Actividad Cantidad
de
recurso
Recurso 1 2 ... n disponible
Contribu-
ción a Z
c1 c2 ... cn
por
unidad de
Actividad
Símbolos del Modelo
Z = valor de la medida global de efectividad.
xj = nivel de actividad j (para j = 1, 2,..,n)
cj = incremento en Z que resulta al aumentar
una unidad en el nivel de actividad j.
bi = cantidad de recurso i disponible para
asignar a las actividades (para i = 1, 2,…,m)
aij = cantidad de recurso i consumido por cada
unidad de la actividad j.
Otras formas del modelo
Minimizar en lugar de maximizar la Func. Objetivo
Minimizar Z c1 x1 c2 x2 ... cn xn
Restricciones funcionales con desigualdades ;
a11x1 a12 x2 ... a1n x n b1
Algunas restricciones en forma de ecuación
a11x1 a12 x2 ... a1n x n b1
Las variables de decisión sin la restricción de no
negatividad: x1 no restringida en signo
Lados derechos negativos: b1 0
Suposiciones de P.L.
Proporcionalidad
Aditividad
Divisibilidad
Certidumbre
Utilizando la P.L:
Definición del problema
Tiempo de
producción
por lotes, horas Tiempo de
producción
Planta disponible a la
Producto semana,
horas
1 2
1 1 0 4
2 0 2 12
3 3 2 18
Ganan-
cia por $ 3000 $ 5000
lote
Utilizando la P.L:
Formulación del modelo matemático
x1 lotes de producto1 fabricados por semana
x2 lotes de producto2 fabricados por semana
Z ganancia semanal total(miles $)
Maximizar Z 3x1 5 x2 , ( Función Objetivo)
sujeta a :
x1 4 (Re stric. Funcionale s)
2 x2 12
3x1 2 x2 18
x1 y x2 0
Métodos de Resolución
Método Gráfico (OR Courseware)
Método Simplex (en forma Tabular)
Método Simplex Revisado (Planteo
Matricial)
Método Simplex (en forma
Tabular)
Es un procedimiento algebraico . Sin embargo,
sus conceptos fundamentales son geométricos.
Se trata de un algoritmo iterativo que converge
al óptimo en número finito de iteraciones.
El álgebra matricial y el proceso de eliminación
de Gauss-Jordan para resolver un sistema de
ecuaciones lineales constituyen la base del
método simplex
Solo analiza las soluciones FEV. Si el modelo
tiene solución una de ellas será la óptima.
Preparación para el Método
Simplex
1. Transformar las restricciones de
desigualdad en ecuaciones
2. Igualar la función objetivo a cero
3. Preparar la Tabla Simplex inicial
(WinQSB)
4. Aplicar el algoritmo iterativo
Transformar las restricciones
de desigualdad en ecuaciones
x1 4
La variable de holgura es :
x1 x3 4
El coef. de x 3 en Z es 0
Z 3x1 5 x2 0 x3
Igualar la función
objetivo a cero
Maximizar Z 3x1 5 x2
Z 3x1 5 x2 0
Método Simplex:
algoritmo iterativo
Inicialización Encontrar Solución
Básica
Iteración
Solución Básica Inicial
Siempre que es posible el Método Simplex
elige el origen (variables de decisión iguales a
cero) como la solución básica inicial.
x1 0 y x2 0
x1 x3 4 x3 4
2 x2 x4 12 x4 12
3x1 2 x2 x5 18 x5 18
Solución básica factible inicial (0,0,4,12,18)
Prueba de optimalidad
Solución BF inicial x1 0 y x2 0
Entonces Z 3x1 5 x2 0
Cualquier mejoramiento en x1 o x2 mejorará Z.
En la Tabla Simplex:
La solución es óptima si y solo si todos los
coeficientes en la fila (0) son positivos.
Variable básica entrante
Z 3x1 5x2
Aumenta x1? Tasa de mejoramiento Z= 3.
Aumenta x2? Tasa de mejoramiento Z= 5.
5 > 3 ; se elige x2 para aumentar su valor
x2 se llama variable básica entrante
Prueba del cociente mínimo:
Variable básica saliente
x1 0
x1 x3 4 x3 4 0
2 x2 x4 12 x4 12 2 x2 0
3x1 2 x2 x5 18 x5 18 2 x2 0
12
x4 12 2 x2 0 x2 6 Mínimo
2
18
x5 18 2 x2 0 x2 9
2
Acomodamiento del sistema
de ecuaciones: Gauss-Jordan
Ecuación Pivote:
Nueva ec. Pivote = ec. Pivote/elemento pivote
Demás ecuaciones:
Nueva ec. = (ec. Anterior) - (coef. Columna entrante)*
(Nueva ec. Pivote)
Interpretación de la Tabla
Simplex
1. La solución óptima
2. El estado de los recursos
3. Los precios sombra
4. Los costos reducidos
La solución óptima
Var. Ec. Coeficiente de Lado
Bási- Nú- Dere-
ca mero cho
Z X1 X2 X3 X4 X5
Z (0) 1 0 0 0 3/2 1 36
X2 (2) 0 0 1 0 1/2 0 6
Z X1 X2 X3 X4 X5
Z (0) 1 0 0 0 3/2 1 36
X6 (4) 0 0 1 0 0 0 1 2
Análisis de Sensibilidad
(OR Courseware)
Otras formas del modelo
Restricciones funcionales con desigualdades ;
a11x1 a12 x2 ... a1n x n b1
Algunas restricciones en forma de ecuación
a11x1 a12 x2 ... a1n x n b1
Minimizar en lugar de maximizar la Func. Objetivo
Minimizar Z c1 x1 c2 x2 ... cn xn
Lados derechos negativos: b1 0
Las variables de decisión sin la restricción de no
negatividad: x1 no restringida en signo
Restricciones funcionales con
desigualdades (OR Courseware)
x1 4
La variable de " exceso"es x 3 :
x1 x3 4 para x3 0
para encontrar la solución BFinicial
se agrega una variable artificial λ :
x1 x3 4 para x3 y 0
En la func. objetivo el coef. de
x3 es 0 y el de es M
para M tan grande como se pueda. Quedando
Maximizar Z 3 x1 5 x2 0 x3 M
Algunas restricciones en forma de
ecuación
Considerem os el siguiente modelo :
Maximizar Z 3 x1 5 x2
x1 4
2 x2 12
3 x1 2 x2 18
Introducie ndo las var. de holgura :
x1 x3 4
2 x2 x4 12
3 x1 2 x2 18
Sin sol. BF inicial debido a que la última ec. holgura
Algunas restricciones en forma de
ecuación (cont.)
Se procede de la siguiente forma :
1. Se introduce una var. artificial a la última ec.
3 x1 2 x2 18
2. Se asigna una gran penalizaci ón (-M) para en el funcional.
El modelo final nos queda :
Maximizar Z 3x1 5 x2 0 x3 0 x4 M
x1 x3 4
2 x2 x4 12
3x1 2 x2 18
La sol. BF inicial nos queda :
Var. Básicas x1 x2 0
Var. No Básicas x3 4, x4 12 y 18
Minimizar en lugar de maximizar
la Func. Objetivo
Una manera sencilla de convertir
cualquier problema de minimizaci ón
en un problema equivalent e de maximizaci ón :
n
Minimizar Z C j x j
j 1
Es equivalent e a
n
Maximizar - Z (C j ) x j
j 1