UNIVERSIDAD POLITCNICA DE GMEZ PALACIO Investigacin Programacin Lineal

La Programacin Lineal (PL) es una de las principales ramas de la Investigacin Operativa. En esta categora se consideran todos aquellos modelos de optimizacin donde las funciones que lo componen, es decir, funcin objetivo y restricciones, son funciones lineales en las variables de decisin Los modelos de Programacin Lineal por su sencillez son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilizacin. Programacin lineal La programacin lineal estudia las situaciones en las que se exige maximizar o minimizar funciones que se encuentran sujetas a determinadas limitaciones, que se llaman restricciones. Funcin Objetivo La programacin lineal consiste en optimizar (maximizar o minimizar) una funcin objetivo, que es una funcin lineal de varias variables:
f(x,y) = ax + by . Restricciones La funcin objetivo est sujeta a una serie de restricciones, expresadas por inecuaciones lineales: a1x + b1y c1 a 2 x + b 2 y c 2 ... ... ...

a n x + b n y c n

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 1

UNIVERSIDAD POLITCNICA DE GMEZ PALACIO

Pasos para resolver un problema de programacin lineal 1. Elegir las incgnitas . 2. Escribir la funcin objetivo en funcin de los datos del problema. 3. Escribir inecuaciones. 4. Averiguar el conjunto de soluciones las restricciones en forma de sistema de

factibles representando grficamente las restricciones. 5. Calcular las coordenadas de los vrtices del recinto de soluciones factibles (si son pocos). 6. Calcular el valor de la funcin objetivo en cada uno de los vrtices para ver en cul de ellos presenta el valor mximo o mnimo segn nos pida el problema (hay que tener en cuenta aqu la posible no existencia de solucin si el recinto no est acotado).

Ejemplo de programacin lineal Unos grandes almacenes encargan a un fabricante

pantalones y chaquetas deportivas. El fabricante dispone para la confeccin de 750 m de tejido de algodn y 1000 m de tejido de polister. Cada pantaln precisa 1 m de algodn y 2 m de polister. Para cada chaqueta se necesitan 1.5 m de algodn y 1 m de polister.

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 2

UNIVERSIDAD POLITCNICA DE GMEZ PALACIO

El precio del pantaln se fija en 50 y el de la chaqueta en 40 . Qu nmero de pantalones y chaquetas debe suministrar el fabricante a los almacenes para que stos consigan un a venta mxima?

1 Eleccin de las incgnitas . x = nmero de pantalones y = nmero de chaquetas

2Funcin objetivo f(x,y)= 50x + 40y

3Restricciones Para escribir las restricciones vamos a ayudarnos de una tabla: pantalones chaquetas disponible algodn polister 1 2 1,5 1 750 1000

x + 1.5y 750 2x + y 1000

2x+3y1500

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 3

UNIVERSIDAD POLITCNICA DE GMEZ PALACIO

Como el nmero de pantalones y chaquetas son nmeros naturales, tendremos dos restricciones ms: x 0 y 0

Tipo de optimizacin.
Como se ha comentado, el objetivo del mtodo consistir en optimizar el valor de la funcin objetivo. Sin embargo se presentan dos opciones: obtener el valor ptimo mayor (maximizar) u obtener el valor ptimo menor (minimizar). Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el de minimizacin en cuanto al criterio de condicin de parada para finalizar las iteraciones y a las condiciones de entrada y salida de la base. As:

Objetivo de maximizacin Condicin de parada: cuando en la fila Z no aparece ningn valor negativo. Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de mayor valor absoluto entre los negativos) indica la variable P j que entra a la base. Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale se determina mediante el menor cociente P0/Pj de los estrictamente positivos.

Objetivo de minimizacin Condicin de parada: cuando en la fila Z no aparece ningn valor positivo. Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la variable Pj que entra a la base. Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale se determina mediante el menor cociente P0/Pj de los estrictamente negativos.

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 4

UNIVERSIDAD POLITCNICA DE GMEZ PALACIO

Normalizacin de las restricciones
Otra de las condiciones del modelo estndar del problema es que todas las restricciones sean ecuaciones de igualdad (tambin llamadas restricciones de igualdad), por lo que hay que convertir las restricciones de desigualdad o inecuaciones en dichas identidades matemticas. La condicin de no negatividad de las variables (x1,..., xn 0) es la nica excepcin y se mantiene tal cual.

Restriccin de tipo "" Para normalizar una restriccin con una desigualdad del tipo "", hay que aadir una nueva variable, llamada variable de holgura xs (con la condicin de no negatividad: xs 0). Esta nueva variable aparece con coeficiente cero en la funcin objetivo, y sumando en la ecuacin correspondiente (que ahora s ser una identidad matemtica o ecuacin de igualdad). a11x1 + a12x2 b1 a11x1 + a12x2 + 1xs = b1

Restriccin de tipo "" En caso de una desigualdad del tipo "", tambin hay que aadir una nueva variable llamada variable de exceso xs (con la condicin de no negatividad: xs 0). Esta nueva variable aparece con coeficiente cero en la funcin objetivo, y restando en la ecuacin correspondiente. Surge ahora un problema con la condicin de no negatividad con esta nueva variable del problema. Las inecuaciones que contengan una desigualdad de tipo "" quedaran: a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs = b1

Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no estarn en la base y tomarn valor cero. En este caso la nueva variable xs, tras hacer cero a x1 y x2, tomar el valor -b1 y no cumplira la condicin de no negatividad. Es necesario aadir otra nueva variable xr, llamada variable artificial, que tambin aparecer con coeficiente cero en la funcin objetivo y sumando en la restriccin correspondiente. Quedando entonces de la siguiente manera: a11x1 + a12x2 b1

a11x1 + a12x2 - 1xs + 1xr = b1

Restriccin de tipo "="

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 5

UNIVERSIDAD POLITCNICA DE GMEZ PALACIO

Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque ya son identidades) tambin es necesario agregar variables artificiales xr. Como en el caso anterior, su coeficiente ser cero en la funcin objetivo y aparecer sumando en la restriccin correspondiente. a11x1 + a12x2 = b1 a11x1 + a12x2 + 1xr = b1

En el ltimo caso se hace patente que las variables artificiales suponen una violacin de las leyes del lgebra, por lo que ser necesario asegurar que dichas variables artificiales tengan un valor 0 en la solucin final. De esto se encarga el mtodo de las Dos Fases y por ello siempre que aparezcan este tipo de variables habr que realizarlo. En la siguiente tabla se resume segn la desigualdad el tipo de variable que aparece en la ecuacin normalizada, as como su signo: Tipo de desigualdad =

Tipo de variable que aparece

- exceso + artificial + artificial + holgura

Anglica Rodarte Vzquez.

LNI 5 V.

Pgina 6