SOLUCIN PTIMA MLTIPLE

Una de las variantes que puede presentar un ejercicio de programacin

lineal consiste en la cantidad de soluciones ptimas, gran cantidad de ellos
presenta ms de una solucin ptima, es decir una solucin en la cual la funcin
objetivo es exactamente igual en una combinacin cuantitativa de variables
diferente.

Estos problemas deben de afrontarse de tal manera que prime el anlisis de

sensibilidad, es decir una vez encontradas mltiples soluciones iguales se debe
proceder al comportamiento del consumo de los recursos y restricciones,
evidentemente prevaleciendo el concepto de productividad de los recursos ms
limitados y costosos.
Un ejemplo de este caso es el siguiente:

La ebanistera "SALAZAR LTDA" ha recibido una gran cantidad de partes

prefabricadas para la elaboracin de mesas, sin embargo no ha podido iniciar un
plan de produccin enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes
prefabricadas son de dos modelos, modelo A y B, y estas no requieren ms que
ser ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas de
ensamble y 8 de pintura para elaborar la mayor cantidad de mesas posibles
teniendo en cuenta que cada mesa modelo A requiere de 2 horas de ensamble y 1
de pintura respectivamente, y que cada mesa modelo B requiere de 1 hora de
ensamble y 2 de pintura respectivamente. Si el margen de utilidad es de $20000
por cada mesa modelo A y $10000 por cada mesa modelo B. Determine el modelo
adecuado de produccin para esta semana.

X = Cantidad de mesas modelo A a fabricar esta semana

Y = Cantidad de mesas modelo B a fabricar esta semana

Restricciones

2X + Y <= 10 "Horas de ensamble"

X + 2Y <= 8 "Horas de pintura"
X, Y => 0 "De no negatividad"
Funcin objetivo

Zmax = 20000X + 10000Y

La grfica resultante sera:

www.in
genieriaindustrialonline.com
Como nos podemos dar cuenta mediante la geometra en dos vrtices la lnea
imaginaria perpendicular a la funcin objetivo no atraviesa el conjunto solucin,
por ende en dos puntos se presentan soluciones ptimas, que son los puntos B y
C.

Observemos la solucin ptima mltiple

Z(0) = 20000(0) + 10000(0) = 0

Z(A) = 20000(0) + 10000(4) = $40000
Z(B) = 20000(4) + 10000(2) = $100000
Z(C) = 20000(5) + 10000(0) = $100000
Existen entonces dos soluciones ptimas

Solucin ptima 1

X=4 Y=2

Solucin ptima 2

X=5 Y=0

La pregunta siguiente es cual decisin tomar?, pues depende de factores tales

como una anlisis de sensibilidad donde se tenga en cuenta el consumo distinto
de determinados recursos (horas ensamble vs. horas pintura) y factores extras al
modelo como lo puede llegar a ser en este caso una necesidad de espacio de
almacenamiento, dado que existe una alternativa en la que se elaboran ms
mesas que en la otra, de todas formas es interesante el paso posterior a esbozar
los resultados pues requerir de la capacidad de quien toma las decisiones.
SOLUCIN PTIMA NO ACOTADA
Otra de las variantes que presentan los modelos de programacin
linealcorresponde a los modelos de solucin ptima no acotada, es decir
problemas con infinitas soluciones ptimas. Hay que reconocer que en la vida real
gran parte de estos problemas se deben a un mal planteamiento de las
restricciones, sin embargo es comn que este tipo de problemas sean evaluados
en la vida acadmica.

Un ejemplo:

La compaa comercializadora de bebidas energticas "CILANTRO SALVAJE" se

encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promocin se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen 2 polticas que la empresa debe tener en
cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede
ser menor que las de tipo B, y la segunda es que se deben de vender por lo
menos 1500 bebidas de cualquier tipo.
Dado que se encuentran en promocin el precio de venta de ambas bebidas
equivale a $1800 pesos.

Determine la cantidad de unidades que deben venderse!!

Variables

X = Cantidad de bebidas tipo A a vender

Y = Cantidad de bebidas tipo B a vender

Restricciones

X => Y
X + Y => 1500

Funcin Objetivo

Zmax = 1800X + 1800Y

La grfica resultante sera:

 www.in
genieriaindustrialonline.com
Es claro que en este ejercicio las variables pueden aumentar mejorando
indefinidamente la funcin objetivo, en estos casos se dice que la solucin ptima
no es acotada, por lo cual las posibles soluciones son infinitas.
Solucin ptima Degenerada

Consideremos el siguiente modelo de Programacin Lineal el cual resolveremos a

travs del Mtodo Simplex y que de forma complementaria representaremos
grficamente con Geogebra:

Llevamos el problema anterior a su forma estndar de minimizacin, agregando

y , como variables de holgura de las restricciones 1 y 2, respectivamente.
Que da origen a la siguiente tabla inicial del Mtodo Simplex:

Para favorecer la rapidez de convergencia del algoritmo seleccionamos como la

variable que ingresa a la base. A continuacin calculamos el criterio de factibilidad
(mnimo cuociente): (al existir empate seleccionaremos
arbitrariamente la variable como aquella que deja la base. Luego se actualiza la
tabla:

Ahora ingresa a la base. El criterio de factibilidad determina

que: deja la base. Se realiza entonces una nueva iteracin:

Se alcanza la solucin ptima degenerada del problema lineal. Notar

que . Como ste es un problema
bidimensional, la solucin est sobredeterminada y una de las restricciones
esredundante tal como se corrobora en la representacin grfica:
En la prctica conocer que algunos recursos (como los asociados a una
restriccin) son superfluos puede ser valioso durante la implementacin de la
solucin. Desde el punto de vista terico, la degeneracin tiene dos implicaciones:
se genera el fenmeno de ciclos o crculos (es posible que el Mtodo Simplex repita
una serie de iteraciones sin mejorar el valor de la funcin objetivo, tal como se
observo en el ejemplo anterior e incluso eventualmente nunca terminar los
clculos); el segundo aspecto terico surge al examinar las iteraciones 1 y 2. Las
dos, aunque difieren en la clasificacin de las variables bsicas y no bsicas,
producen valores idnticos para todas las variables y el valor objetivo
( ).