Professional Documents
Culture Documents
# ! 0 .
1 *#
2M
#
! *#
*
#
3,-4## #5 # *&/
1#
63
4
3,
4 # ##4 #5 )"
378
M
M
!"#! $ %%&
'
# (#)
#
&
(
*+M
,-
M#
# '#.
#
# #&/
° è#+
I. è#+ ............................................................................................................................... 2
**+ *
#5+ ............................................................................................................... 3
***+ -9#.+ ....................................................................................................................... 4
M+
+ .......................................................................................................................... 4
:+ !4)# .................................................................................................................... 4
*;+ 3
5
#+ ............................................................................................................ 5
M+ 3
4
3,M4
<# #5
+ ............. 5
:+ M4 # #53
4
#
0)"
37)
=#">.+&?+ ................................................. 12
+ 3 '
#>'37?+ .................................................................. 12
&+ !9
##+ ............................................................................................................... 27
;+ # ............................................................................................................. 62
;*+
# ..................................................................................................... 63
;**+ :# #
) + ................................................................................................................ 64
2
**+ *
#5+
3
***+ -9#.+
M+
+
:+ !4)#
4
*;+ 3
5
#+
M+ 3
4
3, M4
<# #5
+
MODELOS DE TRANSPORTE
Minimizar Z = CijXij i1
1
5
sinceramente que MPL tiene algunas características únicas que lo hacen la elección ideal
para la enseñanza de modelado de optimización, tal como el uso fácil de la interface gráfica
de usuario, una correcta sintaxis fácil de aprender, y capacidades poderosas para la
administración de datos.
Hoy en día los Solvers avanzados comerciales, tales como CPLEX, pueden ser vistos
como una caja negra donde el usuario puede enviar modelos en gran escala, con cientos de
miles de variables, y estar razonablemente seguros que el paquete producirá una solución,
sin interacción especial alguna por parte del usuario.
6
Enseñanza de Modelado de Optimización en la actualidad
Una de las razones, que los instructores de Investigación de Operaciones no han sido
capaces para asignar modelos grandes a sus estudiantes, parecidos a los modelos del
"mundo real"; es porque el software los limitaba. Muchos de los libros sobre programación
lineal y optimización hoy día, enseñan a los estudiantes principalmente métodos y
algoritmos, y formulación de modelos muy pequeños, típicamente involucran menos de 10
variables y restricciones. El software generalmente disponible con esos libros pueden
usualmente tratar con variables y restricciones simples, y además; formular esos modelos
grandes requerirá que los estudiantes ingresen muchas páginas de texto. Esto no da como
resultado necesariamente que los estudiantes aprendan algo adicional y el interés de sus
estudios sobre modelado de optimización se pierda.
Consiste en que Para cada renglón de origen que queda bajo consideración debe
determinarse w , su mayor costo unitario (Cij) de los que quedan en ese renglón. Para cada
columna de destino que todavía está bajo consideración, determínese su , el mayor costo
unitario de los que hay en esa columna. Para cada variable Xij que no haya sido seleccionada
en estos renglones o columnas. Para cada variable Xij que no haya sido seleccionada en estos
renglones o columnas, seguidamente se debe calcular
= Cij - w
7
Selecciónese X44 = 30 Elimínese la columna 4 50-30=20
8
9
10
11
:+ M4 # #53
4
#
0)"
37)
=#">.+&?+
+ 3 '
#>'37?+
Para este manual de usuario explicaremos primero el uso de algunas
operaciones básicas del software MPL (abrir, guardar, utilización de la ayuda, solución
de un problema sencillo de Programación lineal y aprender a analizar dichas
soluciones presentadas por el programa) para luego enfocarnos en la resolución de
los modelos de transporte en el mismo.
Si se tiene el S. O. Windows
XP clicar en Inicio, Todos los programas,
MPL for Windows 4.2 Student.
12
Luego nos da como resultado la siguiente ventana:
13
á. Elija Open (Abrir) del menú File (Archivo) para visualizar el cuadro de
diálogo Open (Abrir).
2. Haga doble clic en la Carpeta Tutorial y baje hasta el archivo llamado
'Modelá.mpl' que está almacenado como se muestra abajo.
Ilustración 4. Cuadro de dialogo abrir (Open) para cargar un archivo con extensión
mpl
3. El cuadro de diálogo Abrir (Open) muestra la lista de todos los archivos de
modelos prueba de MPL en la carpeta Tutorial. Haga clic sobre el archivo 'Modelá.mpl'
para seleccionar el archivo y luego presione Abrir (Open) para abrir el archivo.
Alternativamente, usted puede abrir el archivo haciendo clic directamente en el
nombre de archivo de la lista de archivos.
14
Ilustración 6. Editor del Modelo mostrando el Model1.mpl
á. Elegir el Solver CPLEX del menú Run para resolver el modelo 'Model1'.
2. Mientras resuelve el modelo, la ventana Status Window (ventana de estado) es
visualizada y le proporciona información acerca del avance de la solución.
15
La ventana Status Window
(ventana de estado) proporciona
información respecto al número de
líneas leídas, número de variables y
restricciones encontradas, cuánta
memoria ha sido usada, número de
iteraciones y el valor actual de la
función objetivo.
á. Presionar el botón View (Ver) en la parte inferior de la ventana Status Window
(Ventana de Estado), el cual aparece sobre la pantalla durante el proceso de
solución. Esta abrirá una ventana View Window (Ventana Ver) conteniendo el
archivo de la solución como se muestra en la Ilustración 8.
Ilustración 9. Ventana Árbol de Definiciones del Modelo
17
M
ã
D
¢
D
ã
Ilustración 10. Ventana View (Ver) con los Valores de la Solución de la Variable
Produce
Ä Sintaxis Básica de MPL.
18
Comentario
Restricciones de la FO
Ilustración 10. Ventana del editor del modelo con un código básico y su respectiva explicación de cada una de sus partes
Ahora explicaremos la definición de la función Objetivo, ésta puede ser
de maximización (MAX) o de minimización (MIN). Además para definir las variables,
solo basta con colocarlas (Xá y X2 para nuestro ejemplo)
Tipo de la FO
Variables
19
Variables
Símbolo de Relación
Luego si por alguna causa hubiera un error de sintaxis del programa tras
la compilación del mismo (así como no poner punto y coma al final de la línea de
texto, mal uso de los signos de relación, etc.) aparecerá la siguiente ventana
(Ilustración áá), con la opción de corregirlo.
20
Ilustración 11. Ventana Error Message (Mensaje de Error) donde Indica tanto la línea en
que se cometió el error como el tipo error que se produjo.
{Pruebitaá
TITLE Título
Pruebita
ATA
emandá := 200;
emand2 := 240;
emand3 := 280;
emand4 := 340;
Ofertaá := 300;
Oferta2 := á00;
Oferta3 := 500;
Oferta4 := á0; Aquí se definen las
CEáá := 7;
CEá2 := 9; demandas, ofertas y costos
CEá3 := 9; de envío
CEá4 := ;
CE2á := ;
CE22 := á0;
21
CE23 := á2;
CE24 := 8;
CE3á := 9;
CE32:= 8;
CE33:= á0;
CE34:= á4; efinición de la función
CE4á:= 0; objetivo
CE42:= 0;
CE43:= 0;
CE44:= 0;
MOEL
MIN Z = CEá Xá + CE2 X2 + CE3 X3 + CE4 X4 + CE5 X5 + CE X + CE7 X7 + CE8 X8 + CE9 X9 + CEá0 Xá0
+ CEáá Xáá + CEá2 Xá2 + CEá3 + CEá4 + CEá5 + CEá;
SUBJECT TO
Xá + X2 + X3 + X4 = Ofertaá;
X5 + X + X7 + X8 = Oferta2;
X9 + Xá0 + Xáá + Xá2 = Oferta3;
Xá3 + Xá4 + Xá5 + Xá= Ofeta4;
Xá + X5 + X9 + Xá3= emandá;
X2 + X + Xá0 + Xá4 = emand2;
X3 + X7 + Xáá + Xá5= emand3;
X4 + X8 + Xá2 + Xá= emand4;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 + emand4;
Xá >= 0;
X2 >= 0;
X3 >= 0;
X4 >= 0;
X5 >= 0;
X >= 0;
efinición de las
X7 >= 0; restricciones
X8 >= 0;
X9 >= 0;
Xá0 >= 0;
Xáá >= 0;
Xá2 >= 0;
EN
emand: emandas,
22
j
CE
Ilustración 12. Como elegir el solver para resolver nuestro problema de transporte
23
Luego en la ventana resultante (la que muestra los procesos en tiempo
real de nuestra operación en ejecución) presionar el botón view para visualizar el
resultado«
Apareciendo dicha
solución de la siguiente manera
(se representará por partes para
explicar paso a paso lo que
representa el archivo solución
generado por MPL):
Información básica de
nuestro modelo, tales como
el nombre de nuestro
modelo, el numero de
iteraciones, valor óptimo de
la FO, solver Utilizado,
Fecha, entre otros.
Tipo de FO y su valor
optimo
24
Valores Óptimo de las
variables de decisión. Para
nuestro caso son los
productos X del origen i
hasta el destino j. según la
tabla inicial del problema de
transporte
Así termina nuestro manual de usuario, pero será de utilidad aclarar que
si desea resolver otro problema de transporte (es decir con otros datos, más
demandas, más ofertas), solo se tienen que cambiar los valores de costo de envío y/o
añadir más variables de ofertas, demandas y costos de envío. También hay que añadir
25
y cambiar los datos en las restricciones de la FO y además actualizar dicha FO. Luego
¿Qué significan las restricciones?
26
&+ !9
##+
á 2 3 4 5
á 2 4 5 7 4
2 7 3 M 4
3 8 7 5 2 5
á
4 4 2 5 5 20
á 2 3 4 5
á 2 4 5 7 4
2 7 3 M 4
3 8 7 5 2 5
4 0 0 0 0 0 4
20
4 4 2 5 5 20
27
SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.
á 2 3 4 5 OFERTA á 2 3 3 4 5
2 4 5 7 4/0 Uá N/ N/ N/ N/
á 7 7 7
= A A A A
4 0
2 7 3 M 4 U2
4 M 7
2 4 =
3 8 7 5 2 5 á/ U3 N/
8 8 7 7 7 7
á 5 0 = A
0 0 0 0 0 U4
4 4 0 0 0 0 0 0 0
3 á =
EMAN
A 4/0 43 2/0 5/0 5
V5
Vá = V2 = V3 = V4 = =
á 8 7 M 7
ITERACIONES
2 8 7 M 7
3 N/A 7 N/A 7
4 N/A 7 5 N/A 5
5 N/A 7 N/A N/A 5
N/A N/A N/A 4
ITERACIÓN á: Xij= Cij - Ui - Vj
X2á= 7 - M - 8 = -á-
Xáá= 2-7-8=-á3 M X3á= 8-8-8=-8 X4á= 0-0-8=-8
Xá2= 4 -7 -7 = -á0 X22= -M -7= -á-M X32= 7-8-7=-8 X42= 0-0-7=-7
Xá3= - 7 - = -7 X23= 3-M- = -3-M X33= 5-8-=-9 X43= 0-0-=-
X24= M - M - M = -
Xá4= 5 - 7 - M= -2-M M X34= 2-8-M=--M X44= 0-0-M=-M
X25= 4 - M - 7 = -3-
Xá5= 7 - 7 - 7= -7 M X35= 5-8-7=-á0 X45= 0-0-7=-7
28
ITERACIÓN 4: Xij= Cij - Ui - Vj
X22= - -7= -7 X32= 7-7-7=-7 X42= 0-0-7=-7
X23= 3--5 = -8 X33= 5-7-5=-7 X43= 0-0-5=-5
X25= 4 - - 5 = -7 X35= 5-7-5=-7 X45= 0-0-5=-5
á 2 3 4 5 OFERTA
2 4 5 7
á 4
4 0
7 3 M 4
2
2 4
8 7 5 2 5
3
á 5
0 0 0 0 0
4 4
3 á
EMANA 4 4 2 5 5
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 4 5 OFERTA
2 4 5 7
á
4 0 4 Uá= 4
3 3
7 3 M 4
2
2 4 U2= 4
5 2 M+á
8 (-) 7 5 2 (+) 5
3
á 5 U3= 7
3 -á -2
0 (+) 0 0 0 (-) 0
4
3 á 4 U4= 0
2 á 5
EMANA 4 4 2 5 5
29
Cij=Ui + Vj Cij=Cij - Ui ² Vj
2=Uá + Vá 7=U3 + V2 Cá3=-4-(-á)=3 C22=-4-0=2 C35=5-7-0=-2
4=Uá + V2 2=U3+V4 Cá4=5-4-(-5)= C24=M-4-(-5)=M+á C4á=0-0-(-2)=2
3=U2 + V3 0=U4+V2 Cá5=7-4-0=3 C3á=8-7-(-2)=3 C43=0-0-(-á)=á
4=U2 + V5 0=U4+V5 C2á=7-4-(-2)=5 C33=5-7-(-á)=-á C44=0-0-(-5)=5
á 2 3 4 5 OFERTA
2 4 5 7
á
4 0 4 Uá= 4
3 4 3
2 7 3 M 4
4 U2= 4
2
5 2 M-á
8 7 5 2 5
3
5 á U3= 5
5 2 á
0 0 0 0 0
4
4 0 4 U4= 0
2 á 3
EMANA 4 4 2 5 5
Vá= -2 V2= 0 V3= -á V4= -3 V5= 0
Cij=Ui + Vj Cij=Cij - Ui ² Vj
2=Uá + Vá 2=U3 + V4 Cá3=-4-(-á)=3 C22=-4-0=2 C33=5-5-(-á)=á
4=Uá + V2 5=U3+V5 Cá4=5-4-(-3)=4 C24=M-4-(-3)=M-á C4á=0-0-(-2)=2
3=U2 + V3 0=U4+V2 Cá5=7-4-0=3 C3á=8-5-(-2)=5 C43=0-0-(-á)=á
4=U2 + V5 0=U4+V5 C2á=7-4-(-2)=5 C32=7-5-0=2 C44=0-0-(-3)=3
Z= 4*2 + 0*4 + 2*3 + 4*4+5*2 + á*5 + 4*0 + 0*0
Z=45
SOLUCIÓN ÓPTIMA
Xáá=4 COSTO= 8
Xá2=0 COSTO= 0
X23=2 COSTO= COSTO TOTAL= 45
X25=4 COSTO= á0
X34=5 COSTO= 5
X35=á COSTO= 0
30
SOLUCION CON MPL
El modelado en MPL:
Se explicará el las siguientes líneas de código en MPL por ser primer ejercicio:
TITLE
EJERCICIO__GUIA_ Titulo del Programa
ATA
emandá := 4;
emand2 := 4;
emand3 := 2; Asignación de emandas
emand4 := 5;
emand5 := 5;
Ofertaá := 4;
Oferta2 := ; Asignación de Ofertas
Oferta3 := ;
Oferta4 := 4;
CEáá := 2;
CEá2 := 4;
CEá3 := ;
CEá4 := 5;
CEá5 := 7;
CE2á := 7;
CE22 := ;
CE23 := 3;
CE24 := á00;
CE25 := 4; Costos de Envío desde i hasta j
CE3á := 8;
CE32 := 7;
CE33 := 5;
CE34 := 2;
CE35 := 5;
CE4á := 0;
CE42 := 0; FO
CE43 := 0;
CE44 := 0;
CE45 := 0;
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CEá5 Xá5 + CE2á X2á +
CE22 X22 + CE23 X23 + CE24 X24 + CE25 X25 + CE3á X3á + CE32 X32 + CE33 X33 + CE34
X34 + CE35 X35 + CE4á X4á + CE42 X42 + CE43 X43 + CE44 X44 + CE45 X45;
SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 + Xá5 = Ofertaá;
X2á + X22 + X23 + X24 + X25 = Oferta2;
X3á + X32 + X33 + X34 + X35 = Oferta3; Restricciones de Ofertas
X4á + X42 + X43 + X44 + X45 = Oferta4;
31
Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Restricciones de emanda
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Xá5 + X25 + X35 + X45 = emand5;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 + emand4 +
emand5;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
Xá5 >= 0; Restricción de Equilibrio
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X25 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X35 >= 0; Restricciones de No
X4á >= 0; Negatividad
X42 >= 0;
X43 >= 0;
X44 >= 0;
X45 >= 0;
EN
Valor Óptimo de la FO
(Costo Mínimo)
32
Y el archivo solución es el siguiente:
MOEL STATISTICS
Filename: Pruebita.mpl
ate: June 23, 2009
Time: 23:á9
Parsing time: 0.20 sec
SOLUTION RESULT
Valor óptimo de la FO
MIN Z = 45.0000
ECISION VARIABLES
PLAIN VARIABLES
33
X22 0.0000 0.0000
X23 2.0000 0.0000
X24 0.0000 0.0000
X25 4.0000 0.0000
X3á 0.0000 0.0000
X32 0.0000 0.0000
X33 0.0000 0.0000
X34 5.0000 0.0000
X35 á.0000 0.0000
X4á 0.0000 0.0000
X42 4.0000 0.0000
X43 0.0000 0.0000
X44 0.0000 0.0000
X45 0.0000 0.0000
------------------------------------------------------
34
Ä EJERCICIO #7 E GUÍA E ISCUSIÓN No.
20 5 7 á0/0 Uá 2 2 N/ N/ N/
á á0 20
= 0 0 A A A
á0
á
9 2 8 20 U2 á á
2 á3 á3 á3 á3 á2
= 3 3
20
4 á5 7 9 U3 á á N/ N/
3 30/0 á5 á5
30 = 5 5 A A
á4 7 á 0 40/30/ U4 á á N/ N/ N/ N/
4
30 á0 0 = 4 4 A A A A
á
3 5 9 50/30 U5 á á
5 á2 á2 á2 á2 á2
= 9 2
30 á0 á0
EMAN
A 0/300/30 20 á0/0
V2
Vá = = V3 = V4 =
á á4 20 á2 á9
ITERACIONES
2 á4 20 á2 N/A
3 á3 20 á2 N/A
4 á3 á5 á2 N/A
5 á3 á2 á2 N/A
N/A á2 á2 N/A
ITERACIÓN á: Xij= Cij - Ui - Vj
Xáá=á0-20-á4=- X3á=4-á5-á4=- X5á=3-á9-á4=-
24 X2á=á3-á3-á4=-á 25 X4á=á4-á4-á4=-á4 30
Xá2=20-20-20=- X32=á5-á5-20=- X52=á2-á9-
20 X22=9-á3-20=-24 20 X42=7-á4-20=-27 20=-27
X33=7-á5-á2=- X53=5-á9-á2=-
Xá3=5-20-á2=-27 X23=á2-á3-á2=-á3 20 X43=á-á4-á2=-25 2
X34=9-á5-á9=- X54=á9-á9-
Xá4=7-20-á9=-32 X24=8-á3-á9=-24 25 X44=0-á4-á9=-33 á9=-á9
35
ITERACIÓN 2: Xij= Cij - Ui - Vj
X3á=4-á5-á4=- X5á=3-á2-á4=-
Xáá=á0-20-á4=-24 X2á=á3-á3-á4=-á 25 X4á=á4-á4-á4=-á4 23
X32=á5-á5-20=- X52=á2-á2-
Xá2=20-20-20=-20 X22=9-á3-20=-24 20 X42=7-á4-20=-27 20=-20
X33=7-á5-á2=- X53=5-á2-á2=-
Xá3=5-20-á2=-27 X23=á2-á3-á2=-á3 20 X43=á-á4-á2=-25 á9
36
SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.
á 2 3 4 OFERTA
á0 20 5 7
á á0
á0
á3 9 á2 8
2 20
20
4 á5 7 9
3 30
30
á4 7 á 0
4 40
30 á0
3 á2 5 á9
5 50
30 á0 á0
EMANA 0 0 20 á0
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 4 OFERTA
á0 20 5 7
á á0 á0 Uá= 0
7 8 7
á3 9 á2 8
2 20 20 U2= -3
á3 á0 á0
4 á5 7 9
3 30 30 U3= á
2 á 3
á4 7 á 0
4 30 á0 40 U4= -5
á á
3 á2 5 á9
5 30 á0 á0 50 U5= 0
á4
EMANA 0 0 20 á0
Vá = 3 V2= á2 V3 = 5 V4 = 5
Cij=Ui + Vj Cij=Cij - Ui - VJ
5=Uá+V3 0=U4+V4 Xáá=á0-0-3=7 X23=á2-(-3)-5=á0 X34=9-á-5=3
9=U2+V2 3=U5+Vá Xá2=20-0-á2=8 X24=8-(-3)-5=á0 X4á=á4-(-5)-3=á
4=U3+Vá á2=U5+V2 Xá4=7-0-5=7 X32=á5-á-á2=2 X43=á-(-5)-5=á
7=U4+V2 5=U5+V3 X2á=á3-(-3)-3=á3 X33=7-á-5=á X54=á9-0-5=á4
37
SOLUCIÓN ÓPTIMA
Xá3=á0 COSTO= 50
X22=20 COSTO= á80
X3á=30 COSTO= á20 COSTO TOTAL= 820
X42=30 COSTO= 2á0
X44=á0 COSTO= 0
X5á=30 COSTO= 90
X32=á0 COSTO= á20
X53=á0 COSTO= 50
{EJ7
TITLE
Ejercicio_7
ATA
emandá := 0;
emand2 := 0;
emand3 := 20;
emand4 := á0;
Ofertaá := á0;
Oferta2 := 20;
Oferta3 := 30;
Oferta4 := 40;
Oferta5 := 50;
CEáá := á0;
CEá2 := 20;
CEá3 := 5;
CEá4 := 7;
CE2á := á3;
CE22 := 9;
CE23 := á2;
CE24 := 8;
CE3á := 4;
CE32 := á5;
CE33 := 7;
CE34 := 9;
CE4á := á4;
CE42 := 7;
CE43 := á;
CE44 := 0;
CE5á := 3;
CE52 := á2;
CE53 := 5;
CE54 := á9;
38
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22 X22 +
CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34 + CE4á X4á + CE42
X42 + CE43 X43 + CE44 X44 + CE5á X5á + CE52 X52 + CE53 X53 + CE54 X54;
SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
X4á + X42 + X43 + X44 = Oferta4;
X5á + X52 + X53 + X54 = Oferta5;
Xáá + X2á + X3á + X4á + X5á = emandá;
Xá2 + X22 + X32 + X42 + X52 = emand2;
Xá3 + X23 + X33 + X43 + X53 = emand3;
Xá4 + X24 + X34 + X44 + X54 = emand4;
Xá5 + X25 + X35 + X45 + X55 = emand5;
Ofertaá + Oferta2 + Oferta3 + Oferta4 + Oferta5 = emandá + emand2 + emand3
+ emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X4á >= 0;
X42 >= 0;
X43 >= 0;
X44 >= 0;
X5á >= 0;
X52 >= 0;
X53 >= 0;
X54 >= 0;
EN
MOEL STATISTICS
Filename: ejrcicio2.mpl
ate: June 24, 2009
Time: 20:29
Parsing time: 0.2á sec
39
Solver name: CPLEX (áá.2.á)
Objective value: 820.000000000
Iterations: 5
Solution time: 0.á8 sec
Result code: á
Constraints: 30
Variables: 2
Nonzeros:
ensity: 8%
SOLUTION RESULT
MIN Z = 820.0000
ECISION VARIABLES
PLAIN VARIABLES
40
EJERCICIO #9 E GUÍA E ISCUSIÓN No.
OFERTA
á 2 3
á á20 á80 M xá0
REFINERÍA 2 300 á00 80 5xá0
3 200 250 á20 8xá0
EMANA 4xá0 8xá0 7xá0
Primero hay que encontrar los costos de transportes de todo el cuadro de distancias.
Usando la regla de 3.
0.0á á00 galones.
0.02
X á000000 galones.
  ÂÂ
ÂÂÂÂÂÂ
ÂÂÂÂÂÂ Â Â
ÂÂ
ÂÂ
OFERTA
á 2 3
á á2000 á8000 M xá0
REFINERÍA 2 30000 á0000 8000 5xá0
3 20000 25000 á2000 8xá0
EMANA 4xá0 8xá0 7xá0
41
SOLUCIÓN BÁSICA INICIAL POR MÉTOO E RUSSELL.
ITERACIÓN
á 2 OFERTA á 2 3
á2 á8 M
á /2 Uá= M M á8
4 2
30 á0 8
2 5 U2= 30 N/A N/A
5
20 25 á2
3 8/ U3= 25 25 25
2
EMANA 4/0 8 7/2/0
Vá= v2= V3=
á 30 25 M
ITERACIÓN 2 20 25 M
3 20 25 N/A
á 2 3 OFERTA
á2 á8 M
á
4 2
30 á0 8
2 5
5
20 25 á2
3 8
2
EMANA 4 8 7
42
SOLUCIÓN ÓPTIMA POR MULTIPLICAORES.
á 2 3 OFERTA
á2 á8 M
á
4 2 Uá= 0
-5+M
30 (+) á0 (-) 8
2
5 5 U2= 8
á0 -á
20 (-) 25 (+) á2
3
2 8 U3=7
á
EMANA 4 8 7
Vá= á2 V2= á8 V3 = 5
Cij=Ui + Vj Cij=Cij - Ui - Vi
á2=Uá+Vá 25=U3+V2 Xá3=M-0-5=-5+M X3á=20-7-á2=á
á8=Uá+V2 á2=U3+V3 X2á=30-8-á2=á0
8=U2+V3 X22=á0-8-á8=-á
SOLUCIÓN ÓPTIMA
Xáá=4 COSTO= 4*á2*á000 = 48000
X22=20 COSTO= 2*á8*á000 = 3000
X3á=30 COSTO= 5*á0*á000 = 50000 COSTO TOTAL= 243,000
X42=30 COSTO= á*25*á000 = 25000
X44=á0 COSTO= 7*á2*á000 = 84000
43
SOLUCION CON MPL
{EJ9}
TITLE
Ejercicio_9
DATA
Demand1 := 4;
Demand2 := 8;
Demand3 := 7;
Oferta1 := 6;
Oferta2 := 5;
Oferta3 := 8;
CE11 := 12;
CE12 := 18;
CE13 := 10000;
CE21 := 30;
CE22 := 10;
CE23 := 8;
CE31 := 20;
CE32 := 25;
CE33 := 12;
MODEL
MIN Z = CE11 X11 *1000 + CE12 X12 *1000 + CE13 X13 *1000 + CE21 X21 *1000 + CE22 X22
*1000 + CE23 X23 *1000 + CE31 X31 *1000 + CE32 X32 *1000 + CE33 X33 *1000;
SUBJECT TO
X11 + X12 + X13 = Oferta1;
X21 + X22 + X23 = Oferta2;
X31 + X32 + X33 = Oferta3;
X11 + X21 + X31 = Demand1;
X12 + X22 + X32 = Demand2;
X13 + X23 + X33 = Demand3;
Oferta1 + Oferta2 + Oferta3 = Demand1 + Demand2 + Demand3;
X11 >= 0;
X12 >= 0;
X13 >= 0;
X21 >= 0;
X22 >= 0;
X23 >= 0;
X31 >= 0;
X32 >= 0;
X33 >= 0;
44
END
MOEL STATISTICS
SOLUTION RESULT
ECISION VARIABLES
PLAIN VARIABLES
45
------------------------------------------------------
EJERCICIO DE APLICACIÓN #1
ITERACIONES
1 2 3 4 OFERTA 1 2 3 4 5
7 9 9 6
1 60 9 9 9 9 N/A
240 300 U1=
6 10 12 8
2 100 100 U2= 12 N/A N/A N/A N/A
9 8 10 14
3 140 500 U3= 14 14 10 10 10
240 120
0 0 0 0
4 160 U4= 0 0 0 0 0
160
110
DEMANDA 200 240 280 340
110
V1= V2= V3= V4=
1 9 10 12 14
ITERACIONES
2 9 9 10 14
3 9 9 10 N/A
4 9 N/A 10 N/A
5 9 N/A 10 N/A
ITERACIÓN 1: Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X21= 6 - 12 - 9 = -15 X31= 9 -14-9=-14 X41= 0-0-9=-9
X42= 0-0-10=-
X12= 9 -9 -10 = -10 X22= 10 - 12 -10= -12 X32= 8-14-10=-16 10
X43= 0-0-12=-
X13= 9 - 9 - 12 = -12 X23= 12 - 12 - 12 = -12 X33= 10-14-12=-16 12
X44= 0-0-14=-
X14= 6 - 9 - 14= -17 X24= 8 - 12 - 14 = -18 X34= 14-14-14=-14 14
ITERACIÓN 2: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -14-9=-14 X41= 0-0-9=-9
X12= 9 -9 -9 =- 9 X32= 8-14-9=-15 X42= 0-0-9=-9
X43= 0-0-10=-
X13= 9 - 9 - 10 = -10 X33= 10-14-10=-14 10
46
X44= 0-0-14=-
X14= 6 - 9 - 14= -17 X34= 14-14-14=-14 14
ITERACIÓN 3: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -10-9=-10 X41= 0-0-9=-9
X12= 9 -9 -9 = -9 X32= 8-10-9=-11 X42= 0-0-9=-9
X43= 0-0-10=-
X13= 9 - 9 - 10 = -10 X33= 10-10-10=-10 10
ITERACIÓN 4: : Xij= Cij - Ui - Vj
X11= 7-9-9=-11 X31= 9 -10-9=-10 X41= 0-0-9=-9
X43= 0-0-10=-
X13= 9-9-10=-10 X33= 10 -10-10=-10 10
47
SOLUCIÓN OPTIMA POR MULTIPLICADORES
1 2 3 4 OFERTA
Cij=Ui + Vj Cij=Cij - Ui - Vi
7=U1 + V1 8=U3 + V2 C12=9-(-2)-8=3 C23=12-0-10=2 C44=0-(-10)-8=2
6=U1 + V4 10=U3 + V3 C13=9-(-2)-10=1 C34=14-0-8=6
8=U2 + V4 0=U4 + V3 C21=6-0-9=-3 C41=0-(-10)-9=1
9=U3 + V1 C22=10-0-8=2 C42=0-(-10)-8=2
ITERACIÓN 1: V.E: X21, V.S: X11
1 2 3 4 OFERTA
7 9 9 6
1 300 300 U1= -5
3 6 4
6 10 12 8
2 60 40 100 U2= -3
5 5
9 8 10 14
3 140 240 120 500 U3= 0
3
0 0 0 0
4 160 160 U4= -10
1 2 2
DEMANDA 200 240 280 340
V1= 9 V2= 8 V3= 10 V4= 11
48
Cij=Ui + Vj Cij=Cij - Ui - Vi
6=U2 + V1 8=U3 + V2 C11=7-(-5)-9=3 C23=12-(-3)-10=5 C44=0-(-10)-8=2
6=U1 + V4 10=U3 + V3 C12=9-(-5)-8=6 C34=14-0-11=3
8=U2 + V4 0=U4 + V3 C13=9-(-5)-10=4 C41=0-(-10)-9=1
9=U3 + V1 C22=10-(-3)-8=5 C42=0-(-10)-8=2 SOLUCIÓN OPTIMA
SOLUCIÓN
{APLICACION á
TITLE
Aplicacion_á
ATA
Ofertaá := 300;
Oferta2 := á00;
Oferta3 := 500;
Oferta4 := á0;
emandá := 200;
emand2 := 240;
emand3 := 280;
emand4 := 340;
CEáá := 7;
CEá2 := 9;
CEá3 := 9;
CEá4 := ;
CE2á := ;
CE22 := á0;
CE23 := á2;
49
CE24 := 8;
CE3á := 9;
CE32 := 8;
CE33 := á0;
CE34 := á4;
CE4á := 0;
CE42 := 0;
CE43 := 0;
CE44 := 0;
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22
X22 + CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34 + CE4á
X4á + CE42 X42 + CE43 X43 + CE44 X44;
SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
X4á + X42 + X43 + X44 = Oferta4;
Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Ofertaá + Oferta2 + Oferta3 + Oferta4 = emandá + emand2 + emand3 +
emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
X4á >= 0;
X42 >= 0;
X43 >= 0;
X44 >= 0;
EN
50
MOEL STATISTICS
SOLUTION RESULT
ECISION VARIABLES
PLAIN VARIABLES
51
X4á 0.0000 0.0000
X42 0.0000 0.0000
X43 á20.0000 0.0000
X44 40.0000 0.0000
------------------------------------------------------
EJERCICIO DE APLICACIÓN #2
Una empresa energética dispone de tres plantas de generación para satisfacer la demanda eléctrica
de cuatro ciudades. Las plantas 1, 2 y 3 pueden satisfacer 35, 50 y 40 millones de [kWh]
respectivamente. El valor máximo de consumo ocurre a las 2 PM y es de 45, 20, 30 y 30 millones de
[kWh] en las ciudades 1, 2, 3 y 4 respectivamente. El costo de enviar 1 [kWh] depende de la distancia
que deba recorrer la energía. La siguiente tabla muestra los costos de envió unitario desde cada
planta a cada ciudad. Formule un modelo de programación lineal que permita minimizar los costos de
satisfacción de la demanda máxima en todas las ciudades.
1 8 6 10 9 35/25 U1= 10 10 10 10
10 25
9 12 13 7
2 50/5 U2= 13 13 13 13
45 5
14 9 16 5
3 40/10/0 U3= 16 16 N/A N/A
10 30
DEMANDA 45/0 20/0 30 30/0
V1= V2= V3= V4=
1 14 12 16 9
ITERACIONES
2 14 12 16 N/A
3 9 12 13 N/A
4 9 N/A 13 N/A
52
X12= 6 -10 -12 = -16 X22= 12 - 13 -12= -13 X32= 9-16-12=-19
X13= 10 - 10 - 16 = -16 X23= 13 - 13 - 16 = -16 X33= 16-16-16=-16
X14= 9 - 10 - 9 = -10 X24= 7 - 13 - 9 = -15 X34= 5-16-9=-20
ITERACIÓN 2: Xij= Cij - Ui - Vj
X11= 8-10-14=-16 X21= 9 - 13 -14 = -18 X31= 14 -16-14=-16
X12= 6 -10 -12 = -16 X22= 12 - 13 -12= -13 X32= 9-16-12=-19
X13= 10 - 10 - 16 = -16 X23= 13 - 13 - 16 = -16 X33= 16-16-16=-16
53
Cij=Ui + Vj Cij=Cij - Ui - Vi
6=U1 + V2 10=U3 + V2 C11=8-0-6=2 C31=14-4-6=4
10=U1 + V3 5=U3 + V4 C14=9-0-1=8 C33=16-4-10=2
9=U2 + V1 C22=12-3-6=3
13=U2 + V3 C24=7-3-1=3
{APLICACION á
TITLE
Aplicacion_á
ATA
Ofertaá := 35;
Oferta2 := 50;
Oferta3 := 40;
emandá := 45;
emand2 := 20;
emand3 := 30;
emand4 := 30;
CEáá := 8;
CEá2 := ;
CEá3 := á0;
CEá4 := 9;
CE2á := 9;
CE22 := á2;
CE23 := á3;
CE24 := 7;
CE3á := á4;
CE32 := 9;
54
CE33 := á;
CE34 := 5;
MOEL
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CEá4 Xá4 + CE2á X2á + CE22 X22 +
CE23 X23 + CE24 X24 + CE3á X3á + CE32 X32 + CE33 X33 + CE34 X34;
SUBJECT TO
Xáá + Xá2 + Xá3 + Xá4 = Ofertaá;
X2á + X22 + X23 + X24 = Oferta2;
X3á + X32 + X33 + X34 = Oferta3;
Xáá + X2á + X3á + X4á = emandá;
Xá2 + X22 + X32 + X42 = emand2;
Xá3 + X23 + X33 + X43 = emand3;
Xá4 + X24 + X34 + X44 = emand4;
Ofertaá + Oferta2 + Oferta3 = emandá + emand2 + emand3 + emand4;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
Xá4 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X24 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
X34 >= 0;
EN
MOEL STATISTICS
55
SOLUTION RESULT
ECISION VARIABLES
PLAIN VARIABLES
EJERCICIO DE APLICACIÓN #3
COMERCIANTES
DISTRIBUIDORES 1 2 3 DISPONIBILIDAD
1 2 5 6 35
2 5 10 7 55
3 9 6 4 20
DEMANDA EN LOTES DE BIC. 30 45 35 110
56
OLUCIÓN BÁSICA INICIAL MÉTODO DE RUSSELL ITERACIONES
1 2 3 OFERTA 1 2 3
2 5 6
1 35/0 U1= 6 6 N/A
35
5 10 7
2 55/25/15 U2= 10 10 10
30 10 15
9 6 4
3 20 U3= 9 6 6
20
DEMANDA 30/0 45/10/0 35/25/0 110
1 9 10 7
2 N/A 10 7
3 N/A 10 7
ITERACIÓN 1: Xij= Cij - Ui - Vj
X11=2-6-9=-13 X21=5-10-9=-14 X31=9-9-9=-9
X12=5-6-10=-11 X22=10-10-10=-10 X32=6-9-10=-13
X13=6-6-7=-7 X23=7-10-7=-10 X33=4-9-7=-12
57
SOLUCIÓN POR MULTIPLICADORES
1 2 3 OFERTA
1 2 5 6
35 35 U1= -5
(-)
2
5 10 (+) 7
10 15 55 U2= 0
30
3 9 (+) 6 (-) 4
20 20 U3= -3
DEMANDA 30 45 35 110
V1= 5 V2= 10 V3= 7
Cij=Ui + Vj Cij=Cij - Ui - Vi
5=U1+V2 7=U2+V3 X11=2-(-5)-5=2 X32=6-(-3)-10=-1
5=U2+V1 4=U3+V3 X13=6-(-5)-7=4
10=U2+V2 X31=9-(-3)-5=7
1 2 3 OFERTA
1 2 5 6
35 35 U1= -4
1 1
2 5 10 7
30 25 55 U2= 0
1
3 9 6 4
10 10 20 U3=-3
7
DEMANDA 30 45 35 110
V1= 5 V2= 9 V3= 7
Cij=Ui + Vj Cij=Cij - Ui - Vi
5=U1+V2 6=U3+V2 X11=2-(-4)-5=1 X31=9-(-3)-5=7
5=U2+V1 4=U3+V3 X13=6-(-4)-9=1
7=U2+V3 X22=10-0-9=1
58
Z= 5*35 + 30*5 + 25*7 + 10*6 + 10*4
Z = 600
SOLUCIÓN
{APLICACION 3
TITLE
Aplicacion_3
ATA
Ofertaá := 35;
Oferta2 := 55;
Oferta3 := 20;
emandá := 30;
emand2 := 45;
emand3 := 35;
CEáá := 2;
CEá2 := 5;
CEá3 := ;
CE2á := 5;
CE22 := á0;
CE23 := 7;
CE3á := 9;
CE32 := ;
CE33 := 4;
MOEL
59
MIN Z = CEáá Xáá + CEá2 Xá2 + CEá3 Xá3 + CE2á X2á + CE22 X22 + CE23 X23 +
CE3á X3á + CE32 X32 + CE33 X33;
SUBJECT TO
Xáá + Xá2 + Xá3 = Ofertaá;
X2á + X22 + X23 = Oferta2;
X3á + X32 + X33 = Oferta3;
Xáá + X2á + X3á = emandá;
Xá2 + X22 + X32 = emand2;
Xá3 + X23 + X33 = emand3;
Ofertaá + Oferta2 + Oferta3 = emandá + emand2 + emand3;
Xáá >= 0;
Xá2 >= 0;
Xá3 >= 0;
X2á >= 0;
X22 >= 0;
X23 >= 0;
X3á >= 0;
X32 >= 0;
X33 >= 0;
EN
MOEL STATISTICS
60
SOLUTION RESULT
ECISION VARIABLES
PLAIN VARIABLES
61
;+ #
62
;*+
#
63
;**+ :# #
) +
[4 C.R. Houck, J.A. Joines, and M.G. Kay. A genetic algorithm for function
optimizatio: A matlab implementation, á99.
http://www.maximalsoftware.com
64