Programacin Lineal

Esquema General de la Exposicin

Programacin Lineal
Introduccin
Primeros Conceptos
Fases del Estudio de un Problema de P.L.
Utilizando la P.L a un problema de aplicacin
Planteo General de un Modelo de P.L.
Mtodos de Resolucin
Interpretacin de la Tabla Simplex
Anlisis de Sensibilidad (estudio preliminar)
Adaptacin a otras formas de Modelo


Introduccin
Objetivos de la unidad
Origen de la Programacin Lineal
Objetivos de la unidad
Captar la idea de la programacin lineal y sus
posibilidades de aplicacin a problemas prcticos
Dominar el lenguaje propio de la programacin lineal:
funcin objetivo, restricciones, regin factible, etc...
Saber representar regiones factibles y determinar
grficamente los puntos donde puede darse la solucin
ptima. Encontrar esa solucin ptima
Plantear un problema de programacin lineal partiendo de
su enunciado en trminos generales
Conocer y valorar el origen de la programacin lineal y su
influencia en la historia de este siglo
Utilizar y valorar las nuevas tecnologas.

Origen de la P. L.
Muchas personas clasifican el desarrollo
de la Programacin Lineal (PL) entre
los avances cientficos ms importantes
de mediados del siglo XX, su impacto
comienza desde 1947, cuando
G.B.Dantzing hizo la primera
formulacin del mtodo del Simplex
Primeros Conceptos
Qu es la P. L.?
Ejemplos de aplicacin
Qu es la P. L.?
La Programacin Lineal es una clase de
modelos de programacin matemtica
destinados a la asignacin eficiente de
los recursos limitados en actividades
conocidas, con el objetivo de
satisfacer las metas deseadas, tal como
maximizar beneficios o minimizar costos
Ejemplos de aplicacin
Decisiones de mezcla de productos
Decisiones de fabricacin o compra
Problemas de dietas
Administracin de cartera de valores
Mezcla de diversos componentes
Planificacin de la Produccin

Fases del Estudio de un
Problema de P.L.
Identificacin y definicin del problema.
Formulacin del modelo matemtico.
Solucin del modelo.
Anlisis de los resultados
Implementacin de los resultados
finales

Planteo General de un
Modelo de P.L.
Definicin funcional
Propiedades en comn de un problema
de P.L.
Modelo General
Otras formas del modelo
Suposiciones de P.L.
Definicin funcional
De forma general, los problemas de
programacin lineal pueden definirse como el
clculo del mximo o mnimo de una
funcin lineal de una o varias variables,
cuando stas estn sujetas a una serie de
restricciones de carcter lineal. De acuerdo
con esto, el objetivo de la programacin no es
calcular el mayor o menor valor de una funcin,
sino el mayor o menor valor de esa funcin que
sea compatible con las restricciones que pesan
sobre sus variables.
Propiedades en comn de un
problema de P.L.
1. Los problemas de PL buscan maximizar o
minimizar una cantidad. Funcin Objetivo
(o Funcin Econmica) de un problema PL.
2. La presencia de Restricciones limita el grado
en que podemos perseguir el objetivo.
3. Deben existir diferentes alternativas donde
poder elegir (actividades).
4. La funcin objetivo y las restricciones deben
ser expresadas en trminos de ecuaciones o
inecuaciones lineales
Modelo General
PL de problema el para Estndar Forma
Negativ No Condicin x x x
y
b x a x a x a
b x a x a x a
s Funcionale stric b x a x a x a
nes restriccio las a Sujeto
Objetivo Funcin x c x c x c Z Maximizar
n
m n mn m m
n n
n n
n n
.) ( 0 ... 0 0
:
...
...
) . (Re ...
:
) ( , ...
2 1
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
2 2 1 1
> > >
s + + +
s + + +
s + + +
+ + + =

Modelo General:
Asignacin de recursos a actividades
Recurso

Consumo de recursos por unidad de
actividad

Cantidad
de
recurso
disponible

Actividad

1

2

...

n

1
2
.
.
m

a
11

a
21





a
m1


a
12

a
22





a
m2


...
...




a
1n

a
2n





a
mn


b
1

b
2

.

.

b
m


Contribu-
cin a Z
por
unidad de
Actividad

c
1


c
2


...

c
n




Smbolos del Modelo
Z = valor de la medida global de efectividad.
x
j
= nivel de actividad j

(para j = 1, 2,..,n)
c
j
= incremento en Z que resulta al aumentar
una unidad en el nivel de actividad j.
b
i
= cantidad de recurso i disponible para
asignar a las actividades (para i = 1, 2,,m)
a
ij
= cantidad de recurso i consumido por cada
unidad de la actividad j.
Otras formas del modelo
Minimizar en lugar de maximizar la Func. Objetivo

Restricciones funcionales con desigualdades >;

Algunas restricciones en forma de ecuacin

Las variables de decisin sin la restriccin de no
negatividad: x
1
no restringida en signo
Lados derechos negativos: b
1
s 0

n n
x c x c x c Z Minimizar + + + = ...
2 2 1 1
1 1 2 12 1 11
... b x a x a x a
n n
> + + +
1 1 2 12 1 11
... b x a x a x a
n n
= + + +
Suposiciones de P.L.
Proporcionalidad
Aditividad
Divisibilidad
Certidumbre
Utilizando la P.L:
Definicin del problema
Planta


Tiempo de
produccin
por lotes, horas

Tiempo de
produccin
disponible a la
semana,
horas

Producto

1 2

1
2
3

1 0
0 2
3 2

4
12
18

Ganan-
cia por
lote

$ 3000 $ 5000



Utilizando la P.L:
Formulacin del modelo matemtico
0
18 2 3
12 2
) . (Re 4
:
) ( , 5 3
$) (
2
1
2 1
2 1
2
1
2 1
2
1
>
s +
s
s
+ =
=
=
=
x y x
x x
x
s Funcionale stric x
a sujeta
Objetivo Funcin x x Z Maximizar
miles total semanal ganancia Z
semana por f abricados producto de lotes x
semana por f abricados producto de lotes x
Mtodos de Resolucin
Mtodo Grfico (OR Courseware)
Mtodo Simplex (en forma Tabular)
Mtodo Simplex Revisado (Planteo
Matricial)



Mtodo Simplex (en forma
Tabular)
Es un procedimiento algebraico . Sin embargo,
sus conceptos fundamentales son geomtricos.
Se trata de un algoritmo iterativo que converge
al ptimo en nmero finito de iteraciones.
El lgebra matricial y el proceso de eliminacin
de Gauss-Jordan para resolver un sistema de
ecuaciones lineales constituyen la base del
mtodo simplex
Solo analiza las soluciones FEV. Si el modelo
tiene solucin una de ellas ser la ptima.

Preparacin para el Mtodo
Simplex
1. Transformar las restricciones de
desigualdad en ecuaciones
2. Igualar la funcin objetivo a cero
3. Preparar la Tabla Simplex inicial
(WinQSB)
4. Aplicar el algoritmo iterativo

Transformar las restricciones
de desigualdad en ecuaciones
3 2 1
3 1
1
0 5 3
4
:
4
x x x Z
x x
x
+ + =
= +
s
0 es Z en x de coef. El
es holgura de variable La
3
Igualar la funcin
objetivo a cero
0 5 3
5 3
2 1
2 1
=
+ =
x x Z
x x Z Maximizar
Mtodo Simplex:
algoritmo iterativo
Inicializacin
Prueba de
optimalidad
No
Iteracin
Si
Encontrar Solucin
Bsica
Es ptima la solucin?
Termina
Solucin Bsica Inicial
Siempre que es posible el Mtodo Simplex
elige el origen (variables de decisin iguales a
cero) como la solucin bsica inicial.
) 18 , 12 , 4 , 0 , 0 (
18 18 2 3
12 12 2
4 4
0 0
5 5 2 1
4 4 2
3 3 1
2 1
inicial f actible bsica Solucin
x x x x
x x x
x x x
x y x
= = + +
= = +
= = +
= =
Prueba de optimalidad
0 5 3
0 0
2 1
2 1
= + =
= =
x x Z Entonces
x y x inicial BF Solucin
Cualquier mejoramiento en x
1
o x
2
mejorar Z.
En la Tabla Simplex:
La solucin es ptima si y solo si todos los
coeficientes en la fila (0) son positivos.
Variable bsica entrante
2 1
5 3 x x Z + =
Aumenta x
1
? Tasa de mejoramiento Z= 3.
Aumenta x
2
? Tasa de mejoramiento Z= 5.
5 > 3 ; se elige x
2
para aumentar su valor
x
2
se llama variable bsica entrante

Prueba del cociente mnimo:
Variable bsica saliente
9
2
18
0 2 18
6
2
12
0 2 12
0 2 18 18 2 3
0 2 12 12 2
0 4 4
0
2 2 5
2 2 4
2 5 5 2 1
2 4 4 2
3 3 1
1
= s > =
= s > =
> = = + +
> = = +
> = = +
=
x x x
Mnimo x x x
x x x x x
x x x x
x x x
x
Acomodamiento del sistema
de ecuaciones: Gauss-Jordan
Ecuacin Pivote:
Nueva ec. Pivote = ec. Pivote/elemento pivote
Dems ecuaciones:
Nueva ec. = (ec. Anterior) - (coef. Columna entrante)*
(Nueva ec. Pivote)
Interpretacin de la Tabla
Simplex
1. La solucin ptima
2. El estado de los recursos
3. Los precios sombra
4. Los costos reducidos
La solucin ptima
Var.
Bsi-
ca

Ec.
N-
mero

Coeficiente de

Lado
Dere-
cho

Z

X1

X2

X3

X4

X5

Z

(0)

1

0

0

0

3/2

1

36

X3

(1)

0

0

0

1

1/3

-1/3

2

X2

(2)

0

0

1

0

1/2

0

6

X1

(3)

0

1

0

0

-1/3

1/2

2

El estado de los recursos


Recurso Holgura Estado del
recurso

Hs. En Planta 1

X3=2

Abundante

Hs. En Planta 2

X4=0

Escasos

Hs. En Planta 3

X5=0

Escasos
Los precios sombra
Var.
Bsica



Ec.
Nm.

Coeficiente de

Lado
Dere.

Z

X1

X2

X3

X4

X5

Z

(0)

1

0

0

0

3/2

1

36

y
*
1
= 0 precio sombra del recurso 1
y
*
2
= 3/2 precio sombra del recurso 2
y
*
3
= 1 precio sombra del recurso 3
Los costos reducidos (Ej.)
Var.
Bsica

Ec.
Nme.

Coeficiente de

Lado
derecho
Z

X1

X2

X3

X4

X5

X6

Z

(0)

1

0

1/2

0

5/2

0

0

20

X3

(1)

0

0

3/2

1

-1/2

0

0

2

X1

(2)

0

0

1/2

0

1/2

0

0

4

X5

(3)

0

1

3/2

0

1/2

1

0

5

X6

(4)

0

0

1

0

0

0

1

2

Anlisis de Sensibilidad
El propsito principal del anlisis de sensibilidad es
identificar los parmetros sensibles, esto es,
aquellos que no pueden cambiar sin cambiar la
solucin ptima.
En general se estudian b
i
, c
j
y a
ij
debido a la
suposicin de certidumbre.
(OR Courseware)
Otras formas del modelo
Restricciones funcionales con desigualdades >;

Algunas restricciones en forma de ecuacin

Minimizar en lugar de maximizar la Func. Objetivo

Lados derechos negativos: b
1
s 0
Las variables de decisin sin la restriccin de no
negatividad: x
1
no restringida en signo


n n
x c x c x c Z Minimizar + + + = ...
2 2 1 1
1 1 2 12 1 11
... b x a x a x a
n n
> + + +
1 1 2 12 1 11
... b x a x a x a
n n
= + + +
Restricciones funcionales con
desigualdades >
(OR Courseware)

M x x x Z Maximizar
M es de el y es x
y x para x x
x para x x
x
+ + =

> = +
> =
>
3 2 1
3
3 3 1
3 3 1
1
0 5 3
0
0 4
0 4
4
Quedando pueda. se como grande tan M para
de coef. el objetivo func. la En
: artificial variable una agrega se
BFinicial solucin la encontrar para
: x es exceso" " de variable La
3
Algunas restricciones en forma de
ecuacin
holgura ec. ltima la que a debido inicial BF sol. Sin
: holgura de var. las ndo Introducie
: modelo siguiente el os Considerem
18 2 3
12 2
4
18 2 3
12 2
4
5 3
2 1
4 2
3 1
2 1
2
1
2 1
= +
= +
= +
= +
s
s
+ =
x x
x x
x x
x x
x
x
x x Z Maximizar
Algunas restricciones en forma de
ecuacin (cont.)
18 12 , 4
0
18 2 3
12 2
4
0 0 5 3
18 2 3
4 3
2 1
2 1
4 2
3 1
4 3 2 1
2 1
= = =
= =
= + +
= +
= +
+ + + =
= + +

y x x
x x
x x
x x
x x
M x x x x Z Maximizar
x x
Bsicas No Var.
Bsicas Var.
: queda nos inicial BF sol. La
: queda nos final modelo El
funcional. el en para (-M) n penalizaci gran una asigna Se 2.
ec. ltima la a artificial var. una introduce Se 1.
: forma siguiente la de procede Se
Minimizar en lugar de maximizar
la Func. Objetivo
ptima. solucin misma la a llevan nes formulacio dos Las
- Maximizar
a e equivalent Es
Minimizar
: n maximizaci de e equivalent problema un en
n minimizaci de problema cualquier
convertir de sencilla manera Una

=
=
=
=
n
j
j j
n
j
j j
x C Z
x C Z
1
1
) (
Lados derechos negativos: b
j
s 0
Simplex Met. el con sigue se Luego
1 - por Multipl.
: ejemplo Por
d. desigualda
la de sentido el e lgicament o invirtiend
1 - por n restricci la de lados ambos
r multiplica es seguir a tcnica La
1
1
2 1
2 1
> +
s
x x
x x
Las variables de decisin sin la
restriccin de no negatividad
0 0
0 * 10 10 *
10 *
10
1 1
1 1 1
1 1
1 1
1
> >
=
> >
=
>
+
+
x x
x x x
x x
x x
x
y Donde
Sustituyo
Acotada No Variable 2.
Sustituyo
cota la es 10 - donde
acotada Variable 1.