Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CAPITULO : II
1
CAPITULO II
Programación Lineal
1) Formulación de modelos.
a) Modelo formal.
En toda organización, siempre hay objetivos que quieren ser maximizados (p.e.
las utilidades, la rentabilidad de la inversión, la difusión de los avisos, la
satisfacción de los clientes, la productividad de los trabajadores, etc.) o
minimizados (p.e. costos de producción, mermas en la materia prima, plazos de
entrega de proyectos, etc.).
Estos objetivos deben ser logrados mediante decisiones (p.e. cuantos productos
fabricar, cuantos trabajadores contratar, cuantas acciones comprar, en que
proyectos invertir, cuantos avisos publicar, etc.).
Ejemplo 2.1
2
El departamento de Producción estima que para los siguientes tres meses estarán
disponibles 750 horas de tiempo para Corte, 600 horas de tiempo para Costura y
350 horas de tiempo para Acabado.
La pregunta es: ¿Cuántas carteras de cada tipo debe fabricar la empresa los
próximos tres meses, de tal manera que se obtenga la máxima utilidad dentro de
los limites de capacidad de producción mencionados?
Max 20X1 + 15 X2
De la tabla sabemos que cada cartera estándar necesita de 0.5 horas de corte por
lo que X1 carteras estándar necesitarán 0.5 X1 horas de corte. Así también, una
cartera de lujo necesita 1.5 horas de corte por lo que X2 carteras de lujo
necesitarán 1.5 X2 horas de corte. El total de horas utilizadas para producir X1
carteras estándar y X2 carteras de lujo es:
En vista que para corte solo se dispone de 750 horas, se debe cumplir que:
De manera similar a la operación de corte, las limitaciones de horas para las otras
operaciones son las siguientes restricciones:
3
X1 + X2 ≥ 300 Lote mínimo de producción
X1 ≥ 0 y X2 ≥ 0 Condiciones de no negatividad
Max 20X1 + 15 X2
Sujeto a:
• Las restricciones también pueden ser estrictamente de igualdad (=), mayor que
(>) o menor que (<).
4
• Identifique el enunciado verbal de la función objetivo y de cada una de las
restricciones.
Ejemplo 2.2
Enigma Diet S.A. es una empresa que produce alimentos dietéticos. En la línea de
alimentos deshidratados produce dos tipos de alimentos: Fit y Sbelt. Cada tipo de
alimento deshidratado se produce mezclando trigo, fruta deshidratada y avena. El
precio de venta de 1 kilogramo de Fit es S/. 14 y el precio de venta de 1 kilogramo
de Sbelt es S/. 10. En la siguiente tabla se presentan los precios de compra de los
insumos (en nuevos soles) programados para el siguiente mes:
• El producto Sbelt debe tener por lo menos 45% de trigo y a lo más 40% de
frutas deshidratadas.
Solución:
VARIABLES DE DECISIÓN
5
FUNCIÓN OBJETIVO
Max 14 * 0.95 (X1A + X2A + X3A) + ingreso por venta de producto Fit.
10 * 0.95 (X1B + X2B + X3B) - ingreso por venta de producto Sbelt.
6 (X1A + X1B) - costo del trigo.
4 (X2A + X2B) - costo de fruta deshidratada.
3 (X3A + X3B) - costo de avena.
1.2 (X1A + X2A + X3A) - costo de mezcla de insumos de Fit.
1 (X1B + X2B + X3B) - costo de mezcla de insumos de Sbelt.
RESTRICCIONES
Sujeto a:
a) Solución grafica.
6
Max 20X1 + 15 X2 Utilidad en soles
Sujeto a:
Región factible:
7
Luego se establece la región que corresponde a la desigualdad:
La región definida por la restricción (1) interceptada con la región definida por las
condiciones de no negatividad determina la región indicada en el siguiente grafico.
8
El procedimiento seguido para representar la restricción (1) es el mismo para cada
una de las otras restricciones. Por ejemplo, si representamos en el plano la
restricción (2):
X1 + 0.5 X2 ≤ 600
La región definida por la restricción (2) se intercepta con las establecidas por las
restricciones anteriores. La representación grafica de los puntos que cumplen las
restricciones hasta ahora analizadas es como se indica a continuación:
9
La región de puntos que cumplen las restricciones hasta ahora analizadas es la
siguiente:
X1 + X2 ≥ 300
10
La región de puntos que cumplen simultáneamente todas las restricciones se
conoce como región factible y es la que se muestra en el grafico siguiente. Cada
uno de los vértices de región factible se conoce como punto extremo (A, B, C, D,
E y F). Cada uno de los puntos que forman parte de la región factible se conoce
como solución factible. La solución factible que optimiza (en este caso
maximiza) la función objetivo se le conoce como solución optima.
11
Dado un valor de utilidad en particular, todos los pares de valores X1 y X2 que
dan dicho valor de utilidad describen una recta, razón por la cual se le denomina
recta isoutilidad. Inicialmente tracemos en el plano algunas rectas que expresen
valores arbitrarios de utilidades, por ejemplo:
20 X1 + 15X2 = 3,000
20 X1 + 15X2 = 6,000
20 X1 + 15X2 = 9,000
Al trazar la tercera recta (20 X1 + 15X2 = 9,000) sucede algo similar a la anterior.
12
En el ejemplo, el máximo valor de utilidad se logra cuando la recta de isoutilidad
pasa por el vértice D, y por lo tanto el punto D es la solución óptima.
Los valores de X1 y X2 del punto D se obtienen del mismo grafico, o dado que el
punto pertenece a las restricciones (2) y (3), se obtienen también resolviendo el
siguiente sistema de ecuaciones:
Podemos concluir que si para los próximos 3 meses se produjera 500 carteras
estándar y 200 carteras de lujo se obtendría la máxima utilidad posible la cual
seria S/. 13,000.
• Las rectas de isoutilidad son paralelas. Por lo tanto, lo importante de trazar una
recta con valor de utilidad arbitraria y la “desplazamos” paralelamente en la
dirección conveniente hasta determinar el punto optimo.
13
• Debido a que la recta de isoutilidad se desplaza hasta un extremo de la región
factible, la solución óptima siempre es un punto extremo o vértice de la región
factible.
Holguras y excedentes:
550 ≤ 750
Esto no solo significa que cumple la restricción, también significa que de las 750
horas disponibles para corte, si se ejecutara el plan de producción optimo solo se
utilizarían 550 horas. Es decir, quedarían 200 horas “libres”. La diferencia entre el
recurso disponible (750) y lo que se utilizaría (550) al ejecutar la solución
propuesta se denomina holgura. En este caso la holgura es 200 horas.
600 ≤ 600
Esto significa que de las 600 horas disponibles para Costura, si se ejecutará el
plan óptimo de producción se utilizaría las 600 horas, es decir estamos utilizando
todo el recurso disponible. En este caso decimos que la holgura es cero horas.
350 ≤ 350
Esto significa que de las 350 horas disponibles para Acabado, si se ejecutara el
plan óptimo de producción se utilizarían todas las horas disponibles. En este caso,
como en la anterior restricción, la holgura es cero.
14
700 ≥ 300
Esto significa que con el plan optimo de producción, se producirán 400 unidades
más de la cantidad mínima requerida. La diferencia entre lo que realmente se esta
obteniendo al ejecutar la solución propuesta (700) y el requisito mínimo a cumplir
(300) se denomina excedente. En este caso se dice que se cumple el
requerimiento mínimo de producción con un excedente de 400 unidades.
Las holguras se presentan en las restricciones del tipo (≤) y los excedentes se
presentan en las restricciones del tipo (≥).
Ejemplo 2.3
Min 2 X1 + 2 X2
Sujeto a:
X1 + 3 X2 ≤ 12
3 X1 + X2 ≥ 12
X1 ≥ 0 y X2 ≥ 0
a) La región factible.
b) Los puntos extremos de la región factible.
c) La solución optima y el valor optimo.
d) La región factible y la solución optima si se agrega la restricción: X1 - X2 = 3.
Solución:
15
b) Los puntos extremos son:
A: X1 = 3 y X2 = 3
B: X1 = 12 y X2 = 0
C: X1 = 4 y X2 = 0
d) Dado que la nueva restricción es una igualdad, solo los puntos del segmento
DE que pertenece a la recta X1 - X2 = 3 forman la región factible.
16
Los puntos extremos son:
D: X1 = 3.75 y X2 = 0.75
E: X1 = 5.25 y X2 = 2.25
b) Casos especiales.
17
Si reemplazamos el punto C y el punto D en la función objetivo tendremos:
18
entonces que el problema tiene una región no factible y consecuentemente no
tiene soluciones factibles ni solución optima.
Max 20 X1 - 15 X2
Sujeto a:
X1 ≤ 100 (1)
X2 ≥ 200 (2)
X1 ≥ 0 y X2 ≥ 0
Ejemplo 2.4
Max X1 + X2
Sujeto a:
4 X1 + 3 X2 ≥ 12
2 X2 ≥ 4
X1 ≥ 0 y X2 ≥ 0
19
Solución:
20
asociadas a las restricciones, lo cual hará variar la forma de la región factible
y, con ello, a la solución óptima.
21
• La variación de los lados derechos de las restricciones.
-2 ≤ mfo ≥ -1
22
Enigma S.A. y su producción de carteras. La pregunta seria ¿Cuál es el rango
de variación de la utilidad unitaria de la cartera estándar sin que cambie el
plan de producción?
Max c1 x1 + 15 x2
c1
m fo = −
15
Para que la solución óptima no cambie se debe cumplir:
-2 ≤ mfo ≥ -1
c1
-2 ≤ − ≥ -1
15
15 c1 ≥ 30
Los rangos entre los que pueden variar los coeficientes de las variables en la
función objetivo sin que varíe la solución óptima se conocen como rangos de
optimalidad.
23
Como las horas disponibles para Costura son un recurso limitante (se utiliza la
totalidad de dicho recurso y por lo tanto la restricción es activa) un cambio en
la cantidad del recurso disponible no solo cambiara la región factible y la
solución optima sino que como en este caso el cambio disminuye un recurso
limitante, la región factible disminuye en tamaño (mas difícil de cumplir y por lo
tanto menos puntos que cumplen) y la solución optima empeora (la solución
optima se debe lograr con menos recursos). Lógicamente si el cambio
aumentara la disponibilidad del recurso limitante, la región factible aumentaría
en tamaño y la solución óptima mejoraría.
24
Como el lote mínimo de producción no cambia no es una condición a cumplir
limitante (se excede lo mínimo requerido) un cambio en dicha condición
mínima cambiaria solo la región factible pero no la solución optima. Como en
este caso el cambio en la condición mínima disminuye, la región factible
aumenta en tamaño (mas fácil de cumplir y por lo tanto mas puntos cumplen)
pero la solución optima no cambia (la solución optima cumple largamente lo
mínimo requerido). Lógicamente si el cambio aumentara la condición minima
requerida, la región factible disminuiría de tamaño pero la solución optima no
cambiaria necesariamente.
e) Precio Dual.
El Precio Dual de una restricción es la mejora del valor óptimo si se agrega una
unidad adicional al lado derecho de dicha restricción
Dado que el Precio Dual de una restricción es la mejora del valor optimo, esta
mejora va a depender si el modelo es de maximizar o minimizar la función
25
objetivo. Si el objetivo es maximizar, entonces la mejora significara un aumento
del valor óptimo. Si el objetivo es minimizar, entonces la mejora significara una
disminución del valor óptimo.
f) Costo Reducido.
26
También se interpreta como el valor que disminuye la función objetivo
cuando esta variable cuyo valor es cero, es forzada a entrar en una unidad.
viii) En cualquier modelo de PL, para un conjunto fijo de datos, las restricciones
inactivas pueden ser retiradas sin afectar la solución óptima. La solución
óptima depende por completo de las restricciones activas.
El método grafico permite encontrar la solución óptima en modelos con dos variables.
Para problemas de más de dos variables existen procedimientos (algoritmos) que
permiten encontrar la solución. Sin embargo, gracias al avance de la tecnología, hoy
en día podemos acceder a programas aplicativos fáciles de usar y que hacen que los
esfuerzos se orienten principalmente al modelado de situaciones cada vez mas
27
complejas y al análisis de resultados, dejando el procedimiento de resolución al
programa. En el mercado existen programas como el LINDO, el WIN QSV, el Minitab,
TORA, Excel, etc. algunos de ellos con versiones de uso libre. Por su fácil acceso y
su uso directo en la resolución de modelos, en forma sucinta se explicara el uso de
tres de ellos, Excel, LINDO y TORA.
Para mayores detalles de la sintaxis y uso de los comandos de Excel, LINDO y TORA
puede consultar una amplia variedad de libros que existen en el mercado y la propia
ayuda de los programas. En esta parte nos concentraremos directamente en el
ingreso de modelo al programa y a la obtención de resultados.
Una compañía produce televisores, equipos Hi-Fi y altavoces utilizando una serie
de componentes comunes, tal y como se indica en la tabla inferior.
28
Ahora, deberemos seleccionar dentro de Opciones la casilla Adoptar modelo
lineal:
29
Una vez identificados los componentes del informe, su interpretación es casi
inmediata: la solución óptima sería producir 200 televisores, 200 equipos Hi-Fi, y
ningún altavoz. La columna de Coste (Gradiente) Reducido nos indica que no
resultará rentable producir altavoces a menos que el beneficio que éstos generen
aumente en 2,5 € (llegando a 37,5 €). Examinando los Rangos de los Coeficientes
Objetivo, observamos que la solución actual no variaría si el beneficio generado
por cada televisor se moviese en el rango 70-100 €, o si el generado por los
equipos Hi-Fi lo hiciese en el rango 37,5-75 €, o si el de los altavoces no se
incrementase en más de 2,5 €. Los Precios Duales determinan, junto con los
Rangos del Right-Hand-Side, que estaríamos dispuestos a pagar hasta 12,5 € por
cada unidad adicional de conos hasta un máximo de 100 conos, y hasta 25 € por
cada unidad adicional de componentes electrónicos hasta un máximo de 50
componentes. Observar que, por el contrario, perderíamos 25 € por cada
componente electrónico que “nos quitasen” de los 600 disponibles, hasta un
máximo de 200 unidades (cifra a partir de la cual será necesario volver a
programar).
30
Una compañía produce televisores, equipos Hi-Fi y altavoces utilizando una
serie de componentes comunes, tal y como se indica en la tabla inferior.
X1 = TV
X2 = HI-FI
X3 = Altavoces
31
4) Con respecto a la segunda (referidas a la disponibilidad de fuentes de
alimentación), se tiene una holgura de cincuenta (50) unidades, por lo
tanto es una variable inactiva.
a)Que para los TV el valor es “0”, entre los limites de 70.00 € y 100.00
€, lo que indica que es una actividad económicamente atractiva, lo
que quiere decir que hay un equilibrio entre la salida (utilidad unitaria)
y la entrada (costo unitario de recursos consumidos).
b)Que para los HI-FI el valor es “0”, entre los limites de $37.50 y 100.00
€, lo que indica que es una actividad económicamente atractiva, lo
que quiere decir que hay un equilibrio entre la salida (utilidad unitaria)
y la entrada (costo unitario de recursos consumidos).
32
e)De la quinta restricción (Componentes electrónicos), este entre 400 y
650 unidades.
En cuanto al Precio dual, o Precio sombra o Multiplicadores simplex,
que representa el valor por unidad de un recurso, se tiene:
33
Habría que resolver el programa lineal arrastrando los valores del parámetro.
Para cada valor de dicho parámetro con sentido económico habría que dar
una solución al programa lineal que podría representar una minimización de
costes.
ii) Las restricciones van precedidas por cualquiera de las siguientes expresiones:
SUBJECT TO
SUCH THAT
S.T.
ST
34
v) El nombre de las variables debe tener una extensión máxima de 8 caracteres.
viii) Las condiciones de no negatividad no se indican pues el LINDO las asume por
omisión.
Para que el reporte con la solución del modelo se presente, use el comando
Solve o el icono indicado en la siguiente figura.
35
El reporte obtenido por el LINDO es el siguiente:
MODELO
MAX 20 X1 + 15 X2
SUBJECT TO
2) 0.5 X1 + 1.5 X2 ≤ 750
3) X1 + 0.5 X2 ≤ 600
4) 0.5 X1 + 0.5 X2 ≤ 350
5) X1 + X2 ≥ 300
END
SOLUCION
OBJECTIVE FUNCTION VALUE
1) 13000.00
ANALISIS DE SENSIBILIDAD
NO. ITERATIONS = 2
36
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
2 750.000000 INFINITY 200.000000
3 600.000000 100.000000 100.000000
4 350.000000 40.000000 50.000000
5 300.000000 400.000000 INFINITY
La segunda parte muestra el valor óptimo, la solución optima con sus respectivos
costos reducidos y las restricciones con sus respectivas holguras o excedentes y
precios duales.
MAX 20 X1 + 15 X2
SUBJECT TO
2) 0.5 X1 + 1.5 X2 ≤ 750
3) X1 + 0.5 X2 ≤ 600
4) 0.5 X1 + 0.5 X2 ≤ 350
5) X1 + X2 ≥ 300
END
Note que el programa ha numerado las restricciones pero que esta numeración
empieza en 2). Esto es porque la numeración es por filas y la fila 1) es la
correspondiente a la función objetivo. Esta numeración de las filas, que sirve para
identificar las restricciones y es mantenida a lo largo del reporte.
1) 13000.00
37
Muestra el valor de cada variable en la solución óptima. Coincidiendo con la
solución obtenida mediante el método grafico, la solución óptima (el plan optimo
de producción) es fabricar 500 unidades de carteras estándar y 200 unidades de
carteras de lujo. También se muestra el costo reducido de cada variable que es
ente caso es cero.
La siguiente parte de reporte muestra las filas numeradas que corresponden a las
restricciones, sus correspondientes holguras/excedentes y sus precios duales.
Para la fila 2), que corresponde a una disponibilidad de 750 horas para corte, se
tiene una holgura de 200 horas, por lo tanto es una restricción no activa. Para la
fila 3) que corresponde a una disponibilidad de 600 horas de costura, la holgura
es cero y por lo tanto es una restricción activa. Para la fila 4) que corresponde a
350 horas de acabado, también la holgura es cero y por lo tanto, también es una
restricción activa. La fila 5) corresponde al lote mínimo de producción y el
excedente es 400 unidades y por lo tanto es una restricción no activa. Como se
puede apreciar, los resultados coinciden con la solución grafica.
Respecto a los precios duales, para la fila 2) si aumenta en una unidad el lado
derecho de la restricción la utilidad no cambia porque el precio dual es cero. Es
decir, si a las 750 horas con que se cuenta para corte le agregamos una hora, la
utilidad no cambia. Esto es lógico porque si para la solución optima y el valor
optimo hay horas sobrantes de corte, agregar una hora mas no mejora la solución
optima ni el valor optimo.
Para la fila 3), si aumentamos una hora adicional a las 600 horas ya disponibles,
la utilidad aumenta en un monto equivalente al precio dual es decir S/. 10.
Para la fila 4), si aumentamos una hora adicional a las 350 horas disponibles, la
utilidad aumenta en un monto equivalente al precio dual es decir S/. 20. Este
resultado confirma el que obtuviéramos en el análisis que hiciéramos en la
solución grafica.
Para la fila 5), si exigimos una unidad adicional a las 300 del lote mínimo, la
utilidad no varia (el precio dual es cero) dado que se han producido 400 unidades
mas de las mínimas exigidas.
38
mientras la utilidad unitaria de la cartera estándar tenga un valor entre S/. 15 y S/.
30 (rango de optimalidad) el plan optimo de producción será x1 = 500; x2 = 200.
Note que si bien la solución optima no varia, el valor optimo si. Un análisis similar
se cumple para la utilidad unitaria de la cartera de lujo, la utilidad actual es S/. 15
y puede aumentar como máximo hasta S/. 5 y disminuir como máximo hasta S/. 5
sin que la solución óptima cambie.
La última parte del reporte se refiere al lado derecho de las restricciones y los
rangos de variación en los que es valido el valor del precio dual.
Maximizar 2 x1 + x2
Sujeto a
x1 + x2 ≤ 10 tiempo disponible para jugar y estudiar
x1 - x2 ≤ 0 tiempo de estudio vs tiempo de juego
x1 ≤4 tiempo máximo de juego
x1, x2 ≥ 0 restricciones de no negatividad
39
Luego se activa el comando “Click Here” y aparece la siguiente pantalla:
40
En donde uno puede seleccionar entre resolver un modelo nuevo o uno ya
almacenado, en nuestro caso seleccionamos "Enter New Problem” (resolver un
modelo nuevo) y utilizamos el comando “Go To Input Screen”, para que salga la
pantalla siguiente:
41
Seguidamente se utiliza el comando “Solve” para resolver el problema, teniendo
la opción de salvar en un archivo el modelo planteado.
42
Si se hubiese elegido el método algebraico se obtiene la siguiente pantalla, la
misma que al seleccionar el comando “Go To Ouput Screen” se genera la
pantalla con la solución del modelo, la misma que nos muestra no solo los valores
óptimos y el valor objetivo del modelo planteado, sino que además nos da los
diferentes valores para efectuar el análisis de sensibilidad.
Al igual que el reporte del software LINDO, el reporte del software TORA, tiene
tres partes, tal como se aprecia a continuación.
43
Primera parte:
La segunda parte
La tercera parte
44
g) Regla del 100%.
Para todos los coeficientes de la F.O. que se cambia, sume los porcentajes de los
aumentos permisibles y las disminuciones permisibles. La solución óptima no
variara si la suma de los porcentajes es menor o igual que 100%.
Para todos los lados derechos que se cambian, sume los porcentajes de los
aumentos permisibles y de las disminuciones permisibles. Si la suma de los
porcentajes es menor o igual que 100%, los precios duales no cambian.
Recuerden:
4) Aplicaciones especiales
a) Problema de transporte.
45
Para mostrar el modelo que resuelve el problema de transporte tomemos la
siguiente situación:
Ejemplo 2.5
Diagrama de red:
46
Variables de decisión
Modelo
Minimizar 1.2x11 + 1.3x12 + 0.4x13 + 0.6x14 + 0.5x21 + 0.4x22 + x23 + 1.1x24 + x31
+ 0.9x32 + 1.2x33 + 4.6x34
Sujeto a:
x11 + x12 + x13 + x14 + ≤ 500 (suministro de Ventanilla)
x21 + x22 + x23 + x24 + ≤ 700 (suministro de San Juan de Miraflores)
x31 + x32 + x33 + x34 + ≤ 800 (suministro de La Victoria)
x11 + x21 + x31 = 400 (demanda de Ate)
x12 + x22 + x32 = 900 (demanda de Barranco)
x13 + x23 + x33 = 200 (demanda de Comas)
x14 + x24 + x34 = 500 (demanda de Magdalena)
xij ≥ 0 para i = 1, 2, 3 ; j = 1, 2, 3, 4
47
Variable Valor Costo reducido
X11 0 0
X12 0 0.2
X13 200 0
X14 300 0
X21 0 0.1
X22 700 0
x23 0 1.3
x24 0 1.2
x31 400 0
x32 200 0
x33 0 1
x34 200 0
48
• Oferta o suministro total es menor a la demanda total.
• Maximización de la función objetivo.
• Rutas con capacidad limitada.
• Rutas no aceptables.
b) Problema de asignación.
Ejemplo 2.6
La gerencia de Enigma S.A. quiere asignar a tres ejecutivos para que visiten e
inspeccionen las tres plantas con que cuenta la empresa en provincias. Los
costos de asignación (en soles) de cada ejecutivo a cada planta son mostrados en
el siguiente cuadro:
Ejecutivo Planta
Tacna Huánuco Cusco
Finanzas 24 10 21
Mercadeo 14 22 10
Operaciones 15 17 20
Diagrama de red:
49
Variables de decisión
donde i = 1, 2, 3 y j = 1, 2, 3
Modelo
Sujeto a:
xij para i = 1, 2, 3 ; j = 1, 2, 3
Valor optimo = 35
50
Los resultados se interpretan de la siguiente manera:
c) Problema de trasbordo.
Ejemplo 2.7
51
Huánuco. En las siguientes tablas aparece el costo unitario de transporte de cada
ruta de distribución.
Se debe determinar cuantos productos deben ser trasladados por cada ruta
propuesta de tal manera que se cumpla con la cantidad demandada por cada
distribuidor al menor costo posible.
Diagrama de red:
Variables de decisión
52
Modelo
Minimizar 2x13 + 30x14 + 3x23 + x24 + 2x35 + 6x36 + 3x37 +6x38 + 4x45 + 4x46+
6x47 + 5x48
Sujeto a:
53
Variantes del modelo
54