You are on page 1of 0

CAPTULO 1.

PROGRAMACIN
LINEAL Y TRANSPORTE.
1. INTRODUCCIN.
En 1947, el estadounidense George
B. Dantzingpropuso el mtodo del
simplex (proveniente de la palabra
simplejo) para modelizar
matemtica y linealmente una
realidad.
Modelo Lineal
Max o Min Z = c
1
x
1
+ c
2
x
2
+ ....... + c
n
x
n
(1.3)

donde Z est sujeta a una serie de restricciones:

a
11
x
1
+ a
12
x
2
+ ............. + a
1n
x
n
( = ) b
1

a
21
x
1
+ a
22
x
2
+ ............. + a
2n
x
n
( = ) b
2
(1.4)
.....................................................................
a
m1
x
1
+ a
m2
x
2
+ ............. + a
mn
x
n
( = ) b
m


y adems tenemos la restriccin de no negatividad de las variables:

x
1
, x
2
, x
3
,.....x
n
0 (1.5)



(Max o Min) Z = c
j
* x
j

sujeto a
A * x
j
( = ) b
i

x
j
0


Donde:

x
j
(j = 1,....., n) : vector de variables de accin.
Matriz A:(mxn) : matriz tecnolgica
a
i,j
: coeficientes tcnicos de la matriz A.
b
i
(i =1,....,m) : disponibilidad del recurso j.
c
j
: beneficio o coste por cada componente.
Z : funcin objetivo, funcin econmica o de coste.

Modelo matricial y vectorial

A
a a
a a
x
x
x
c
c
c
b
b
b
n
m mn n n n
=

11 1
1
1
2
1
2
1
2
. . .
. .
. .
. .
. . .
.
.
.
.
.
.
X C b






Max o Min Z = C
t
X

A*X ( = ) b
X 0

Modelo matricial:
EJ EMPLO 1.
Una oficina de correos necesita un nmero diferente
de empleados de tiempo completo, para diferentes
das de la semana. El nmero de empleados de
tiempo completo requeridos para cada da se da en el
cuadro 1.1. Las reglas sindicales sealan que cada
empleado de tiempo completo, tiene que trabajar
durante cinco das consecutivos y, despus descansar
dos das. Por ejemplo, un empleado que trabaja de
lunes a viernes, tiene que descansar el sbado y el
domingo. La oficina de correos quiere cumplir con
sus requerimientos diarios y utilizar solamente
empleados de tiempo completo. Formule un PL que
pueda utilizar la oficina de correos para minimizar el
nmero de empleados de tiempo completo que hay
que contratar.
NMERO DE EMPLEADOS DE
TIEMPO COMPLETO REQUERIDOS
Da 1 = lunes 17
Da 2 = martes 13
Da 3 = mircoles 15
Da 4 = jueves 18
Da 5 = viernes 14
Da 6 = sbado 16
Da 7 = domingo 11

definimos x
i
como el nmero de empleados
que empiezan a trabajar el da i
Min Z = x
1
+ x
2
+ x
3
+ x
4
+ x
5
+ x
6
+ x
7

x
1
+ x
4
+ x
5
+ x
6
+ x
7
17 (Rest. del lunes)
x
1
+ x
2
+ x
5
+ x
6
+ x
7
13 (Rest. del martes)
x
1
+ x
2
+ x
3
+ x
6
+ x
7
15 (Rest. del mirc.)
x
1
+ x
2
+ x
3
+ x
4
+ x
7
19 (Rest. del jueves)
x
1
+ x
2
+ x
3
+ x
4
+ x
5
14 (Rest. del viern.)
x
2
+ x
3
+ x
4
+ x
5
+ x
6
16 (Rest. del sbado)
x
3
+ x
4
+ x
5
+ x
6
+ x
7
11 (Rest. del domin.)
x
i
0 (i = 1,2, ,7)

Una empresa produce cuatro modelos de armarios metlicos. En el Cuadro 1.3 figuran las
horas tiles disponibles mensualmente en los 5 talleres de que consta la fbrica, as como los tiempos
que requiere en cada uno de estos talleres la obtencin de una unidad de cada producto.

TIEMPO DE PRODUCCIN EN HORAS POR UNIDAD HORAS TILES
TALLER DISPONIBLES
PRODUCTO 1 PRODUCTO 2 PRODUCTO 3 PRODUCTO 4 MENSUALMENTE
embutic 0,03 0,15 0,05 0,10 40
mecaniz. 0,06 0,12 0,10 40
montaje 0,05 0,10 0,05 0,12 50
acabado 0,04 0,20 0,03 0,12 45
embalaje 0,02 0,06 0,02 0,05 40

Cuadro 1.3
EJ EMPLO 3.
Por otra parte, para la fabricacin de los armarios de tipo 2 y 4 se necesitan por unidad,
respectivamente, 2 metros cuadrados y 1,2 metros cuadrados de una chapa especial que escasea en el
mercado, siendo 2000 metros cuadrados la cantidad mxima disponible mensualmente. Por ltimo, en
el cuadro 1.4 figuran los precios de venta y los costes variables unitarios correspondientes a los cuatro
productos, as como las cantidades mximas que puede absorber cada mes el mercado, tanto de
mayoristas como de minoristas, y las cantidades mnimas que es preciso entregar mensualmente para
cumplir los contratos de suministro existentes con ciertos clientes mayoristas.

COSTE VARIABLE PRECIO UNI. VENTAS MENSUALES
PRODUCTO UNITARIO en u.m. VENTA u.m. MNIMAS MXIMAS
1 6 10 1000 6000
2 15 25 500
3 11 16 500 3000
4 14 20 100 1000

Cuadro 1.4

Se pide formular un modelo lineal que permita determinar el programa mensual de produccin
ptimo.
Llamamos x
1
al n de armarios de tipo 1 que fabricamos
" x
2
" " " 2 " "
" x
3
" " " 3 " "
" x
4
" " " 4 " "

Restricciones de fabricacin:

0,03 x
1
+ 0,15 x
2
+ 0,05 x
3
+ 0,10 x
4
40
0,06 x
1
+ 0,12 x
2
+ 0 x
3
+ 0,1 x
4
40
0 05 x
1
+ 0,1 x
2
+ 0,05 x
3
+ 0,12 x
4
50
0,04 x
1
+ 0,2 x
2
+ 0,03 x
3
+ 0,12 x
4
45
0,02 x
1
+ 0,06 x
2
+ 0,02 x
3
+ 0,05 x
4
40

Restricciones de chapa:

2x
2
+ 1,2x
4
2000

Cantidades mximas y mnimas a fabricar mensualmente:

1000 x
1
6000
0 x
2
500
500 x
3
3000
100 x
4
1000


Funcin objetivo: Z = (10 - 6) x
1
+ (25 - 15) x
2
+ (16 - 11) x
3
+ (20 - 14) x
4

3. DI STI NTAS REPRESENTACI ONES DE LOS
MODELOS DE PROGRAMACI N LI NEAL.
A) FORMA CANNICA
1.- La funcin debe ser siempre para
maximizar
2.- Todas la restricciones son
3.- Todas la variables estn obligadas a
ser no negativas
Transformaciones
Max G = Min (-Z) = (-C
j
) x
j


Las restricciones tienen que ser . Si tenemos f(x) b, al multiplicar por -1,
obtendramos: -f(x) -b.

Si tenemos: f(x) = b; podemos descomponer la restriccin en dos:

f(x) b -f(x) -b
f(x) b f(x) b

Las variables tienen que ser no negativas.
Si tenemos una x
i
nrs ( no restringida en signo ) reemplazamos x
i
por x
i
- x
i

siendo x
i
,x
i
0
B) FORMA ESTNDAR
1.- Las restricciones son igualdades salvo las
que se refieren a las de no negatividad, ya
que se introducen variables de holgura o
artificiales.
2.- Todas las variables son no negativas, es
decir, 0
3.- Todas las disponibilidades, bi, son no
negativas.
4.- La funcin econmica puede ser a minimizar
o maximizar. (Max Z o Min Z).
Para resolver un problema con desigualdad primero
hay que introducir variables de holgura.
Sea, por ejemplo, la siguiente restriccin:

a
1
x
1
+ a
2
x
2
+ ..... + a
n
x
n
b
k


se aade h
k
para convertir la desigualdad en igualdad:

a
1
x
1
+ a
2
x
2
+ ..... + a
n
x
n
+ a
k
h
k
= b
k


Estas variables no entran a formar parte de la funcin econmica,

porque c
k
= 0

y normalmente el coeficiente de la variable de holgura a
k
= 1.
4. DEFI NI CI ONES UTI LI ZADAS EN LOS
PROBLEMAS DE PROGRAMACI N LI NEAL.
Solucin algebraica: Cualquier solucin
(conjunto de n valores) que satisface el
sistema de ecuaciones formado por las
restricciones, pero no necesariamente a la
restriccin de no negatividad que exige la
forma estndar.
Solucin factible: Es aquella solucin
algebraica que no contiene soluciones
negativas. Son soluciones que cumplen con las
restricciones y se representa por:
A X = b
X 0
Otras soluciones
Soluciones bsicas: Son aquellas soluciones que
contienen n-m coordenadas nulas, donde n es el
nmero de variables y m el nmero de
ecuaciones. Veamos un caso :
Para n = 30 variables y m = 10 ecuaciones, las
soluciones que tengan 20 variables nulas o ms,
sern soluciones bsicas.
Solucin bsica factible: Es aquella solucin
bsica que no contiene ninguna coordenada
negativa y que contiene n-m coordenadas nulas.
Solucin ptima: Es una solucin bsica factible
que tiene el valor ms favorable de la funcin
objetivo.
EJ EMPLO 4. Solucin grfica.
Una empresa se dedica a fabricar porcelana, para lo cual dispone de un horno que absorbe 10 t. al da
de productos. La empresa fabrica dos tipos de porcelana: A y B. Se sabe adems que de porcelana tipo
A el Departamento de Ventas no puede consumir nada ms que 8 t. al da y de las de tipo B 5 t/da. Los
beneficios obtenidos por la comercializacin de la porcelana tipo A son de 2 u.m. y de las de tipo B, 3.5
u.m. Determinar el plan de produccin ptimo.

Llamando: x
1
: tonelaje diario de porcelanas tipo A
x
2
: " " " " B

Max Z = 2x
1
+ 3,5x
2

x
1
8
x
2
5
x
1
+ x
2
10
x
1
, x
2
0
Solucin grfica
X2
Porcelana tipo A
C"
D C C H Porcelana tipo B
5
B
0,3
0 0,5 5 8 A X1
Restriccin del horno
5. MTODO DEL SIMPLEX.
El mtodo del Simplex consiste en un
algoritmo iterativo que permite resolver
un problema de programacin lineal.
5.1. Algoritmo del simplex.


preparacin de los datos del proble-
ma para comenzar las iteraciones


reptase tantas veces como se
necesite


se ha obtenido el resultado que se desea ?


NO S
Detenerse


Paso de iniciacin
Paso de iteracin
Regla de detencin
Iniciacin
Max Z = 3x
1
+ 5x
2
(0)
x
1


4 (1)
2x
2


12 (2)
3x
1
+ 2x
2


18 (3)
x
1
,x
2
0
Z = -3x
1
-5x
2
+ 0h
1
+0h
2
+0h
3
= 0
x
1
+ h
1
= 4
2x
2
+

h
2
= 12
3x
1
+2x
2
+ h
3
= 18

Se convierte en:

VARIABLE SEGUNDO
BSICA X
1
X
2
h
1
h
2
h
3
MIEMBRO
FILA (0) Z -3 -5 0 0 0 0
FILA (1) h1 1 0 1 0 0 4
FILA (2) h2 0 2 0 1 0 12
FILA (3) h3 3 2 0 0 1 18

Cuadro 1.5
Construccin de la Tabla
1 ITERACIN.
Consiste en obtener una nueva solucin
(x1, x2, h1, h2, h3). Para ello se cambia una
variable bsica por una no bsica.
Paso 1: Determinar la variable no bsica que
entra, seleccionando de las variables no
bsicas (en nuestro caso x1, o x2) aquella con
el coeficiente ms negativo en la ecuacin
(0), ya que ser quien provoque un mayor
aumento en la funcin objetivo; en este
ejemplo x2, con coeficiente -5.
Paso 1.
La columna a la que pertenece este
coeficiente se denomina columna
pivote. Dicha columna est formada por
los siguientes trminos :
0
2
2
Paso 2: Determinar la variable bsica que sale. Este
paso lo dividimos en dos partes:
a.- Seleccionar los coeficientes de la
columna anteriormente considerada que
sean estrictamente positivos (> 0).
b.- Dividir el "segundo miembro" de
cada fila (disponibilidades) entre cada
uno de los anteriores coeficientes de su
misma fila.
En nuestro caso las divisiones posibles son:


2 coeficiente de
b
2 valor de columna pivote
=
12
2
= 6


coeficiente de b
valor de columna pivote
i
i
er

3
er
3
18
2
9 = =


luego al ser el menor valor 6, la variable bsica que sale es h
2
.
Cambios de variables

VARIABLE SEGUNDO
BSICA
X
1
X
2
h
1
h
2
h
3
MIEMBRO
FILA (0) Z -3 -5 0 0 0 0
FILA (1) h1 1 0 1 0 0 4
FILA (2) h2 0 2 0 1 0 12
FILA (3) h3 3 2 0 0 1 18

Paso 3: Se determina la nueva solucin bsica
factible construyendo un nuevo cuadro del simplex.

Nueva fila pivote (2) =
fila pivote anterior (0,2,0,1,12)
numero pivote
=
= 2



x
1
x
2
h
1
h
2
h
3
b
i


quedando la nueva fila (2) = 0 1

0 1/2 0 6
Cambio de la Fila (0)
para obtener un cero donde tenemos -5:

x
1
x
2
h
1
h
2
h
3
b
i


Antigua fila (0) : -3

-5

0 0 0 0

+5

( 0

1

0 0 6)

Nueva fila (0) -3 0 0 5/2 0 30
Fila (1)
x
1
x
2
h
1
h
2
h
3
b
i
1 0 1 0 0 4
Se deja, pues x
2
ya tiene debajo un 0.
Fila (3)
x
1
x
2
h
1
h
2
h
3
b
i


Antigua fila 3 : 3

2

0

0

1

18

(-2) 0

1

0

0

6


3 0 0

-1 1 6
Fin primera iteracin y
comprobacin del paso 3.
VARIABLE SEGUNDO
BSICA X
1
X
2
h
1
h
2
h
3
MIEMBRO
FILA (0) Z -3 0 0 5/2 0 30
FILA (1) h
1
1 0 1 0 0 4
FILA (2) X
2
0 1 0 1/2 0 6
FILA (3) h
3
3 0 0 -1 1 6

Cuadro 1.6
Paso 1: Determinar la variable no bsica que entra.

1
0
3

Paso 2: Determinar la variable bsica que sale.


1
1
4
1
4
3
6
3
2
er
i
er
i
er
coeficiente de b
valor de columna piv


coeficiente de b
valor de columna pivote
ote
3
er
= =
= =

2 Iteracin
2 Iteracin
VA RIA BLE SEGUNDO
B SICA X1 X2 h 1 h 2 h 3 MIEMBRO
FILA (0) Z -3 0 0 5/ 2 0 30
FILA (1) h 1 1 0 1 0 0 4
FILA (2) X2 0 1 0 1/ 2 0 6
FILA (3) h 3 3 0 0 -1 1 6
Paso 3: Determinar la nueva
solucin bsica factible.

Nueva fila pivote ( ) =
fila pivote anterior ( )
numero pivote
3
3 0 0 1 1 6
3
=
=
, , , , ,



x
1
x
2
h
1


h
2
h
3
b
i


quedando la nueva fila (3) = 1 0 0 -1/3 1/3 2
Fila (0)
x
1
x
2
h
1
h
2
h
3
b
i


Antigua fila (0) : -3

0

0 5/2 0 30
+3 ( 1



0

0 -1/3 1/3

2 )

Nueva fila (0) 0 0 0 3/2 1 36
Fila (1)
x
1
x
2
h
1
h
2
h
3
b
i


Antigua fila 1 : 1

0

1

0

0

4



(-1) (

1

0

0 -1/3 1/3 2 )

0 0 0 1/3 -1/3 2
Fila (2)
x
1
x
2
h
1
h
2
h
3
b
i
0 1 0 1/2 0 6
se deja, pues ya tiene un 0 debajo de x
1
.
RESUMEN
VB X1 X2 h1 h2 h3 2 Miembro
Z -3 -5 0 0 0 0
h1 1 0 1 0 0 4
h2 0 2 0 1 0 12
h3 3 2 0 0 1 18
Z -3 0 0 5/2 0 30
h1 1 0 1 0 0 4
X2 0 1 0 1/2 0 6
h3 3 0 0 -1 1 6
Z 0 0 0 3/2 1 36
h1 0 0 0 1/3 -1/3 2
X2 0 1 0 1/2 0 6
X1 1 0 0 -1/3 1/3 2
5.2. Solucin de diferentes casos del mto-
do del simplex por mtodos de penalizacin
5.2.1. Solucin ptima degenerada.
5.2.2. Solucin degenerada temporal.
5.2.3. Solucin no acotada.
5.2.4. Espacio de soluciones infinito, pero
hay una solucin acotada y ptima.
5.2.5. Soluciones alternativas.
5.2.6. Variable bsica que no sale: z no
acotada.
5.2.1. Solucin ptima
degenerada.
Problema 5.2.1:
Max Z= 3x
1
+ 9x
2

x
1
+ 4x
2
8
x
1
+ 2x
2
4
xj 0
Cuadro de la solucin
degenerada
VB X
1
X
2
h
1
h
2
2 miembro
Z -3 -9 0 0 0
h
1
1 4 1 0 8
h
2
1 2 0 1 4
Z -3/4 0 9/4 0 18
X
2
1/4 1 1/4 0 2
h
2
1/2 0 -1/2 1 0*
Z 0 0 3/2 3/2 18
X
2
0 1 1/2 -1/2 2
X
1
1 0 -1 2 0*
Grafica de la solucin degenerada
X
2
2
4 8 X
1
5.2.2. Solucin degenerada
temporal.
Problema 5.2.2:
Max Z= 2x
1
+ x
2

4x
1
+ 3x
2
12
4x
1
+ x
2
8
4x
1
-x
2
8
xj 0
Cuadro de ejemplo solucin
degenerada temporal.
V B X
1
X
2
h
1
h
2
h
3
2 M i e m b r o
Z - 2 - 1 0 0 0 0
h
1
4 3 1 0 0 1 2
h
2
4 1 0 1 0 8
h
3
4 - 1 0 0 1 8
Z 0 - 1 / 2 0 1 / 2 0 4
h
1
0 2 1 - 1 0 4
X
1
1 1 / 4 0 1 / 4 0 2
h
3
0 - 2 0 - 1 1 0 *
Z 0 0 1 / 4 1 / 4 0 5
X
2
0 1 1 / 2 - 1 / 2 0 2
X
1
1 0 - 1 / 8 3 / 8 0 3 / 2
h
3
0 0 1 - 2 1 4
Grafica de la solucin degenerada
temporal
X
2
8
2 3 X
1
5.2.3. Solucin no acotada
Problema 5.2.3:


Max Z= 2x
1
+ x
2

x
1
- x
2
10
2x
1
- x
2
40
xj 0
VB X
1
X
2
h
1
h
2
2 miembro
Z -2 -1 0 0 0
h
1
1 -1 1 0 10
h
2
2 -1 0 1 40
Z 0 -3 2 0 20
X
1
1 -1 1 0 10
h
2
0 1 -2 1 20
Z 0 0 -4 3 80
X
1
1 0 -1 1 30
X
2
0 1 -2 1 20
Cuadro de ejemplo solucin no
acotada.
Grafica de la solucin no acotada.
5.2.4. Espacio de soluciones
infinito, pero hay una
solucin acotada y ptima.
Problema 5.2.4:
Max Z= 6x
1
- 2x
2

2x
1
- x
2
2
x
1
4
xj 0

Cuadro del ejemplo de espacio de
soluciones infinito, pero hay una
solucin acotada y ptima.
VB X
1
X
2
h
1
h
2
2 miembro
Z -6 2 0 0 0
h
1
2 -1 1 0 2
h
2
1 0 0 1 4
Z 0 -1 3 0 6
X
1
1 -1/2 1/2 0 1
h
2
0 1/2 -1/2 1 3
Z 0 0 2 2 12
X
1
1 0 0 1 4
X
2
0 1 -1 2 6
Grafica de la solucin de espacio
de soluciones infinito, pero hay
una solucin acotada y ptima.
X
2
solucin
6
X
1
1 4
-2
5.2.5. Soluciones alterna-
tivas.
Problema 5.2.5a:
Max Z= 4x
1
+ 14x
2

2x
1
+ 7x
2
21
7x
1
+ 2x
2
4
xj 0
Cuadro del ejemplo de
soluciones alternativas.


VB
X
1
X
2
h
1
h
2
2 miembro
Z -4 -14 0 0 0
h
1
2 7 1 0 21
h
2
7 2 0 1 21
Z 0* 0 2 0 42
X
2
2/7 1 1/7 0 3
h
2
45/7 0 -2/7 1 15
Z 0 0 2 0 42
X
2
0 1 7/45 -2/45 7/3
X
1
1 0 -2/45 7/45 7/3
Grafica de la solucin alternativas.
X
2
S. Bsicas
X
1
5.2.6. Variable bsica que
no sale: z no acotada.
Problema 5.2.6:

Max Z = 3x
1
+ 5x
2

x
1
4


x
j
0
Cuadro y grfico del ejemplo de varia-
ble bsica que no sale: z no acotada.
VB X
2
X
2
h
1
2 miembro
Z -3 -5 0 0
h
1
1 0 1 4*
X
2
F. Objetivo
4 X
1
6. PRECIOS SOMBRA Y
COSTES DE OPORTUNIDAD.
Max Z = 3x
1
+ 5x
2

x
1
4
2x
2
12
3x
1
+ 2x
2
18

VB X
1
X
2
h
1
h
2
h
3
2 miembro
Z -3 -5 0 0 0 0
h
1
1 0 1 0 0 4
h
2
0 2 0 1 0 12
h
3
3 2 0 0 1 18
Z -3 0 0 5/2 0 30
h
1
1 0 1 1 0 4
X
2
0 1 0 1/2 0 6
h
3
3 0 0 -1 1 6
Z 0 0 0 3/2 1 36
h
1
0 0 1 1/3 -1/3 2
X
2
0 1 0 1/2 0 6
X
1
1 0 0 -1/3 1/3 2
Solucin y precios sombra con
WinQSB
VB X
1
X
2
h
1
h
2
h
3
2 miembro
Z -3 -5 0 0 0 0
h
1
1 0 1 0 0 4
h
2
0 2 0 1 0 13
h
3
3 2 0 0 1 18
Z -3 0 0 5/2 0 32.5
h
1
1 0 1 0 0 4
X
2
0 1 0 1/2 0 6.5
h
3
3 0 0 -1 1 5
Z 0 0 0 3/2 1 37.5
h
1
0 0 1 1/3 -1/3 7/3
X
2
0 1 0 1/2 0 6.5
X
1
1 0 0 -1/3 1/3 5/3

VB X
1
X
2
h
1
h
2
h
3
2 miembro
Z -3 -5 0 0 0 0
h
1
1 0 1 0 0 4
h
2
0 2 0 1 0 12
h
3
3 2 0 0 1 19
Z -3 0 0 5/2 0 30
h
1
1 0 1 0 0 4
X
2
0 1 0 1/2 0 6
h
3
3 0 0 -1 1 7
Z 0 0 0 3/2 1 37
h
1
0 0 1 1/3 -1/3 5/3
X
2
0 1 0 1/2 0 6
X
1
1 0 0 -1/3 1/3 7/3
6.1. Variaciones mximas de
los precios sombra.
h
2
b
i
El rango viene dado
por
Z 3/2
h
1
1/3 2 2: (1/3) = 6 mnimo
X
2
1/2 6 6: (1/2) = 12
X
1
-1/3 2 2: (-1/3) = -6 mximo
h
3
b
i
El rango viene dado
por
Z 1
h
1
-1/3 2 2 / (1/3) = -6 mximo
X
2
0 6 6/0 = INFINITO
X
1
1/3 2 2 / (1/3) = 6 mnimo
7. RESOLUCIN POR MTODOS DE
PENALIZACIN CUANDO HAY
RESTRICCIONES TIPO "IGUALDAD"
O "MAYOR O IGUAL".
7.1. Variable artificial.
Max Z = cx - M A
k

A
k

Max Z = 3x
1
+ 5x
2
Z - 3x
1
- 5x
2
= 0
x
1
4 x
1
+ h
1
= 4
2x
2
12 2x
2
+ h
2
= 12
3x
1
+ 2x
2
= 18 3x
1
+ 3x
2
= 18
7.2. Caso de igualdad.
x
1
= x
2
= 0 implica h
1
= 4
h
2
= 12
0 = 18 incompatible
Si
Por ello, al final queda:
x
1
+ h
1
= 4
2x
2
+ h
2
= 12
3x
1
+ 3x
2
+ A
1
= 8
Max Z =3x
1
+ 5x
2
- MA
1



x
1


x
2
h
1
h
2
A
1
b
i

R(0)

[ -3

-5

0

0

M 0 ]
R(3) (-M)

[ 3

2

0

0

1 18 ]

R'(0)

[-3-3M -5-2M 0 0 0 -18M]
VB X
1
X
2
h
1
h
2
A
1
2 miembro
Z -3M-3 -2M-5 0 0 0 -18M
h
1
1 0 1 0 0 4
h
2
0 2 0 1 0 12
A
1
3 2 0 0 1 18
Z 0 -2M-5 3M+3 0 0 -6M+12
X
1
1 0 1 0 0 4
h
2
0 2 0 1 0 12
A
1
0 2 -3 0 1 6
Z 0 0 -9/2 0 M+5/2 27
X
1
1 0 1 0 0 4
h
2
0 0 3 1 -1 6
X
2
0 1 -3/2 0 1/2 3
Z 0 0 0 3/2 M+1 36
X
1
1 0 0 -1/3 1/3 2
h
1
0 0 1 1/3 -1/3 2
X
2
0 1 0 1/2 0 6
8. PROGRAMACIN POR
OBJ ETIVOS
a.- No flexibles:

j=1
n
ij i
j=1
n
ij i

a

b

a

b



b.- Flexibles:

j=1
n
ij j i i
+
i
-

a

x
-
0
=
Y

Y


donde :

j=1
n
ij j a

x
nivel real que se prev para que alcancen el objetivo i.
0
i
: nivel deseado de este objetivo.
Y
+
i
Y
-
i
: desviaciones entre ambos, representamos por:
Y
-
i
desviaciones por defecto, y por: Y
+
i
desviaciones por exceso.

EJ EMPLO
Supongamos que tenemos que fabricar dos artculos A1 y A2
que consumen tres recursos llamados R1, R2, R3, en las proporciones
indicadas en la tabla 1. Sabiendo que las disponibilidades de cada uno
de los recursos y los beneficios que se obtienen por cada unidad
fabricada de dichos productos son: c1 = 5 u.m. y c2 = 4 u.m. Se
pretende determinar:
1. Plan ptimo de produccin
2. Plan de produccin con los tres objetivos siguientes O1 , O2, O3
donde:
01: conseguir un beneficio mnimo de 15 uds/da.
02: saturar completamente el recurso 1.
03: la utilizacin del recurso 2 no debe sobrepasar las 20 h/d.
RECURSO R1 R2 R3
ARTICULO
A
1
4 3 1
A
2
2 5 2
DISPONIBILIDAD 10 20 12
Tabla 1

SOLUCIN:

1) Comenzaremos con un nico objetivo, maximizar beneficios.

Max Z = 5x
1
+ 4x
2

4x
1
+ 2x
2
10 (R1)
3x
1
+ 5x
2
20 (R2)
x
1
+ 2x
2
12 (R3)
x
1
, x
2
0

resolviendo

x
1
= 0,71
x
2
= 3,57
Z

= 17,8
h
1
= 0,92
h
2
= 0
Max Z = -MY
-
1
- NY
+
2
- NY
-
2
- PY
+
3


x
1
+ 2x
2
+ h
1


= 12
5x
1
+ 4x
2
- Y
+
1
+ Y
-
1
= 15
4x
1
+ 2x
2
- Y
+
2
+ Y
-
2
= 10
3x
1
+ 5x
2
- Y
+
3
+ Y
-
3
= 20
x
i
, Y
+
j
, Y
-
j
0
Para los tres objetivos:
9. EL PROBLEMA DUAL.
HORAS REQUERIDAS CAPACIDAD
OPERACIN A B MENSUAL HORAS
O1 3 2 2000
O2 1 2 1000

Resolver un problema llamado primal en el que se busca
decidir cuanto se debe de fabricar de dos productos A, B
y que consumen dos recursos O1 y O2 segn la tabla
siguiente. Siendo el beneficio obtenido por la fabricacin
del producto A, 40 unidades monetarias y 60 unidades
monetarias por producto B.
Planteamiento primal:
Max Z = 40x
1
+ 60x
2


sujeto a: 3x
1
+ 2x
2
2.000
x
1
+ 2x
2
1.000
x
1
, x
2
0
y
1
, y
2
las rentas recibidas por hora para las operaciones
0
1
y 0
2
respectivamente.
C = 2.000 y
1
+ 1.000 y
2
Ya que 3 horas de 01 y 1 hora de 02, son necesarias para producir una unidad de A,
el valor en trminos de precios deber ser:
3y1 + 1y2
y esto debe ser como mnimo mayor o igual que el que se obtiene al producir el
artculo A que es de 40.
Min C = 2000y
1
+ 1000y
2
3y
1
+ y
2
40
2y
1
+ 2y
2
60
y
1
, y
2
0
VB x
1
x
2
h
1
h
2
B
i

Z 0 0 5 25 35000
x
1
1 0 1/2 -1/2 500
x
2
0 1 -1/4 3/4 250

VB Y
1
Y
2
h
1
h
2
A
1
A
2
B
i

C 0 0 500 250 M-500 M-250 35000
y
1
1 0 -1/2 1/4 1/2 -1/4 5
y
2
0 1 1/2 -3/4 -1/2 3/4 25

Soluciones:
9.1. Ejemplos de construccin
de otros modelos primal y dual.
1. Ejemplo, si el primal es:
Max Z = 2x
1
+ 3x
2
+ 2x
2
x
1
+ 2x
2
+ 3x
3
4
2x
1
+ x
2
+ x
3
6
x
1
, x
2
, x
3
0
Su dual ser:
Min C = 4y
1
+ 6y
2
y
1
+ 2y
2
2
2y
1
+ y
2
3
3y
1
+ y
2
2
y
1
, y
2
0
9.2. Mtodo de Lemke.
Algoritmo dual del Simplex.
VNB VB b
i

Z Valores (negativos) de
las variables no bsicas
= V
0 0
VB Valores positivos de las
variables bsicas iniciales =
u
j
B

VNB VB b
i

Z Valores (positivos) de
las variables no bsicas
= V
0 0
VB Valores negativos de las
variables bsicas iniciales =
u
j
B

Regla de introduccin.
min
b
a negativos
j
ij
( )
Regla de supresin.
La ms negativa
Regla de parada.
Toda la parte derecha del cuadro sea positiva.
9.2.3. Ejemplo de aplicacin
del mtodo de Lemke.
Min Z = 2x
1
+ x
2

3x
1
+ x
2
3
4x
1
+ 3x
2
6
x
1
+ 2x
2
3
x
j
0
X
1
X
2
h
1
h
2
h
3
b
i

Z 2 1 0 0 0 0
h
1
-3 -1 1 0 0 -3
h
2
-4 -3 0 1 0 -6
h
3
-1 -2 0 0 1 -3
1 ITERACIN:
X
1
X
2
h
1
h
2
h
3
b
i

Z 2/3 0 0 1/3 0 -2
h
1
-5/3 0 1 -1/3 0 -1
X
2
4/3 1 0 -1/3 0 2
h
3
-5/3 0 0 2/3 1 -1

2 ITERACIN:
X
1
X
2
h
1
h
2
h
3
b
i

Z 0 0 2/5 1/5 0 -12/5
X
1
1 0 -3/5 1/5 0 3/5
X
2
0 1 4/5 -3/5 0 6/5
h
3
0 0 -1 1 1 0

You might also like