Io St113 Parte i
-
Upload
oskar-huisa-vilela -
Category
Documents
-
view
450 -
download
0
Transcript of Io St113 Parte i
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 1/52
UNIVERSIDAD NACIONAL DE INGENIERIA
Facultad de Ingeniería Industrial y de SistemasArea de Sistemas Computación e Informática
INVESTIGACION DE OPERACIONES I
PARTE I
(ST – 113)
Profesora: Ing. IRMA INGA SERRANO
2011
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 2/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
DATOS DEL CURSO
CODIGO DEL CURSO: ST-113
CREDITOS: 03
SISTEMA DE EVALUACION: F Examen Parcial: Peso 1
Examen Final : Peso 2
Promedio de Prácticas: Peso 1
(4 prácticas calificadas, se elimina la mas baja)
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 3/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
CONTENIDO DEL CURSO
1.- Introducción- Conceptos de Inv. de Operaciones.
2.- Programación Lineal
Formulación de Problemas de Prog. Lineal
Solución de problemas PL. Método simplexCasos especiales de PL
Método simplex matricial
Dualidad- Método simplex-dual
Análisis de Sensibilidad3.- Programación Entera
Formulación de PE
Solución de problemas PE
4.- Programación por metas
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 4/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
¿QUE ES LA INVESTIGACION DE OPERACIONES?La Investigación de operaciones es también llamada Ciencia de laAdministración ó Ciencia de las Decisiones ó de los MétodosCuantitativos.
Aquí se muestra la definición que le dan algunos autores:
“ Es el conjunto de conocimientos que involucran procedimientosracionales cuantitativos para la toma de decisiones con base enmétodos científicos.”
“ Es una disciplina que ayuda en la toma de decisiones mediante
la aplicación de un enfoque científico a problemas de decisiónque involucran factores cuantitativos”
Resumen:
“Es la aplicación del método científico a problemas de decisión”
CAPITULO I
INTRODUCCION A LA INVESTIGACION DE OPERACIONES
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 5/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
Proceso de toma de decisiones
en la solución de un pro
blema
Definir elproblema
Determinarlos criterios de
evaluación
Análisis
cualitativo
Análisis
cuantitativo
Resumen yEvaluación
Toma dedecisión
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 6/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
La Investigación de Operaciones tiene sus orígenes durante laSegunda Guerra Mundial cuando existía la necesidad urgentede asignar en forma efectiva los escasos recursos a lasdiferentes operaciones y actividades militares.
Los americanos y británicos encargaron a un grupo decientíficos para que aplicando el método científico resuelvanproblemas como despliegue de radares, colocación de minas,manejo de operaciones de bombardeo y otros problemasestratégicos y tácticos. Los esfuerzos de este primer grupo
científico dieron resultados excelentes.
Al terminar la guerra el éxito de la IO generó gran interés ensus aplicaciones fuera del campo militar como la industria, losnegocios, gobierno, etc.
RESUMEN HISTORICO
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 7/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
En 1947 George Dantzing crea el Método Simplex para la
resolución de problemas de programación lineal. Asimismo,
otras herramientas de la IO como la Programación Dinámica,
Líneas de Espera, Teoría de Inventarios, etc.se desarrollaron
antes de 1950 .
La revolución de las computadoras contribuyó al desarrollo de laIO y con ella surgió una nueva herramienta de la IO: la
Simulación.
Actualmente existen sociedades de profesionales de IO como:
INFORMS (Instituto de Investigación de Operaciones y Ciencias
de la Administración) con sede en EE.UU;
IFORS (Federación Internacional de Sociedades de Investigación
de Operaciones) que agrupa a mas de 45 países miembros.
Objetivo: desarrollo de la IO como ciencia unificada y avance en
todas las naciones del mundo.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 8/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
ARTE DE LA REPRESENTACION
POR MEDIO DE MODELOS
SISTEMA: Conjunto de partes que interactúan entre si para lograrun conjunto de metas.
MODELOS: representación de objetos o de situaciones reales.
Tipos de Modelos
A) Por su forma de expresión
1.- Modelos Físicos: representación física de la realidad.
Ejm. maqueta de un edificio.
2.- Modelos Abstractos:
2.1. Modelo descriptivo:
Forma de expresión: lenguaje natural.
Metodología para solucionar el problema: sentido común
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 9/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
2.1. Modelo Matemático
Forma de expresión: en forma cuantitativa mediante símbolos y
expresiones matemáticos.
Metodología para solucionar el problema: método matemático
Características
Describe el problema en forma concisa
Facilita el manejo del problema y de sus interrelaciones
Facilita el uso de las técnicas matemáticas en computadoras
Entrega soluciones hallados con técnicas matemáticas que
pueden ser las óptimas.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 10/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r
i a l y d e S i s t e m a s
6
Modelos de SimulaciónSimula el sistema real.
En IO, un modelo de simulación es un conjunto de pasosenlazados lógicamente que simulan el comportamiento delsistema real y en el que se experimentarán las posibles
soluciones.Características:
Se utilizan en problemas cuya representación matemática esmuy compleja
Puede llevarse a cabo usando muchos lenguajes de
programación de computadoras y paquetes ya construidos Mide la calidad de la solución sugerida.
Se puede determinar una buena solución, no necesariamente laóptima
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 11/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
B).- Modelos Matemáticos según su estructura
Modelo determinístico
Los datos o parámetros del sistema son conocidos con certeza.
Modelo probabilístico
Algunos parámetros son de tipo probable
Modelo lineal
Las relaciones funcionales son de tipo lineal Modelo no lineal
Algunas relaciones funcionales son no lineales
Modelo Continuo
Las variables de decisión pueden tomar valores fraccionarios
Modelo DiscretoUna o mas variables de decisión toman valores enteros
Modelo estàtico
Las propiedades y relaciones funcionales no sufren cambios en el tiempo.
Modelo dinámico:
El tiempo juega en él un rol muy importante.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 12/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Técnicas de la IO
Los modelos utilizados en la IO son :
Modelos matemáticos
Modelos de simulación
En los modelos matemáticos
Los problemas de optimización planteados dieron origen a una
variedad de técnicas:
La programación lineal
La Programación lineal entera
La Programación no lineal
La programación dinámica
La programación de metas
La programación de redes, etc.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 13/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
1.- DEFINICION DEL PROBLEMA
Comprende:
• Determinar claramente el o los objetivos del estudio
• Identificar las partes de la organización involucrados en el
estudio .• Recolección de datos relevantes
2.- FORMULACION DEL MODELO
Dependiendo de la definición del problema, el analista decideel tipo de modelo mas adecuado para representar el problema.
El modelo debe expresar en forma cuantitativa el objetivo del
estudio y las limitaciones o restricciones del problema
Metodología de la Investigación de Operaciones
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 14/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
3.- SOLUCION DEL MODELO
En Modelos de simulación:El concepto de optimidad no está tan bien definido y la solución sonbuenas y factibles pero no necesariamente la òptima.
Para obtener la solución se utiliza la computadora en el cual seprograma los pasos indicados en el modelo o bien se utilizan los
paquetes ya diseñados para este fin. (GPSS, Estela, Promodel, etc)En Modelos Matemáticos:
Se utilizan técnicas de optimización bien definidos llamadosalgoritmos los cuales en forma iterativa halla la solución óptima.
Sin embargo, existen problemas con ciertas características que:
- necesita de muchas iteraciones para solucionarlos, ó
- a veces es imposible hallar una algoritmo de solución.
Entonces, existen otros métodos prácticos (heurísticos) basadas enreglas prácticas con el cual se obtiene una buena solución en forma
rápida y simple. Ejm. Problemas de redes.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 15/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
4.- VALIDACION DEL MODELOEl modelo debe ser verificado y probado completamente para
asegurar que ofrece una representación suficientemente precisa
del problema real.
El ensayo y validación del modelo se llevan a cabo
frecuentemente con problemas “de práctica” relativamente
pequeños cuyas soluciones son conocidos o esperados.
5.- GENERACION DE INFORMES E IMPLEMENTACION
Presentar un informe con los resultados del modelo que sea de
fácil comprensión para quien toma las decisiones. El informetambién debe incluir la decisión recomendada y cualquier otra
información respecto a los resultados que sean de utilidad para
el tomador de decisiones.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 16/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
CAPITULO II
PROGRAMACION LINEAL
Es una de las técnicas mas potentes de la IO, debido a suflexibilidad para describir situaciones reales. Ha sido
desarrollado para representar y solucionar problemas de
decisión que implican la optimización (maximización o
minimización) de una función lineal sujeta a restricciones
lineales.
Se aplica en diferentes campos: industrial, militar, financiero,
salud, informática, etc.
Es una herramienta determinística. Para compensar esta
situación, una vez hallada la solución óptima la IO proporcionael “Análisis de sensibilidad”.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 17/52
U n i v e r
s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Estructura de un modelo de programación lineal
Un Problema de programación lineal tiene:
Variables de decisión: son aquellas definidas por el analista
cuyos valores van a solucionar el problema
Función Objetivo (FO): Es aquella función lineal que se va a
optimizar (Maximizar o Minimizar)
Restricciones: representan las limitaciones que tiene el
problema.
Restricciones estructurales: son inecuaciones lineales de tipo
>=, <= o = que un valor b.Signo de las variables
Las variables de decisión pueden ser de tipo: >=0, <= 0 o sin
restricción de signo (srs)
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 18/52
U n i v e r s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Forma general de un modelo de programación lineal
Sea Xi las variables de decisión del problema, (i= 1,2,..n)
FO: Max (ó Min) Z = c1x1 + c2X2 + ….. + cnXn
Sujeto a (s.a.):
a11X1 + a12X2 + a13X3 + …… + a1nXn ≤ b1
a21X1 + a22X2 + a23X3 + …… + a2nXn ≥ b2
…. ……….. ……… …………. .. ………. = …..
am1X1 + am2X2 + am3X3 + …… + amnXn bm
Xi (>=0, <=0, srs)
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 19/52
U n i v e r s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
MODELOS IDEALES
a).- PL MAX IDEAL
PL que tiene:
* Todas sus restricciones de tipo ≤
* Xi ≥0
Max Z = c1x1 + c2X2 + ….. + cnXn
s.a:
a11X1 + a12X2 + a13X3 + …… + a1nXn ≤ b1
a21X1 + a22X2 + a23X3 + …… + a2nXn ≤ b2
…. ……….. ……… …………. .. ………. ≤ …..
am1X1 + am2X2 + am3X3 + …… + amnXn ≤ bm
Xi ≥ 0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 20/52
U n i v e r s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
b).- PL MIN IDEALPL que tiene:
* Todas sus restricciones de tipo ≥
* Xi ≥0
Min Z = c1x1 + c2X2 + ….. + cnXn
s.a:
a11X1 + a12X2 + a13X3 + …… + a1nXn ≥ b1
a21X1 + a22X2 + a23X3 + …… + a2nXn ≥ b2…. ……….. ……… …………. .. ………. ≥ …..
am1X1 + am2X2 + am3X3 + …… + amnXn ≥ bm
Xi ≥ 0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 21/52
U n i v e r s i d a d
N a c i o n a l d e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Ejemplo de un problema de programación lineal
Una fábrica produce pinturas para exteriores y para interiores de casas, paradistribuirlos al por mayor.
Para producir las pinturas se utilizan dos materiales básicos A y B. Ladisponibilidad máxima de A es de 60Tn y la de B es de 80Tn por día. Lanecesidad diaria de materia prima por cada Tn de pintura es el siguiente:
Pintura para exteriores: 1Tn de materia prima A y 2 Tn de materia prima B
Pintura para interiores: 2 Tn de materia prima A y 1 Tn de materia prima B
Un estudio de mercado ha establecido que la demanda diaria de pintura parainteriores no puede ser mayor que la de pintura para exteriores en mas de 10Tn. Asimismo, el estudio señala que la demanda máxima de pintura parainteriores está limitada a 20 Tn diarias.
El precio al por mayor por Tn es de $3000 para la pintura de exteriores y de$2000 para la pintura para interiores.
¿Cuánta pintura para exteriores e interiores debe producir la compañía todoslo días para maximizar el ingreso total?
Nota: Suponga que todo lo que se produce se vende.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 22/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
FORMULACION DEL PL
Sea X1: tn de pintura para exteriores a producir y vender por día
X2: tn de pintura para exteriores a producir y vender por día
FO: Max Z = 3000X1 + 2000X2s.a.
X1 + 2X2 ≤ 60 (1)
2X1 + X2 ≤ 80 (2)
X2 – X1 ≤ 10 (3)
X2 ≤ 20 (4)
X1, X2 ≥ 0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 23/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Suposiciones de la Programación lineal
Un problema de programación lineal satisface:
1.-Suposición de certidumbre
Los parámetros del sistema se conocen con certeza
2.- Suposición de divisibilidad
Las variables pueden tomar valores fraccionarios (valores reales)
3.- Suposición de proporcionalidad
La contribución de cada variable a al función objetivo y al lado
izquierdo de cada restricción es proporcional al valor de la variable4.- Suposición de Aditividad
La contribución de cada variable a al función objetivo y al lado
izquierdo de cada restricción es independiente de los valores de las
otras variables.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 24/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a s
6
Formulación de Problemas de Programación Lineal
Para la formulación del problema como un modelo de
programación lineal (PL), se debe tener en cuenta lo siguiente:
El modelo es la representación del problema. Por lo tanto no se
debe agregar ni quitar restricciones que no están en el problema.No debe tratar de solucionarlo mientras formula.
En cada restricción tome en cuenta que las unidades debe ser la
misma tanto en el lado izquierdo como en el lado derecho.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 25/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
CAPITULO III
SOLUCION DE PROBLEMAS DE PL
La solución de un PL consiste en determinar los valores de las
variables que cumplan con todas las restricciones y den el mejor
valor para la F.O.
METODOS PARA LA SOLUCION DE un PL
1.- Método gráfico
Consiste en graficar las regiones que cumplan con cada una de
las restricciones. La intersección de dichas regiones forma el
espacio de soluciones factibles del PL (región factible).
La recta de la FO se fija en un punto de la región factible, luegose desplaza sobre ella en la dirección en el cual mejora Z.
El último punto (o puntos) que toca la recta de la FO antes de
abandonar la región factible, es la solución óptima.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 26/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
EJEMPLO:
1.- Sea el siguiente PL
Max Z = 2X1 + 3X2
s.a.
2X1 + X2 ≤ 230 (1) X1 + 2X2 ≤ 250 (2)
X2 ≤ 120 (3)
Xi ≥0
O
AB
C
D
(1)
(2)
(3)
Z
X2
X1
Z
Solución óptima:
X1= 70 , X2= 90 (punto C)
Zop = 410
Región
Factible
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 27/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Tipos de regiones
factibles:
Las regiones factibles
pueden ser:
A) cerrado
B) abierto
C) un segmento de recta
D) un punto
A
B
C
Z
X2
Regiónfactible
abierto
X1
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 28/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
2.- Problema
Bevco produce una bebida Cifrut con sabor a naranja que se
obtiene al mezclar refresco con sabor a naranja y jugo de
naranja. Cada Oz de refresco de naranja contiene 0.5 Oz de
azúcar y 1 mg de vitamina C. Cada Oz de jugo de naranja
contiene 0.25 OZ de azúcar y 3 mg de vitamina C.A Bevco le cuesta 2 centavos cada Oz de refresco de naranja y 3
centavos cada Oz de jugo de naranja. El departamento de
mercadotecnia de Bevco ha decidido que cada botella de 40 Oz
de Cifrut debe contener por lo menos 80 mg de vitamina C y a
lo mas 20 Oz de azúcar.Formule y determine la solución óptima del problema para
satisfacer sus necesidades al menor costo..
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 29/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
El modelo:
Sea X1: Oz de refresco de naranja en 1 botella de CifrutX2: Oz de jugo de naranja en 1 botella de Cifrut
MinZ = 2X1+ 3X2
s.a.0.5 X1+ 0.25X2 ≤ 20
X1 + 3X2 ≥ 80
X1 + X2 = 40
Xi ≥0
Solución óptima (Punto B)
X1=20, X2=20 Zop= 100
(1)
(2)
(3)
Z
A
B
X2
X1
Región
factible
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 30/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
2.- Método Algebraico- Método Simplex
El método Simplex es un método iterativo que empieza con unasolución factible y en cada iteración obtiene una nueva soluciónque mejora Z, hasta encontrar la solución óptima, si existe.
Características
El método simplex soluciona modelos que tienen una formaespecífica conocida como forma estándar. Las restricciones deeste PL son ecuaciones.
El método simplex divide las variables del PL en dos grupos:
Variables Básicas (VB) y
Variables No Básicas (VNB)
El método simplex utiliza el Método de Gauss-Jordan parasolucionar el sistema de ecuaciones.
El método simplex halla soluciones básicas factibles (sbf)
sbf: solución que se encuentra en la intersección de las rectas (oplanos o hiperplanos) de las restricciones.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 31/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
FORMA ESTANDAR DE UN PL Es un PL que tiene las siguientes características:
F.O. : Max ó Min
Los lados derechos de las restricciones son ≥0
Las restricciones son igualdades Las variables son ≥0
Nota:
La forma estándar es un PL equivalente al original, por lo
tanto la solución óptima de la forma estándar lo es del PLoriginal.
Si la forma estándar es un PL no factible entonces el PLoriginal también lo es.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 32/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
Conversión de un PL en Forma Estándar
1.- Restricciones:
Restricción ≤ : Para convertirla en = se le adiciona una variable
de holgura Si (Si ≥0), que representa la cantidad de recursos no
utilizados, demanda insatisfecha, etc.
Ejm.3X1+ 4X2 + 2X3 ≤ 500 …….. (1)
3X1+ 4X2 + 2X3 +S1 = 500 …… (1)
Restricción ≥: Para convertirla en = se le agrega una variable deexceso Ei (Ei ≥0), que representa la cantidad excedente al
requerimiento mínimo.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 33/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
Ejm.
4X1+2X2+X3 ≥ 100 ……. (2)
4X1+2X2+X3 + e2 = 100 …(2)
Nota: Los coeficientes de Si y Ei en la función objetivo son cero.
2.- Variables
Variable Xi ≤0: Se hace un cambio de variable
Xi = - Xi’, tal que Xi’≥0
Variable Xi srs: Esta variable se reemplaza por la diferencia dedos variables no negativas
Xi = Xi’ – Xi” , tal que Xi’ y Xi” ≥0
Ejemplo.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 34/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
VARIABLES BASICAS Y VARIABLES NO BASICAS Un PL preparado para el Método simplex (forma estándar
preparado) tiene:
n variables y m restricciones tal que n >m
Para resolver el sistema de ecuaciones, es necesario agrupar las
variables en dos grupos:
VB: m variables para resolver el sistema de m ecuaciones
VNB: n-m variables que toman el valor arbitrario cero
SOLUCION BASICA DEL PL
Está formado por la unión del conjunto de VB y VNB
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 35/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
EJEMPLO:PL original PL estándar
Max Z = 2X1 + 3X2 Max Z= 2X1+3X2
s.a. s.a.
2X1 + X2 ≤ 230 … (1) 2X1+X2 + S1 = 230 ... (1)
X1 + 2X2 ≤ 250 … (2) X1+2X2+ S2 = 250 … (2)
X2 ≤ 120 … (3) X2+ S3 = 120 … (3)
Xi ≥0 Xi, Si ≥0
Número de Variables = n=5
Número de VB = número de restricciones = m =3
Número de VNB = n-m = 5-3 = 2
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 36/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
Método Simplex
PASOS
1.- Determinar la solución inicial
Usando la forma estándar del PL original, determinar la sbf
inicial el cual está formado por:
VB: las variables de holgura de cada restricción
VNB: las demás variables del PL2.- Seleccionar la VNB entrante, utilizando la condición de
optimidad.
Condición de optimidad: la VNB que entra debe ser aquella
que tenga el mejor coeficiente para mejorar Z. Un empate serompe arbitrariamente
El óptimo se alcanza cuando todas las VNB tienen coeficientes
desfavorables para Z
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 37/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
3.- Seleccionar la VB saliente, utilizando la condición de
factibilidad.
Condición de factibilidad: el valor que tome la variable
entrante debe ser de tal manera que las otras variables básicas
sigan siendo factibles. Esta condición es la que determina la
variable que sale.Un empate se rompe arbitrariamente.
4.- Determinar la nueva solución
Realizar las operaciones matemáticas para determinar el valor
de las nuevas VB y el valor de Z
5.- Volver al paso 2
Ejemplo: realizar el simplex algebraico para el problema
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 38/52
U n i v e r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
El método simplex realiza todas sus operaciones matemáticas en el
Tablero Simplex, el cual tiene la siguiente estructura:
Características de un Tablero Simplex en cualquier iteración
Los coeficientes de las VB en la fila Z, tienen valor cero.
Los coeficientes de la VB en las restricciones forman la matriz
identidad
Todas las variables del modelo
VB
Z Coeficientes de las variables en la fila Z
Solución
Valor de Z
Coeficientes de las variables en
las restricciones
Valores
de las
VB
r
Método Simplex Tabular
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 39/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
PASOS (METODO SIMPLEX TABULAR)
0.- Acondicionar la F.O.
Escribir la F.O. como si fuera una restricción
Ejm. Max Z = 2X1+ 3X2
Se escribe: Max Z – 2X1 - 3X2 = 0
1.- Determinar la SBF inicial
VB: Las variables de holgura de cada restricción
VNB: Las demás variables
2.- Seleccionar la VNB entrante
PL Max:
Seleccionar la VNB con C’< 0. Si hay varias, se escoge la que
tiene el coeficiente mas negativo.
Si todas las variables tienen C’≥ 0, se ha llegado al tablero final
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 40/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
PL Min
Seleccionar la VNB con C’> 0. Si hay varias, se escoge la quetiene el coeficiente mas positivo.
Si todas las variables tienen C’≤ 0, se ha llegado al tablero final.
En cualquier caso, un empate se rompe arbitrariamente.
3.- Seleccionar la VNB saliente:La VB que sale es aquella que tiene la menor razón r.
valor de la columna solución
coef. positivo de la VNB entrante
Un empate se rompe arbitrariamente.4.- Nueva solución:
Realizar las operaciones necesarias (Gauss-Jordan) para obtener
el nuevo Tablero Simplex
5.- Volver al paso 2.
r =
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 41/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
EJERCICIOS
Hallar la solución óptima de los siguientes PL ideales1) Max Z = 2X1 + 3X2
s.a.
2X1 + X2 ≤ 230 (1)
X1 + 2X2 ≤ 250 (2)
X2 ≤ 120 (3) Xi ≥0
2) Max Z = 60X1 + 30X2 + 20X3
s.a.
8X1 + 6X2 + X3 ≤ 480 (1) 4X1 + 2X2 + 1.5X3 ≤ 200 (2)
2X1 + 1.5X2 + 0.5X3 ≤ 80 (3)
Xi ≥0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 42/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
Solución artificial para el Método Simplex
Si un PL tiene restricciones de tipo ≥ ó = (las cuales no tendrán
variables de holgura) entonces existe un problema para formarla sbf inicial del método simplex.
Entonces, a las ecuaciones que no tienen variables de holgura,
se le agrega una variable artificial ai (ai ≥0 ). Estas variables
artificiales serán utilizadas como “variables de holgura” paraformar la sbf inicial del simplex.
Ejm 3X1+4X2 ≥ 100 .. (1) ; 2X1+3X2 = 60 … (2)
3X1+4X2 – e1+a1 = 100 (1) 2X1+3X2+ a2 = 60 ..(2)
Las variables artificiales no tienen significado físico para el
modelo, por lo tanto se deben tomar medidas para llevarlas a
nivel cero en la solución óptima. Para este propósito existen
métodos como:
Técnica M ó método de la penalización
La técnica de las dos fases.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 43/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t
r i a l y d e S i s t e m a
s
6
Técnica M (ó Método de la Penalización)
Pasos1.- Agregar las variables artificiales a las ecuaciones que no tienen
variables de holgura.
2.- Penalizar a las variables artificiales dándoles en la F.O. un coeficientegrande M (M>>0)desfavorable.
Para un PL Max:Max Z= C1X1+ …… +CnXn – Ma1 – Ma2 - ….
Para un PL Min:
Min Z= C1X1+….. + CnXn + Ma1 + Ma2 + …
3.- Acondicionar la fila Z :
Las variables artificiales formarán parte de las VB iniciales, entoncesdeben tener coeficiente cero en la fila Z. De esta manera se tendrá unasolución inicial artificial para el simplex.
4.- Realizar las operaciones comunes del método simplex para buscar lasolución óptima, si existe.
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 44/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Ejemplo:
Min Z = 3X1+ 5X2 + 4X3s.a.
2X1+ 4X2 +2X3 ≤ 80
3X1 + 4X2 +X3 ≤ 100
X1 + X2 +X3 = 30
X3 ≥ 15 Xi ≥0
Técnica M
Min Z= 3X1 + 5X2 +4X3 + Ma3 + Ma4
s.a.
2X1 + 4X2 +2X3 + S1 = 80 …... (1)
3X1 + 4X2 + X3 + S2 = 100 ….. (2)
X1 + X2 +X3 + a3 = 30 ……. (3)
X3 – e4 + a4 = 15 ……. (4)
X1, X2, S1, S2, a3, e4, a4 ≥0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 45/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Acondicionando Z:
Primera formaLas ecuaciones (3) y (4) se suman y se despeja:
a3 + a4 = 45 – X1 – X2 – 2X3+ e4
Reemplazando en la F.O.
Min Z = 3X1+5X2 +4X3 + M (45-X1- X2-2X3 +e4)
= (3-M)X1 + (5-M)X2 + (4-2M)X3+ Me4 + 45M
Escribiendo la F.O. como restricción:
Min Z + (M-3)X1 + (M-5)X2 + (2M-4)X3 – Me4 = 45M
Segunda forma:
Utilizando el método simplex matricial
Pasar al Tablero Simplex donde la solución inicial será:
VB: S1, S2 a3, a4
VNB: X1, X2, X3, e4
Valor inicial de Z: 45M
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 46/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Casos Especiales
PL CON SOLUCIONES OPTIMAS ALTERNATIVAS
Es aquel PL que tiene mas de una solución óptima para el mismo valorde Zop.
Gráficamente:
La recta Z es paralela a una restricción límite antes de salir
En el Simplex:
La solución es óptimaExiste una VNB que tiene coeficiente 0 en la fila Z y que al entrar ala base se halla otra solución, pero Zop no cambia.
Ejm.
Max Z= 2X1+ 4X2
s.a.X1 + 2X2 ≤ 100
X1 + X2 ≤ 80
X1 + X2 ≥ 20
Xi ≥0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 47/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
PL NO ACOTADO
Es aquel PL que tiene soluciones factibles pero no tiene soluciónóptima.
Gráficamente:
El PL no acotado tiene región factible abierto.
En el PL no acotado la recta Z nunca sale de la región factible
En el Simplex:El tablero no es óptimo
Existe VNB que entra pero no existe VB que sale (no existe r)
Ejemplo:
Max Z= 2X1+ 4X2
s.a.
X1 + 2X2 ≥ 100
X1 + X2 ≥ 80
X1 ≤ 100
Xi ≥0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 48/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
PL NO FACTIBLE
Es aquel PL que no tiene soluciones factibles.Gráficamente:
No existe región factible.
En el Simplex:
El último Tablero Simplex tiene como VB a variable(s)artificial(es) con valor >0
Ejemplo:
Max Z= 2X1+ 3X2
s.a.
X1 + 2X2 ≤ 100 X1 + X2 ≤ 80
X2 ≥ 60
Xi ≥0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 49/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Método Simplex Matricial
Sea el siguiente PL estándar de n variables (incluye variables de
holgura, exceso y artificiales) y m restricciones:
Max (Min) Z = c1X1+c2X2 + ……. + cnXn
s.a.
a11X1+a12X2 + …….. + a1nXn = b1
a12X1+a22X2+ ……… + a2nXn = b2
..
am1X1+ am2X2+ ……. + amnXn = bm
Xi ≥ 0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 50/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Si:
X T = (X1, X2, …., Xn) C = (c1, c2, …., cn)
a11 a12 …. a1n b1
(A, I) = a21 a22 …. a2n b = b2
… ..
am1 am2 …. Amn bm
Entonces el PL se puede escribir en forma matricial:
Max (Min) Z = C X
s.a.
(A, I) X = b
X ≥ 0
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 51/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
Tablero simplex matricial
Si el vector de variables se subdivide en dos grupos:
XII = variables básicas iniciales (holgura y artificiales)XI = las otras variables (var de decisión y var de exceso)
De igual manera el vector de coeficientes de la F.O.:
CII = los coeficientes asociados a XII
CI = coeficientes asociados al vector XI
a). Tablero simplex inicial
XII
Z
Solución
CII b
b
CIIA - CI 0
XI XII
CI CII
CII A I
5/9/2018 Io St113 Parte i - slidepdf.com
http://slidepdf.com/reader/full/io-st113-parte-i 52/52
U n i v e
r s i d a d
N a c i o n a l d
e I n g e n i e r í a
F a c u l t a d
d e
I n g e n i e r i a
I n d u s t r i a l y d e S i s t e m a
s
6
b). Tablero simplex en cualquier iteración
Sea: XB = variables básicas en la iteraciónCB = coeficientes asociados a las variables básicas
B = matriz de coeficientes de las variables básicas (en el
orden en que se han colocado XB
B-1
= matriz inversa de BEl tablero simplex en esta iteración es:
XB
Z
Solución
CB B-1 b
B-1 b
CBB-1A - CI CBB-1 - CII
XI XII
CI CII
CB B-1A B-1