Universidad Nacional
GUÍA ACADÉMICA
PROGRAMACIÓN LINEAL
1
PROGRAMACIÓN LINEAL
INDICE
Páginas
INTRODUCCIÓN……………………………………………………………………………5
ORIENTACIONES GENERALES DE ESTUDIO……………………………………..…6
TUTORÍAS…………………………………………………………………………………..7
CRONOGRAMA…………………………………………………………………………….7
EVALUACIÓN………………………………………………………………………………7
RECURSOS Y MEDIOS DIDÁCTICOS……………………………………………........8
OBJETIVOS GENERALES……………………………………………………………….9
PRIMERA UNIDAD:
INVESTIGACIÓN DE OPERACIONES Y PROGRAMA LINEAL……………….......10
OBJETIVOS ESPECÍFICOS……………………………………………………………..10
INTRODUCCIÓN…………………………………………………………………………..10
1.1 ORIGENES DE LA INVESTIGACIÓN DE OPERACIONES……………………..10
1.1.1 Antecedentes históricos……………………………………………………….10
1.1.2 Qué es la Investigación de Operaciones……………………………….......12
2
PROGRAMACIÓN LINEAL
3
PROGRAMACIÓN LINEAL
4
PROGRAMACIÓN LINEAL
INTRODUCCIÓN
Para concluir, esperamos que el texto constituya una guía efectiva y didáctica que
motive al estudio y la dedicación adecuada del alumno que permita el logro de los
objetivos planteados en el curso. El uso de la guía requiere ser complementada con la
profundización o ampliación de conocimientos por parte del alumno de los temas
contenidos en ésta con el texto base y manual de la EUDED.
5
PROGRAMACIÓN LINEAL
Es por esta razón que al iniciar el estudio de nuestra asignatura es importante brindarte
algunas orientaciones para que se optimice tu rendimiento académico:
Es importante precisar que la función de la Guía Didáctica es aclarar y reforzar los temas
tratados en el texto básico 1; por ejemplo encontrara la solución de algunos ejercicios
de cada tema propuestos en el texto básico, de esta manera esperamos contribuir con
el logro de los objetivos propuestos.
6
PROGRAMACIÓN LINEAL
TUTORÍAS
Las tutorías serán desarrolladas mediante la programación de un calendario de
tutorías. Éstas serán presenciales y virtuales.
CRONOGRAMA
Semana 1 2 2,5 3
UNIDAD I
Semana 2 2 2,5 3
Semana 3 2 2,5 3
UNIDAD II
Semana 4 2 2,5 3
Evaluación parcial virtual Unidades I – II
UNIDAD III Semana 5 2 2,5 3
Semana 6 2 2,5 3
Semana 8 2 2,5 3
Evaluación final Unidades III – IV
16 20 24
TOTAL
60 horas académicas
EVALUACIÓN
7
PROGRAMACIÓN LINEAL
Referencias electrónicas:
http://www.investigaciondeoperaciones.net/
http://www.programacionlineal.net/
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1/UIb.HTML
http://www.gestiondeoperaciones.net/programacion_lineal/programacion-lineal-
metodo-grafico/
http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
Referencias electrónicas:
http://www.investigaciondeoperaciones.net/dualidad_en_programacion_lineal.html
http://www.gestiondeoperaciones.net/programacion_lineal/relaciones-de-dualidad-en-
programacion-lineal-como-pasar-de-primal-a-dual/
http://www.programacionlineal.net/sensibilidad.html
http://home.ubalt.edu/ntsbarsh/opre640S/PARTVIIS.HTM
http://www.investigacion-operaciones.com/modelo_de_transporte.htm
http://investigaciondeoperacionesind331.blogspot.pe/p/metodo-de-transporte.html
Textos Bonini, Charles, Hausman, Warren, Bierman, Harold. (2002). Análisis Cuantitativo para los
Complementarios Negocios. Editorial Mc Graw Hill. 9na Edición. México.
Render, Heyzer (2000). Administración de Operaciones. Editorial Mc Graw Hill. México.
Prawda, J. (2002). Métodos y Modelos de Investigación de Operaciones. Editorial Limusa.
México.
8
PROGRAMACIÓN LINEAL
OBJETIVOS GENERALES
9
PROGRAMACIÓN LINEAL
PRIMERA UNIDAD
INVESTIGACIÓN DE OPERACIONES Y PROGRAMA LINEAL
OBJETIVOS ESPECÍFICOS
Capacitar a los alumnos en la interpretación del modelo general a la programación
lineal ya sea maximizando beneficios o minimizando costos para lograr objetivos
deseados en la empresa mediante casos prácticos.
INTRODUCCIÓN
El objetivo del curso es que el estudiante aprenda a reconocer los problemas tipo de la
Investigación de Operaciones de modo que sepa a qué técnico recurrir en cada caso,
para un adecuado estudio y solución del mismo.
Como su nombre lo indica, la Investigación de Operaciones (IO), o Investigación
Operativa, es la investigación de las operaciones a realizar para el logro óptimo de los
objetivos de un sistema o la mejora del mismo. Esta disciplina brinda y utiliza la
metodología científica en la búsqueda de soluciones óptimas, como apoyo en los
procesos de decisión, en cuanto a lo que se refiere a la toma de decisiones óptimas y
en sistemas que se originan en la vida real.
El término IO se utiliza por primera vez en el año 1939 durante la 2da Guerra
Mundial, específicamente cuando surge la necesidad de investigar las
operaciones tácticas y estratégicas de la defensa aérea, ante la incorporación
de un nuevo radar, en oportunidad de los ataques alemanes a Gran Bretaña.
10
PROGRAMACIÓN LINEAL
Línea de Histórica
11
PROGRAMACIÓN LINEAL
Los pasos a seguir en la aplicación del método científico (coincidentes con los
de la Teoría General de Sistemas) son, en su expresión más simple:
1. Reconocer la Necesidad.
2. Formular el problema.
3. Construir el modelo.
4. Recolectar Datos.
5. Resolver el Modelo.
6. Validar el Modelo y hacer Análisis de Sensibilidad.
7. Interpretar los resultados y las implicaciones.
8. Tomar la decisión, ponerla en práctica y controlar.
Función Objetivo
Maximizar la cantidad de bienes (servicios) producidos y
Producción
minimizar el costo unitario de la producción.
Maximizar la cantidad vendida y minimizar el costo unitario de
Comercialización
las ventas.
Minimizar el capital requerido para mantener cierto nivel del
Finanzas
negocio.
12
PROGRAMACIÓN LINEAL
13
PROGRAMACIÓN LINEAL
𝑈 = 𝑓(𝑋𝑖 , 𝑌𝑗 )
14
PROGRAMACIÓN LINEAL
ACTIVIDADES
a) Americanos
b) Españoles
c) Japoneses
15
PROGRAMACIÓN LINEAL
d) Ingleses
e) Rusos
16
PROGRAMACIÓN LINEAL
∑ 𝐶𝑗 = 𝑋𝑗
𝑗=1
Donde:
𝐶𝑗 = Costo, precio, utilidad del j – ésimo producto.
𝑋𝑗 = Producto, proceso, servicio del j – ésimo.
∑ 𝒂𝒊𝒋 𝑿𝒋 ≤ 𝒃𝒊
𝒋=𝟏
V i = 1, 2, 3,………,m
Donde:
𝑎𝑖𝑗 = Coeficiente técnico del recurso i del j – ésimo producto.
𝑏𝑖 = Disponibilidad, recurso del i – ésimo componente.
𝑿𝒋 ≥ 𝟎
V i = 1, 2, 3,………,n
Esto quiere decir, que el producto, proceso servicio es igual o mayor que
cero.
4. Proporcionalidad
5. Aditividad
17
PROGRAMACIÓN LINEAL
Sujeto a:
𝑋𝑗 ≥ 0 V i = 1, 2, 3,………,n………Condiciones de no
Negatividad
Sujeto a:
𝑋𝑗 ≥ 0 V i = 1, 2, 3,………,n………Condiciones de no
Negatividad
RESUMEN
Se llama programación lineal al conjunto de técnicas matemáticas que
pretenden resolver la situación siguiente: Optimizar (maximizar o minimizar)
una función objetivo, función lineal de varias variables, sujeta a una serie de
restricciones, expresadas por inecuaciones lineales.
Pudiendo cambiarse maximizar por minimizar, y el sentido de las
desigualdades. En un problema de programación lineal intervienen:
La función z = ax + by llamada función objetivo y que es necesario
optimizar. En esa expresión x e y son las variables de decisión, mientras
que a, b y c son constantes.
Las restricciones que deben ser inecuaciones lineales. Su número
depende del problema en cuestión. El carácter de desigualdad viene
impuesto por las limitaciones, disponibilidades o necesidades, que son:
inferiores a (< o ≤); como mínimo de… (> o ≥). Tanto si se trata de
maximizar como de minimizar, las desigualdades pueden darse en
cualquiera de los dos sentidos.
La solución óptima del problema será un par de valores (𝑋𝑖 𝑦 𝑌𝑖 ) del
conjunto factible que haga que f(x, y) tome el valor máximo o mínimo.
18
PROGRAMACIÓN LINEAL
ACTIVIDADES
V F
a) Función Objetivo
b) Constante
c) Condición de no negatividad
d) ayb
e) N. A.
a) Programación
b) Función objetivo
c) Restricciones
d) Condición de No Negatividad
e) a y b.
19
PROGRAMACIÓN LINEAL
Recurso
Producto A B …… Disponibilidad
Utilidad
Precio / Costo
𝑋1
𝑋2
.
.
.
𝑋𝑚
20
PROGRAMACIÓN LINEAL
1.5.2. Ejemplos
Solución:
1) Matriz de Información
2𝑋1 + 𝑋2 ≤ 600
𝑋1 + 3𝑋2 ≤ 900
𝑋1 ≥ 0; 𝑋2 ≥ 0
21
PROGRAMACIÓN LINEAL
tipo que hay que producir para que la facturación sea máxima.
Formule el programa de programación lineal.
Solución:
1) Matriz de Información
3𝑋1 + 𝑋2 ≤ 100
𝑋1 + 2𝑋2 ≤ 100
𝑋1 ≥ 0; 𝑋2 ≥ 0
Solución:
1) Matriz de Información
22
PROGRAMACIÓN LINEAL
10𝑋1 + 10𝑋2 ≥ 60
15𝑋1 + 10𝑋2 ≥ 90
𝑋1 ≥ 0; 𝑋2 ≥ 0
Solución:
1) Matriz de Información
23
PROGRAMACIÓN LINEAL
2𝑋1 + 3𝑋2 ≤ 30
4𝑋1 + 3𝑋2 ≤ 50
7𝑋1 + 6𝑋2 ≤ 60
𝑋1 ≥ 0; 𝑋2 ≥ 0
RESUMEN
Para realizar el planteamiento de un programa lineal es importante saber si el
problema quiere incrementar ganancias, beneficios, etc (Maximizar) o disminuir
costos, gastos, etc (Minimizar). Para ello se toma en cuenta los pasos a seguir:
1. Matriz de Información
2. Definición de las variables de decisión
3. Formulación de la Función Objetivo
4. Planteamiento de las Restricciones
5. Formulación de la Condición de No Negatividad.
ACTIVIDADES
24
PROGRAMACIÓN LINEAL
SEGUNDA UNIDAD
SOLUCIÓN PRIMAL DE LA PROGRAMACIÓN LINEAL
OBJETIVOS ESPECÍFICOS
Proporcionar los conocimientos necesarios para la solución factible óptima
incidiendo en el algoritmo de Dantzing, como base para aplicar el método simplex
en la obtención de la solución óptima.
Interpretar los resultados de resultados en los casos de maximización y
minimización.
Identificar los casos especiales de la solución factible óptima y su respectiva
interpretación de resultados.
25
PROGRAMACIÓN LINEAL
INTRODUCCIÓN
26
PROGRAMACIÓN LINEAL
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.
27
PROGRAMACIÓN LINEAL
Teorema 1:
El conjunto de todas las soluciones factibles al problema de
programación lineal es un conjunto convexo.
Teorema 2:
La función objetivo alcanza su máximo o mínimo en un punto extremo
del conjunto convexo, generado por el conjunto de soluciones
factibles al problema de programación lineal.
Si alcanza este máximo (mínimo) en más de un punto extremo,
entonces toma el mismo valor para toda combinación convexa de
estos puntos particulares.
Aplicaciones de estos dos teoremas:
1. Existe un punto extremo del poliedro convexo en el cual la
función objetivo tiene su máximo o mínimo.
2. Cada solución factible básica corresponde a un punto extremo
del poliedro convexo.
28
PROGRAMACIÓN LINEAL
3𝑋1 +5𝑋2 ≤ 15
5𝑋1 +2𝑋2 ≤ 10
𝑋1 , 𝑋2 ≥ 0
Solución
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3)
L1
Si 𝑋2 = 0, 𝑋1 = 5 p (5, 0)
De (2) Si 𝑋1 = 0, 𝑋2 = 5 p (0, 5) L2
Si 𝑋2 = 0, 𝑋1 = 2 p (2, 0)
29
PROGRAMACIÓN LINEAL
𝑋2
6
4 (1; 2,4)
3
Polígono Convexo (Solución
2
1 2 3 4 5 6 7 8 𝑋1
Ejemplo 2:
Sea el siguiente Programa Lineal:
Zmáx = 𝑋1 + 1,5𝑋2
Sujeto a:
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
30
PROGRAMACIÓN LINEAL
𝑋2
140
130
120
110
100
p (0, 60)
90
80
70 p (40, 40)
60
50
p (60, 20)
40
30 p (70, 0)
20
10
Zmáx = 𝑋1 + 1,5𝑋2
31
PROGRAMACIÓN LINEAL
𝑋1 + 5𝑋2 ≥ 15
5𝑋1 + 𝑋2 ≥ 15
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
𝑋1 + 5𝑋2 = 15 (1)
5𝑋1 + 𝑋2 = 15 (2)
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3) L1
Si 𝑋2 = 0, 𝑋1 = 15 p (15, 0)
3. Graficamos.
32
PROGRAMACIÓN LINEAL
𝑋2
p (0,15)
p (2,5; 2,5)
p (15; 0)
L1
𝑋1
L2
NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.
33
PROGRAMACIÓN LINEAL
Ejemplo 4:
Sea el siguiente Programa Lineal:
5𝑋1 + 2𝑋2 ≥ 20
2𝑋1 + 4𝑋2 ≥ 20
3𝑋1 + 𝑋2 ≥ 9
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
De (2) Si 𝑋1 = 0, 𝑋2 = 5 p (0, 5)
L2
Si 𝑋2 = 0, 𝑋1 = 10 p (10, 0)
De (3) Si 𝑋1 = 0, 𝑋2 = 9 p (0, 9) L3
Si 𝑋2 = 0, 𝑋1 = 3 p (3, 0)
3. Graficamos.
34
PROGRAMACIÓN LINEAL
𝑋2
p (0,10)
p (2,5; 3,75)
p (10,0)
L2
𝑋1
L3
L1
NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.
35
PROGRAMACIÓN LINEAL
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
3. Graficamos
36
PROGRAMACIÓN LINEAL
𝑋2
p (0; 20)
p (320/19; 300/19)
p (0; 15)
p (20; 0)
L3
p (10; 0)
𝑋1
L2 L1
NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.
37
PROGRAMACIÓN LINEAL
Ejemplo 6:
Sea el siguiente Programa Lineal:
3𝑋1 + 4𝑋2 ≤ 12
3𝑋1 + 2𝑋2 ≥ 2
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
3𝑋1 + 4𝑋2 = 12 (1)
3𝑋1 + 2𝑋2 = 2 (2)
2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:
De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3)
L1
Si 𝑋2 = 0, 𝑋1 = 4 p (4, 0)
De (2) Si 𝑋1 = 0, 𝑋2 = 1 p (0, 1) L2
Si 𝑋2 = 0, 𝑋1 = 2/3 p (2/3, 0)
3. Graficamos
𝑋2
p (0, 3)
p (0, 1)
p (2/3, 0) p (4, 0)
𝑋1
L2 L1
38
PROGRAMACIÓN LINEAL
NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.
RESUMEN
Para realizar el método gráfico es importante saber los siguientes pasos:
6. A las restricciones de signo ≥ ó ≤ se cambiar por la =.
7. Se coloca cero a cada variable con la finalidad de poder determinar puntos.
8. Trazar la línea recta correspondiente a cada restricción en el plano. La región
en cual se encuentra cada restricción.
9. El área correspondiente a cada restricción lo define el signo correspondiente a
cada restricción (≥ ó ≤) se evalúa un punto antes y después de la recta trazada,
el punto que cumpla con la inecuación indicara el área correspondiente.
10. Se considera la región factible donde haya intensidad de encuentros de las
rectas dependiendo la definición del signo.
ACTIVIDADES
4𝑋1 + 10𝑋2 ≥ 40
10𝑋1 + 5𝑋2 ≥ 50
7𝑋1 + 7𝑋2 ≥ 49
𝑋1 , 𝑋2 ≥ 0
39
PROGRAMACIÓN LINEAL
El método Simplex es uno de los métodos que existen para el cálculo de los programas
lineales y consiste en un proceso que sigue una serie de pasos a partir de un tablero
original (que se plantea casi idénticamente como en inversión de matrices), originando
otros hasta haber determinado una solución que se llama solución óptima.
2.2.1. Variables de Holgura y de Exceso
Hay restricciones como las inecuaciones, donde siempre “sobra” o “falta” una
cantidad que aún desconocemos pero que será necesario suponer
(considerando como incógnita), para que compense el otro miembro de la
restricción. Dicha variable incógnita será calculada o no, según la optimización
de la función objetivo.
La variable de holgura es aquella que se va a sumar en las variables de las
restricciones, si el signo de la inecuación es ≤.
La variable de exceso es aquella que se va a restar las variables generadas en
forma consecutiva y va a sumar las variables llamadas artificiales con la finalidad
que sean compensadas en las restricciones si el signo es ≥.
Variable Artificial: Es aquella variable que se va a generar cuando se reste las
variables consecutivas a las restricciones si el signo es ≥ en la cual dicha variable
va a estar representada por λ y es aquella que se va a sumar, considerando que
dicha variable tiene un valor nulo.
40
PROGRAMACIÓN LINEAL
1. Zmáx = 𝑥1 + 𝑥2 𝑥
+ 0 3 + 0 4𝑥
𝑥1 + 2𝑥2 ≤ 4 𝑥1 + 2𝑥2 + 𝑥3 =4 Variable de Holgura
3𝑥1 + 2𝑥2 ≤ 2 3𝑥1 + 2𝑥2 + 𝑥4 =6
Variable Variable
2. Zmín = 2𝑥1 - 𝑥2 + 0𝑥3 + 0𝑥4 + Mλ1 + Mλ2 de Exceso Artificial
41
PROGRAMACIÓN LINEAL
Zmáx = 𝑥1 + 2𝑥2
S.A:
2𝑥1 + 𝑥2 ≤ 4
𝑥1 - 𝑥2 ≤ 6
𝑥1 ≥ 0; 𝑥2 ≥0
1er Paso:
Se establece el Sistema de ecuaciones donde se presenta una base:
2𝑥1 + 𝑥2 + 𝑥3 =4
𝑥1 - 𝑥2 + 𝑥4 =6
2do Paso:
Se dispone las variables, sus coeficientes y costos o utilidades, así como las
magnitudes del segundo miembro en un tablero original como sigue:
ENTRA
𝐶𝑘 1 2 0 0
SALE 𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4
0 𝑥3 4 2 1 1 0 α = 4/1 = 4
0 𝑥4 6 1 -1 0 1 α = 6/-1 = -6
𝑍𝑗 0 0 0 0 0
𝑍𝑗 − 𝐶𝑗 -1 -2 0 0
Como se trata de maximización para que pueda ser una solución óptima la fila
de 𝑍𝑗 − 𝐶𝑗 deben ser ceros o positivos. En este caso todavía no hay solución
óptima. Se tendrá que escoger la variable que debe entrar en el segundo tablero.
en este caso (-2) en esta columna se encuentra la variable 𝑥2 para que pueda
entrar esta variable, debe salir, 𝑥3 o 𝑥4 según sea el caso, para ello es
necesario hacer:
α = 4/1 = 4 y α = 6/-1 = -6
42
PROGRAMACIÓN LINEAL
𝐶𝑘 1 2 0 0
𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4
2 𝑥2 4 2 1 1 0
0 𝑥4 10 3 0 1 1
𝑍𝑗 8 4 2 2 0
𝑍𝑗 − 𝐶𝑗 3 0 2 0
6 – 4 (-1) = 6 + 4 = 10
1 – 2 (-1) = 1 + 2 = 3
-1 – 1 (-1) = -1 + 1 = 0
0 – 1 (-1) = 0 + 1 = 1
1 – 0 (-1) = 1 + 0 = 1
43
PROGRAMACIÓN LINEAL
𝑥1 + 𝑥2 - 𝑥3 + λ1 =2
4𝑥1 + 𝑥2 - 𝑥4 + λ2 = 4
Aquí se formará inicialmente -𝑥3 ; -𝑥4 ; +λ1 ; +λ2 variables de exceso y artificial.
2do Paso:
Se dispone las variables, sus coeficientes y costos o utilidades, así como las
magnitudes del segundo miembro en un tablero original como sigue:
ENTRA
𝐶𝑗 5 6 0 0 M M
𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
SALE M λ1 2 14 1 -1 0 1 0 α = 2/1 = 2
M λ2 4 1 0 -1 0 1 α = 4/4 = 1
𝑍𝑗 7M 5M 2M -M -M M M
𝑍𝑗 − 𝐶𝑗 5M-5 2M-6 -M -M 0 0
Como se trata de minimización para que pueda ser una solución óptima la fila de
𝑍𝑗 − 𝐶𝑗 deben ser valores negativos y ceros, si se considera a M con un valor
de 1. En este caso todavía no hay solución óptima. Se tendrá que escoger la
variable que debe entrar en el segundo tablero.
las M, en este caso (5M) en esta columna se encuentra la variable 𝑥1 para que
pueda entrar esta variable, debe salir, λ1 o λ2 según sea el caso, para ello es
necesario hacer:
α = 2/1 = 2 y α = 4/4 = 1
La intersección de la variable que entra y sale es el Pivote y las demás
valores de la misma columna se considera como el semi pivote
44
PROGRAMACIÓN LINEAL
2 – 1(1) = 2 – 1 = 1
1 – 1 (1) = 1 - 1 = 0
1 – 1/4 (1) = 1 - 1/4 = 3/4
-1 – 0 (1) = -1 – 0 = -1
0 – -1/4 (1) = 0 + 1/4 = 1/4
1 – 0 (1) = 1 – 0 = 1
0 – 1/4 (1) = 0 - 1/4 = -1/4
La variable que debe salir será λ2 porque es el menor valor positivo de las α.
Por lo tanto el 2do tablero es el siguiente:
ENTRA
𝐶𝑗 5 6 0 0 M M
SALE 𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
M λ1 1 0 3/4 -1 1/4 1 -1/4 α = (1)/(1/4) = 4
5 𝑥1 1 1 1/4 0 -1/4 0 1/4 α = (1)/(-1/4) =-4
𝑍𝑗 M+5 5 3M/4+5/4 -M M/4-5/4 M -M/4+5/4
𝑍𝑗 − 𝐶𝑗 0 3M/4-19/4 -M M/4-5/4 0 -5M/4+5/4
45
PROGRAMACIÓN LINEAL
1 – 4(-1/4) = 1 + 1 = 2
1 – 0 (-1/4) = 1 - 0 = 1
1/4 – 3 (-1/4) = 1/4 + 3/4 = 1
0 – -4 (-1/4) = 0 – 1 = -1
-1/4 – 1 (-1/4) = -1/4 + 1/4 = 0
0 – 4 (-1/4) = 0 + 1 = 1
1/4 – -1 (-1/4) = 1/4 - 1/4 = 0
𝐶𝑗 5 6 0 0 M M
𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
0 𝑥4 4 0 3 -4 1 4 -1
5 𝑥1 2 1 1 -1 0 1 0
𝑍𝑗 10 5 5 -5 0 5 -1/10
𝑍𝑗 − 𝐶𝑗 0 -1 -5 0 -M+5 -M
RESUMEN
Para realizar el Algoritmo de simplex es importante saber los siguientes pasos:
1. A las restricciones de signo ≥ ó ≤ saber qué tipo de variable se tiene que
usar para formar la ecuación =.
2. Colocar los coeficientes de todo el programa lineal más las variables
agregadas.
3. De acuerdo al resultado Zj – Cj (Maximización) y Zj (Minimización) se
definirá la columna que entra.
4. Tener siempre en consideración que para saber cuál es la fila que entra los
α´s deben ser el menor valor positivo.
5. La solución siempre debe ser ceros y números positivos si se trata de
maximización; ceros, números negativos y Ms negativos si es minimización
para saber que se llegó al último tablero del algoritmo de simplex.
6. En el último tablero, las Zj demostrarán los resultados de la función objetivo.
46
PROGRAMACIÓN LINEAL
ACTIVIDADES
Zmáx = 𝑥1 + 2𝑥2
S.A:
𝑥1 + 3𝑥2 ≤ 18
𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 𝑥2 ≤ 14
𝑥1 ≥ 0; 𝑥2 ≥0
De la solución óptima utilizando el algoritmo de simplex.
Zmín = 3𝑥1 + 𝑥2
S.A:
𝑥1 + 2𝑥2 ≥ 5
𝑥1 + 𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
De la solución óptima utilizando el algoritmo de simplex.
47
PROGRAMACIÓN LINEAL
TERCERA UNIDAD
DUALIDAD Y ANÁLISIS POST - ÓPTIMO
OBJETIVOS ESPECÍFICOS
Proporcionar los conocimientos teóricos relacionados con el problema dual.
Interpretar los resultados del problema, precio sombra.
INTRODUCCIÓN
El objetivo de este tema es que el estudiante aprenda los conceptos de dualidad ya que
asociado a cada problema lineal existe otro problema de programación lineal
denominado problema dual (PD), que posee importantes propiedades y relaciones
notables con respecto al problema lineal original, problema que para diferencia del dual
se denomina entonces como problema primal (PP).
Primal Dual
Maximización Minimización
Restricción ≥ Restricción ≤
Restricción ≤ Restricción ≥
Función Objetiva: utilidad, Disponibilidades
ganancia, costo Coeficientes son los mismo pero
Coeficientes del primal transpuestos del primal
48
PROGRAMACIÓN LINEAL
c) Los coeficientes de la función objetivo del problema dual son los términos
independientes de las restricciones o Disponibilidades del programa primal.
d) Los términos independientes de las restricciones o Disponibilidades del dual son
los coeficientes de la función objetivo del problema primal.
e) La matriz de coeficientes técnicos del problema dual es la transpuesta de la matriz
técnica del problema primal.
f) El sentido de las desigualdades de las restricciones del problema dual y el signo
de las variables del mismo problema, dependen de la forma de que tenga el signo
de las variables del problema primal y del sentido de las restricciones del mismo
problema. (Ver tabla).
g) Si el programa primal es un problema de maximización, el programa dual es un
problema de minimización.
h) El problema dual de un problema dual es el programa primal original.
Solución:
2. Definición de Variables
49
PROGRAMACIÓN LINEAL
𝑋1 + 2𝑋2 ≤ 200
𝑋1 + 𝑋2 ≤ 140
𝑋1 ≥ 0; 𝑋2 ≥ 0
FORMULACIÓN DUAL
b. Se optimiza los recursos del primal, para eso se cambiará la función objetivo
de acuerdo a la tabla antes mencionada considerando la nuevas variables
(Y):
50
PROGRAMACIÓN LINEAL
𝑌1 ≥ 0; 𝑌2 ≥ 0
Colocar las variables que se tiene como dato en el problema de programa dual
y también agregar las variables que han sido generadas de acuerdo al signo.
𝑪𝒋 200 140 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
M 𝝀𝟏 30 1 1 -1 0 1 0 α = 30/1 = 30
M 𝝀𝟐 50 2 1 0 -1 0 1 α = 50/2 = 25
Zj 80M 3M 2M -M -M M M
Zj - Cj 3M-200 2M-140 -M -M 0 0
M 𝝀𝟏 5 0 1/2 -1 1/2 1 -1/2 α = 5/1/2 = 10
200 𝒀𝟏 25 1 1/2 0 -1/2 0 1/2 α = 25/1/2 =50
Zj 5M+5000 200 M/2+100 -M M/2-100 M -M/2+100
Zj - Cj 0 M/2-40 -M M/2-100 0 -3M/2+100
140 𝒀𝟐 10 0 1 -2 1 2 -1
200 𝒀𝟏 20 1 0 1 -1 -1 1
Zj 5400 200 140 -80 -60 80 60
Zj - Cj 0 0 -80 -60 -M+80 -M+60
51
PROGRAMACIÓN LINEAL
Reemplazando:
Zmín = 200(20) + 140(10) + 0(0)+ 0(0) + 0 + 0
Zmín = 5400
𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0
𝑌1 ≥ 0; 𝑌2 ≥ 0
𝑪𝒋 30 4 0 0 0
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝒀𝟓
0 𝒀𝟑 10 2 1 1 0 1 α = 10/2 = 5
0 𝒀𝟒 18 1 3 0 1 0 α = 18/1 = 18
0 𝒀𝟓 4 5 1 0 0 1 α = 4/5 = 0,8
Zj 0 0 0 0 0 0
Zj - Cj -30 -14 0 0 0
0 𝒀𝟑 42/5 0 3/5 1 0 -2/5
0 𝒀𝟒 86/5 0 14/5 0 1 -1/5
30 𝒀𝟏 4/5 1 1/5 0 0 1/5
Zj 24 30 6 0 0 6
Zj - Cj 0 2 0 0 0
52
PROGRAMACIÓN LINEAL
Zmáx = 24
RESUMEN
a. ¿Porqué se plantea el programa dual?
Por una parte permite resolver problemas lineales donde el número de
restricciones es mayor que el número de variables.
Gracias a los teoremas que expondremos a continuación la solución de
unos de los problemas (primal o dual) nos proporciona de forma
automática la solución del otro programa.
53
PROGRAMACIÓN LINEAL
54
PROGRAMACIÓN LINEAL
Tiempo de
Disponibilidad diaria
mecanizado (horas)
(horas-máquina)
Tipo de mesa Tipo 1 Tipo 2
Mecanizado primario 4 3 40
Mecanizado secundario 4 7 56
Beneficio (€) 70 90
𝑋1 ≥ 0; 𝑋2 ≥ 0
𝑋1 ≥ 0; 𝑋2 ≥ 0
55
PROGRAMACIÓN LINEAL
𝑪𝒋 40 56 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
M 𝝀𝟏 70 4 4 -1 0 1 0 α = 70/4 = 17,5
M 𝝀𝟐 90 3 7 0 -1 0 1 α = 90/7 = 12,9
Zj 160M 7M 11M -M -M M M
Zj - Cj 7M-40 11M-56 -M -M 0 0
M 𝝀𝟏 130/7 16/7 0 -1 4/7 1 -4/7 α = 65/8 = 8,1
56 𝒀𝟐 90/7 3/7 1 0 -1/7 0 1/7 α = 30
Zj 130M/7+720 16M/7+24 56 -M 4M/7-8 M -4M/7+8
Zj - Cj 16M/7-16 0 -M 4M/7-8 0 -11M/7+8
40 𝒀𝟏 65/8 1 0 -7/16 1/4 7/16 -1/4
56 𝒀𝟐 75/8 0 1 3/16 -1/4 -3/16 1/4
Zj 850 40 56 -7 -4 7 4
Zj - Cj 0 0 -7 -4 -M+7 -M+4
Programa Óptimo:
LI = Cj - Cj LS = Cj + Cj
( Bi)
56
PROGRAMACIÓN LINEAL
LI = Bi - Bi LS = Bi + Bi
Aplicando:
𝑪𝒋 600 1000 0 0 0
𝑪𝒌 𝑿𝒌 𝑩𝒊 𝑿𝟏 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝟓
1000 𝑿𝟐 500 0 1 1,25 -2,5 0
6000 𝑿𝟏 600 1 0 -1,5 5 0
0 𝑿𝟓 180 0 0 0,05 -0,5 1
Zj 860000 600 1000 350 500 0
Zj – Cj 0 0 350 500 0
aik>0 aik<0
Variación C1:
-(500) ≤ Cj ≤ -(350)
5 -1,25
-100 ≤ Cj ≤ 233,33
LS = (600+233,33)𝑋1 + 1000𝑋2
LS = 823,33𝑋1 +56𝑋2
LI = (600-100)𝑋1 + 100𝑋2
LI = 500𝑋1 + 1000𝑋2
Variación C2:
-(350) ≤ Cj ≤ -(500)
1,25 -2,5
-280 ≤ Cj ≤ 200
57
PROGRAMACIÓN LINEAL
LS = 600𝑋1 + (1000+200)𝑋2
LS = 600𝑋1 + 1200𝑋2
LI = 600𝑋1 + (1000-280)𝑋2
LI = 600𝑋1 + 720𝑋2
Interpretación:
Los coeficientes de la primera variable del funcional pueden variar de 500 hasta
833,33 y no varía la solución óptima.
Los coeficientes de la segunda variable del funcional pueden variar de 720 hasta
1200 y no varía la solución óptima.
𝑪𝒋 40 56 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
40 𝒀𝟏 65/8 1 0 -7/16 1/4 7/16 -1/4
56 𝒀𝟐 75/8 0 1 3/16 -1/4 -3/16 1/4
Zj 850 40 56 -7 -4 7 4
Zj – Cj 0 0 -7 -4 -M+7 -M+4
aik<0 aik>0
Variación B1:
-(-7) ≤ Bi ≤ -(-4)
-7/16 1/4
aik<0 aik>0
-16 ≤ Bi ≤ 16
LS = (40+16)𝑌1 +56𝑌2
LS = 56𝑌1 +56𝑌2
LI = (40-16)𝑌1 +56𝑌2
LI = 24𝑌1 +56𝑌2
Variación B2:
-(-4) ≤ Bi ≤ -(-7)
-1/4 3/16
aik<0 aik>0
-16 ≤ Bi ≤ 37,33
LS = 40𝑌1 + (56+37,33)𝑌2
LS = 40𝑌1 +93,33𝑌2
58
PROGRAMACIÓN LINEAL
LI = 40𝑌1 + (56-16)𝑌2
LI = 24𝑌1 + 40𝑌2
RESUMEN
El análisis de sensibilidad se lleva a cabo en: Cambios en los niveles de recursos
escasos. Cambios en los coeficientes de la función objetivo (coeficientes de
variables básicas y coeficientes de variable no básicas). Cambios en los
coeficientes tecnológicos (variaciones en las aij para variables básicas y no
básicas). Supresión y adición de restricciones. Adición de nuevas variables.
ACTIVIDADES
Zmáx = 𝑥1 + 2𝑥2
S.A:
𝑥1 + 3𝑥2 ≤ 18
𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 𝑥2 ≤ 14
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.
Zmín = 3𝑥1 + 𝑥2
S.A:
𝑥1 + 2𝑥2 ≥ 5
𝑥1 + 𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.
59
PROGRAMACIÓN LINEAL
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.
CUARTA UNIDAD
APLICACIONES ESPECIALES DE LA PROGRAMACIÓN
LINEAL
OBJETIVOS ESPECÍFICOS
INTRODUCCIÓN
60
PROGRAMACIÓN LINEAL
1 2 3 4
1 𝐶11 𝐶12 … 𝐶1𝑛 𝑎1
2 𝐶21 𝐶22 … 𝐶2𝑛 𝑎2
… … … … … …
m 𝐶𝑚1 𝐶𝑚2 … 𝐶𝑚𝑛 𝑎𝑚
𝑏𝑗 𝑏𝑗 𝑏𝑗 … 𝑏𝑗
Existen varios métodos para determinar una solución factible básica inicial los
cuales varían en el tiempo para determinar la solución.
PROBLEMA:
Una compañía de gaseosas, quiere nuevos mercados, esta compañía tiene
fábricas en A, B, C y quiere proveer a estos mercados, cuyos almacenes están
en: W, X, Y y Z; las capacidades mensuales de la fábrica son 100, 150 y 170
unidades respectivamente.
Los costos unitarios de embarque son los siguientes:
61
PROGRAMACIÓN LINEAL
Destino
Origen
W X Y Z
A 12 20 12 5
B 17 14 21 10
C 16 15 15 5
Determinar una solución factible básica inicial y el costo total mínimo utilizando
el método de la esquina N – O.
Solución:
1. Primero, colocar los datos claramente en nuestro cuadro de operaciones.
𝐷1 𝐷2 𝐷3 𝐷4
12 20 12 5
𝑂1 100
*
17 14 21 10
𝑂2 150
16 15 15 20
𝑂3 170
70 90 120 140
2. Nuestro cuadro debe ser balanceado, es decir los orígenes deben ser igual
a los destinos.
3. Se empieza resolviendo en la celda (1,1) o sea la esquina Noroeste y
minimizando:
𝑎𝑖 ;𝑏𝑖
𝑎1 < 𝑏1 Nos movemos a la celda de abajo
𝑎1 < 𝑏𝑖 Nos movemos a la celda continua
𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
*
17 14 21 10
𝐵 150
16 15 15 20
𝐶 170
𝑏1 70 90 120 140
62
PROGRAMACIÓN LINEAL
𝑏1 70 90 120 140
𝑏1 70 90 120 140
63
PROGRAMACIÓN LINEAL
𝑋11 = 70 x 12 = 840
𝑋12 = 30 x 20 = 600
𝑋22 = 60 x 14 = 840
𝑋23 = 90 x 21 = 1890
𝑋33 = 30 x 15 = 450
𝑋34 = 140 x 20 = 2800
CT = 7420
El Costo Total mínimo es igual a 7420 nuevos soles.
Las otras variables asumen el valor de 0 (cero)
PROBLEMA:
Una empresa energética peruana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Lima, Arequipa,
Ancash e Ica. Las plantas 1, 2, 3 y 4 pueden satisfacer 80, 30, 60 y 45 millones
de KW al día respectivamente. Las necesidades de las ciudades de Lima,
Arequipa, Ancash e Ica son de 70, 40, 70 y 35 millones de Kw al día
64
PROGRAMACIÓN LINEAL
respectivamente.
Solución:
65
PROGRAMACIÓN LINEAL
Planta 3
4 6 6
Planta 4
45
Demanda 70 50 5
Planta 3
4 6
Planta 4
45 45
Demanda 70 50
66
PROGRAMACIÓN LINEAL
Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará
una fila, por ende asignamos las unidades y se ha terminado el método.
Planta 3
Planta 4
Demanda 25 50
Planta 1 25 50 5
80
Planta 2 30
30
Planta 3 40 20
60
Planta 4 45
45
Demanda 70 40 70 35
𝑋11 25 5 125
𝑋12 0 2 0
𝑋13 50 7 350
𝑋14 5 3 15
𝑋21 0 3 0
𝑋22 0 6 0
𝑋23 0 6 0
𝑋24 30 1 30
𝑋31 0 6 0
𝑋32 40 1 40
67
PROGRAMACIÓN LINEAL
𝑋33 20 2 40
𝑋34 0 4 0
𝑋41 45 4 180
𝑋42 0 3 0
𝑋43 0 6 0
𝑋44 0 6 0
TOTAL 780
1. Paso 1:
Determinar para cada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.
2. Paso 2:
Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el "Paso 1" se debe escoger el número mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).
3. Paso 3
De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o
demanda quedará satisfecha por ende se tachará la fila o columna, en caso de
empate solo se tachará 1, la restante quedará con oferta o demanda igual a
cero (0).
68
PROGRAMACIÓN LINEAL
PROBLEMA:
Una empresa energética peruana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Lima, Arequipa,
Ancash e Ica. Las plantas 1, 2, 3 y 4 pueden satisfacer 80, 30, 60 y 45 millones
de KW al día respectivamente. Las necesidades de las ciudades de Lima,
Arequipa, Ancash e Ica son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW
entre cada planta y cada ciudad son los registrados en la siguiente tabla.
Solución:
Penalidad 1 1 4 2
69
PROGRAMACIÓN LINEAL
Este ese el menor valor de la columna penalizada, por ende se le asigna la mayor
cantidad de unidades posibles, que en este caso es 60 unidades.
70
PROGRAMACIÓN LINEAL
Planta 4 4 3 6 6 45 1
Demanda 70 40 10 35
Penalidad 1 1 4 2
Planta 4 4 3 6 6 45 1
Demanda 70 40 10 35
Penalidad 1 1 0 2
71
PROGRAMACIÓN LINEAL
CUADRO DE SOLUCIÓN
Planta 4 4 3 6 6 45 1
Demanda 70 40 70 35
Penalización 1 1 0 2
Dado que la “Planta 2” se ha quedado sin unidades se elimina y la demanda
de Ica ahora es 35 – 30 = 5.
Iniciamos una nueva iteración
72
PROGRAMACIÓN LINEAL
Planta 4 4 3 6 45 1
Demanda 70 40 10
Penalización 1 1 1
CUADRO DE SOLUCIÓN
73
PROGRAMACIÓN LINEAL
Planta 4 4 6 45 2
Demanda 70 10
Penalización 1 1
Rompemos el empate arbitrariamente
Demanda 70 10
Penalización 1 1
CUADRO DE SOLUCIÓN
Demanda 25 10
Penalización 1 1
Al finalizar esta iteración podemos observar como el tabulado queda una fila
sin tachar y con valores positivos, por ende asignamos las variables básicas y
hemos concluido el método.
74
PROGRAMACIÓN LINEAL
CUADRO SOLUCIÓN
Planta 1 Lima
Planta 2 Arequipa
Planta 3 Ancash
Planta 4 Ica
75
PROGRAMACIÓN LINEAL
76
PROGRAMACIÓN LINEAL
sólo pueda ser asignada a un trabajador y que cada trabajador sólo pueda
realizar una tarea.
En el problema de asignación se considera que el número de tareas es igual al
número de trabajadores. Si se tienen más tareas que trabajadores, es posible
definir trabajadores ficticios (con costos muy altos). Una vez que se tiene una
asignación para los trabajadores reales, las tareas correspondientes pueden
ser eliminadas del problema, de modo que se busque o bien una segunda
asignación a los trabajadores reales o bien nuevos trabajadores. De manera
similar, es común definir tareas ficticias cuando hay más trabajadores que
tareas, de modo que las tareas reales sean asignadas a los trabajadores más
eficientes; una vez que las tareas reales son asignadas a un sub-conjunto de
trabajadores, a los trabajadores ociosos se les podrán buscar nuevas tareas
(posiblemente en nuevos puestos de trabajo) o ser despedidos.
El problema de asignación también puede ser planteado en cuestión de
beneficios. Supongamos que tenemos n trabajadores y n tareas que debemos
asignarles. Se obtiene un beneficio aij por cada tarea i realizada por el
trabajador j. Como antes, una tarea sólo puede ser asignada a un trabajador y
un trabajador sólo puede realizar una tarea. En este caso deseamos saber qué
tarea asignar a cada trabajador de manera que se maximice el beneficio total.
Para este caso, tenemos una matriz de beneficios:
77
PROGRAMACIÓN LINEAL
PROBLEMA:
78
PROGRAMACIÓN LINEAL
SOLUCIÓN:
1. PASO 1
Encontramos el menor elemento de cada fila
Elemento
Máquina 1 Máquina 2 Máquina 3
Menor de la fila
Equipo de
10 9 5 5
Mantenimiento 1
Equipo de
9 8 3 3
Mantenimiento 2
Equipo de
6 4 7 4
Mantenimiento 3
2. PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.
3. PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relación a las columnas, por ende escogemos el elemento menor de
cada columna. Igualmente construimos una nueva matriz con la diferencia entre
los valores de la matriz 2 y el elemento menor de la columna a la cual
corresponde cada valor.
79
PROGRAMACIÓN LINEAL
4. PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos.
5. PASO 5
En este paso seleccionamos el menor elemento de los elementos no
subrayados.
80
PROGRAMACIÓN LINEAL
Ahora observamos cómo se hace necesario trazar tres líneas (la misma
cantidad de filas o columnas de la matriz) por ende se ha llegado al tabulado
final, en el que por simple observación se determina las asignaciones óptimas.
RESUMEN
El modelo de Transporte busca la minimización del costo de transportar una
mercancía desde un número de fuentes a varios destinos, se conocen el
abastecimiento en cada origen y la demanda en cada destino. Existen diferentes
tipos de modelos de transporte para obtener el resultado óptimo.
El problema de Asignación, consiste en asignar o dar destino a distintos recursos.
En sentido estricto, el problema es dedicar un grupo de recursos a diferentes
fines, de manera que todos los fines se logren y a cada uno de ellos se destine
un recurso solamente.
81
PROGRAMACIÓN LINEAL
ACTIVIDADES
A B C D
Dispositivo 1 2 3 4 6
Dispositivo 2 1 5 8 3
Dispositivo 3 8 5 1 4
Dispositivo 4 4 5 6 3
Formule una solución a través del método Noroeste para este problema de
manera que se cumpla el pedido y se minimice los costos.
Formule una solución a través del método de los costos mínimos para este
problema de manera que se cumpla el pedido y se minimice los costos.
82
PROGRAMACIÓN LINEAL
Formule una solución a través del método de Vogel para este problema de
manera que se cumpla el pedido y se minimice los costos.
PLANTA
VICEPRESIDENTE 1 2 3 4
Finanzas (F) 24 10 21 11
Mercadeo (M) 14 22 10 15
Operaciones (O) 15 17 20 19
Personal (P) 11 19 14 13
83