Formulación de modelos de

programación lineal
Ing. María Guzmán Valle
mguzmanunprg@gmail.com
Investigación de Operaciones I
Logro de sesión

 Formular y resolver problemas utilizando

los modelos de programación lineal
Lista de contenidos

• Formulación y estructura de un problema utilizando

programación lineal.
• Métodos para resolver problema de programación
lineal.
• Uso de herramientas de software para encontrar la
solución óptima.
 Actividad 1

Sesión
Modelo de
programación
lineal
ÍNDICE
1. Definición
2. Un primer ejemplo
2.1. Construcción del modelo
2.2. La geometría del modelo
2.3. El álgebra del modelo
3. Ejercicios
1. Definición
- Un problema de Programación Lineal se presenta en entornos
económicos en el que hay que gestionar una serie de recursos
para realizar una determinada actividad, utilizando para ello un
criterio de tipo económico.
- En un problema de Programación Lineal existen diferentes
soluciones y un criterio para discriminar entre ellas con el objetivo
de encontrar la mejor. A este proceso de búsqueda se le denomina
Optimización.
- Optimizar significa poco más que mejorar; en el contexto científico
la optimización es el proceso de tratar de encontrar la mejor
solución posible para un determinado problema. Los problemas de
Programación Lineal pueden considerarse o denominarse como
problemas de optimización, si bien, esta denominación recoge un
rango más amplio de problemas.
1. Definición

- El criterio o función objetivo en un problema PL

va referido a la minimización de los costes de la
actividad, o a la maximización de beneficios.
Utilidades
Producción

Publicidad

Rentabilidad
 Tiempos
Costos

Distancias

Fallas
Pérdidas
- De forma más precisa, estos problemas se trata de
calcular el valor de unas variables que están sujetas a
una serie de restricciones y para las que una
determinada función objetivo alcanza su valor máximo o
mínimo.
- Los problemas de Programación Lineal se expresan
mediante un conjunto de relaciones matemáticas que se
conoce como modelo.
- El esfuerzo se centra tanto en la construcción del
modelo como en la resolución del mismo.
1. Definición

Un problema de Programación Lineal está formado por tres

componentes principales:
 Un conjunto de variables: Referidas a la actividad que se
desarrolla en el sistema que se quiere optimizar.
Notación: x1, x2, x3, ….
 Un conjunto de restricciones: Expresan la relación entre el
consumo de recursos y las limitaciones de los mismos, así como
toda clase de características que hay que imponer en el problema y
que están asociadas a la actividad que se realiza en el sistema.
Ejemplo: x1+ x2  3
Una función objetivo: Criterio que se desea optimizar
Ejemplo: Maximizar x1 + 3x2
1. Definición
Los problemas de optimización dependen fundamentalmente para su
resolución del tipo de variables que forman parte del mismo y del carácter
lineal o no lineal de las restricciones.

• Continuos (Vbles. continuas)

PROGRAMACIÓN LINEAL
[CONTINUA]

• Lineales
(Función Objetivo y • Enteros (vbles. enteras)
Restricciones lineales)
[Entera mixta (vbles. enteras y continuas)]
Problemas
PROGRAMACIÓN ENTERA

• No Lineales
(Función Objetivo y/o restricciones no lineales)
Ejemplo 1
Un fabricante de mantequilla desea optimizar la producción diaria de su
factoría. Fabrica dos tipos de mantequilla (Estándar y Media Sal). Un
Kilo de mantequilla Estándar proporciona un beneficio de 10 € y uno de
MediaSal de 15 €. Para la producción de mantequillas se usan tres
procesos, pasteurización, centrifugado, y batido. La capacidad de
pasteurización es de 6horas/día, de centrifugado es de 3horas/día y de
batido es de 3.5horas/día.
Los tiempos(en minutos) de proceso por cada kilo de mantequilla se
recogen en la siguiente tabla:
Estándar Media Sal
Pasteurización 3 8
Centrifugado 3 2
Batido 3 4
Modelo
Identificación de componentes

Variables asociadas a la actividad:

- Cantidad de mantequilla Estándar a producir por día: x1
- Cantidad de mantequilla Media Sal a producir por día: x2

Recursos: Restricciones:
- Tiempo de pasteurización - Limitación de las horas de pasteurización
- Tiempo de centrifugado - Limitación de las horas de centrifugado
- Tiempo de batido - Limitación de las horas de batido

Objetivo: Maximizar el beneficio

2. Un primer ejemplo
Modelo

Restricciones: Expresión matemática

- Limitación de las horas de pasteurización
Semántica de la restricción: Consumo  Capacidad
1 Kg Estándar consume 3 minutos de pasteurización
2 Kg Estándar consumen 6 minutos(32) de pasteurización
.....
x1 Kgs Estándar consumen 3x1minutos de pasteurización
Idéntico análisis para Kgs de Media Sal: 8x2
Consumo Total = 3x1 + 8x2 minutos
Capacidad = 6 horas = 360 minutos Misma Unidad
Restricción completa: 3x1 + 8x2  360

- Análisis equivalente para el resto de restricciones

2. Un primer ejemplo
Modelo
Función Objetivo: Expresión matemática
Objetivo: Maximizar los beneficios:
1 Kg Estándar  Beneficio = 10
2 Kg Estándar  Beneficio = 102 = 20
.............

x1 Kg Estándar  Beneficio = 10x1

Idéntico análisis para Media Sal: 15x2

Beneficio Total = 10 * x1 + 15 * x2

Expresión: Max 10x1 + 15x2

2. Un primer ejemplo
Modelo 2. Un primer ejemplo
Modelo:
Variables: x1 : Kilos de mantequilla Estándar
 Variables continuas
x2 : Kilos de mantequilla Media Sal

Función Objetivo: Max 10 x1  15 x2

Rest. Recurso pasteurización:
Rest. Recurso centrifugado:
Rest. Recurso batido:
Signo de las variables:
sujeto a
3x1  8 x2  360 (R1)
 Expresiones Lineales
3x1  2 x2  180 (R2)
3x1  4 x2  210 (R3)
x1 , x2  0

- Modelo lineal
- Programación lineal continua
x2
100
Representación de una restricción: 3x1  8x2  360
90 - Es un semiespacio del espacio de 2
80 - El semiespacio se define por la recta que expresa la
70 restricción con signo de igualdad
60

50 SEMIESPACIO NO ADMISIBLE
40 3x1  8x2  360
30

20 SEMIESPACIO
ADMISIBLE
10
3x1  8x2  360
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 x1
3x1  8x2  360
x2
100
Max 10 x1  15 x2
90

80
Región de s.a.
70
admisibilidad 3x1  8 x2  360 (R1)
convexa
60 3x1  2 x2  180 (R2)
50 3x1  4 x2  210 (R3)
40 x1 , x2  0
30

20

10

10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 x1

R3 R1
3x1  2 x2  180 R2 3x1  4 x2  210 3x2  8x2  360
 Max 10 x1  15 x2
x2
50
s.a.
3x1  8 x2  360 (R1)
(R1)
40
3x1  2 x2  180 (R2)
(R2)
30 3x1  4 x2  210 (R3)
(R3)

20
Dirección de x1 , x2  0
máxima mejora

10

10 20 30 40 50 60 70 x1
z=100
z  10 x1  15x2
z=0
 x2 Óptimo  Punto interior

50 Siguiendo la dirección de máxima

mejora desde cualquier punto interior
40 podré ir a otro punto con mejor valor de
la F.O.
30

20 Por tanto, el Óptimo debe estar en la

frontera de la región.
10

10 20 30 40 50 60 70 x1
 Max 10 x1  15 x2
Max 10 x1  15 x2
s.a.
s.a.
x2 3x1  8 x2  h1  360
3x1  8 x2  360 (R1)
50 V2 3x1  2 x2  h2  180
3x1  2 x2  180 (R2)
3x1  4 x2  h3  210
40 V3 3x1  4 x2  210 (R3)
x1 , x2 , h1 , h2 , h3  0
x1 , x2  0
30

20 Variables de holgura
V4
10 m = Número de restricciones
V1 V5 n = Número de variables
10 20 30 40 50 60 70 x1
Resultados
Ranging
Original Problem/Answers
Iteraciones – Método Símplex
Dual
Método gráfico
Gráfico
Método gráfico
Ejercicios

Para los ejercicios que aparecen a continuación:

- Obtenga el modelo matemático del problema

- Soluciónelo utilizando una herramienta de

software
 Ejercicio propuesto 1
• Un estudiante dedica parte de su tiempo al
reparto de propaganda publicitaria. La empresa
“A” le paga 3.5 nuevos soles, por cada impreso
repartido y la empresa “B”, con folletos más
grandes, le paga 4.7 nuevos soles por impreso.
El estudiante lleva dos bolsas: una para los
impresos A, en la que caben 120, y otra para los
impresos B, en la que caben 100. Ha calculado
que cada día es capaz de repartir 150 impresos
como máximo. Lo que se pregunta el estudiante
es: ¿cuántos impresos habrá de repartir de cada
clase para que su beneficio diario sea máximo?
Ejercicio propuesto 2
Un hipermercado necesita como mínimo 16 cajas de langostino, 5 cajas
de nécoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen en
proveer al hipermercado de dichos productos, pero sólo venden dicho
marisco en contenedores completos. El mayorista A envía en cada
contenedor 8 cajas de langostinos, 1 de nécoras y 2 de percebes. Por su
parte, B envía en cada contenedor 2, 1 y 7 cajas respectivamente. Cada
contenedor que suministra A cuesta 210 000 soles., mientras que los
del mayorista B cuestan 300 000 soles cada uno. ¿Cuántos
contenedores debe pedir el hipermercado a cada mayorista para
satisfacer sus necesidades mínimas con el menor coste posible?
Ejercicio propuesto 3
1. Programación Lineal

https://www.youtube.com/watch?v=t7haNTcjMqc

2. Fundamentos para utilizar programación lineal

https://www.youtube.com/watch?v=JgTiVn2un_8
 María Guzmán Valle
mguzmanunprg@gmail.com