Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INVESTIGACION DE OPERACIONES.
TEMARIO.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
INVESTIGACION DE OPRERACIONES.
Investigador de operaciones.
Administradores.
Informáticos.
GRUPOS Ingenieros.
INTERDISCIPLINARIOS Economistas.
Contadores.
Etc.
ANTECEDENTES.
Markowitz. Simulación.
Raifa. Análisis de decisiones.
Arrow-Karli. Inventarios.
Siglo XVI.....
Newton.
Lagrange Probabilidad y.
Cálculo Diferencial Laplace. Estadística.
Leibnitz.
Stieljes.
1
Identifica el problema
(partes y objetivos)
2
Observar el Sistema
(información)
3
Formular un Modelo
Matemático (plantear )
4
Verificar el Modelo y
usarlo en predicción
(evaluar y derivar sol. )
5
Seleccionar alternativas
de solución
6
Presentar resultados
a la organización
7
Implementar y evaluar
recomendaciones
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
“Programación Lineal”
A pesar de que la programación lineal se empezó a estudiar desde finales del S.XIX
no fue hasta mediados del presente siglo en que tuvo auge como técnica matemática
aplicable a los problemas de la empresa.
El Dr. G. Damtzing desarrolló el método simplex y con ello hizo posible la solución
de grandes problemas modelados con programación lineal que solo quedaban en la
situación de estudios. Paralelamente a la invención de este método a partir de mediados del
siglo se desarrollo la computación digital y se pudo tener resultados óptimos a los
problemas estudiados que se quedaron como modelos.
Proporcionalidad
Aditividad (adición)
Divisibilidad
Certidumbre(certeza)
Antes de formular un modelo general para P.L conviene ilustrar algunos ejemplos
que faciliten la interpretación de la generalización
Ejemplo de producción:
Una empresa ha dejado de fabricar ciertos productos, liberando de esta forma las
cargas de producción que tenían sus equipos en los departamentos de maquinado. Ahora se
tienen horas máquina que se pueden utilizar en los productos denominados 1,2,3 de la
siguiente manera:
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Fresadora 9 3 5 500
Torno 5 4 - 350
Rectificadora 3 - 2 150
Utilidad
$/ pieza 50 20 25
X1 = 30 piezas
X2 = 15 piezas
X3 = 20 piezas
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Ejemplo de inversión:
1 8.5 0.02 8
2 9 0.01 2
3 8.5 0.38 5
4 14.3 0.45 6
5 6.7 0.07 2
6 13 0.35 4
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al esperado. Se
considera ventajoso un período promedio ponderado de inversión de ciando menos 5 años; pero el factor
promedio ponderado de riesgo no debe ser superior a 0.20. La ley prohibe que la suma de las inversiones de
los tipos 4 y 6 sea mayor al 25% del total de la inversión. Con P.L formule un modelo de P.L para decidir
cómo invertir para maximizar el rendimiento de los 2 millones de dólares.
(SOL. A)
Definición de variables
Función objetivo
sujeta a restricciones:
(SOL. B)
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Definición de variables
sujeta a restricciones:
1) X1 + X2 + X3 +X4 + X5 + X6 = 1 (capital)
2) 0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 = 0.2 (1) = 0.2
3) 8X1 + 2X2 + 5X3 +6X4 + 2X5 + 4X6 = 5 (1) = 5
4) X4 + X6 = 0.25 (1) = 0.25
Ejemplo:
Definición de variables:
Función objetivo:
Sujeto a restricciones:
x1 + x2 + x3 + x4 + x5 + x6 = 1
(Factor de riesgo)
x1,x2,...,x6 0
[Ésta es otra forma de plantear el problema]
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Definición de variables:
Función objetivo:
Sujeto a restricciones:
x1 + + x6 300
x1 + x2 350
x2 + x3 425
x3 + x4 450
x4 + x5 250
x5 + x6 200
.... toda xj 0
Ejemplo:
1
Requerido significa también necesidad, que es lo mismo a cubrir, por lo tanto debe ser
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
108 cm CORTE
Definición de variables2:
Sea xj = # de cortes del tipo j (j = 1,2,....,5) necesarios para cumplir el pedido con
mínimo desperdicio de papel.
Sujeto a restricciones:
Rollos
2
No olvidar que la definición de variables siempre se debe hacer de manera cuantitativa (en #).
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
in
corte corte = in ...para función objetivo.
Toda xj 0
Definición de variables:
Sea: xij = toneladas del producto j (j = A,B,C) a cargar en la bodega i (i = 1,2,3) para
maximizar la utilidad en el viaje.
Función objetivo:
Max z = 8(x1A + x2A + x3a) + 7(x1B + x2B + x3B) + 6(x1C + x2C + x3C) ...con unidades
Miles de dls.
Ton Ton = miles de dólares
Sujeto a restricciones:
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Definición de variables:
Función objetivo:
Sumatorias.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Con vectores.
(Max./Min.) z = Cx
... sujeto a: Ax = b
x 0
x = progreso de la actividad
Requerimientos.
Costos y
Utilidades.
Certidumbre. Todos los parámetros que se manejan deben ser pasados con certeza.
La gran limitación que se tiene con el método de solución gráfica con programación
lineal es que su aplicación sólo puede hacerse a problemas con dos y cuando mucho tres
variables, en este curso se ejemplifica para problemas solo con dos variables.
x1 4 .......... (1)
2x2 12 .......... (2)
3x1 + 2x2 18 .......... (3) x1 ; x2 0
A (0 ,6 ) R ( 4 ,6 )
H ( 4 ,3 )
J (6 ,0 )
O (0 ,0 ) F ( 4 ,0 )
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x1 4 2 x2 12 3 x1 + 2 x2 18
(1) (4,0) F (2) x2 6 (3) x1 x2
(0.6) A
0 9
6 0
(0,9) B
(6,0) J
Las desigualdades son fronteras o división del espacio plano. Si la recta no pasa por
el origen, se toman en cuenta las coordenadas de O.
c 3 x1 + 2 x2 = 18 3 x1 = 6 6 + 2 x2 = 18 x2 = 6
2 x = 12 x = 2 2 x = 12 C (2 ,6 )
O F
VALOR RELATIVO
z (5,0)
(0,3)
z = 15 supuesto
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Haciendo coincidir z con todos los vértices conocidos nos damos cuenta que a
medida que se aleja del origen crece. El punto máximo es C.
Ejemplo: Obtener un punto p que sea CCL entre dos vértices A y F con = ½.
P = ((0,6) ½) + (4,0) (1 - ½)
P = (0,3) + (2,0)
P = (2,3)
METODO GRAFICO.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
B (0 ,9 ) M ax z = 36 c
(x ,x )
1 2
A (0 ,6 ) C (2 ,6 )
R ( 4 ,6 )
C O N JU N TO C O N V E X O
H ( 4 ,3 )
D E S O L U C IO N E S
F A C T IB L E S .
E S P A C IO S O L U C IO N .
M in z o = (0 , 0 )
J (6 ,0 ) S O L U C IO N T R IV IA L .
O ( 0 ,0 ) F (4 ,0 )
Ejemplo: Obtener un punto P que sea CCL entre los vértices A y F con = ½
Tomando la restricción 3:
H O LG U R A = X
18
3X1 + 2X2
3 (2 ) + 2 (6 )
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
En este caso coincidió, pero no lo sabíamos, si no fuera así, necesitamos una nueva
variable “x” llamada holgura y retomando el ejemplo anterior se tendría:
x1 + x3 = 4 ... (1)
2x2 + x4 = 12 ... (2)
3x1 + 2x2 + x5 = 18 ... (3) x3 , x4 , x5 HOLGURA.
x1 ... x5 0
Tomando X3,
X4, X5, de
VERTICE X1 X2 X3 X4 X5 OBNES.
sustituir o
O 0 0 4 12 18 FACTIBLE
despejarlos de
A 0 6 4 0 6 FACTIBLE 1, 2 y 3 y
C 2 6 2 0 0 FACTIBLE tomando X1 y
F 4 0 0 12 6 FACTIBLE X2 como
H 4 3 0 6 0 FACTIBLE
0, ....en todas
B 0 9 4 -6 0 se cumple x
J 6 0 -2 12 0 0.
R 4 6 0 0 -6
... en las observaciones se señalan los puntos como factibles porque cumplen con la no
negatividad, pero los puntos B, J y R no cumplen con la condición de no negatividad, lo
cual nos indica que no son factibles.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
B (0 ,9 ) 3 (0 ) + 2 (0 ) n o e s 18
...e l o r ig e n n o c u m p le .
A (0 ,6 ) R ( 4 ,6 )
2
C O N JU N TO C O N V EX O
D E S O L U C IO N E S F A C T IB L E S .
H ( 4 ,3 )
J (6 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
3
1
(x1 , x2 )
si .... (0 , 12 ) 4
y si ... (8 , 0 )
B (0 ,9 ) REDU NDANTE.
A (0 ,6 ) R ( 4 ,6 )
4 E s u n a r e s tric c ió n r e d u n d a n te p o r q u e
2
n o a lt e r a e n n a d a a l c o n j u n t o s o l u c ió n a n t e r i o r
y l a s q u e h u b ie r a m a s a la d e r e c h a c o n = m
H ( 4 ,3 ) s e r ía n r e d u n d a n te s .
J (6 ,0 ) W (8 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
3
1 4
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Ampliando el sistema inmediato anterior, podemos hacer lo mismo que antes con 1,
2 y 4, pero no con 3 porque el signo es y nos indica que mínimo 18 y necesitaremos una
VARIABLE SUPERFLUA o de HOLGURA NEGATIVA.
.
. . x1 + x3 = 4 (1 )
2x2 + x4 = 12 (2 )
s u p e r flu a 3x1 + 2x2 - x3 = 18 (3 )
x3 3x1 + 2x3 + x6 = 24 (4 )
3 x 1+ 2 x 2
18
VERTICE X1 X2 X3 X4 X5 X6 OBSERVACIONES
O 0 0 4 12 -18 24 NO FACTIBLE
A 0 6 4 0 -6 12 NO FACTIBLE
C 2 6 2 0 0 6 FACTIBLE
F 4 0 0 12 -6 12 NO FACTIBLE
H 4 3 0 6 0 6 FACTIBLE
B 0 9 4 -6 0 6 NO FACTIBLE
J 6 0 -2 12 0 6 NO FACTIBLE
R 4 6 0 0 6 0 FACTIBLE
Ojo: en el renglón R de la tabulación anterior hay tres ceros, a diferencia del resto
de la misma tabulación y de la anterior de 5 dimensiones. Esto se debe a que por ese punto
pasan 3 rectas y por el resto convergen solo dos rectas.
SOLUCION FACTIBLE
SOLUCION NO UNICA
... y solo cuando se dan las dos anteriores soluciones se llama SOLUCION
DEGENERADA.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Observaciones características.
...y por lo tanto, del gráfico anterior decimos entonces que C y H son no degeneradas.
DEFINICIONES:
SOLUCION: Es un conjunto de valores para las variables o bien un vector X = (x1 , x2 , ... ,
xj , xj+1 , ... , xn , xn+1 , ... , xn+m ) que satisface al conjunto de restricciones
j = n + m
j = 1
a ij x ij = b
j = n + m
j = 1
a ij x ij = b
...y además satisface a toda xj 0 .
SOLUCION BASICA: Es una solución que se obtiene al hacer nulas, al menos, (m+n)-m
variables, en donde
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
m = # total de restricciones,
n = # de variables de decisión (originales)
Z = j = 1
cjxj
A (0 ,6 ) R ( 4 ,6 ) A (0 ,6 ) R ( 4 ,6 )
H ( 4 ,3 ) H (4 ,3 )
J (6 ,0 ) J (6 ,0 )
O (0 ,0 ) F ( 4 ,0 ) O (0 ,0 ) F ( 4 ,0 )
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x1 , x2 2x1 = x2 x1 , x2
(0 , 6) B 1 2 2(0) = 1(0) : (0,0) O 3 (2 , 0) F
(6 , 0) A 2(1) = 1(2) : (1,2)
2(2) = 1(4) : (2,4) C
1 3
2
B (0 ,6 )
C o n ju n t o c o n v e x o d e
C ( 2 ,4 ) s o lu c i o n e s f a c t i b l e s .
E n 2 c o m o e s c e ro n o h a y
d is ta n c ia a l o r ig e n y p o r lo ta n to
e s u n o d e lo s p u n to s .
O ( 0 ,0 ) F ( 2 ,0 ) A (6 ,0 )
S u s t it u i m o s a l g ú n v a l o r d e l s e m ip la n o e n l a s
r e s t r i c c io n e s p a r a c o o c e r e l l a d o q u e c o r r e s p o n d e
a é s ta .
Resolviendo analíticamente:
x1 + x2 - x3 6
2x1 - x2 - x4 0
3
Ojo: z solo se valora en vértices
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x1 - x5 2 x1, x2 , x3 , x4 , x5 0
VERTICES O X1 X2 X3 X4 X5 CARACTERISTICAS
SOLUCIONES
BASICAS
B 0 6 0 -6 -2 N.FACTIBLES, UNICA
F 2 0 -4 4 0 N.FACTIBLES, UNICA
O 0 0 -6 0 -2 N.FACTIBLES, NO UNICA
A 6 0 0 12 4 N.FACTIBLES, UNICA
m = # de restricciones.
n = # de variables de decisión.
#= 3+2 = 3+2 = 5 = 5 = 5! = 10
3 2 3 2 3! 2!
3
S e t ie n e n e n t o t a l 9 s o lu c io n e s ; la 1 0 n o s e d a p o r q u e
la r e c t a 3 y x 2 n o s e c r u z a n y p o r lo t a n t o h a y u n a
S O L U C IÓ N IN E X IS T E N T E .
3
1 1
En los ejemplos anteriores no cambia el número máximo, pero las líneas horizontal
y vertical o cruzan el eje contrario.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
1 1
1 1 1 1 4 + 2 4 + 2 6!
1 3 N = = = = 15
4 2 4! 2!
S . I. 1 S .I. 1
1 1 1
1 1 1 1
S . I. S .I.
S .I.
El modelo de programación lineal se puede presentar en diferentes formas y algunas de ellas resultan
importantes para el manejo de los temas siguientes del curso.
FORMA CANONICA: Esta es útil para el manejo del tema que se refiere al problema
dual de cualquier problema de programación lineal. La forma canónica aceptable y
reconocida en la mayoría de los textos debe cumplir con lo s siguientes requisitos:
Otra forma legítima para considerar como canónica es cumpliendo con los siguientes requisitos:
FORMAS CANONICAS.
Maximizar. Minimizar.
z = Cx z = Cx
sujeto a: sujeto a:
Ax b Ax b
x0 x0
Max z = Cx Min z = Cx
sujeto a: sujeto a:
Ax 0 Ax 0
x0 x0
.....en el caso anterior conviene usar Max para no invertir la función objetivo.
Forma canónica.
x1 0 -x1’ = x1 0
4
Un problema rara vez se presenta en forma canónica o estándar.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Para la restricción original (2) no tengo un proceso específico, pero se ponen en sustitución de esta
restricción de igualadad a 2 restricciones de desigualdad con signos opuestos (mismo términos).
...pero como no tenemos que tener aquí , entonces multiplicamos a 2- por (-1) y queda de la siguiente
forma:
Pasando a la restricción (3), hay que multiplicarla por (-1) sin dejar de tomar el signo para x1’.
Forma estándar.
Max/Min z = Cx
Sujeta a: Ax=b
x 0
SUPERFLUA
5
Para hacer = una o se resta una variable superflua o sumamos una de holgura respectivamente.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Ejercicio:
Sujeta a:
x1 LIBRE ; x2 0 ; x3 0
Forma canónica.
x1+= x1- x1 = 0
Forma estándar.
Sujeta a:
2x1+ - 2x1- + x2’ + 2x3 14 ..... (1)
x1+ - x1- - 2x2’ + 3x3 + x4 8 ..... (2)
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
MÉTODO SIMPLEX.
El método símplex fue desarrollado en 1947 por el Dr. George Dantzig y conjuntamente con el
desarrollo de la computadora hizo posible la solución de problemas grandes planteados con la técnica
matemática de programación lineal.
El algorítmo denominado símplex es la parte medular de este método; el cual se basa en la solución
de un sistema de ecuaciones lineales con el conocido procedimiento de Gauss-Jordan y apoyado con criterios
para el cambio de la solución básica que se resuelve en forma iterativa hasta que la solución obtenida
converge a lo que se conoce como óptimo.
2. La solución óptima del problema de programación lineal , si existe, es un punto extremo (vértice) del
conjunto de soluciones factibles. Si dicha solución óptima se tiene para más de un punto extremo,
entonces también optimiza en cualquier punto que sea combinación convexa lineal entre los dos vértices
que optimiza.
1
z C= 3 6 m a x
A (0 ,6 ) R ( 4 ,6 )
M ax z = 3x1 + 5x2
C ( 2 ,6 ) 2
zA = 24 P x1 4 (1 )
2x2 12 (2 )
Z H= 3 6 m a x 3x1 + 2 x2 18 (3 )
X 1, x 2 0
H (4 ,3 )
3 (2 ) + 5 (6 ) = 3 6
J (6 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
P = ¼ (2 , 6) + ( 1 – ¼) (4 , 3)
P = ( ½ , 3/2) + (3 , 9/4) = (7/2 , 15/4)
ZP = 6 (7/2) + 4 (15/4) = 36
3. El número máximo de puntos extremos (vértices) por revisar en la búsqueda de la solución óptima del
problema es finito y coincide con el número máximo de soluciones básicas únicas que se pueden
determinar mediante el binomio...
1
Sumar variables de holgura
(forma estándar)
2
Determinar una primera
solución básica factible.
NO 5
3
Entonces la solución básica
Existe una
factible es óptima.
solución básica
factible
adyascente
mejor? SI
4
Calcular para la nueva
solución básica factible
El algorítmo símplex maneja exclusivamente soluciones básicas y que cumplan con factibilidad; es
decir, todas las variables deben ser no negativas. Por lo tanto, para el manejo de las soluciones básicas
factibles y su valoración, requiere de la aplicación de ciertos criterios fundamentados en los teoremas ya
mencionados. Por cada intento de cálculo es necesario aplicar los siguientes criterios:
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Criterio de optimalidad. Se aplica en el algorítmo símplex para determinar entre las variables no-
básicas, una que entre a la base, eligiendo aquella no-básica con el coeficiente más negativo en el renglón
z de la tabla símplex; si el problema tiene el objetivo de maximizar. En caso contrario, es decir, para
minimizar, debe elegirse para variable entrante a la base a aquella que tenga el coeficiente más positivo en
el renglón z de la tabla.
Criterio de factibilidad. Se aplica en el algoritmo símplex para determinar entre las variables básicas a
una que salga de la base, aplicando la siguiente función.
xi
Min ; solo a i k > 0
a ik
Elemento pivote. Se declara como elemento pivote a aquél coeficiente que se ubica en el cruce de la
columna ‘k’ y el renglón ‘i’ elegidos en los dos criterios ya anotados.
x1 4 (1)
2x2 12 (2)
3x1 + 2x2 18 (3) x1 ; x2 0
x1 + x3 4 (1)
Bloque #1 2x2 + x4 12 (2)
3x1 + 2x2 + x5 18 (3) x1 ; x2 ; x3 ; x4 , x5 0
holguras
FORMA MATRICIAL.
BASE Z x1 VE x2 x3 x4 x5 SOLUCION
z 1 -3 -5 0 0 0 0
x3 0 1 0 1 0 0 4
x4 0 0 (p) 2 0 1 0 12 RS 12/2=6
x5 0 3 2 0 0 1 18 18/2=9
Para nuestra primera solución básica y factible se deben de tener ceros en los coeficientes de nuestras
variables básicas (x3, x4 y x5) y se debe de tener a la matríz identidad (aunque estén desordenadas las
columnas).
Ahora por el criterio de factibilidad determino la VS; como en el 1er renglón el valor no es > 0, no se
hace, pero en el resto sí.
Pasar ahora a la tabla y observar el último renglón que ahora se agrega en la siguiente tabla:
BASE z VE x1 x2 x3 x4 x5 SOLUCION
RE(5) +Rz z 1 -3 0 0 5/2 0 30
7
x3 0 1 0 1 0 0 4 4/1=4
RE = RS/P x2 0 0 1 0 ½ 0 6
RE(2) + Rx5 x5 0 (p) 3 0 0 -1 1 6 VS 6/3=2
VERTICE A.
NOTA8
S O L U C IÓ N B Á S IC A F A C T IB L E P A R A
B (0 ,9 ) U N V É R T IC E ‘A ’ D E L S IS T E M A A M P L IA D O
A 5 D IM E N S IO N E S .
1
A (0 ,6 ) X 1,x 4 = 0
R (4 ,6 ) x3 = 4
C ( 2 ,6 ) 2 x2 = 6
x5 = 6
H ( 4 ,3 )
S O L U C IÓ N B Á S IC A F A C T IB L E
E N V É R T I C E ‘O ’ D E L S IS T E M A
A M P L IA D O A 5 D IM E N S IO N E S .
J (6 ,0 )
x 1,x 2 = 0
x3 = 4 O ( 0 ,0 ) F ( 4 ,0 )
x4 = 12
x5= 18 3
Mientras haya coeficientes negativos en ‘z’ todavía no se llega a la solución óptima (para todas las
variables del renglón z) Como es la nueva var. Se deben hacer ceros a los demás.
BASE z x1 x2 x3 x4 x5 SOLUCION
RE(3) +z z 1 0 0 0 3/2 0 36
7
RE que pasa a ser el renglón pivote y se calcula dividiendo RS entre el pivote que es el 2
8
En esta tabla lo que se busca es obtener (justificar) lo 0’s de la columna x2 (VE) multiplicamos RE por el
inv. aditivo del # que se quiere cambiar a cero y sumamos el renglón mismo anterior. En x3 ya no se hace nada
porque ya se tenía el cero.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Ejemplo:
x1 ; x2 ; x3 ; x4 ; x5 0 ...por arreglo:
z - 6x1 + 10x2 = 0
FORMA MATRICIAL:
9
x3 = 3
x1 x2 x1 x2
1 (0 , 5) B 2 (0 , 2) A 3 (3 , 0) F
(5 , 0) R (4 , 0) H
X 2
B (0 ,5 ) z (0 ) 0 0
3
zA = 6 (0 ) + 1 0 (2 ) = 2 0
zF = 6 (3 ) + 1 0 (0 ) = 1 8
zC = 6 ( 3 ) 6 1 0 (1 /2 ) = 2 3 M A X .
A (0 ,2 )
R (5 ,0 )
X 1
O (0 ,0 ) F ( 3 ,0 ) H
(4 ,0 ) S
LO S PU N TO S < 0
N O S O N F A C T IB L E S .
VARIABLES ARTIFICIALES.
Por tal motivo se necesita de un arreglo artificial para el caso de que el modelo de
programación lineal que se pretende resolver con el algorítmo símplex utilizando las
llamadas variables artificiales; de esta manera debe sumarse un variable artificial ()10 por
cada restricción del tipo ‘’ y por cada una del tipo ‘=’ presentes en el problema.
O DE LA ‘M’ GRANDE.
La primera solución básica del símplex en tal caso, debe de incluir a todas las
variables artificiales que fueron necesarias en el arreglo del modelo de programación lineal
por resolver esto último porque las variables artificiales se utilizan precisamente para tomar
la primera solución básica. A medida que se cumplen las etapas de cálculo en el símplex,
las variables artificiales deberán de ir saliendo de la misma, en consecuencia del coeficiente
‘M’ muy grande.
Ejemplo:
x2 0
Forma estándar.
x2 , x3 , x4 0
x1 + x2 - x3 + 5 6 ..... (1)
2x1 - x2 - x4 + 6 0 ..... (2)
x1 + 7 = 2 ..... (3)
VAR. ARTIFICIALES
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x2 , x3 , x4 , 5 , 6 , 7 0
BASE z x1 x2 x3 x4 5 6 7 SOLUCION
(Aquí i deberían tener
coeficiente 0, sigue z 1 -4 -3 0 0 -M -M -M 0
abajo)
M(5)+Rz z’ 1 M-4 M-3 -M 0 0 -M -M 6M
M(6)+Rz’ z’’ 1 3M-4 -3 -M -M 0 0 -M 6M
M(7)+Rz’’ z’’’ 1 4M-4 -3 -M -M 0 0 0 8M
5 0 1 1 -1 0 1 0 0 6 8/1
6 0 P 2 -1 0 -1 0 1 0 0 VS 0/2
7 0 VE 1 0 0 0 0 0 1 2 2/1
RE(-4M+4)+z z 1 0 2M-5 -M M-2 0 -2M+2 0 8M
RE(-1)+5 5 0 0 3/2 -1 ½ 1 -½ 0 6 6/3/2 =4
RE=RS/P x1 0 1 -½ 0 -½ 0 ½ 0 0
RE(-1)+7 0 0 VE ½ 0 ½ 0 -½ 1 2 2/1/2=4
7
RE(-2M+5)+z z 1/3M- 1/3M- -4/3M -4/3M
1 0 0 10/3 1/3 +10/3 +1/3 0 20
RE=RS/P x2 0 0 1 -2/3 1/3 2/3 -1/3 0 4
RE(½)+x1 x1 0 0 0 -1/3 -1/3 1/3 1/3 0 2
RE(- ½)+7 7 0 0 0 1/3 1/3 -1/3 -1/3 1 0
Ejemplo:
x1 + x2 10 ..... (1)
5x1 + x2 20 ..... (2) x1 ; x2 0
Forma estándar...
BASE z x1 x2 x3 x4 5 SOLUCION.
z 1 -3 -2 0 0 M 0
-M(R5)+ Rz z 1 -M-3 -M-2 M 0 0 -10M
5 0 VE 1 1 -1 0 1 10 10/1
x4 0 P 5 1 0 1 0 20 VS 20/5
RE(M+3)+Rz z 1 0 -4/5M-7/5 M 1/5M+3/5 0 -6M+12
RE(-1)+5 5 0 0 P 4/5 -1 -1/5 1 6 VS 6/4/5
RE=RS/P x1 0 1 VE 1/5 0 1/5 0 4 4/1/5
RE(4/5M+7/5)+Rz z 1 0 0 -7/4 5/20 M+7/4 45/2
RE= RS/P x2 0 0 1 VE -5/4 -1/4 5/4 15/2 15/2/-5/4
RE(-1/5)+Rx1 x1 0 1 0 P ¼ ¼ -1/4 15/2 5/2/1/4
RE(7/4)+Rz z 1 7 0 0 2 M 40
RE(5/4)+Rx2 x2 0 5 1 0 1 0 20
RE=RS/P x3 0 4 0 1 1 1 10
Solución óptima: zo = 40
x2 = 20
x3 = 10 x1 = x4 = 5 = 0
Esta variable del símplex también se utiliza cuando están presentes las variables
artificiales en el modelo de programación lineal que se pretende resolver. Este método se
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
desarrolla en dos fases, en la primera de las cuales se aclara sobre la factibilidad para la
solución óptima buscada.
1ª Fase:
En esta primera fase siempre se minimiza una función objetivo que se constituye
mediante la suma de las variables artificiales.
M in Z = a i
2ª Fase.
La tabla inicial de la 2ª fase debe revisarse para la solución básica antes de pretender
aplicar los criterios del símplex para el objetivo del problema.
En conclusión, para la aplicación del método de dos fases deben aplicarse los
criterios del símplex como se observa en la siguiente tabla:
Ejemplo:
Forma estándar...
1ª Fase:
Min z = 5 ...por arreglo: z - 5 = 0
BASE z x1 x2 x3 x4 5 SOLUCION.
z 1 -3 -2 0 0 -1 0
(R5)1+ Rz 1 1 1 -1 0 0 10
z
5 0 1 P 1 -1 0 1 10 VS 10/1
x4 0 5 VE 1 0 1 0 20 20/1
RE(-1)+Rz z 1 0 0 0 0 -1 0
RE=RS/P x2 0 1 1 -1 0 1 10
RE(-1)+Rx4 x4 0 4 0 1 1 -1 10
2ª Fase.
TABLA SIMPLEX PARA LA 2ª FASE.
CASOS ESPECIALES
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
EN LA TABLA SIMPLEX.
Se pueden identificar cuatro casa especiales en la tabla símplex, para los cuales se tienen señales
particulares. Tal identificación es independiente tanto del tamaño del problema como de su objetivo.
Degeneración.
Se identifica en la tabla símplex porque al menos una variable básica tiene valor cero. La
degeneración puede ser de índole permanente o definitiva, si se presenta como solución óptima.
También puede darse el caso de un problema con solución degenerada transitoria, si tal degeneración
se presenta en cualquier etapa intermedia de cálculo en la búsqueda de la solución óptima.
Solución no acotada.
Se identifica en la tabla símplex porque en la columna correspondiente a la variable entrante se
tienen coeficientes no positivos. Gráficamente se reconoce como solución no acotada la representada
por un conjunto convexo abierto de tal manera que teóricamente se puede incrementar
indefinidamente la función objetivo.
Ejemplo:
Max z = 2x1 + x2
Sujeta a:
x1 - x2 10 ..... (1)
2x1 - x2 40 ..... (2) x1 ; x2 0
C (3 0 ,3 0 )
A (1 0 ,0 )
O ( 0 ,0 ) B (2 0 ,0 )
H ( 0 ,-1 0 )
F (0 ,-4 0 )
BASE Z x1 x2 x3 x4 SOLUCION
z 1 -2 -1 0 0 0
x3 0 P 1 -1 1 0 10 VS
x4 0 VE 2 -1 0 1 40
z 1 0 -3 2 0 20
x1 0 1 VE -1 1 0 10
x4 0 0 P 1 -2 1 20 VS
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
z 1 0 0 -4 3 80
x1 0 1 0 -1 1 30
x2 0 0 1 -2 1 20
Sujeta a:
x1 , x2 0
2 1
Z C= 1 2 M a x
C O N JU N TO D E
C ( 4 ,6 )
S O L U C IO N E S
F A C T IB L E S .
A (1 0 ,0 )
O ( 0 ,0 ) A (1 ,0 ) F ( 4 ,0 )
Z A= 6
H ( 0 ,- 2 )
BASE Z x1 x2 x3 x4 SOLUCION
z 1 -6 2 0 0 0
x3 0 P 2 -1 1 0 2 VS
x4 0 VE 1 0 0 1 4
z 1 0 -1 3 0 6
x1 0 1 VE - ½ ½ 0 1
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x4 0 0 P ½ -½ 1 3 VS
z 1 0 0 2 2 12
x1 0 1 0 0 1 4
x2 0 0 1 -1 -2 6
Esta ya no es solución no acotada, sino espacio de soluciones factibles no acotada pero con solución
máxima.
Este caso es provocado porque alguna de las restricciones que son frontera en el conjunto de
solución factibles resulta PARALELA a la función objetivo.
Ejemplo:
x1 ; x2 0
X 2
B (0 ,2 1 /2 )
A (0 ,3 )
Z C= 4 2 M a x
Z A= 42 M ax
C ( 7 /3 ,7 /3 )
X 1
O ( 0 ,0 ) F ( 3 ,0 ) H (2 1 /2 ,0 )
C U A L Q U IE R P U N T O C O N T E N ID O
EN ESTE SEG M EN TO .
BASE Z x1 x2 x3 X4 SOLUCION
z 1 -4 -14 0 0 0
x3 0 2 P 7 1 0 21 VS
x4 0 7 VE 2 0 1 21
z 1 0 0 2 0 42
x2 0 VE 2/7 1 1/7 0 3
x4 0 P 45/7 0 -2/7 1 5 VS
z 1 0 0 2 0 42
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
z = 4x1 + 14x2 4 = 14 = 42
1 = 2x1 + 7x2 2 7 21
p = A + (1 - ) C
para 0 1
Calcular un punto ‘p’ que sea CCL entre los puntos A y C con = 7/8
Ejemplo:
x1 ; x2 0
BASE Z x1 x2 x3 x4 5 SOLUCION
z 1 -3 2 0 0 0
X3 0 P 2 -1 1 0 2 VS
X4 0 VE 1 0 0 1 4
z 1 0 -1 3 0 6
X1 0 1 VE - ½ ½ 0 1
X4 0 0 P ½ -½ 1 3 VS
z 1 0 0 2 2 12
X1 0 1 0 0 1 4
X2 0 0 1 -1 2 6
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
TEORIA DE DUALIDAD.
PRIMAL DUAL
Max z = CX Min y = bT y
Sujeto a: Sujeto a:
AX b Ay CT
X0 y0
Min z = Cx Max yo = bT y
Sujeto a: Sujeto a:
AX 0 AT Y CT
X0 Y0
En donde:
T
= Transpuesta de la matriz o vector.
Ejemplo:
y1
Min y0 = bT Y = (4, 12 , 18) y2
y3
...(restricciones duales)
Sujeto a:
AT Y = 1 0 3 y1 y1 + 3y3 3
0 2 2 y2 = + 2y2 + 2y3 5
y3
Problema dual:
y1 : y3 0
NOTAS:
Ejemplo:
x1 Libre ; x2 0 ; x3 0
Arreglos:
Para x2.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
-x2’ = x2 0
x2’ = -x2 0
...primal en forma canónica.
(vectores en el primal)
C = (5, -5 , 1, 3) -10
b = 12
8
-2 2 1 0 -8
A= 4 -4 -2 2
1 -1 1 3 x1+
-1 1 -1 -3 X = x1-
x2’
x3
(vectores en el dual)
5
CT = -5 bT = (-10, 12, 8, -8)
1
3
y1
Y= y2
-2 4 1 -1 y3+
A= 2 -4 -1 1 y3-
1 -2 1 -1
0 2 3 -3
PROBLEMA DUAL
OBTENIDO DIRECTAMENTE.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
REGLAS DE DUALIDAD.
MAXIMIZAR PRIMAL (DUAL) MINIMIZAR DUAL (PRIMAL)
Restricción i () Variable i 0
Restricción i () Variable i 0
Restricción i (=) Variable i LIBRE
Variable j 0 Restricción j ()
Variable j 0 Restricción j ()
Variable j LIBRE Restricción j (=)
y1 0 ; y2 0 ; x3 libre
Se tiene con lo anterior el dual directo pero no en forma canónica; para comprobarlo
con el anterior obtendremos el simplificado del anterior.
PROBLEMA DUAL
SIMPLIFICADO.
Si las restricciones (1+) y (1-) del problema del tema anterior (Dual/Canónica) son
tomadas ahora en cuenta y a (1-) la multiplicamos por –1 y quedará exactamente igual a
(1+), a excepción del signo de desigualdad y por lo tanto podemos decir que (1+) y (1-) son
iguales.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
y1’ 0 ; y2 0 ; x3 libre
SIGNIFICADO DE LAS
VARIABLES DUALES.
FERTILIZANTE
j=1 j=2
COSTO TON. DISP. TON
COMPONENTE
CONTENIDO TON/TON
NITRATO 0.05 0.05 200 1100
FOSFATO 0.05 0.10 80 1800
POTASIO 0.10 0.05 160 2000
BARRO 0.80 0.80 10
COSTO DE MEZCLAR
15 15
$/TON
PRECIO VENTA
71.5 69
$/TON
COSTO TOTAL
53 49
$/TON
UTILIDAD
18.50 20
$/TON
COSTOS:
F1 F2
$/TON $/TON
NITRATO 10 10
FOSFATO 4 8
POTASIO 16 8
BARRO 8 8
MEZCLA 15 15
COSTO TOTAL 53 49
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Función objetivo
X1, X2 = 0
Yi = ($/TON i), valor marginal de componente i(i=1,2,3) ó (i= N.P,K) que puede
recuperarse en casos para el sistema productivo de fertilizantes.
sujeto a:
Y1,Y2 ,Y3 = 0
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Base Z X1 X2 X3 X4 X5 Sol
Vector de precios
Z 1 0 0 0 3/2 1 36 sombra
X3 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2
Max Z = 36 = Min Y0
Además la tabla simplex óptima de cualquier problema ya sea el Primal o bien el Dual, contiene la
solución de ambos problemas.
X1 + X3 =4
X2 + X4 = 12
3X1 + 2X2 +X5 = 18
PRECIO SOMBRA
La tabla siguiente resume las características que debe reunir un problema que se
quiera resolver con este método.
Justificación
P R I M A L D U A L
T
Max Z = CX Min Yo = b Y
s.a s.a T T
AX= b A Y =C
X =0 Y=0
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
s.a
X1 + X2 = 6
2X1 + X2 = 0
X1 = 2
X1, X2 = 0
1. Conseguir INFACTIBILIDAD
-X1 - X2 = -6
-2X1 + X2 = 0
-X1 = -2
2. Forma Estándar
s.a
-X1 - X2 + X3 =-6
-2X1 + X2 +X4 = 0
-X1 +X5 = 2
Min Z -4X1-3X2 = 0
Base Z X1 X2 X3 X4 X5 Sol
Z -4 -3 0 0 0 0 0
Z 1 -1 0 -3 0 0 18 RE(3)+RZ
X2 0 1 1 -1 0 0 6 RE= RS/P
X4 0 -3 0 1 1 0 -6 RE(-1) + RX4 VS valor mas negativo
X5 0 VE-1 0 0 0 1 -2
Z 1 0 0 -10/3 -1/3 0 20
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
X1 0 1 0 -1/3 -1/3 0 2 RE
X5 0 0 0 -1/3 -1/3 1 0 RE(1)+RX5
CRITERIO DE OPTIMALIDAD
PARA MINIMIZAR.
Variables no-básicas.
Coeficientes correspondientes en el renglón z.
Coeficientes correspondientes en el renglón saliente.
Cociente.
Se elige el menor para Minimizar.
Ejemplo:
x2 0
BASE z x1 x2 x3 x4 x5 SOLUCION
z 1 -4 -3 0 0 0 0
x3 0 -1 (p) -1 1 0 0 -6 (VS)
x4 0 -2 1(VE) 0 I 1 0 0
x5 0 -1 0 0 0 1 2
CRITERIO DE OPTIMALIDAD.
VAR. NO x1 x2 x1 x3
BASICAS
COEFS. EN z -4 -3 -1 -3
COEFS. EN RS -2 -1 -3 1
COCIENTE -1 3 1/3 NO
VE LA DE < COC. VE VE
Coeficientes 0 no entran.
z 1 -1 0 -3 0 0 18
x2 0 VE 1 1 -1 0 0 6
x4 0 (p) -3 0 1 1 0 -6 VS
x5 0 -1 0 0 0 1 -2
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
BASE z x1 x2 X3 x4 x5 SOLUCION
z 1 0 0 -10/3 -1/3 0 20
x3 0 0 1 -2/3 1/3 0 4 (VS)
x1 0 1 0 -1/3 -1/3 0 2
x5 0 0 0 -1/3 -1/3 1 0
ESTRUCTURA MATRICIAL
DE LA TABLA SIMPLEX.
...en donde:
b2 6
b= b1 = 0
b3 2
11
El cociente sólo es válido para denominadores negativos
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
1 1
A= 2 -1
1 0
es una matriz que se ubica en la misma posición de A, que resulta del cálculo para cada tabla símplex
(obsérvese la tabla del ejercicio).12
I matriz unitaria que se ubica coincidiendo con las variables que forman la 1ª solución básica.
x3 -6
XB = x4 = 0
x5 2 ...para la 2ª
x2 6
XB = x4 = -6
x5 -2 ...y para la 3ª
x2 4
XB = x1 = 2
x3 0
x2 4
z0 = CBXB = (C2, C1, C5) x1 = (3, 4, 0) 2 = 20
x5 0
Y es un vector renglón de coeficientres que representan los precios sombra o también valores de las
variables duales.
B-1 es una matriz inversa de una matriz B que se forma con los vectores columna
correspondientes a las variables básicas.
Dada la siguiente tabla simplex óptima, calcular el modelo de programació lineal original:
ZB = CBX B
BASE z x1 x2 x3 x4 x5 SOLUCION
z 1 0 Zj-Cj 0 0 3/2 Y 1 36
12
= B-1 A
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
x3 0 0 0 1 1/3 -1/3 2
x2 0 0 1 0 ½ B-1 0 6
x1 0 1 0 0 -1/3 1/3 2
Como hay 5 variables, de las cuales 3 son básicas, entonces hay 2 de decisión.
El tipo de variables básicas es ‘HOLGURA’ y por lo tanto, las restricciones son ‘’.
Se tiene:
XB = B-1b ...de lo cual no conocemos b y se requiere
1 1/3 -1/3 1 0 0
0 ½ 0 0 1 0
0 1/3 1/3 0 0 1
1 0 -1/3 1 -2/3 0
0 1 0 0 2 0
0 0 1/3 0 2/3 1
1 0 0 1 0 1
0 1 0 0 2 0
0 0 1 0 2 3
1 0 1 2 4 b1
b= 0 2 0 = 6 = 12 = b2
0 2 3 2 18 b3
= B-1 A A=B
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
1 0 1 0 0 1 0 a11 a12
B = 0 2 0 0 1 = 0 2 = a21 a22
0 2 3 1 0 3 2 a31 a32
Ahora solo falta la función objetivo y tenemos que calcular los coeficientes ‘C’ y se
tienen en el orden original en el vector ‘C’.
1 0
-1
Zj - Cj = CBB A – C = YA – C = (0, 3/2, 1) 0 2 - (C1, C2) = (0 , 0)
3 2
(3, 5) – (C1, C2) = (0 , 0)
(C1, C2) = (3 , 5) – (0 , 0) = (3 , 5)
...finalmente:
1 0 x1
Ojo: AX = 0 2 x2 = [ 3 X 2] [2 X 1] = [3 X 1]
3 2
x1 4 ..... (1)
2x2 12 ..... (2)
3x1 + 2x2 18 ..... (3) x1 , x2 0
Zj - Cj ARTIFICIAL
BASE z x1 x2 x3 x4 5 x6 7 SOL.
z 1 -23/2 0 0 -1/6 -M+1/6 Y 0 -M-53/16 -303/8 Z0
x2 0 ½ 1 0 -1/16 1/16 0 3/16 33/8
x6 0 7 0 0 -1/4 1/4 B-1 1 ¼ 45/2
x3 0 ½ 0 1 -1/16 -1/16 0 5/16 15/8
...y finalmente la 3ª restricción debe ser ‘=’; 5 debe ser entonces i de la 1ª restricción y
7 es i de la 3ª restricción.
La 3ª es del tipo ‘=’ porque no hay ningún aviso con respecto a la 3ª. 13
1/16 0 3/16 1 0 0 1 0 3 16 0 0
¼ 1 ¼ 0 1 0 0 1 ½ -4 1 0
-1/16 0 5/16 0 0 1 0 0 ½ 1 0 1
1 0 0 10 0 -6
-3 1 1 -3 1 1
2 0 2 2 0 2
10 0 -6 33/8 30
b= -3 1 1 45/2 = 12 (términos independientes)
2 0 2 15/8 12
= B-1 A A=B
2 10 -6
-1
Zj – Cj = CB B A – C = Y A – C = (1/16, 0, -53/16) 6 -3 1 - (C1, C2, C3) =....
2 2 2
(C1, C2, C3) = (-6 ½, -6, -7) - (-23/2, 0, 0) (C1, C2, C3) = (5, -6, -7)
.... obteniéndose finalmente:
x1 ; x2 ; x3 0
ANALISIS DE SENSIBILIDAD.
30 10
Para el último ejemplo dado, considerar que b = 12 b= 12
12 cambia a: 12
30
Ahora b= 12
5
45/16
83/4
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
-5/16
BASE z x1 x2 x3 S1 S2 S3 SOL.
z 1 4 0 0 1 2 Y 0 1350
x2 0 -¼ 1 0 ½ -¼ 0 100
x3 0 3/2 0 1 0 ½ B-1 0 230 XB
S3 0 2 0 0 -2 1 1 20
x1 + 2x2 + x3 + S1 430
3x1 + 2x3 + S2 460
x1 + 4x2 + S 420 ....por el problema dual:
Análisis de sensibilidad.
100
14
Ojo: Como C6 en F.O. C6 = 0
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
XB = B-1 b = 230
220
Determinando límites -200 1 10 para que 20 - 21 no sea 0 y para que 100 + 1/2 no sea 0
Solución factible.
Para el recurso Nº 2
430 450
Supóngase que b = 460 cambia a 460 ; calcular la nueva solución óptima.
420 420
Como hay optimalidad, pero no factibilidad, entonces se puede recurrir al algorítmo DUAL-
SIMPLEX.
BASE z x1 x2 x3 S1 S2 S3 SOLUCION.
z 1 4 0 0 1 2 0 1370
x2 0 -1/4 1 0 ½ VE -¼ 0 110
x3 0 3/2 0 1 0 ½ 0 230
15
i = Valor del cambio en el i-ésimo recurso.
16
Pero ojo con las restricciones 2 y 3. No y – 20.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
S3 0 2 0 0 -2 P 1 1 -20 VS
z 1 5 0 0 0 5/2 ½ 1360
x2 0 ¼ 1 0 0 0 ¼ 105
x3 0 3/2 0 1 0 ½ 0 230
S1 0 -1 0 0 1 -½ -½ 10
115
entonces Z0 = CBXB = (2, 5, 0) 200 = 1230
-40
BASE z x1 x2 x3 S1 S2 S3 SOLUCION.
z 1 4 0 0 1 2 0 1230
x2 0 -1/4 1 0 ½ VE -¼ 0 115
x3 0 3/2 0 1 0 ½ 0 200
S3 0 2 0 0 -2 P 1 1 - 40 VS
z 1 5 0 0 0 5/2 ½ 1210
x2 0 ¼ 1 0 0 0 ¼ 105
x3 0 3/2 0 1 0 ½ 0 230
S1 0 -1 0 0 1 -½ -½ 20
... A.s.
Zj – Cj = CBXBA – C = YA - C
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
... y puede dar lugar a la pérdida de la optimalidad del problema ya resuelto. Como
en el caso de los cambios en la optimalidad del problema con la misma fórmula ya anotada.
x1 , x2 , x3 0
BASE z x1 x2 x3 S1 S2 S3 SOLUCION.
z 1 4 0 0 1 2 0 1350
x2 0 -1/4 1 0 ½ -¼ 0 110
x3 0 3/2 0 1 0 ½ 0 230
S3 0 2 0 0 -2 1 1 20
... determinar entre qué límites pueden variar los coeficientes de la función objetivo para
conservar la optimalidad.
Zj – Cj = CBB-1 A – C = YA - C
1 2 1
Zj – Cj = (1, 2, 0) 3 0 2 - (3, 2, 5)
1 4 0
1 4 ; 2 0 ; 3 0
1
Zj – Cj = Y a1 – C1 = (1, 2, 0) 3 - (9) = 7 – 9 = -2
1
BASE z x1 x2 x3 S1 S2 S3 SOLUCION.
z 1 -2 0 0 1 2 0 1350
x2 0 -1/4 1 0 ½ -¼ 0 100
x3 0 3/2 VE 0 1 0 ½ 0 230
S3 0 2 P 0 0 -2 1 1 20 VS
z 1 1 0 0 -1 3 1 1370
x2 0 0 1 0 1/4 P - 1/8 1/8 205/2 VS
Zj – Cj = CBB-1 A – C = YA - C
...se revisa si el cambio propuesto para un determinado coeficiente aij da lugar a la pérdida
de optimalidad del prblema ya resuelto.
Si no hay pérdida de optimalidad, esto significa que no hay necesidad de aplicar la segunda
fase de este análisis. Por el contrario, si zj – cj cambia de signo, esto significa pérdida de
optimalidad y por lo tanto, la necesidad de aplicar la 2ª parte mediante la fórmula
= B-1 A
17
Como el cambio es sólo en C1, por lo tanto, en lugar de usar la matriz A completa, solo utilizo el vector
columna correspondiente a x1 y en el vector C sólo C1.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
El análisis para cambios en los coeficientes para la matriz ‘A’ es válido solo para variables
no-básicas; para cambios correspondientes a variables que ya están en la base, se
recomienda volver a resolver el problema.
Max z = x2 + 3x3
Sujeta a:
2x1 - x3 20 ..... (1)
x2 + x3 = 40 ..... (2)
x1 ; x2 ; x3 0
BASE z x1 Zj - Cj x2 x3 x4 5 6 SOLUCION
z 1 0 0 -1 0 -M Y -M+1 80
x1 0 1 1 -½ -½ ½ B 0
-1
10
x2 0 0 0 1 1 0 1 40
Zj – Cj = CB B-1 A –C = YA - C
Suponiendo ahora que se hiciera el cambio en el elemento a23 de las restricciones, entonces
consideramos la fórmula anterior de la siguiente manera:
Z3 – C3 = CB B-1 a3 – c3 = Y a3 – c3
1ª PARTE.
Z3 – C3 = Y a3 – c3
Z3 – C3 = (0 , 1) -1 -3 = 5 - 3 = 2
5
NO CONSIDERAMOS A LA ‘M’ PUES ES PERDIDA DE OPTIMALIDAD
SOLO UN ARTIFICIO
...si se hubiera tenido como resultado un valor cero o 0, no hay necesidad de pasar a la 2ª
parte.
2ª PARTE.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
BASE z x1 x2 x3 x4 5 6 SOLUCION
z 1 0 0 2 0 -M -M+1 80
x1 0 1 0 -½ -½ ½ 0 10
x2 0 0 1 5 P 0 0 1 40
z 1 0 -2/5 0 0 -M -M+3/5 64
x1 0 1 1/10 0 -½ ½ 1/10 14
x3 0 0 1/5 1 0 0 1/5 8
N o o r ie n ta d a ; im p lic a q u e d e u n n o d o i a l j h a y u n a
c a p a c id a d ‘x ’ y d e l n o d o j a l i h a y u n a
c a p a c id a d 3 .
x1 = 14
x2 = 0
x3 = 8
REDES DE TRANSPORTE.
Red.- Es un modelo gráfico formado por nodos i conectados por ramas (i,j).
fcr
x cr
c cr
C R T D E S T IN O
A H S
O R IG E N O B W
O, A, H, S, T O, A, H, S B, W , S, T B, W, S
O, B, H, S, T O, B, H B, H, S, T B, H
O, A, C, R, T O, A, C, R A, H, S, T A, H, S
O, B, W, S,T O, B, W, S, H A, C, R, T A, C, R
Rama (i,j).- Representa la posible comunicación de dos Nodos i, j adyacentes para permitir
algún transporte. La rama puede ser unidireccional, si solo se permite el transporte en una
sola dirección; o bien bidireccional, si se permite el transporte en ambas direcciones
opuestas. Cuando es unidireccional se dice que es una rama orientada; cuando es
bidireccional se dice que es rama no orientada.
N o o r ie n ta d a ; im p lic a q u e d e u n n o d o i a l j h a y u n a
c a p a c id a d ‘x ’ y d e l n o d o j a l i h a y u n a
c a p a c id a d 3 .
Si la rama no especifica dirección alguna debe entenderse que el transporte se realiza bajo
las mismas condiciones de capacidad y costo. Por el contrario si se especifica dos
direcciones opuestas por una misma rama esto significa que el transporte es bajo diferentes
condiciones de capacidad y costo.
Flujo( Xij).- Significa las unidades que se deciden transportar a través de la rama (i, j). El
flujo puede ser: personas, bienes, servicios e información.
Ruta.- Para conectar cualesquiera dos nodos (i, j) es necesario un conjunto de ramas
seriadas de tal manera que los nodos conectados se tocan una sola vez.
Obsérvese una característica importante del nodo ‘O’ y es que solo puede enviar
información, por lo cual recibe el nombre de ‘NODO ORIGEN’; el noto ‘T’ solo recibe
unidades de flujo, por o cual se llama ‘NODO DESTINO’ y el resto que pueden recibir y
enviar unidades de flujo son llamados ‘NODOS DE TRANSBORDO’.
“PROBLEMA DE TRANSPORTE”
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
O R IG E N D E S T IN O
1 x 11 1
i= 1 , 2 , .. , n X1
2
j= 1 , 2 , .. , n
.
x 1n
.
. .
. .
. .
. .
x 21
x 22
2 2
x 2n
. .
. .
. .
. .
. . i o ríg e n
xm1
j d e s tin o
2
xm
m xmn n
Función Objetivo
i = m j= n
M in Z = i = 1 j= 1
C i ,j X i ,j
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
j= n
O fe rta j= 1
X i ,j <_ a i ; i = 1 , 2 , ... , m
i = m
D em anda i= 1
X i ,j _> b j ; J = 1 , 2 , ... , n
j= n
i = m
O fe rta
j= 1
X i ,j <_ a i ; D em anda
i = 1
X i ,j _> b j
A dem ás ai = b j
i j
b ficticia = ai - bi
a ficticia = ai - bi
Variable # de
unidades Costo por
mandadas de unidad
1a1
ORIG
DEST 1 2 ....... n Oferta ai
1 X11 C11 X12 C12 X1n C1n a1
2 X21 C21 X22 C22 X2n C2n a2
..... .......
M Xm1 Cm1 Xm2 Cm2 X3n Cmn am
Demanda bj ai
b1 b2 bn
bj
Suma de envíos verifica la DEMANDA Suma de envíos = OFERTA
Ejemplo:
DEST.
ORIG. 1 2 OFERTA a1
1 10 M 3 10 X M–3 U1
2 20 7 6 20 X 1 U2
3 5 3 25 8 30 X 5 U3
4 FICT 0 5 0 5 0 U4
= 60 65
DEMANDA bj 35 30 = 65
En este curso se emplean dos métodos para calcular esta primera solución y se llaman:
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Método de Voguel
con:
X11 = 10
X21 = 20 X12 = 0
Variables básicas X31 = 5 variables no básicas X22 = 0
X32 = 25 X41 = 0
X42 = 5
ALGORITMO DE TRANSPORTE.
ORIGEN
DESTINO
1 2 Ui
1 M U1 = M
2 7 U2 = 7
3 3 8 U3 = 3
4F 0 U4 = -5
Vj V1 = 0 V2 = 5
PASO 4. Se calcula los valores Ui y Vj correspondiente a los valores de las variables duales,
para cada renglón i y para cada columna j de la matriz Cij utilizando la siguiente formula:
ij - Ui - Vj = 0
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
1. 11 – U1 – V1 = M – U1 – V1 = 0
2. 21 – U2 – V1 = 7 – U2 – V1 = 0
3. 31 – U3 – V1 = 3 – U3 – V1 = 0
4. 32 – U3 – V2 = 8 – U3 – V2 = 0
5. 42 – U4 – V2 = 0 – U4 – V2 = 0
Para V1 = 0
(1) = U1 = M – 0 = M
(2) = U2 = 7 – 0 = 7
(3) = U3 = 0 – 0 = 3
(4) = V2 = 8 – 3 = 5
(5) = U4 = 0 – 5 = -5 ... y se trasladan a la matriz anterior.
Método corto.
Y como tiene un grado de libertad se obtiene UNO del de soluciones que se pueden
obtener.
La solución básica factible actual será optima si se cumple que Zij - Cij 0.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
PASO 6. Se aplica solo en el caso de que el paso 5 se declare una variable entrante lo que
significa que debe hacerse un cambio de base. Se inicia con la asignación de un número F
que significa una asignación provisional a la celda ij elegida esto provoca un desequilibrio
o desbalanceo en dicha cantidad en el renglón i y en la columna j correspondiente en tal
cantidad.
OFERTA
3 10 +
6 20
25 8 30
5 0 5
30 +
DEST.
ORIG.
1 2 OFERTA a1
1 10 - M 3 10 X M–3 U1
2 20 7 6 20 X 1 U2
3 5 + 3 25 - 8 30 X 5 U3
4 FICT 0 5 0 5 0 U4
= 60 65
DEMANDA bj 35 30 = 65
V2 = 0 V1 = -5
U1 = 3 U2 = 12 Que son los nuevos valores
U3 = 8 obtenidos en la tabla.
U4 = 0
Z11 - C11 = M + 2
Z22 – C22 = -6 V.E. X22
Z41 – C41 = 5 ....por lo cual seguimos al paso 6
1 2
1 M 10 3 10 U 1 = 3 (3 -0 )
2 20 7 6 20 U 2 = 12 7 -(-5 )
3 15 3 15 8 30 U 3 = 30 (8 -0 )
4 0 5 0 5 U 4 = 0 (0 -0 )
V 1 = -5 V 2 = 0
Z11 - C11 = M + 2
Z22 – C22 = -6 V.E. X22
Z41 – C41 = 5 ....por lo cual seguimos al paso 6
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
1 2
1 M 10 3 10 U 1 = 3 (3 -0 )
2 20 - 7 6 20 U 2 = 12 7 -(-5 )
3 15 + 3 15 - 8 30 U 3 = 30 (8 -0 )
4 0 5 0 5 U 4 = 0 (0 -0 )
V 1 = -5 V 2 = 0
= M in (2 0 ,1 5 ) = 1 5
Aplicando ahora las operaciones indicadas por cada resulta la siguiente tabla:
1 2
1 M 10 3 10 U 1 = 3
2 5 7 15 6 20 U 2 = 6
3 30 3 8 30 U 3 = 2
4 0 5 0 5 U 4 = 0
V 1 = 1 V 2 = 0
35 35
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
O fe rta
1 2 ai
1 M 10 3 10 U 1 = 3
2 7 20 6 20 U 2 = 6
3 30 3 8 30 U 3 = 8
4 5 0 0 5 U 4 = -5
D em anda
bj V 1 = -5 V 2 = 0
35 35
En este caso se tiene para plantear 4 costos ij de las correspondientes ecuaciones
de tipo ij - Ui - Vj = 0. Pero se tienen un total de 6 incógnitas Ui y Vj para resolver y por
lo tanto 2 grados de libertad para resolver el sistema de 4 ecuaciones se recurre a un
artificio matemático consistente en asignar un número infinitamente pequeño como
asignación en donde sea necesario (paso 4).
Z = 240
x12 = 20
Solución básica con: x31 = 30
x22 = 20
x41 = 5
Paso 5.
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
O fe rta
1 2 ai
1 M 10 3 10
2 7 20 6 20
3 30 + 3 - 8 30
-
4 5 0 0 5
D em anda
bj V 1 = -5 V 2 = 0
35 35
M in (5 , ) =
O fe rta
1 2 ai
1 M 10 3 10
2 7 20 6 20
3 30 3 8 30
4 5 0 0 5
D em anda
bj V 1 = -5 V 2 = 0
35 35
Z11 = M+2
Z21 = 6
Z32 = 0 C32 – U3 – V2 = 8 – 0 – 0 = 0 0
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Ejemplo:
ORIG
DEST 1 2 3 Oferta ai
1 7 4 8 100
2 5 M 2 100
3
Demanda bj
100 100 100
Calcular una primera solución básica factible por métodos de Voguel y esquina NO.
ORIG
DEST 1 2 3 Oferta ai
1 7 100 4 8 100 3,4,0,x
2 5 M 100 2 100 3,M-2,x
3 100 100 0,x
Demanda bj = 300
100 100 100
= 300
5,x 4,M-4,0 2,6,x
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Paso 1. Balancear.
oferta = ai = 200
demanda = bj = 30
bi = 300 > 200 = ai
bi - ai = 300 – 200 = 100
(N.O.)
ORIG
DEST 1 2 3 Oferta ai
1 100 7 4 8 100 x
2 5 100 M 2 100 x
3 100 0 100 x
Demanda bj = 300
100 100 100
= 300
x x x
Costo ZNO = 100 (7) + 100 (M) + 100 (0) = 100m + 700
ORIG
DEST 1 2 3 Oferta ai
1 100 - 7 4 1 8 100 U1=0
2 2 + 5 100 - M 2 100 U2= -2
3 100 0 100 U3= -8
Demanda bj = 300
100 100 100
= 300
V1= 7 V2 = M+2 V3= 8
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
ORIG
DEST 1 2 3 Oferta ai
1 2 7 100 4 8 100 U1= 7
2 100 5 M 1 2 100 U2= - 5
3 100 0 100 U3= 3
Demanda bj = 300
100 100 100
= 300
V1=0 V2=-3 V3= -3
ORIG
DEST 1 2 3 Oferta ai
1 2 7 100 4 8 100
2 100- 5 M 1 +
2 100
3 100- 0 100
Demanda bj = 300
100 100 100
= 300
ORIG
DEST 1 2 3 Oferta ai
1 2 7 100 4 8 100
2 5 M 100 2 100
3 100 0 100
Demanda bj = 300
100 100 100
= 300
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
PROBLEMA DE TRANSBORDO.
Definición.- Dada una red con n nodos algunos de ellos son orígenes con la oferta de un
cierto producto algunos de ellos son destinos demandando el mismo producto que ofrecen
los orígenes x entre los nodos origen y destino, se ubican nodos de transbordo que también
pueden o no demandar el mismo producto ofrecido por los orígenes. Se trata de satisfacer
todas las demandas de destino y transbordo aprovechando la oferta de los orígenes a
condición de hacerlo con el menor costo posible.
C 15 = 100
O rig e n D e s tin o s
o fe rta s D em andas
T ra n sb o rd o s
200 1 D em andas 5 90
C 13
= 7
5 3 C 36
= 4
= 85 5
C 23 80
150 2 6 110
C
70
24
= 6
6=
0
C4
70
Problema balanceado
Función objetivo:
Sujeto a:
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
i j
( - ) ( + )
k
i j
xik = xkj
xkj - xij = 0
toda xij 0
C 15= 1 0 0
f15= 6 5
O rig e n D e s tin o s
o fe rta s D em andas
T ra n sb o rd o s
200 1 D em andas 5 90
90
C 35=
C 25
f13
13
= 7 f35=
=2
20
5 3 C3
f36 6= 4
5 =1 5
00
23
= 8 0
C 0 80
=1
150 2 f23 6 110
C2
=2 = 70
f24 4= 6
6
=8 0
5
C4
0 4
f46
70
Problema no balanceado: Ofertas = 200 + 180 = 380 > 80 + 70 +90 + 110 = demanda
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
El problema de transbordo resulta importante porque se puede modelar con una red
y también con P.L describiendo los conceptos necesarios que pueden dar entendimiento a
otros problemas de transporte que también se describen con una red y la P.L que le
corresponde tales problemas son el de ruta mínima y el flujo máximo los cuales se tratarán
en su oportunidad.
1) Se define una variable de asignación de flujo Xij para cada rama (i,j) de la red y
por lo tanto la función objetivo contiene tantos términos como ramas o variables.
2) El modelo de P.L tiene expresiones como restricciones como son: las de
capacidad para las ramas que tengan. Además se condiciona el valor de la
función objetivo a restricciones del tipo de conservación de flujo debiendo
expresar tantos como nodos graficados en la red.
3) La estructura especial de un modelo de P.L obtenido de una red de transporte se
caracteriza porque en cada columna (i, j) de la red se tienen ordenados
matricialmente un coeficiente +1 y un coeficiente -1 que verifican la suma 0 en
cada uno de estas columnas igualmente para la columna de términos
independientes se verifica 0 siempre y cuando el problema este balanceado en
cuanto a oferta y demanda.
4) Se puede asegurar una solución entera para la P.L correspondiente a una red de
transporte si las constantes involucradas son también de valor entero.
5) La estructura matemática especial de la P.L obtenida a partir de una red de
transporte ha facilitado el desarrollo de algoritmos altamente eficientes inclusive
más que el mismo simplex, de tal manera que la utilización de ellos ha logrado
soluciones extraordinarias para problemas que contienen miles de variables y
miles restricciones.
Objetivo.- Dada una red con n nodos conectados por ramas (i, j) con su correspondiente
costo (i, j) se considera como origen uno de los n nodos y se trata de determinar n-1 rutas
mínimas hacia los restantes nodos.
Se utiliza una etiqueta para los nodos que consiste en un paréntesis con 2 elementos
.
.
U.P.I.I.C.S.A Apuntes de Investigación de Operaciones.
Dicha etiqueta puede tener el carácter temporal o bien permanente según se indica en los
siguientes pasos
Método de Voguel
origen 1 2 OFERTA
destino ai
1 M 10 3 10
2 5 7 15 6 20
3 30 3 8 30
4FICT 0 5 0 5
DEMANDA 35 30 S ai
bj Sbj
.
.