Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Investigación Operativa Programación Lineal Método Gráfico Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR INTRODUCCIÓN A LA PL ¿Qué es un problema de PL?: Función lineal, desigualdad lineal. Características de un problema de PL: Objetivos, Restricciones, F. O., interpretación de variables. Ejemplo Prototipo. Formulación matemática de problemas de PL: Identificación de las V. D. y sus correlaciones con los coeficientes tecnológicos, recursos y contribuciones económicas. Ing. Carlos Martin SOLUCIÓN GRÁFICA DE PROBLEMAS BIDIMENSIONALES DE PL Observación de algunos aspectos técnicos: Punto Extremo, Vértice adyacente, Solución Única, Redundancia, Polígono Abierto Solución no Acotada: Ilimitabilidad, Solución Acotada Más de una solución óptima, Imposibilidad, Degeneración. Ejemplos. Ing. Carlos Martin PRESENTACIÓN En esta unidad se presenta el método de la solución gráfica de problemas de PL incluyendo problemas de maximización y minimización. OBJETIVO GENERAL Al finalizar el modulo el estudiante debe estar en capacidad de solucionar un problema de pl utilizando el método gráfico; así como interpretar correctamente la solución y analizar el consumo de recursos. OBJETIVOS ESPECÍFICOS Graficar las restricciones con base en ecuaciones lineales para determinar el área factible de solución. Graficar la F. O. para establecer el punto o puntos de solución óptima de problemas de PL. Establecer la solución óptima del problema mediante el uso de ecuaciones simultáneas. Interpretar la solución del problema con base en el planteamiento y formulación del problema; así como el respectivo análisis de consumo de recursos. COMPETENCIAS El estudiante tendrá la capacidad de utilizar el método gráfico de solución de problemas de PL; y con base en ésta interpretar el tipo de solución del problema. INDICADORES DE LOGRO El estudiante deberá demostrar el manejo en el planteamiento de modelos de PL, obtener la solución a través del método gráfico e interpretar la solución. CONOCIMIENTOS PREVIOS Gráfica de las funciones lineales. Solución algebraica de sistemas de ecuaciones lineales. Concepto de máximos y mínimos en una gráfica. Ing. Carlos Martin MODELO GENERAL DE OPTIMIZACIÓN Elementos principales: • Variables • F. O. • Restricciones Es posible reducir el problema real a través de ciertas simplificaciones a: • P. L., P. no L., P. D., etc. • De lo contrario se recurre a la Simulación. Ing. Carlos Martin PROBLEMA DE OPTIMIZACIÓN DE DOS V. DE D. Este es un problema típico en la teoría de optimización: la maximización (o minimización) de una función real de variables reales (a veces una sola variable) sujeta a un número de restricciones (a veces este número es cero). La función f se llama función objetivo, x1 y x2 se llaman variables independientes o variables decisionales. El problema es encontrar valores reales para x1 y x2, que satisfagan las restricciones (1.2), (1.3) y (1.4), los cuales introducidos en (1.1) hagan que f (x1,x2) tome un valor no menor que para cualquier otro par x1,x2. Ing. Carlos Martin CONCEPTOS BÁSICOS DE OPTIMIZACIÓN • La FO Z = f (X1,X2) es no lineal. • Tiene el mismo valor en todos los puntos de cada línea (Isolínea), de modo que los contornos pueden asimilarse a las isobaras (o isotermas) de un mapa climático. • La restricción h1 (X1,X2) es no lineal. La solución del problema es: Z = 1 Ing. Carlos Martin Ing. Carlos Martin PROGRAMACION LINEAL (PL) Es un problema de optimización, donde: Maximiza (o minimiza) una función lineal de variables de decisión: La función objetivo Los valores de las variables de decisión tienen que satisfacer un conjunto de restricciones Cada restricción tiene que ser una ecuación o una desigualdad lineal. Hay una restricción de signo para c/variable: > 0; ≤ 0; SRS Ing. Carlos Martin PROGRAMACION LINEAL (PL) La PL es una caso particular del problema general de optimización: la FO y las restricciones son lineales en cada una de las variables de decisión y estas son no negativas. PROBLEMA DE PROGRAMACION LINEAL DE DOS V. DE D. Consideremos el caso de maximización y que el n° de variables de decisión genuinas es k = 2 Ing. Carlos Martin Es posible transformar las inecuaciones en igualdades introduciendo las variables de holgura (V. H.). Las V. de H. no tienen un beneficio (su coeficiente de beneficio = 0), representan físicamente los sobrantes de cada recurso. i = 1, 2,3 ,4, 5 Ing. Carlos Martin EJEMPLO Gepetto S.L., manufactura muñecos y trenes de madera. Cada muñeco: • Produce un beneficio neto de 3 €. • Requiere 2 horas de trabajo de acabado. • Requiere 1 hora de trabajo de carpintería. Cada tren: • Produce un beneficio neto de 2 €. • Requiere 1 hora de trabajo de acabado. • Requiere 1 hora trabajo de carpintería. Cada semana Gepetto puede disponer de: • Todo el material que necesite. • Solamente 100 horas de acabado. • Solamente 80 horas de carpintería. También: • La demanda de trenes puede ser cualquiera (sin límite). • La demanda de muñecos es como mucho 40. Si quiere max. beneficios: Cuántos muñecos y trenes deben fabricar? Ing. Carlos Martin Variables de Decisión x = nº de muñecos producidos a la semana y = nº de trenes producidos a la semana Función Objetivo En cualquier PPL, la decisión a tomar es como maximizar (normalmente el beneficio) o minimizar (el coste) de alguna función de las variables de decisión. Esta función a maximizar o minimizar se llama función objetivo. Max z = 3x + 2y El objetivo de Gepetto es elegir valores de x e y para maximizar 3x + 2y. Usaremos la variable z para denotar el valor de la función objetivo. La función objetivo de Gepetto es: ESTE PROBLEMA ES UN EJEMPLO TÍPICO DE UN PROBLEMA DE PL Restricciones Son desigualdades que limitan los posibles valores de las variables de decisión. En este problema las restricciones vienen dadas por la disponibilidad de horas de acabado y carpintería y por la demanda de muñecos. También suele haber restricciones de signo o no negatividad: x ≥ 0 y ≥ 0 Ing. Carlos Martin Restricción 1: no más de 100 horas de tiempo de acabado pueden ser usadas. Restricción 2: no más de 80 horas de tiempo de carpinteria pueden ser usadas. Restricción 3: limitación de demanda, no deben fabricarse más de 40 muñecos. Estas tres restricciones pueden expresarse matematicamente por las siguientes desigualdades: Restricción 1: 2 x + y ≤ 100 Restricción 2: x + y ≤ 80 Restricción 3: x ≤ 40 Cuando x e y crecen, la función objetivo de Gepetto también crece. Pero no puede crecer indefinidamente porque, para Gepetto, los valores de x e y están limitados por las siguientes tres restricciones: RESTRICCIONES Además, tenemos las restricciones de signo: x ≥ 0 e y ≥ 0 Ing. Carlos Martin x ≥ 0 (restricción de signo) y ≥ 0 (restricción de signo) Muñeco Tren Beneficio 3 2 Acabado 2 1 ≤ 100 Carpintería 1 1 ≤ 80 Demanda ≤ 40 FORMULACIÓN MATEMÁTICA DEL PPL Max z = 3x + 2y (función objetivo) 2 x + y ≤ 100 (acabado) x + y ≤ 80 (carpinteria) x ≤ 40 (demanda muñecos) Variables de Decisión x = nº de muñecos producidos a la semana y = nº de trenes producidos a la semana Max z = 3x + 2y (función objetivo) Sujeto a (s.a:) 2 x + y ≤ 100 (restricción de acabado) x + y ≤ 80 (restricción de carpinteria) x ≤ 40 (restricción de demanda de muñecos) x ≥ 0 (restricción de signo) y ≥ 0 (restricción de signo) Para el problema de Gepetto, combinando las restricciones de signo x ≥ 0 e y ≥ 0 con la función objetivo y las restricciones, tenemos el siguiente modelo de optimización: FORMULACIÓN MATEMÁTICA DEL PPL Ing. Carlos Martin La estructura general de nuestro problema es: Ing. Carlos Martin Ing. Carlos Martin Ing.Carlos Martin Región Factible • La región factible de un PPL es el conjunto de todos los puntos que satisfacen todas las restricciones. • Es la región del plano delimitada por el sistema de desigualdades que forman las restricciones. Ing. Carlos Martin x = 40 e y = 20 está en la región factible porque satisfacen todas las restricciones de Gepetto. Sin embargo, x = 15, y = 70 no está en la región factible porque este punto no satisface la restricción de carpintería [15 + 70 > 80]. Restricciones de Gepetto: 2x + y ≤ 100 (restricción finalizado) x + y ≤ 80 (restricción carpintería) x ≤ 40 (restricción demanda) x ≥ 0 (restricción signo) y ≥ 0 (restricción signo) Ing. Carlos Martin Recuerda que: • La región factible en cualquier PPL está limitada por segmentos (es un polígono, acotado o no). • La región factible de cualquier PPL tiene solamente un número finito de vértices. • Cualquier PPL que tenga solución óptima tiene un vértice que es óptimo. Ing. Carlos Martin SOLUCIÓN ÓPTIMA La mayoría de los PPL tienen solamente una solución óptima. Sin embargo, algunos PPL no tienen solución óptima, y otros PPL tienen un número infinito de soluciones. Más adelante veremos que la solución del PPL de Gepetto es x = 20 e y = 60. Esta solución da un valor de la función objetivo de: z = 3x + 2y = 3·20 + 2·60 = 180 € Cuando decimos que x = 20 e y = 60 es la solución óptima, estamos diciendo que, en ningún punto en la región factible, la función objetivo tiene un valor (beneficio) superior a 180. Para un problema de maximización, una solución óptima es un punto en la región factible en el cual la función objetivo tiene un valor máximo. Para un problema de minimización, una solución óptima es un punto en la región factible en el cual la función objetivo tiene un valor mínimo. Se puede demostrar que la solución óptima de un PPL está siempre en la frontera de la región factible, en un vértice (si la solución es única) o en un segmento entre dos vértices contiguos (si hay infinitas soluciones) Ing. Carlos Martin 2x + y = 100 Cualquier PPL con sólo dos variables puede resolverse gráficamente. Por ejemplo, para representar gráficamente la primera restricción, 2x + y ≤ 100 : Dibujamos la recta 2x + y = 100 20 20 40 60 80 40 60 80 100 Y X Elegimos el semiplano que cumple la desigualdad: el punto (0,0) la cumple (2·0 + 0 ≤ 100), así que tomamos el semiplano que lo contiene. Ing. Carlos Martin Representación Gráfica de las Restricciones Dibujar la Región Factible Puesto que el PPL de Gepetto tiene dos variables, se puede resolver gráficamente. La región factible es el conjunto de todos los puntos que satisfacen las restricciones: 2 x + y ≤ 100 (restricción de acabado) x + y ≤ 80 (restricción de carpintería) x ≤ 40 (restricción de demanda) x ≥ 0 (restricción de signo) y ≥ 0 (restricción de signo) Vamos a dibujar la región factible que satisface estas restricciones. Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 2x + y = 100 Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 DIBUJAR LA REGIÓN FACTIBLE Teniendo en cuenta las restricciones de signo (x ≥ 0, y ≥ 0), nos queda: Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 x + y = 80 Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 DIBUJAR LA REGIÓN FACTIBLE Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 x = 40 Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 DIBUJAR LA REGIÓN FACTIBLE Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 Dibujar la región factible Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 DIBUJAR LA REGIÓN FACTIBLE Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 2x + y = 100 x + y = 80 x = 40 La intersección de todos estos semiplanos (restricciones) nos da la región factible Región Factible DIBUJAR LA REGIÓN FACTIBLE Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 2x + y = 100 x + y = 80 x = 40 Región Factible La región factible (al estar limitada por rectas) es un polígono. En esta caso, el polígono ABCDE. A B C D E Como la solución óptima está en alguno de los vértices (A, B, C, D o E) de la región factible, calculamos esos vértices. Vértices de la región factible Restricciones 2 x + y ≤ 100 x + y ≤ 80 x ≤ 40 x ≥ 0 y ≥ 0 Ing. Carlos Martin Región Factible E(0, 80) (20, 60) C(40, 20) B(40, 0) A(0, 0) Vértices de la región factible Los vértices de la región factible son intersecciones de dos rectas. El punto D es la intersección de las rectas 2x + y = 100 x + y = 80 La solución del sistema x = 20, y = 60 nos da el punto D. 20 20 40 60 80 40 60 80 100 Y X D B es solución de x = 40 y = 0 2x + y = 100 x = 40 x + y = 80 C es solución de x = 40 2x + y = 100 E es solución de x + y = 80 x = 0 Ing. Carlos Martin Investigación Operativa Resolución Gráfica Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Método Gráfico Procedimiento • Representar cada restricción, encontrar la región factible y dibujar la pendiente del funcional . • Trasladamos la FO (en el sentido del crecimiento- MAX o del decrecimiento-MIN) por todo el polígono conservando su forma paralela con la original, la detenemos en el ultimo punto de contacto entre el convexo y el funcional. • Allí se encuentra la solución óptima (vértice/s). Ing. Carlos Martin Método Gráfico VENTAJAS Rico en materia de interpretación de Resultados Análisis de sensibilidad. DESVENTAJAS Limitado en cuanto al número de variables 2 si es un gráfico 2D 3 si es 3D) Ing. Carlos Martin Resolución Grafica de un PL de dos Variables Ing. Carlos Martin Resolución Gráfica: Representación de la Pendiente del Funcional “Z” Ing. Carlos Martin Resolución Gráfica Ing. Carlos Martin Solución Analítica Ing. Carlos Martin Ing. Carlos Martin Interpretación de la Solución del Problema • X1: Cantidad a producir del Producto 1 = 3,5 U. de P. • X2: Cantidad a producir del Producto 2 = 1,5 U. de P. • Z: Valor del Funcional = 18,5 U. M. Análisis del Consumo de Recursos Reemplazando en cada restricción los valores de las variables de decisión genuinas, podemos calcular los valores de las variables de holgura, es decir, podemos saber cuanto es la cantidad de recurso sobrante, o dicho de otra manera, cual fue el consumo de cada uno de los recursos. • R1 sobrante , R2 y R3 agotados • Variables básicas y variables no básicas Ing. Carlos Martin Tipos de Restricciones •Hay 2: •Restricción Activa: Cuando el Recurso correspondiente a esa restricción está Agotado. •Restricción Inactiva: Cuando el Recurso correspondiente no está agotado, entonces hay un sobrante Ing. Carlos Martin Max z = 3x + 2y (función objetivo) Sujeto a (s.a:) 2 x + y ≤ 100 (restricción de acabado) x + y ≤ 80 (restricción de carpinteria) x ≤ 40 (restricción de demanda de muñecos) x ≥ 0 (restricción de signo) y ≥ 0 (restricción de signo) Para el problema de Gepetto tenemos el siguiente modelo de optimización: Resolución Gráfica de Nuestro Ejemplo con GLP Variables de Decisión x = nº de muñecos producidos a la semana y = nº de trenes producidos a la semana En GLP Hacemos: x → X1 nº de muñecos producidos a la semana y → X2 nº de trenes producidos a la semana Ing. Carlos Martin Y X 20 20 40 60 80 40 60 80 100 Región Factible (0, 80) (20, 60) (40, 20) (40, 0) (0, 0) Max z = 3x + 2y z = 0 z = 100 z = 180 Para hallar la solución óptima, dibujamos las rectas en las cuales los puntos tienenel mismo valor de z. La figura muestra estas lineas para z = 0, z = 100, y z = 180 Resolución gráfica Ing. Carlos Martin Región Factible (0, 80) (20, 60) (40, 20) (40, 0) (0, 0) Max z = 3x + 2y z = 0 z = 100 z = 180 La última recta de z que interseca (toca) la región factible indica la solución óptima para el PPL. Para el problema de Gepetto, esto ocurre en el punto D (x = 20, y = 60). 20 20 40 60 80 40 60 80 100 Y X Resolución gráfica b = 9 0 D Z = b C2 => Z = (90) (2) => => Z = 180 Ing. Carlos Martin Investigación Operativa Resolución Gráfica con GLP Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Software GLP y PHPSimplex GLP • El software Graphic Linear Optimizer (GLP) es una herramienta que permite resolver gráficamente modelos de Programación Lineal. • GLP fue desarrollado bajo la supervisión del profesor Jeffrey Moore (Ph. D) perteneciente a la Universidad de Stanford en Estados Unidos. • https://www.youtube.com/watch?v=8j3400gdJvw • https://www.youtube.com/watch?v=9cfKFTYskxs PHPSimplex • http://www.phpsimplex.com/simplex/simplex.htm Ing. Carlos Martin https://www.youtube.com/watch?v=9cfKFTYskxs https://www.youtube.com/watch?v=9cfKFTYskxs http://www.phpsimplex.com/simplex/simplex.htm Resolución con GLP Ing. Carlos Martin Resolución con GLP 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 X2 X1 Acabado: 2 X1 + 1 X2 = 100 Carpinteria: 1 X1 + 1 X2 = 80 Demanda: 1 X1 + 0 X2 = 40 Payoff: 3 X1 + 2 X2 = 180 Optimal Decisions(X1,X2): ( 20, 60) Acabado: 2X1 + 1X2 <= 100 Carpinteria: 1X1 + 1X2 <= 80 Demanda: 1X1 + 0X2 <= 40 Ing. Carlos Martin Investigación Operativa Resolución Analítica Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Región Factible (0, 80) (20, 60) (40, 20) (40, 0) (0, 0) Max z = 3x + 2y También podemos encontrar la solución óptima calculando el valor de z en los vértices de la región factible. Vértice z = 3x + 2y (0, 0) z = 3·0+2·0 = 0 (40, 0) z = 3·40+2·0 = 120 (40, 20) z = 3·40+2·20 = 160 (20, 60) z = 3·20+2·60 = 180 (0, 80) z = 3·0+2·80 = 160 20 20 40 60 80 40 60 80 100 Y X La solución óptima es: x = 20 muñecos y = 60 trenes z = 180 € de beneficio Resolución Analítica Ing. Carlos Martin Investigación Operativa Problemas de Minimización Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Un problema de minimización Dorian Auto fabrica y vende coches y furgonetas. La empresa quiere emprender una campaña publicitaria en TV y tiene que decidir comprar los tiempos de anuncios en dos tipos de programas: del corazón y fútbol. • Cada anuncio del programa del corazón es visto por 6 millones de mujeres y 2 millones de hombres. • Cada partido de fútbol es visto por 3 millones de mujeres y 8 millones de hombres. • Un anuncio en el programa de corazón cuesta 50.000 € y un anuncio del fútbol cuesta 100.000 €. • Dorian Auto quisiera que los anuncios sean vistos por lo menos 30 millones de mujeres y 24 millones de hombres. • Dorian Auto quiere saber cuántos anuncios debe contratar en cada tipo de programa para que el coste de la campaña publicitaria sea mínimo. Ing. Carlos Martin • Cada anuncio del programa del corazón es visto por 6 millones de mujeres y 2 millones de hombres. • Cada partido de fútbol es visto por 3 millones de mujeres y 8 millones de hombres. • Un anuncio en el programa de corazón cuesta 50.000 € y un anuncio del fútbol cuesta 100.000 €. • Dorian Auto quisiera que los anuncios sean vistos por lo menos por 30 millones de mujeres y 24 millones de hombres. • Dorian Auto quiere saber cuántos anuncios debe contratar en cada tipo de programa para que el coste de la campaña publicitaria sea mínimo. Corazón (x) Fútbol (y) mujeres 6 3 6x + 3y ≥ 30 hombres 2 8 2x + 8y ≥ 24 Costo Anuncio (X 1.000€) 50 100 50x +100y Formulación del problema: Variables de decisión: x = nº de anuncios en programa de corazón y = nº de anuncios en fútbol Min z = 50x + 100y (función objetivo en 1.000 €) s.a: 6x + 3y ≥ 30 (mujeres) 2x + 8y ≥ 24 (hombres) x, y ≥ 0 (no negatividad) Formulación del Problema Ing. Carlos Martin X Y 2 4 6 8 10 12 14 14 12 10 8 6 4 2 Min z = 50 x + 100y s.a. 6x + 3y ≥ 30 2x + 8y ≥ 24 x, y ≥ 0 6x + 3y = 30 2x + 8y = 24 Dibujamos la región factible. X Y 2 4 6 8 10 12 14 14 12 10 8 6 4 2 La región factible no está acotada Región Factible Calculamos los vértices de la región factible: A B C El vértice A es solución del sistema 6x + 3y = 30 x = 0 Por tanto, A(0, 10) El vértice B es solución de 6x + 3y = 30 2x + 8y = 24 Por tanto, B(4, 2) El vértice C es solución de 2x + 8y = 24 y = 0 Por tanto, C(12, 0) Ing. Carlos Martin Región Factible Resolvemos por el método analítico A(0, 10) B(4, 2) C(12, 0) X Y 2 4 6 8 10 12 14 14 12 10 8 6 4 2 Vértice z = 50x + 100y A(0, 10) z = 50·0 + 100·10 = = 0+10000 = 10 000 B(4, 2) z = 50·4 + 100·2 = = 200+200 = 400 C(12, 0) z = 50·12 + 100·0 = = 6000+0 = 6 000 El coste mínimo se obtiene en B. Solución: x = 4 anuncios en pr. corazón y = 2 anuncios en futbol Coste z = 400 (mil €) Evaluamos la función objetivo z en los vértices. Región Factible Resolvemos por el Método Gráfico A(0, 10) B(4, 2) C(12, 0) X Y 2 4 6 8 10 12 14 14 12 10 8 6 4 2 El coste mínimo se obtiene en el punto B. Solución: x = 4 anuncios en pr. corazón y = 2 anuncios en futbol Min z = 50 x + 100y s.a. 6x + 3y ≥ 30 2x + 8y ≥ 24 x, y ≥ 0 Z = 600 Z = 400 Z = b C2 => Z = (4) (100) => => Z = 400 (mil €) b=4 Z Ing. Carlos Martin Número de Soluciones de un PPL Se pueden dar también las siguientes posibilidades: • Algunos PPL tienen un número infinito de soluciones óptimas (soluciones óptimas múltiples ). • Algunos PPL no tienen soluciones factibles (notienen región factible). • Algunos PPL son no acotados: Existen puntos en la región factible con valores de z arbitrariamente grandes (en un problema de maximización). Los dos ejemplos anteriores, Gepetto y Dorian Auto, tienen, cada uno, una única solución óptima. No en todos los PPL ocurre esto. Ing. Carlos Martin Casos Solución Única Redundancia Polígono Abierto Solución no acotada: Ilimitabilidad Solución acotada Más de una solución óptima Imposibilidad Degeneración Ing. Carlos Martin Min z = 50 X1 + 100X2 s.a. 6X1 + 3X2 ≥ 30 2X1 + 8X2 ≥ 24 X1, X2 ≥ 0 Maximización max z = 3X1 + 3X2 s.a: 3X1 + 2X2 ≤ 120 X1 + X2 ≤ 50 X1 , X2 ≥ 0 Minimización Solución Única • La restricción contiene a la región factible max z = 3X1 + 2X2 s.a: Consideremos el siguiente problema: 3X1 + 2X2 ≤ 120 X1 + X2 ≤ 50 X1 ≤ 55 X1 , X2 ≥ 0 Redundancia REDUNDANTE Ing. Carlos Martin SOLUCIÓN ACOTADA: Polígono Abierto SOLUCIÓN NO ACOTADA: Ilimitabilidad Max Z = 2 X1 + 2X2 s.a. -6X1 + 3X2 ≤ 9 2X1 + X2 ≥ 6 X1, X2 ≥ 0 Min Z = 2 X1 + 2X2 s.a. -6X1 + 3X2 ≤ 9 2X1 + X2 ≥ 6 X1, X2 ≥ 0 Ing. Carlos Martin PPL No Acotado max z = 2x – y s.a: x – y ≤ 1 2x + y ≥ 6 x, y ≥ 0 La región factible es no acotada. Se muestran en el gráfico las rectas de nivel para z = 4 y z = 6. Pero podemos desplazar las rectas de nivel hacia la derecha indefinidamente sin abandonar la región factible. Por tanto, el valor de z puede crecer indefinidamente. 1 1 2 3 4 2 3 4 5 5 6 Y X z = 4 z = 6 Región Factible Ing. Carlos Martin max Z = 3X1 + 2X2 s.a: Cualquier punto (solución)situado en el segmento AB puede ser una solución óptima de Z =120. 3X1 + 2X2 ≤ 120 X1 + X2 ≤ 50 X1 , X2 ≥ 0 Más de Una Solución Óptima Solucion AB Ing. Carlos Martin s.a: max Z = 3x1 + 9x2 1,6X1 + 4X2 ≤ 80 X1 + 2X2 ≤ 40 X1 ,X2 ≥ 0 Degeneración Desde el punto de vista practico, la condición indica que el modelo tiene al menos una restricción redundante Solución Optima Degenerada Ing. Carlos Martin s.a: max z = 3x1 + 2x2 La region no es convexa 3X1 + 2X2 ≤ 120 X1 + X2 ≤ 50 X1 ≥ 30 X2 ≥ 30 X1 , X2 ≥ 0 Imposibilidad Sin soluciones factibles No existe región factible Ing. Carlos Martin Ing. Carlos Martin EJEMPLOS •Problema de Dieta •Problema de Producción •Aplicación en Dietas •Problema de Mezcla de Productos •Plan de Manufactura Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Problema de Mezcla de Productos: • Se dispone de 2 ingredientes para fabricar caramelos, cuyo sabor variará dependiendo de la proporción en que intervengan cada uno de los ingredientes. • El primer ingrediente se compra a $10 por kg. y el segundo a $20 por kg. • El proceso de elaboración supone un costo de $5 por kg. fabricado, cuya cantidad total corresponde simplemente a la suma de los kg. empleados en la mezcla. • La demanda máxima mensual es de100 kg y el precio de venta $50 kg. • A la empresa no le interesa producir más de los que puede vender en el mes. • Por último, la composición de la masa debe contener una proporción que no supere el 50% del primer ingrediente y el 80% del segundo ingrediente. • Se requiere determinar cuántos kg. de caramelos se tienen que fabricar al mes y las proporciones en las que deben ser utilizados los ingredientes para obtener un máximo beneficio. Ing. Carlos Martin Variables de Decisión: X1: Kg a usar del ingrediente 1 en un mes X2: Kg a usar del ingrediente 2 en un mes Función Objetivo: Obtener la máxima utilidad de la venta de los caramelos descontando los costos de producción Maximizar z = 50*(X1 + X2) – 10*X1 – 20*X2 - 5*(X1 + X2) = 35*X1 + 25*X2 Restricciones: Demanda Máxima: X1 + X2 <= 100 Composición: X1/(X1 + X2) <= 50% o 0,5*X1 – 0,5*X2 <= 0 Composición: X2/(X1 + X2) <= 80% o -0,8*X1 + 0,2*X2 <= 0 No Negatividad: X1, X2 >= 0 Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin RESUMEN • Solución de un problema de pl utilizando el método gráfico • Interpretación de la solución y análisis del consumo de recursos. • Grafico de las restricciones con base en ecuaciones lineales para determinar el área factible de solución. • Grafico de la F. O. para establecer el punto o puntos de solución óptima • Calculo de la S. O. mediante el uso de ecuaciones simultáneas. • El Polígono de soluciones: conjunto convexo. • Solución optima: se encuentra al menos en un vértice de la región factible. • Restricción Activa (Recurso agotado). • Restricción Inactiva (Recurso sobrante). • Identificación de S. B. F. y de S. B. no F. Ing. Carlos Martin BIBLIOGRAFIA Prawda Witenberg J. “Métodos y Modelos de Investigación de Operaciones – Vol. 1 Modelos Determinísticos”. Editorial Limusa. ©1999 Taha Hamdy A. “Investigación de Operaciones”. Editorial Alfa Omega. ©1998 Winston Wayne L.. “Investigación de Operaciones. Editorial. Grupo Editorial Iberoamericana. ©2005 Hillier Frederick S. “Introducción a la Investigación de Operaciones. Editorial. Mc Graw Hill. ©2001 Eppen G.D. “Investigacion de Operaciones En la Ciencia Administrativa. Editorial Prentice. ©2000 Mathur-Solow – Investigación de Operaciones – Ed. Prentice Hall 1996. MARIN, Isidoro. “Investigación Operativa”. UBA. Centro de Estudiantes Universidad Nacional de Buenos Aires. © 1970 Ing. Carlos Martin Preguntas Ing. Carlos Martin Investigación Operativa Muchas Gracias Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR
Compartir