la re!in factible consiste en aquellas soluciones factibles que satisfacen
una o m&s de las ecuaciones de frontera de las restricciones#
Una solucin factible en vrtice (FEV) es aquella que no est& sobre
nin!$n se!mento de recta que conecta a otras dos soluciones factibles#
5ara un problema de 5#/# con n variables de decisin, cada solucin 2E: se encuentra en la
interseccin de n fronteras de restriccin" es decir se trata de la solucin simult&nea de un
sistema de n ecuaciones de frontera" en este caso y dado que e.isten +n,m, ecuaciones de
frontera no todo sistema de n ecuaciones conduce a una S2E:, pudiendo ocurrir que:
:iolen una o m&s de las restantes m ecuaciones de restricciones, !enerando una
solucin no factible#
4o tener solucin si se eli!en ecuaciones que definan
iperplanos paralelos#
1$ltiples soluciones debido a ecuaciones redundantes#
5ara el ejemplo tipo empleado asta aora F$G:
D. Gil C. D. Gil C.
A , A
3D 9 7
37 7
= # #
> 9
7 3
7 3
7
3
7 3

+
+
x x y
x x
x
x a s
x x * Max
tenemos cinco restricciones y dos variables de decisin por lo que e.isten
pares 3A
7
>
,
_
de ecuaciones de frontera, de los cuales cinco +>, se convierten en ecuaciones de definicin

para las soluciones 2E: +tabla 37,, tres+9, son ecuaciones de definicin para soluciones no
factibles +tabla 37, y los dos restantes no tienen solucin#
Soluciones 2E: Ec# de definicin Soluciones no62E: Ec# de definicin Sin Solucin Ec# de definicin
+A,A, A
3
x +A,K, A
3
x
66666
A
3
x
=
3
x A
7
x 3D 7 9
7 3
+ x x
+A,?, A
3
x
66666
A
7
x
37 7
7
x 37 7
7
x
+7,?, 37 7
7
x +=,?, 37 7
7
x
3D 7 9
7 3
+ x x =
3
x
+=,9, 3D 7 9
7 3
+ x x
=
3
x
+=,A, =
3
x +?,A, 3D 7 9
7 3
+ x x
A
7
x A
7
x
!abla $-. Soluciones y ecuaciones de definicin
)O(D*IO,E) ;E %&H%*E,!E)
5ara un problema de 5/ con n variables de decisin y una re!in factible acotada, una
solucin 2E: se encuentra en la interseccin de n fronteras de restriccin que satisface las
restantes restricciones# %na arista de la re!in factible es un se!mento de recta factible
que se encuentra en la interseccin de +n63, fronteras de restriccin# -os soluciones 2E:
son ad<acentes si el se!mento de recta que las conecta es una arista de la re!in factible#
-e cada solucin 2E: parten n aristas, llevando cada una a las n soluciones factibles
adyacentes#
PIOPIE&%&E) &E (%) )O(D*IO,E) ;E
Propiedad 1: a, Si el problema tiene e.actamente una solucin optima, entonces esta
debe ser una solucin 2E:
b, Si el problema tiene soluciones factibles optimas m$ltiples +y una re!in factible no
acotada,, entonces al menos 7 deben ser soluciones 2E: adyacentes#
Propiedad 2: Solo e.iste un n$mero finito de soluciones 2E:, dado que una
solucin 2E: es la solucin simultanea de un sistema de n ecuaciones ele!idas entre +n,m,
ecuaciones de frontera de restriccin esto es:
( )
S S
S
n m
n m
n
n m
+
,
_
+
dado que es un n$mero
finito esta combinacin no es mas que una cota superior para el n$mero de soluciones 2E:#
Propiedad 3: Si una solucin 2E: no tiene soluciones 2E: adyacentes que mejoren
la solucin +H,, entonces es una solucin optima#
;OIM% %DME,!%&% &E( PIO@(EM% &E P(
D. Gil C. D. Gil C.
-onde xn,!, xn,#,###, xn,m, son variables de ol!ura o artificiales faltando quiz& al!unas
variables de super&vit# Es bueno recordar que cada solucin en un vrtice es la solucin
simult&nea de un sistema de n ecuaciones de frontera, a las que se llam ECUACIONES E
EFINICI!N entonces Bcu&les de todas las ecuaciones de frontera son ecuaciones de
definicinC#
8ada restriccin tiene una variable indicativa,
que seala cuando la solucin actual satisface
la ecuacin de frontera de esa restriccin +tabla
39,#
Siempre que la ecuacin de frontera de
restriccin sea una de las ecuaciones de
definicin para una solucin 2E:, su variable
indicativa tiene valor de cero en la forma
aumentada del problema, denomin&ndose VARIA"#E NO "$SICA#
;ipo de restriccin 0est# Aumentada Ec# de 2rontera :ariable indicativa
4o ne!atividad xj A xj % xj
+
+
n
j
i i n j ij
b x x a
3

n
j
i j ij
b x a
3
i n
x
+
G
+
+
n
j
i i n j ij
b x x a
3

n
j
i j ij
b x a
3
i n
x
+
+
+
n
j
i si i n j ij
b x x x a
3

n
j
i j ij
b x a
3
si i n
x x +
+
D. Gil C. D. Gil C.
m 7 7 3 3
7 7 7 7 77 3 73
3 3 3 7 37 3 33
7 7 3 3
b

b
b # #

+ + + +
+ + + +
+ + + +
+ + +
+
+
+
m n n mn m m
n n n
n n n
n n
x x a x a x a
x x a x a x a
x x a x a x a a s
x c x c x c * Max

!abla $. :ariables indicativas para las ecuaciones de frontera de restriccin
El problema -%A/ y el an&lisis de SE4S')'/'-A-
A cada problema de pro!ramacin lineal +Primal54 e.iste otro
problema tambin lineal llamado &"al# Entre estos dos problemas
e.isten relaciones muy $tiles en el llamado an&lisis de sensibilidad,
dado que todos los par&metros de ambos modelos son meras
estimaciones o representar decisiones !erenciales de sus verdaderos
valores#
El Problema &"al
5ara el problema Primal:
n 3,7,###, j para , A
m 3,7,###, i para , a
: a Sujeto
, 1a.imizar
n
3 j
ij
3

j
j
n
j
j j
x
y
b x
x c *
posee un problema &"al asociado con los mismos para metros del
ori!inal salvo que dispuestos de manera diferente + en cierta forma
traspuestos,:
m 3,7,###, i para , A
n 3,7,###, j para , a
: a Sujeto
, y 1a.imizar
m
3 i
ij
3
A

i
j i
m
i
i i
y
y
c y
y b
de forma matricial sera:
Primal &"al
D. Gil C. D. Gil C.

A
y
a sujeto
H 1a.imizar
x
b x 9
x c

A
y
a sujeto
y 1a.imizar
A
y
c 9 y
b y
se deben tener muy en cuenta las dimensiones de los vectores de

par&metros y variables" para el problema tipo la correspondencia
primal6dual ser&:
Primal
1a. *+x
!
,-x
#
Sujeto a:
x
!
.
#x
#
!#
+x
!
, #x
#
!/
y
x
!
% " x
#
%$
El &"al
1in y
A
.y
!
, !#y
#
, !/y
+
Sujeto a:
y
!
, +y
+
+
#y
#
,#y
+
-
y
y
!
% " y
#
%" y
+
%$
;omado de forma matricial tendramos los si!uientes par&metros:
D. Gil C. D. Gil C.

[ ]
1
]
1
1
]
1
1
1
1
]
1
1
]
1
1
1
1
]
1
1
]
1
A
A
y
3D
37
=
7 9
7 A
A 3
a sujeto
> , 9 1a.
7
3
7
3
7
3
x
x
x
x
x
x
*
[ ]
[ ] [ ]
[ ] [ ] A A A y
> , 9
7 9
7 A
A 3
a sujeto
3D
37
=
1a.
9 7 3
9 7 3
9 7 3 A
1
1
1
]
1
1
1
1
]
1
y y y
y y y
y y y y
Origen problema &"al
5ara la demostracin del problema dual +probar que si!ue siendo el
problema primal escrito de otra forma, se deber& recordar el
resumen matem&tico del mtodo simples" as para cada iteracin del
simples el problema se puede escribir como + el U solo para la
iteracin final,:
2ila A:
[ ]

* y c 0 t

*tras filas:
[ ]

b S 9 :

8ombinados
1
]
1
1
]
1
b S 9
* y c 0
:
t
8ambiando nuevamente de notacin llamando aora a J

K
como <
6
K
y
sin asteriscos para los pasos intermedios f&cilmente se puede lle!ar a
las relaciones entre los par&metros y los valores ori!inales del
problema de pro!ramacin lineal#
0ecordando que al dar solucin al problema tendremos que
3
; c y
;
lue!o las relaciones

D. Gil C. D. Gil C.
n 3,7,###, j para que lo por
,
3
3
A

m
i
i ij j
m
i
i i
y a 0 9 y 0
y b b y y

que ya son muy pr.imas a el planteamiento del problema que

emos desi!nado como dual, aora enfoc&ndonos en la prueba de
optimalidad, todos los coeficientes de la fila A, funcin objetivo
deben ser no ne!ativos, esto en trminos de las ecuaciones de la
tabla anterior:
m 3,7,###, i para A
n 3,7,###, j para A

i
j j
y
c 0
lo cual resume el mtodo Smplex como la b$squeda de los
m
y y y , , ,
7 3

tales que:
m 3,7,###, i para , A
n 3,7,###, j para , a
: a Sujeto
, y
m
3 i
ij
3
A

i
j i
m
i
i i
y
c y
y b
que a e.cepcin del objetivo +ma.imizar o minimizar, es el
problema que emos llamado &"al, como <
o
es el valor de J es
apenas l!ico pensar que debera ma.imizarse tambin pero, las
$nicas soluciones factibles para este modelo son aquellas que
satisfacen la condicin de optimalidad por lo que la solucin
optima del primal es la $nica que ace factible al dual, es decir que
el valor optimo de H es el m<nimo factible de y
o
en el nuevo
problema lue!o a!re!ando este objetivo de minimizar se obtiene la
formulacin completa del problema dual#
Propiedades Primal>&"al
5ropiedad dbil:
Si x es una solucin Factible para el problema primal y y
es una solucin &actible para el problema dual, entonces
5ropiedad 2uerte:
D. Gil C. D. Gil C.
yb cx
Si .
U
es la solucin optima para el problema primal y y
*
es la solucin optima para el problema dual, entonces
5ropiedad de soluciones complementarias:
En cada iteracin el mtodo simples identifica una S2E: x, para el
problema primal y una solucin complementaria para el problema
-ual y que en la tabla simples estar& en los coeficientes de la
variables de ol!ura +precios sombra,#
D. Gil C. D. Gil C.
b y cx

0eferencias )iblio!r&ficas
N3O <illier 2redericV S#, /ieberman (erald W# 6ntroduccin a la 6nvestigacin de
Operaciones# 1c(raX6<ill 3KKK#
N7O ;aa <amdy A#, 6nvestigacin de Operaciones# 0epresentaciones y servicios de
in!eniera, S#A#6 1.ico#3KD3
D. Gil C. D. Gil C.

Inv $tigación de Operación $

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Inv $tigación de Operación $

Caricato da

Copyright:

Formati disponibili

Pr Pr gr gr m m cin M cin M t t mtica & Inv$tigacin de mtica & Inv$tigacin de peracin$ peracin$

)ol"cin a problemas de Programacin (ineal P.(.

8onjunto de ecuaciones simultaneas siendo totalmente ineficiente por cuanto:

de ecuaciones de frontera, de los cuales cinco +>, se convierten en ecuaciones de definicin

se deben tener muy en cuenta las dimensiones de los vectores de

8ambiando nuevamente de notacin llamando aora a J

lue!o las relaciones

que ya son muy pr.imas a el planteamiento del problema que

Potrebbero piacerti anche