lineal
Miguel Meja Puente
miguel.mejia@pucp.edu.pe
Contenido
Problema de programacin lineal.
Requerimientos del problema de programacin lineal.
Mtodo grfico para resolver problemas de
maximizacin con dos variables.
Mtodo grfico para resolver problemas de
minimizacin con dos variables.
Casos especiales de programacin lineal.
Solucin de problemas de programacin lineal
usando computadora.
Anlisis de sensibilidad grfico y por computadora.
3/29/16
3/29/16
Formulacin de un problema de
PL (1)
Dado un conjunto de m ecuaciones o
inecuaciones lineales y n variables de decisin,
se requiere hallar valores no negativos de estas
variables que satisfagan las restricciones y
maximicen o minimicen la funcin lineal de las
variables llamada funcin objetivo.
Matemticamente
tenemos
formulacin:
Variables de Decisin
Xj , j = 1, 2, , nMiguel Meja Puente
3/29/16
la
siguiente
Formulacin de un problema de
PL (2)
Funcin objetivo
Max ( Min) Z = C1X1 + C2X2 + . . . . . . + CnXn
Restricciones
a11X1 + a12X2 + ... + a1nXn {, , } b1
a21X1 + a22X2 + ... + a2nXn {, , } b2
...
am1X1 + am2X2 + ...+ amnXn {, , } bm
Rango de existencia
Xj 0, j = 1, 2, , n
3/29/16
3/29/16
12
13
Mesa
s
4
2
Sillas
Disponibilida
d
(horas/sema
240
na)
100
Carpintera
3
Pintura y
1
barnizado
Utilidad (UM por
7.00
unidad)
5.00
Identificar el objetivo y las restricciones
Maximizar la utilidad
Sujeta a
Horas de carpintera utilizadas 240 horas por
semana
3/29/16 Horas de pintura
Miguely
Meja
Puente
barnizado
utilizadas14 100
15
16
3/29/16
18
La restriccin de
Miguel Meja
Puente
19 est
Pintura
y Barnizado
3/29/16
3/29/16
20
3/29/16
21
22
23
24
25
3/29/16
26
27
Solucin ptima
3/29/16
28
29
3/29/16
1:
2:
3:
4:
(X1
(X1
(X1
(X1
=
=
=
=
30
3/29/16
31
3/29/16
32
33
34
Granja de pavos
Ingrediente
A
B
C
Marca 1
(oz./lb.)
10
3
0
5
4
0.5
Costo (UM/lb.)
0.03
3/29/16
Requerimiento
Marca 2 mnimo mensual
(oz./lb.)
por pavo (oz.)
90
48
1.5
0.02
35
Problema de minimizacin
Variables de decisin
X1 : nmero de libras adquiridas del alimento marca 1
X2 : nmero de libras adquiridas del alimento marca 2
Funcin objetivo
Minimizar costos
Min Z = 2 X1 + 3 X2
Restricciones
5 X1 + 10 X2 90 (requerimiento mnimo del ingrediente A)
4 X1 + 3 X2 48 (requerimiento mnimo del ingrediente B)
0.5 X1 1.5 (requerimiento mnimo del ingrediente C)
Rango de existencia
X 1, X 2 0
3/29/16
36
3/29/16
37
3/29/16
38
3/29/16
39
40
3/29/16
41
Casos especiales de
programacin lineal (1)
Cuatro casos especiales se plantean
cuando se utiliza el mtodo grfico para
resolver problemas de PL.
3/29/16
Infactibilidad.
No acotamiento.
Degeneracin.
Mltiples soluciones ptimas.
Miguel Meja Puente
42
Casos especiales de
programacin lineal (2)
Infactibilidad.- En este caso no hay regin factible.
No acotamiento.- La falta de una o ms restricciones
puede hacer que la regin factible sea infinitamente
grande (regin no acotada), en tal caso la solucin
ptima y la funcin objetivo podran ser no acotadas.
Degeneracin.- En el grfico cuando se observa que ms
de dos restricciones pasan por la solucin ptima, se
afirma que la solucin ptima es degenerada.
Mltiples soluciones ptimas.- Cuando existe paralelismo
entre la funcin objetivo y una de las restricciones que
conforman la regin factible y que coincide con la
funcin objetivo, se tiene mltiples soluciones ptimas.
3/29/16
43
Infactibilidad
X2
8
6
Regin que
satisface la
tercera restriccin
4
2
0
3/29/16
0
2
6Regin
8
X1
No acotamiento
X2
15
X1 5
10
Regin factible
5
0
3/29/16
X2 10
X1 + 2X2 10
5
Miguel Meja Puente
10
15
X1
45
Degeneracin
X2
Min Z = 3 X1 + X2
15
X1 5
10
2X1 + 3X2 40
0
20
3/29/16
X2 10
Regin factible
Lnea de
isoutilidad
0
X1 30
5
30
Miguel Meja Puente
10
15
X1
46
Max Z = 3 X1 + 2 X2
Sujeta a 6 X1 + 4 X2 24
X1 3
Con X1, X2 0
La solucin ptima se compone de todas las
combinaciones de X1 y X2 a lo largo del
segmento
Lnea AB
de isoutilidad para 8.00 UM
AB Lnea de isoutilidad para
B
0
3/29/16
12.00 UM sobre el
segmento AB
4
X1
47
Solucin de problemas de
programacin lineal usando
computadora
Lindo PC
3/29/16
48
3/29/16
49
3/29/16
50
3/29/16
51
52
53
3/29/16
54
3/29/16
55
Anlisis postoptimal
Despus que el problema de PL ha sido resuelto,
se intenta determinar un intervalo de cambios
en los parmetros que no afectan la solucin
ptima o cambian las variables en la solucin.
Esto se realiza sin resolver el problema
nuevamente.
3/29/16
56
3/29/16
57
58
3/29/16
59
C1 = 4
Z = 31.2 + (4-2)*8.4 = 48
1.5 C1 4
C1 = 1.5
Z = 31.2 + (1.52)*8.4 = 27
3/29/16
60
C2 = 1.5
Z = 31.2 + (1.5-3)*4.8 = 24
1.5 C2 4
C2 = 4
Z = 31.2 + (4-3)*4.8
= 36
3/29/16
61
62
3/29/16
63
3/29/16
64
60 b1
135
b1 = 60
Z = 2*12 + 3*0
= 24
3/29/16
65
3/29/16
PD = - Z / b
PD = - (31.44 31.2) / (91
90) =Miguel
-0.24
Meja Puente
66
34.5 b2
72
b2 = 34.5
Z = 2*3 + 3*7.5
= 28.5
3/29/16
b2 = 72
Z = 2*18 + 3*0
= 36
Miguel Meja Puente
67
3/29/16
PD = - Z / b
PD = - (31.4 31.2) / (49 48)
= -0.20
Miguel Meja Puente
68
- b3
4.2
b3 =
-
Z = -
b3 = 4.2
Z = 2*8.4 + 3*4.8
= 31.2
3/29/16
69
precio dual =
0.00
PD = Z / b
PD = (31.2 31.2) / (2.5 1.5)
= 0.00
3/29/16
70
71
Lindo PC
3/29/16
72
3/29/16
73
74
Reporte de
anlisis de
sensibilidad
1.5 C1 4
1.5 C2 4
3/29/16
75
76
Reporte de
anlisis de
sensibilidad
60 b1 135;
precio dual =
-0.24
34.5 b 72;
2
precio dual =
- -0.20
b 4.2;
3
3/29/16
precio dual =
0.00
77
3/29/16
78
79
3/29/16
80
3/29/16
81
82
3/29/16
83
84
3/29/16
85
86
3/29/16
87
La restriccin X1 8 tiene
precio dual (precio
sombra) igual a 3.
La restriccin X2 10
tiene precio dual (precio
sombra) igual a 0.
Se afirma que las
restricciones del tipo
siempre tienen precio
3/29/16
Miguel Meja Puente
sombra no negativo
88
89
3/29/16
90
91
3/29/16
92
93
94
95
3/29/16
96
97
3/29/16
98
La restriccin X1 8
tiene precio dual
(precio sombra) igual a
0.
La restriccin X2 10
tiene precio dual
(precio sombra) igual a
2.6.
Se afirma que las
restricciones del tipo
siempre tienen precio
3/29/16
Miguel Meja Puente
sombra no negativo
99
100
3/29/16
101
102
3/29/16
103
104
105
3/29/16
106
Costo reducido
Si una solucin ptima es no degenerada, y
tiene una variable de decisin cuyo valor ptimo
es cero, podemos afirmar lo siguiente:
El coeficiente de esa variable en la funcin
objetivo debe ser cambiado por lo menos en el
costo reducido, con el objeto de que haya una
solucin ptima en la que la variable aparezca
con un valor positivo.
3/29/16
107
Costo reducido
LINDO
El costo reducido es el
valor en que debe ser
incrementado el
coeficiente de la variable
no bsica en la funcin
objetivo para obtener una
solucin ptima
alternativa.
3/29/16
108
Modelos de programacin
lineal
Fin del tema