Tecnolgico de Estudios Superiores de Coacalco

Investigacin de Operaciones II

Nombre del trabajo:

Programacin por Metas / Diferencias entre programacin por Metas y

programacin Entera.

Alumno:

Martnez Garca Cristian Javier

Profesor:

Israel Zermeo Caballero

Fecha: 14 de Septiembre de 2016.

Pgina 1
 Tecnolgico de Estudios Superiores de Coacalco

Contenido

Introduccin ............................................................................................................. 3
Objetivo ................................................................................................................... 4
Modelo Matemtico .............................................................................................. 5
Programacin lineal: ............................................................................................ 5
Mtodo grfico: .................................................................................................... 6
Mtodo Simplex: .................................................................................................. 6
Matriz identidad: ................................................................................................... 6
Funcin objetivo: .................................................................................................. 7
Variables: ............................................................................................................. 7
Restricciones: ...................................................................................................... 8
Desarrollo de la investigacin................................................................................ 10
Programacin por Metas .................................................................................... 10
Formulacin de la funcin objetivo ..................................................................... 12
Diferencias entre Programacin Lineal y Programacin por Metas....................... 14
Conclusin............................................................................................................. 15
Bibliografas........................................................................................................... 16

Pgina 2
 Tecnolgico de Estudios Superiores de Coacalco

Introduccin

En Investigacin de Operaciones I tuvimos la oportunidad de aprender temas

sumamente importantes para el desarrollo de competencias dentro de la carrera y
posteriormente, dentro de la industria.

Ahora, durante la continuacin de este proceso que significa el conocimiento

adquirido en las materias de Investigacin de Operaciones, comenzamos con la
investigacin de temas nuevos como lo es la programacin por Metas y su
relacin y diferencias con la programacin Entera, estudiada en la primera parte
de esta asignatura el semestre anterior.

Pgina 3
 Tecnolgico de Estudios Superiores de Coacalco

Objetivo

Conocer el procedimiento para realizar la programacin por metas y de igual

forma, conocer las diferencias entre este mtodo y la programacin lineal.

Pgina 4
 Tecnolgico de Estudios Superiores de Coacalco

Marco Terico

Modelo Matemtico:

Representacin de un problema donde el objetivo y todas las condiciones de

restriccin se describen con expresiones matemticas.

Restricciones de no negatividad:

Conjunto de restricciones que requiere que todas las variables sean no negativas.

Solucin Factible:

Solucin que satisface simultneamente todas las restricciones.

Regin Factible:

Conjunto de todas las soluciones factibles.

Variable de holgura:

Variable agregada al lado izquierdo de una restriccin de "menos o igual que" para
convertir la restriccin en una igualdad. El valor de esta variable comnmente
puede interpretarse como la cantidad de recurso no usado.

Forma Estndar:

Programacin lineal en el que todas las restricciones estn escritas como

igualdades. La solucin ptima de la forma estndar de un programa lineal es la
misma que la solucin ptima de la formulacin original del programa lineal.

Punto Extremo:

Desde el punto de vista grfico, los puntos extremos son los puntos de solucin
factible que ocurren en los vrtices o "esquinas" de la regin factible. Con
problemas de dos variables, los puntos extremos estn determinados por la
interseccin de las lneas de restriccin.

Programacin lineal:

La programacin lineal es el campo de la optimizacin matemtica dedicado a

maximizar o minimizar (optimizar) una funcin lineal, denominada funcin objetivo,

Pgina 5
 Tecnolgico de Estudios Superiores de Coacalco

de tal forma que las variables de dicha funcin estn sujetas a una serie de
restricciones expresadas mediante un sistema de inecuaciones tambin lineales.
Los mtodos ms recurridos para resolver problemas de programacin lineal
son algoritmos de pivote, en particular los algoritmos simplex.

Mtodo grfico:

El mtodo grfico es un procedimiento de solucin de problemas de programacin

lineal muy limitado en cuanto al nmero de variables (2 si es un grfico 2D y 3 si
es 3D) pero muy rico en materia de interpretacin de resultados e incluso anlisis
de sensibilidad. Este consiste en representar cada una de las restricciones y
encontrar en la medida de lo posible el polgono (poliedro) factible, comnmente
llamado el conjunto solucin o regin factible, en el cual por razones
trigonomtricas en uno de sus vrtices se encuentra la mejor respuesta (solucin
ptima).

Mtodo Simplex:

Es un mtodo analtico de solucin de problemas de programacin lineal capaz de

resolver modelos ms complejos que los resueltos mediante el mtodo grfico sin
restriccin en el nmero de variables.
De igual forma, es un mtodo iterativo que permite ir mejorando la solucin en
cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste
en caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente
o disminuya (segn el contexto de la funcin objetivo, sea maximizar o minimizar),
dado que el nmero de vrtices que presenta un poliedro solucin es finito
siempre se hallar solucin.

Matriz identidad:

Una matriz puede definirse como una ordenacin rectangular de elementos, (o

listado finito de elementos), los cuales pueden ser nmeros reales o complejos,
dispuestos en forma de filas y de columnas.

La matriz idntica o identidad es una matriz cuadrada (que posee el mismo

nmero tanto de columnas como de filas) de orden n que tiene todos los
elementos diagonales iguales a uno (1) y todos los dems componentes iguales a
cero (0), se denomina matriz idntica o identidad de orden n, y se denota por:

Pgina 6
 Tecnolgico de Estudios Superiores de Coacalco

La importancia de la teora de matrices en el Mtodo Simplex es fundamental,

dado que el algoritmo se basa en dicha teora para la resolucin de sus
problemas.

Funcin objetivo:

La funcin objetivo tiene una estrecha relacin con la pregunta general que se
desea responder. S en un modelo resultasen distintas preguntas, la funcin
objetivo se relacionara con la pregunta del nivel superior, es decir, la pregunta
fundamental. As por ejemplo, si en una situacin se desean minimizar los costos,
es muy probable que la pregunta de mayor nivel sea la que se relacione con
aumentar la utilidad en lugar de un interrogante que busque hallar la manera de
disminuir los costos.

Variables:

Similar a la relacin que existe entre objetivos especficos y objetivo general se

comportan las variables de decisin respecto a la funcin objetivo, puesto que
estas se identifican partiendo de una serie de preguntas derivadas de la pregunta
fundamental. Las variables de decisin son en teora factores controlables del
sistema que se est modelando, y como tal, estas pueden tomar diversos valores
posibles, de los cuales se precisa conocer su valor ptimo, que contribuya con la
consecucin del objetivo de la funcin general del problema.

Pgina 7
 Tecnolgico de Estudios Superiores de Coacalco

Restricciones:

La funcin objetivo est sujeta a una serie de restricciones, expresadas

por inecuaciones lineales:

a1x + b1y c1

a2x + b2y c2

anx + bny cn

Cada desigualdad del sistema de restricciones determina un semiplano.

Pgina 8
Tecnolgico de Estudios Superiores de Coacalco

Pgina 9
 Tecnolgico de Estudios Superiores de Coacalco

Desarrollo de la investigacin

Programacin por Metas

La forma del modelo de programacin lineal sigue siendo la misma en
programacin por meta, es decir, tambin se tiene una funcin objetivo que
optimizar sujeta a una o ms restricciones. Sin embargo, dentro de este marco de
referencia se agregarn dos conceptos nuevos. El primero es el de las
restricciones de meta en lugar de las restricciones de recurso que se han
analizado. El segundo concepto es el de rango de prioridad entre las funciones de
objetivo. Una vez que se establece un problema en el formato del modelo general
de programacin lineal, para obtener la solucin puede aplicarse el MTODO
SIMPLEX modificado solo para tomar en cuenta las prioridades.

La programacin por metas es un enfoque para tratar problemas de decisin

gerencial que comprenden metas mltiples o inconmensurables, de acuerdo a la
importancia que se le asigne a estas metas. El tomador de decisiones debe ser
capaz de establecer al menos una importancia ordinal, para clasificar estas metas.
Una ventaja importante de la programacin meta es su flexibilidad en el sentido de
que permite al tomador de decisiones, experimentar con una multitud de
variaciones de las restricciones y de prioridades de las metas cuando se involucra
con un problema de decisin de objetivos mltiples.

El primer paso en la formulacin de un modelo de programacin por metas

consiste en fijar los atributos que se consideran relevantes para el problema que
se est analizando. Una vez establecidos los atributos, se pasa a determinar el
nivel de aspiracin que corresponde a cada atributo, es decir, el nivel de logro que
el centro decisor desea alcanzar. Seguidamente, se conecta el atributo con el nivel
de aspiracin, por medio de la introduccin de las variables de desviacin negativa
y positiva, respectivamente. As para el atributo i-simo, se tiene la siguiente meta:
donde, como es habitual, f(x) representa la expresin matemtica del atributo i-
simo, Ti su nivel de aspiracin, ni y pi las variables de desviacin negativa y
positiva, respectivamente. Las variables de desviacin negativa cuantifican la falta
de logro de una meta con respecto a su nivel de aspiracin, mientras que las
variables de desviacin positiva cuantifican el exceso de logro de una meta con
respecto a su nivel de aspiracin.

Como un nivel de aspiracin no puede simultneamente sobrepasarse y quedar

por debajo de l, al menos una de las dos variables de desviacin tomarn valor
cero cuando la meta alcanza exactamente su nivel de aspiracin.

Pgina 10
 Tecnolgico de Estudios Superiores de Coacalco

Una vez clarificado el significado de las variables de desviacin, es importante

introducir el concepto de variable de decisin no deseada. Una variable de
decisin se dice que no es deseada cuando al centro decisor le interesa que la
variable en cuestin alcance su valor ms pequeo(esto es cero). Cuando la meta
deriva de un atributo del tipo ms del atributo mejor (objetivo a maximizar) la
variable no deseada (a minimizar), ser la variable de desviacin negativa
(cuantificacin de la falta de logro). Finalmente, cuando se desea alcanzar
exactamente el nivel de aspiracin tanto la variable de desviacin negativa como
la positiva son variables no deseadas y por tanto variables a minimizar.

Supngase que un fabricante quiere planear producir por lo menos tres mesas se
escribir la restriccin: T>=3

Esto no permite ningn valor por debajo de 3. Si hubiera otra restriccin en

conflicto con esta, el problema no tendra solucin factible.

Ahora bien, los objetivos administrativos son mucho menos rgidos y absolutos.
Una manera ms real para establecer las restricciones de las mesas sera: "si es
posible, nos gustara hacer tres mesas por lo menos. Esto tiene una prioridad
alta". En forma anloga, los objetivos de las ganancias o de los rendimientos sobre
inversiones se expresan en trminos de metas deseadas: hacer lo posible por
obtener ganancias de $1000 el prximo ao o buscar un rendimiento sobre
inversiones del 10% antes de impuestos. Sin duda pueden ocurrir desviaciones
arriba o abajo, alrededor de una meta. Si la restriccin de las mesas es fabricar
por lo menos tres, esto puede escribirse como: T + Dut - Dot = 3

En donde Dut - Cantidad que falta para lograr el objetivo de las mesas.

Dot - Cantidad que sobrepasa el objetivo de las mesas.

T- Nmero de mesas.

Ntese que las restricciones de meta siempre se escriben como igualdades. El

primer subndice de la variable de desviacin indica la variacin hacia abajo o
hacia arriba de la meta. El segundo subndice indica de que se trata el objetivo, en
este caso mesas.

Existen cuatro formas de restricciones de objetivos, segn se permita variacin

hacia arriba o hacia abajo:

CASO 1: Se permiten desviaciones en ambas direcciones.

CASO 2: Solo se permiten desviaciones hacia abajo.

CASO 3: Solo se permiten desviaciones hacia arriba

Pgina 11
 Tecnolgico de Estudios Superiores de Coacalco

CASO 4: No se permiten desviaciones.

No existe algo en la programacin por objetivos que prohiba incluir restricciones

que no sean de objetivo o restricciones de recurso.

El significado de las variables de desviacin no deseadas puede clarificarse por

medio del siguiente cuadro.

Metas y variables de desviacin

Forma inicial de la meta Forma de la meta Variable de desviacin no

transformada deseada (a minimizar)

Fi(x) ti fi(x)+ ni- pi = ti ni

Fi(x) ti fi(x)+ ni- pi = ti pi

Fi(x)=ti fi(x)+ ni- pi = ti ni+ pi

Formulacin de la funcin objetivo

La funcin objetivo para un problema de programacin por meta siempre es
minimizar alguna combinacin de variables de desviacin. Desde un punto de
vista de toma de decisiones administrativa, esto significa que se est buscando la
combinacin de variables reales por ejemplo (mesas y sillas) que cumplan mejor
con todos los objetivos. Esto podra llamarse optimizar un conjunto de objetivos
"satisfactorios" o satisfacer.

La forma exacta de la funcin objetivo vara segn la respuesta a estas dos

preguntas:

Son conmensurables o proporcionales los objetivos?

Cul es la importancia relativa de cada objetivo?

Objetivos conmensurables de igual importancia: este es el caso ms sencillo,

aunque muy pocas veces se encuentra en la prctica. Aqu los objetivos se miden
en una escala comn (conmensurables y tienen la misma importancia.

Ponderacin preferente de los objetivos: las ponderaciones de preferencia pueden

aplicarse a cualquier grupo de objetivos conmensurables. Las ponderaciones
deben reflejar la utilidad o el valor de los objetivos.

Pgina 12
 Tecnolgico de Estudios Superiores de Coacalco

Rango de prioridad de los objetivos: qu pasa cuando los objetivos no son

conmensurables, cuando no hay una escala comn para comparar las
desviaciones de los diferentes objetivos? Este es un caso importante, al que se
enfrentan con frecuencia los administradores. Si el administrador puede ordenar o
dar un rango para sus metas entonces la solucin es posible.

Quizs no sea una tarea fcil dar un rango a los objetivos de acuerdo con su
importancia pero es algo que la mayora de las personas entienden y pueden
lograr. En la programacin por objetivos se le asigna la prioridad P1al objetivo ms
importante, siguiendo P2 a una prioridad ms baja. No existe lmite en el nmero
de niveles de prioridad pero debe asignarse una prioridad para cada variable de
desviacin. Se permiten empates o prioridades iguales.

Los problemas de programacin por meta se resuelven en orden de prioridad. Es

decir, se prueba la optimizacin en el nivel de prioridad ms alto ignorando las
prioridades ms bajas hasta optimizar este nivel.

Pgina 13
 Tecnolgico de Estudios Superiores de Coacalco

Diferencias entre Programacin Lineal y Programacin

por Metas

La forma del modelo de programacin lineal sigue siendo la misma en

programacin por meta, es decir, tambin se tiene una funcin objetivo que
optimizar sujeta a una o ms restricciones. Sin embargo, dentro de este marco de
referencia se agregarn dos conceptos nuevos. El primero es el de las
restricciones de meta en lugar de las restricciones de recurso que se han
analizado. El segundo concepto es el de rango de prioridad entre las funciones de
objetivo. Una vez que se establece un problema en el formato del modelo general
de programacin lineal, para obtener la solucin puede aplicarse el Mtodo
Simplex modificado solo para tomar en cuenta las prioridades.

Pgina 14
 Tecnolgico de Estudios Superiores de Coacalco

Conclusin

Este reporte de investigacin sirvi para retomar conceptos analizados durante el

semestre pasado en la materia de Investigacin de Operaciones y en base a ello,
poder comprender ms fcilmente la metodologa para poder desarrollar el
procedimiento de programacin por metas, el cual nos permite dar ms
importancia a las restricciones del problema al cual le estamos buscando una
solucin, en este caso ms ptima, sino una solucin de acuerdo a nuestras
necesidades.

Pgina 15
 Tecnolgico de Estudios Superiores de Coacalco

Bibliografas

Kaufman, A. Mtodos y Modelos de da Investigacin de Operaciones (Tomo1),

Editorial C.E.C.S.A. 8 Edicin. . ltima edicin.

Thierauf, Robert., Grose, Richard. Toma de Decisiones por medio de

Investigaciones de Operaciones, Editorial Limusa.

Moskowitz, Herbert., Wright, Gordon. Investigacin de Operaciones, Editorial

Prentice Hall.

Eppen - Gould. Investigacin de operaciones en la ciencia administrativa. Mxico:

Editorial Prentice Hall. Ultima edicin

Pgina 16