You are on page 1of 20

MODELOS DE OPTIMIZACION DE RECURSOS

PROFESOR: HERMILIO BARTOLO ROJAS

“Métodos para problemas de Programación lineal”

MÉTODO GRÁFICO

El método gráfico es un procedimiento de solución de problemas de programación


lineal muy limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es
3D) pero muy rico en materia de interpretación de resultados e incluso análisis de
sensibilidad. Este consiste en representar cada una de las restricciones y encontrar
en la medida de lo posible el polígono (poliedro) factible, comúnmente llamado el
conjunto solución o región factible, en el cual por razones trigonométricas en uno de
sus vértices se encuentra la mejor respuesta (solución óptima).
El problema
La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad
diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo
c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y
72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de
b y 27 gr de c.

El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe obtener


el máximo beneficio, ¿cuántos metros de T y T’ se deben fabricar?

La modelización mediante programación lineal


Variables
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar
RESTRICCIONES
0,12XT + 0,2XT’ <= 500 Hilo “a”
0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”

Las restricciones de no negatividad no son necesarias en este ejemplo dado que


se trata de un ejercicio de maximización, cuando el ejercicio sea de minimización lo
más recomendado es incluirlas.
Función objetivo
ZMAX = 4000XT + 5000XT’
La solución mediante método gráfico
Paso 1: graficar las restricciones

Para iniciar con el trazado de las restricciones es indispensable igualar las


restricciones a 0, de esta manera podemos mediante despeje de ecuaciones iniciar
con la tabulación que nos otorgará las coordenadas para esbozar cada una de las
gráficas. Además dado que se trabajará en el plano cartesiano sería prudente
renombrar las variables
XT = x
XT' = y
Igualamos las restricciones,
0,12X + 0,2y = 500
0,15X + 0,1y = 300
0,072X + 0,027y = 108

Acto seguido iniciamos con la primera restricción, hallamos las primeras dos
coordenadas. Para hallar las coordenadas regularmente llevamos una de las
variables a cero, para de esta manera despejar más fácilmente la segunda.
Por ejemplo, para un x = 0
0,12(0) + 0,2y = 500
0,2y = 500
500/0,2 = y
2500 = y
y para un y = 0
0,12x + 0,2(0) = 500
0,12x = 500
x = 500/0,12
x = 4167

Seguimos con la segunda restricción,


0,15X + 0,1y = 300
Tercera restricción,
0,072X + 0,027y = 108

En el siguiente gráfico se muestra el polígono solución de color gris, en este


conjunto es donde cada coordenada cumple con todas las restricciones, las cuales
se caracterizan por ser restricciones de menor o igual y esta característica se
representa con una flecha hacía abajo.
Una vez se llega a este punto es indispensable saber que las soluciones óptimas
se alojan en los vértices del polígono solución (color gris) y que identificar a la
solución óptima es cuestión de elegir la mejor alternativa dependiendo de las
herramientas disponibles (tecnológicas y conocimientos matemáticos).
La primera opción es la geométrica, esta depende de trazar la ecuación que
representa a la función objetivo (este paso consiste en realizar el mismo
procedimiento de las restricciones).
Función objetivo
ZMAX = 4000x + 5000y
Luego igualamos a 0.
4000x + 5000y = 0
Luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica
correspondientes a la ecuación (en esta ocasión es recomendable más de dos
coordenadas, incluyendo la coordenada (x = 0, y = 0).
Una vez se ha esbozado la función objetivo (línea negra) sacamos replicas paralelas
a esta que se encuentren con cada vértice, y solo en el caso en que la línea
imaginaria paralela a la función objetivo no corte el polígono solución se ha
encontrado la solución óptima. En otras palabras trasladamos la función objetivo por
todo el polígono conservando su forma paralela con la original, la detenemos en los
vértices y evaluamos si esta corta o no el conjunto solución.
Claramente solo en el punto "B", es decir en el vértice formado por la intersección
de las ecuaciones 1 y 2, la línea imaginaria no corta el polígono solución, entonces
es este punto el correspondiente a la coordenada óptima.
Para hallar el valor de esta coordenada es indispensable recurrir a la resolución de
ecuaciones lineales 2x2, y se pueden considerar varios métodos de solución entre
ellos:
- Método por sustitución
- Método por igualación
- Método por reducción o Eliminación
- Método por eliminación Gauss
- Método por eliminación Gauss - Jordán
- Método por determinantes
La riqueza de las matemáticas nos deja suficientes alternativas, para mi gusto el
método de reducción o eliminación es muy sencillo de aplicar.
El método por reducción o eliminación consiste en igualar los coeficientes de una
de las variables multiplicando una o las dos ecuaciones, teniendo en cuenta que
estos coeficientes queden iguales pero con signos contrarios.
Ecuación 1 0,12x + 0,2y = 500
Ecuación 2 0,15x + 0,1y = 300 multiplicamos por (-2)
Ecuación 3 (2*(-2)) -0,30x - 0,2y = -600
Sumamos 1 y 3 -0,18x = -100
Despejamos "x" x = -100 / (-0,18)
x = 555,55
Luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales
con el objetivo de despejar "y".
Ecuación 1 0,12x + 0,2y = 500
Reemplazamos "x" 0,12(555,55) + 0,2y = 500
Despejamos "y" 66,666 + 0,2y = 500
0,2y = 500 - 66,666
0,2y = 433,334
y = 433,334 / 0,2
y = 2166,67

De esta forma hemos obtenido los valores para "x" y "y".


Recordemos que x y y fueron los nombres que recibieron las variables originales
XT y XT'
x = XT
y = XT'
XT = 555,55
XT' = 2166,67
Y la contribución obtenida (reemplazando las variables en la función objetivo) es
de:
Zmax = 4000XT + 5000XT'
Zmax = 4000(555,55) + 5000(2166,67)
Zmax = 13.055.550
Ahora podemos cotejar los resultados con los obtenidos mediante resolución por
Solver - Excel, sin embargo recuerden que el método de búsqueda de la solución
óptima en el método gráfico que utilizamos es el geométrico y que existe una
posibilidad mucho más engorrosa pero igualmente efectiva, este es el método de
iteración por vértice, y que consiste en hallar todas las coordenadas de los vértices
y luego en cada coordenada se evalúa la función objetivo, (cada coordenada nos
proporciona un valor en "x" y otro en "y", luego reemplazamos estos valores en la
función objetivo "4000x + 5000y = ?" y luego evaluamos los resultados
seleccionando la mayor cantidad).
Una herramienta muy útil al momento de resolver ejercicios mediante el método
gráfico es una calculadora graficadora, como es el caso de la calculadora de
encarta.
Variantes en el método gráfico
Como en la mayoría de los casos el ejemplo con el que aquí se explicó el método
gráfico es el ideal, es decir un ejercicio de conjunto acotado con solución óptima
única, sin embargo existen una variedad de problemas diferentes a los ideales y
que vale la pena analizar:
Solución óptima múltiple
Una de las variantes que puede presentar un ejercicio de programación lineal
consiste en la cantidad de soluciones óptimas, gran cantidad de ellos presenta más
de una solución óptima, es decir una solución en la cual la función objetivo es
exactamente igual en una combinación cuantitativa de variables diferente.
Estos problemas deben de afrontarse de tal manera que prime el análisis de
sensibilidad, es decir una vez encontradas múltiples soluciones iguales se debe
proceder al comportamiento del consumo de los recursos y restricciones,
evidentemente prevaleciendo el concepto de productividad de los recursos más
limitados y costosos.
Un ejemplo de este caso es el siguiente:
La ebanistería "SALAZAR LTDA" ha recibido una gran cantidad de partes
prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción 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 más 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
producción 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"
Función objetivo
Zmax = 20000X + 10000Y
La gráfica resultante sería:
Como nos podemos dar cuenta mediante la geometría en dos vértices la línea
imaginaria perpendicular a la función objetivo no atraviesa el conjunto solución, por
ende en dos puntos se presentan soluciones óptimas, que son los puntos B y C.
Observemos la solución óptima múltiple
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 óptimas
Solución óptima 1
X=4 Y=2
Solución óptima 2
X=5 Y=0
La pregunta siguiente es ¿cuál decisión tomar?, pues depende de factores tales
como una análisis 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 más mesas
que en la otra, de todas formas es interesante el paso posterior a esbozar los
resultados pues requerirá de la capacidad de quien toma las decisiones.
Solución óptima no acotada
Otra de las variantes que presentan los modelos de programación lineal
corresponde a los modelos de solución óptima no acotada, es decir problemas con
infinitas soluciones óptimas. 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 común que este tipo de problemas sean evaluados en la vida académica.
Un ejemplo:
La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE" se
encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promoción se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen 2 políticas 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 promoción 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
Función Objetivo
Zmax = 1800X + 1800Y
La gráfica resultante sería:
Es claro que en este ejercicio las variables pueden aumentar mejorando
indefinidamente la función objetivo, en estos casos se dice que la solución óptima
no es acotada, por lo cual las posibles soluciones son infinitas.
Solución infactible
El caso de la solución infactible es más típico de lo pensado, y corresponde a los
casos en los cuales no existen soluciones que cumplen con todas las restricciones.
Es muy común ver este fenómeno producto de inviables proporciones de oferta y
demanda.
Un ejemplo:
La compañía de galletas "CAROLA" desea planificar la producción de galletas que
tendrá que entregar a su cliente en dos semanas, el contrato indica que la compañía
"CAROLA" se compromete a entregar por lo menos 300 cajas de galletas cualquiera
sea su tipo (presentación D, presentación N o una combinación de ambas
presentaciones), cada caja de galletas presentación D tiene un tiempo de
elaboración de 2 horas, y un tiempo de horneado de 3 horas, mientras cada caja de
presentación N tiene un tiempo de elaboración de 3 horas y un tiempo de horneado
de 1 hora. La compañía cuenta estas dos semanas con 550 horas para elaboración
y con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas presentación
D y N es de $8500 y $8100 respectivamente, determine mediante un modelo de
programación lineal el plan de producción que maximice las utilidades.
Variables
X = Cantidad de cajas de galletas presentación D a producir en 2 semanas
Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas
Restricciones
2X + 3Y <= 550
3X + Y <= 480
X + Y => 300
Función Objetivo
Zmax = 8500X + 8100Y
La gráfica resultante es la siguiente:

Evidentemente no existe forma alguna de satisfacer todas las restricciones, por


ende se concluye que no existe solución factible.
Redundantes o sobrantes
Existen en los modelos de programación lineal un tipo de restricciones que no
juegan rol alguno en la determinación del conjunto solución (de igual manera en la
solución óptima), lo que lleva a deducir que estas son redundantes.
Por ejemplo:
La compañía "CONGELADORES MAJO" pretende fabricar dos tipos de
congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de calidad.
Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de pintura y 4 horas
de control de calidad; los congeladores tipo B requieren 3 horas de ensamblaje, 6
kg de pintura y 5 horas de control de calidad. El margen contributivo por cada
congelador tipo A y B es de $102000 y $98000 respectivamente.
La compañía dispone como máximo semanalmente 300 horas de ensamblaje, 840
kg de pintura y 450 horas de control de calidad. Con base en la información
suministrada determine las unidades a producir semanalmente de cada referencia
para maximizar las utilidades.
Las variables:
X = Cantidad de congeladores tipo A a producir semanalmente
Y = Cantidad de congeladores tipo B a producir semanalmente
Las restricciones:
2X + 3Y <= 300
3X + 5Y <= 840
4X + 5Y <= 450
Función Objetivo:
Zmax = 102000X + 98000Y
La gráfica resultante es la siguiente,

La solución óptima corresponde a:


X = 150
Y=0
y la función objetivo quedaría.
Zmax = $15300000
Claramente podemos observar como la restricción 1 y la restricción 2 no determina
el conjunto solución, por ende se denominan restricciones redundantes o sobrantes.
COMPONENTES DE UN MODELO DE PROGRAMACIÓN
El modelo de programación lineal, esto es, la optimización de una función lineal
sujeta a restricciones lineales, es sencillo en su estructura matemática, pero
poderoso por su capacidad de adaptarse a un amplio rango de aplicaciones a
problemas de la vida real.
Los problemas de programación lineal se interesan en la asignación eficiente de
recursos limitados con el ánimo de alcanzar objetivos deseados. Estos problemas
se caracterizan por el gran número de soluciones que satisfacen las condiciones
impuestas por cada problema. La selección de una solución concreta, como la mejor
a un problema, dependerá de cierto objetivo implícito en el planteamiento del
problema. Una solución que satisfaga todas las condiciones del problema y además
alcance el objetivo deseado se denomina “solución óptima”.
Para poder entender bien de qué estamos hablando, vamos a empezar proponiendo
una serie de ejemplos en los que se pueda apreciar como situaciones, en apariencia
muy diferentes, dan lugar a modelos matemáticos que son idénticos en estructura y
caen dentro de lo que se entiende por problemas de programación lineal.
Antes de empezar con los ejemplos observemos que para plantear cualquier
problema de programación lineal deberemos identificar cuatro componentes
básicos:
1. Los datos del problema
2. Las variables que habremos de definir para formular el problema, junto con
sus dominios de definición
3. Las restricciones que vienen impuestas por las condiciones del problema.
4. La función que representa el objetivo a alcanzar y que habitualmente debe
ser optimizada.
Ejemplo 1:
Un problema de dieta. Se desea añadir a la dieta de ciertos animales de granja
cantidades extra de tiamina, fósforo y hierro. Para ello en el mercado existen dos
preparados en polvo diferentes: Fosfatón y Ferroforo. Estos contienen los nutrientes
en las cantidades que se indican a continuación. Cada onza de Ferroforo contiene
0.15 mg de tiamina, 0.75 mg de fósforo y 1.30 mg de hierro. Cada onza de Fosfatón
contiene 0.10 mg de tiamina, 1.70 mg de fósforo y 1.10 mg de hierro. Deseamos
que cada animal reciba al día, al menos 1.00 mg de tiamina, 7.50 mg de fósforo y
10.00 mg de hierro. El costo de cada onza de Ferroforo es de 0.02 € y el de Fosfatón
es de 5/3 de céntimo de euro por onza. Determinar las cantidades de Ferroforo y
Fosfatón que debemos suministrar a cada animal de forma que el costo de este
suplemento a la dieta sea mínimo.
Solución: Tal y como hemos indicado anteriormente, empezaremos identificando los
cuatro componentes básicos del problema. En primer lugar expresamos los datos
del problema en forma de tabla, lo que nos dará una mejor perspectiva de los
mismos:
Proporción de nutriente por ingrediente
Nutrientes
Ingredientes Tiamina Fósforo Hierro Costo de
los ingredientes Ferroforo 0.15 mg/oz 0.75 mg/oz 1.30 mg/ oz
2 cts/oz
Fosfatón 0.10 mg/oz 1.70mg/oz 1.10 mg/oz 5/3
cts / oz

• Definición de las variables del problema:


Sean x1 y x2 las cantidades, en onzas, de Ferroforo y Fosfatón, respectivamente,
que debemos añadir a la dieta de los animales diariamente.
• Restricciones del problema:
Al echar a la dieta x1 onzas de Ferroforo y x2 onzas de Fosfatón estaríamos
proporcionando a la misma el siguiente aporte nutricional diario:
0.15 x1 + 0.10 x2 mg de Tiamina
0.75 x1 + 1.70 x2 mg de Fósforo
1.30 x1 + 1.10 x2 mg de Hierro
Como deseamos que cada animal reciba al día, al menos 1.00 mg de tiamina, 7.50
mg de fósforo y 10.00 mg de hierro. Deberemos imponer las siguientes
restricciones:
0.15 x1 + 0.10 x2 ≥ 1.00
0.75 x1 + 1.70 x2 ≥ 7.50
1.30 x1 + 1.10 x2 ≥ 10.00
• Restricciones de no negatividad:
Tal y como hemos definido las variables del problema no tiene ningún sentido que
éstas tomen valores negativos. De manera que también impondremos las
restricciones:
x1 ≥ 0
x2 ≥ 0

Estas restricciones se suelen expresar de forma conjunta del siguiente modo:


x1 , x2 ≥ 0
y se les llama las restricciones de no negatividad.
• Definición de la función que representa el objetivo que pretendemos
alcanzar:
Es lógico pensar que habrá muchas pares de valores (x1, x2) que cumplirán todas
las restricciones del problema. Cada uno de estos pares de valores (x1, x2), que
significa echar, diariamente, a la dieta de los animales x1 onzas de Ferroforo y x2
onzas de Fosfatón, tendrá un costo de 2 x1 + 5/3 x2 céntimos de euro.

REGION FACTIBLE
La solución de un problema de programación lineal, en el supuesto de que exista,
debe estar en la región determinada por las distintas desigualdades. Esta recibe el
nombre de región factible, y puede estar o no acotada.

Región factible acotada Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las desigualdades
sean en sentido amplio ( o ) o en sentido estricto (< o >).
Si la región factible está acotada, su representación gráfica es un polígono convexo
con un número de lados menor o igual que el número de restricciones.
El procedimiento para determinar la región factible es el siguiente:
1) Se resuelve cada inecuación por separado, es decir, se encuentra el
semiplano de soluciones de cada una de las inecuaciones.
 Se dibuja la recta asociada a la inecuación. Esta recta divide al plano en dos
regiones o semiplanos
 Para averiguar cuál es la región válida, el procedimiento práctico consiste en
elegir un punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y
comprobar si las coordenadas satisfacen o no la inecuación. Si lo hacen, la
región en la que está ese punto es aquella cuyos puntos verifican la
inecuación; en caso contrario, la región válida es la otra.
2) La región factible está formada por la intersección o región común de las
soluciones de todas las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de
inecuaciones lineales pueden presentar varias opciones respecto a sus soluciones:
puede no existir solución, en el caso de que exista el conjunto solución puede ser
acotado o no.

Ejemplo:

Dibuja la región factible asociada a las restricciones:

x+y 4

y 4

y x

Las rectas asociadas son : r : x + y = 4 ; s : y = 4 , t: y = x

Elegimos el punto O(0,0), que se encuentra en el semiplano situado por debajo de


la recta. Introduciendo las coordenadas (0,0) en la inecuación x + y 4, vemos que
no la satisface: 0 + 0 = 0 < 4 . Por tanto, el conjunto de soluciones de la inecuación
es el semiplano situado por encima de la recta r : x + y = 4
La recta t asociada a la restricción pasa por el origen, lo cual significa que si
probásemos con el punto O(0,0) no llegaríamos a ninguna conclusión. Elegimos el
punto (1,0) y vemos que no satisface la inecuación y x ( y= 0 < 1 = x ). Por tanto,
el conjunto solución de esta inecuación es el semiplano determinado por la recta t
que no incluye al punto (1,0).

Procedemos como en el paso anterior. Las coordenadas (0,0) satisfacen la


inecuación y 4 ( 0 4) . Por tanto, el conjunto de soluciones de la inecuación es
el semiplano que incluye al punto O.

La región factible está formada por los puntos que cumplen las tres restricciones, es
decir, se encuentran en los tres semiplanos anteriores.

VARIABLES DE DECISIÓN
Es necesario recordar que las variables de decisión son los elementos a través de
los cuales se logra el objetivo que se persigue. La definición de las variables de
decisión se identifica con cada una de las actividades en que se descompone el
problema que se estudia y se realiza en dos etapas fundamentales: Definición
conceptual y definición dimensional. Existe un tercer elemento que puede estar
definido o no, esto es la definición temporal de las mismas.
Definición conceptual Esta definición se refiere a lo que significa la variable en el
contexto del problema. Para definir la variable desde el punto de vista conceptual
hay que tener en cuenta el principio de unicidad. La unicidad puede ser de cuatro
tipos:
 Unicidad de origen
 Unicidad de destino
 Unicidad de estructura tecnológica
 Unicidad de coeficiente económico.
Definición dimensional. Esta definición está ligada al aspecto cuantitativo. Es decir
es necesario definir las unidades de medidas en que se va a expresar las variables.
Por ejemplo, toneladas, cajas, unidades, galones, etc.
Definición temporal. Está asociada al período durante el cual se va a planificar o
programar las actividades económicas, es decir, año, trimestre, mes etc.

You might also like