Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MODELAMIENTO MATEMÁTICO
Bibliografía:
Materiales Interactivos para la resolución de un problema de Programación Lineal usando
el Método Simplex M. J. García-Ligero y P., Román, P1. Departamento de Estadística e
Investigación Operativa Universidad de Granada (España).Disponible en URL:
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf
Morales, Jaime, Ejercicios de Programación Lineal [Seriada en línea].Pág.1-3
Disponible_en:URL:http://web.educastur.princast.es/cursos/cursowqp/aplic/0909
9/PROGRAMACION_LINEAL.html Consultado Octubre 16, 2010
Santín, Mario, Conceptos de Programación Lineal [Seriada en línea].Pág.2-11
Disponible en : URL: http://www.docstoc.com/search/programacion-
lineal?catfilter=1Consultado Octubre 16, 2010
Álvarez, J. José, Programación Lineal [Seriada en línea].Pág.5-12 Disponible en :
URL: http://www.docstoc.com/docs/21905985/PROGRAMACION-LINEAL
Consultado Octubre 16, 2010
INTRODUCCIÓN:
Muchas personas clasifican el desarrollo de la Programación Lineal (PL) entre los avances
científicos más importantes de mediados del siglo XX. En la actualidad es una herramienta
común que ha ahorrado miles o millones de dólares a muchas compañías y negocios,
incluyendo industrias medianas en distintos países del mundo. ¿Cuál es la naturaleza de
esta notable herramienta y qué tipo de problemas puede manejar? Expresado
brevemente, el tipo más común de aplicación abarca el problema general de asignar
recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en
forma óptima). Este problema de asignación puede surgir cuando deba elegirse el nivel de
ciertas actividades que compiten por recursos escasos para realizarlas. La variedad de
situaciones a las que se puede aplicar esta descripción es sin duda muy grande, y va desde
la asignación de instalaciones productivas a los productos, hasta la asignación de los
recursos nacionales a las necesidades de un país; desde la planeación agrícola, hasta el
diseño de una terapia de radiación; etc. No obstante, el ingrediente común de todas estas
situaciones es la necesidad de asignar recursos a las actividades.
RESULTADOS:
PROGRAMACIÓN LINEAL
La Programación Lineal es una de las herramientas más utilizadas en la Investigación
Operativa debido a que por su naturaleza se facilitan los cálculos y en general permite una
buena aproximación de la realidad. La programación lineal es un método eficiente para
determinar una decisión óptima entre un gran número de decisiones posibles.
ax + by + cz + . . .
(llamada la función ojectiva), sujeta a unas restricciones lineales de la forma
Ax + By + Cz + . . .≤ N
o
Ax + By + Cz + . . .≥ N.
El valor más grande o más pequeño de la función objetiva se llama el valor óptimo, y un
conjunto de valores de x, y, z, . . . que se resultan en el valor óptimo es la solución óptima.
Las variables x, y, z, . . . se llaman las variables decisión.
Ejemplo
Minimizar C = 3x + 4y sujeta a
3x - 4y ≤ 12,
x + 2y ≥ 4
x ≥ 1, y ≥ 0.
La región factible para este conjunto de restricciones fue mostrada más arriba.
Aquí está otra vez con los puntos de esquinas indicados.
Punto C = 3x + 4y
(1, 1.5) 3(1)+4(1.5) = 9 mínimo
(4, 0) 3(4)+4(0) = 12
Entonces, la solución es x = 1, y = 1.5, que da C = 9 como el valor mínimo.
MÉTODO SIMPLEX
Es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El
proceso concluye cuando no es posible seguir mejorando más dicha solución. Partiendo
del valor de la función objetivo en un vértice cualquiera, el método consiste en buscar
sucesivamente otro vértice que mejore al anterior. La búsqueda se hace siempre a través
de los lados del polígono (o de las aristas del poliedro, si el número de variables es mayor).
Cómo el número de vértices (y de aristas) es finito, siempre se podrá encontrar la
solución.
Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn
Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 será el de sustituir Cim
en la función objetivo (y cero si no aparece en la base). El resto de columnas se obtiene
restando a este valor el del coeficiente que aparece en la primera fila de la tabla.
Se observará al realizar el método Simplex, que en esta primera tabla, en la base estarán
las variables de holgura.
- Condición de parada: Comprobaremos si debemos de dar una nueva iteración o no, que
lo sabremos si en la fila Z aparece algún valor negativo. Si no aparece ninguno, es que
hemos llegado a la solución óptima del problema.
- Elección de la variable que entra: Si no se ha dado la condición de parada, debemos
seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos
fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos será el que
nos de la variable entrante.
- Elección de la variable que sale: Una vez obtenida la variable entrante, obtendremos la
variable que sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de
los estrictamente positivos (teniendo en cuenta que sólo se hará cuando Pj sea mayor de
0). La intersección entre la columna entrante y la fila saliente nos determinará el elemento
pivote.
Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila actual * Nuevo Elemento Fila).
Éste método difiere del Simplex en que primero hay que resolver un problema auxiliar que
trata de minimizar la suma de las variables artificiales. Una vez resuelto este primer
problema y reorganizar la tabla final, pasamos a la segunda fase, que consiste en realizar
el método Simplex normal.
FASE 1
En esta primera fase, se realiza todo de igual manera que en el método Simplex normal,
excepto la construcción de la primera tabla, la condición de parada y la preparación de la
tabla que pasará a la fase 2.
- Construcción de la primera tabla: Se hace de la misma forma que la tabla inicial del
método Simplex, pero con algunas diferencias. La fila de la función objetivo cambia para la
primera fase, ya que cambia la función objetivo, por lo tanto aparecerán todos los
términos a cero excepto aquellos que sean variables artificiales, que tendrán valor "-1"
debido a que se está minimizando la suma de dichas variables (recuerde que minimizar F
es igual que maximizar F·(-1)).
La otra diferencia para la primera tabla radica en la forma de calcular la fila Z. Ahora
tendremos que hacer el cálculo de la siguiente forma: Se sumarán los productos Cb·Pj
para todas las filas y al resultado se le restará el valor que aparezca (según la columna que
se éste haciendo) en la fila de la función objetivo.
Tabla
C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n-k ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn