Professional Documents
Culture Documents
INGENIERO INDUSTRIAL
23 DE OCTUBRE DE 2018
Los problemas de la programación lineal se generan por los recursos limitados, que
buscan distribuirse de la mejor manera. Los recursos, al ser limitados, pueden ser
distribuidos de diversas maneras como tantas combinaciones matemáticas sean posibles
vinculadas a un mismo objetivo. Por lo antes expuesto, se crea la necesidad de
distribuirlos en forma equilibrada y armónica entre los factores que intervienen en el
problema, con el propósito de hallar las mejores alternativas de uso, cumpliendo el
objetivo establecido. Un problema de programación lineal implica el sentido de la función,
propósito o meta, recursos disponibles y habilidad o forma para comparar y seleccionar la
alternativa óptima. En términos formales, el problema de programación lineal crea un
proceso de optimización en el cual se eligen valores no negativos de una serie de
variables de decisión de modo que maximicen o minimicen una función objetivo, cuya
fórmula es la siguiente:
Max o min Z= C1 X1 + C2 X2 + ... + Cn Xn
Sujeto a las restricciones:
A11X1 + A12X2 + ... + A1nXn ≤ B1
A21X1 + A22X2 + ... + A2nXn ≤ B2
Am1X1 + Am1X2 + ... + AmnXn ≤ Bm
Donde
Cn,Amn y Bm son costantes dadas. Dependiendo del problema las restricciones se
pueden expresar con signo de igualdad o con signos de mayor o igual que y menor o igual
que.
Método simplex
Ejemplo: Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
a) Realizar un cambio de variables y normalizar el signo de los términos
independientes.
x pasa a ser X1
y pasa a ser X2
Como los términos independientes de todas las restricciones son positivos no es necesario
hacer nada. En caso contrario habría que multiplicar por "-1" en ambos lados de la inecuación
(teniendo en cuenta que esta operación también afecta al tipo de restricción).
Método Simplex
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla, donde
aparecen los coeficientes de las variables de la función objetivo, y una última fila que
recoge el valor la función objetivo y los costes reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solución Z0. Por este
motivo también son llamados valores indicadores.
Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
P1 Cb1 b1 a11 a12 ... a1n
P2 Cb2 b2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn
Todos los valores incluidos en la tabla vendrán dados por el modelo del problema
salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de la siguiente forma:
Zj = Σ(Cbi·Pj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij.
Se observa, al realizar el método Simplex, que en esta primera tabla ocupan la base
todas las variables de holgura y por ello (todos los coeficientes de las variables de holgura
son 0 en la función objetivo) el valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los cálculos de los costes
reducidos en la primera tabla, pudiéndose determinar directamente como el cambio de
signo de los coeficientes de cada variable en la función objetivo, esto es, -Cj.
Condición de parada:
Una vez cumplida la condición de parada, el valor de cada variable que logra la
solución óptima se encuentra en la columna P0, indicándose en la base a qué variable
correnponde dicho valor. Si una variable no aparece en la base, significa que su valor es
cero. De la misma forma el valor óptimo de la función objetivo (Z) se encuentra en la
columna P0, fila Z.
Cuando una variable se vuelve básica, es decir, entra en la base, comienza a formar
parte de la solución. Observando los costes reducidos en la fila Z, se decide que entra a
la base la variable de la columna en la que éste sea el de menor valor (o de mayor valor
absoluto) entre los negativos.
Una vez obtenida la variable entrante, se determina que sale de la base la variable que
se encuentre en aquella fila cuyo cociente P0/Pjsea el menor de los estrictamente
positivos (teniendo en cuenta que esta operación se hará únicamente cuando Pj sea
superior a 0).
Elemento pivote:
Actualización de la tabla:
El método de las Dos Fases se utiliza cuando aparecen variables artificiales en la forma
canónica o estándar del problema. La primera fase trata de resolver el problema auxiliar Z' de
minimizar la suma de las variables artificiales y conseguir que sea cero (con objeto de evitar
incongruencias matemáticas). Una vez resuelto este primer problema, y siempre y cuando el
resultado sea el esperado, se reorganiza la tabla resultante para utilizarla en la segunda fase
sobre el problema original.
En caso contrario el problema no es factible, es decir, no tiene solución y no será necesario
continuar con la segunda fase.
FASE 1
Esta primera fase es muy similar al método Simplex, con la excepción de la construcción
de la primera tabla, además de la necesidad de estudiar el resultado obtenido para determinar
si se desarrolla la segunda fase.
En tal caso, la última tabla de esta fase será, con algunas modificaciones, la utilizada como
tabla inicial para la segunda fase.
Se elabora de manera análoga a la tabla inicial del método Simplex, pero con algunas
diferencias.
La otra diferencia para la primera tabla radica en que ahora sí es necesario calcular
la fila Z (o fila indicadora).
Tabla
C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
P1 Cb1 b1 a11 a12 ... a1n-k ... a1n
P2 Cb2 b2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn
La condición de parada es la misma que en el método Simplex normal. Esto es, cuando
en la fila indicadora ninguno de los valores de los costes reducidos es negativo (ya que
tal y como se ha planteado el objetivo es la maximización de (-1)·Z').
FASE 2
La segunda fase del método de las Dos Fases se desarrolla exactamente igual que
el método Simplex, con la salvedad de que antes de iniciar las iteraciones hay que eliminar las
columnas correspondientes a las variables artificiales, y reconstruir la tabla inicial.
La tabla inicial en este caso se mantiene casi igual a la última tabla de la primera fase.
Únicamente habrá que modificar la fila de la función objetivo por la del problema original
y calcular nuevamente la fila Z (de la misma forma que en la primera tabla de la fase 1).
A partir de este punto, todas las iteraciones hasta llegar a la solución óptima del problema
no presentan ninguna diferencia con el método Simplex.
Análisis de redes
Ahora podemos alcanzar G desde los nodos conocidos más cercanos D y F. por tanto se
puede llegar a G desde D con 7+4=11; pero se puede llegar a G desde F con 8+2=10;
puede verse que es menos costoso llegar desde F por lo que elegimos FD.
Ahora podemos alcanzar H desde los nodos conocidos más cercanos E,F y G. Por tanto
se puede llegar H desde E con 9+2= 11; pero se puede llegar a H desde F con 8+5=13;
pero se puede llegar a H desde G 10+2=12; puede verse que el menos costoso es de EH
con 11.
Ahora podemos alcanzar I desde los nodos conocidos más cercanos E y H. Por lo tanto se
puede llegar a I desde E con 9 + 5=14; pero puedo llegar I desde H con 11+3=14; vemos
que los costos son iguales desde E o desde H, por lo que hay dos opciones posibles. HI y
EI
Ahora podemos alcanzar el nodo destino T desde los nodos conocidos más cercanos G,H
e I. Por tanto puedo alcanzar T desde G con 10+7=17; pero puedo alcanzar T desde H con
11+8=29 o puede alcanzar T desde I con 14+4=18, puede verse que de los tres el menos
costoso es 17 desde GT