Investigación de operaciones programación lineal. Problemas de
-
Upload
cesarpineda -
Category
Documents
-
view
228 -
download
0
Transcript of Investigación de operaciones programación lineal. Problemas de
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
1/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
2/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
3/247
I P
P
A
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
4/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
5/247
M K
Investigación de operacionesProgramación lineal
Problemas de transporte Análisis de redes
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
6/247
Investigación de operacionesProgramación lineal - Problemas de transporte - Análisis de redesMaynard Kong
© Maynard Kong, 2010
De esta edición:© Fondo Editorial de la Pontificia Universidad Católica del Perú, 2010 Av. Universitaria 1801, Lima 32, Perú
Teléfono: (51 1) 626-2650Fax: (51 1) [email protected] www.pucp.edu.pe/publicaciones
Diseño, diagramación, corrección de estiloy cuidado de la edición: Fondo Editorial PUCP
Primera edición: abril de 2010Tiraje: 500 ejemplares
Prohibida la reproducción de este libro por cualquier medio, total o parcialmente,sin permiso expreso de los editores.
Hecho el Depósito Legal en la Biblioteca Nacional del Perú N° 2010-03265ISBN: 978-9972-42-921-7Registro del Proyecto Editorial: 31501361000223
Impreso en Tarea Asociación Gráfica Educativa
Pasaje María Auxiliadora 156, Lima 5, Perú
http://localhost/var/www/apps/conversion/tmp/scratch_1/[email protected]://www.pucp.edu.pe/publicacioneshttp://www.pucp.edu.pe/publicacioneshttp://localhost/var/www/apps/conversion/tmp/scratch_1/[email protected]
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
7/247
Í
C 1. I 11
1.1. Aplicaciones 11
1.2. Problema de optimización 12
1.3. Propiedades y ejemplos 12
1.4. Programación matemática 17
1.5. Modelo de programación matemática 191.6. Problemas resueltos 22
C 2. I P L 31
2.1. Formulación del problema de Programación Lineal 31
2.2. Solución geométrica de problemas con dos variables de decisión 34
2.3. Problemas propuestos 37
2.4. Forma estándar del problema de Programación Lineal 41
2.5. Restricciones equivalentes de la forma estándar 462.6. Variables básicas y soluciones básicas factibles 48
2.7. Problemas propuestos 53
C 3. E 57
3.1. Conceptos básicos del método del símplex 57
3.2. Forma tabular del problema estándar 64
3.3. Criterios del símplex. Caso máximo 66
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
8/247
3.4. Problema de minimización 67
3.5. Problemas propuestos 70
C 4. M : .C 73
4.1. Variables artificiales 73
4.2. Problemas propuestos 80
4.3. Convergencia del algoritmo del símplex 83
4.4. Métodos para evitar ciclos: regla de Blands y perturbación 86
4.5. Problemas propuestos 93
C 5. P 955.1. Definición del problema dual 95
5.2. Formas típicas de problemas duales 100
5.3. Reglas para hallar el problema dual 102
5.4. Problemas propuestos 104
5.5. Propiedades del problema dual 106
5.6. Problemas propuestos 112
5.7. Vector dual de una solución básica factible 114
C . A 123
6.1. Introducción 123
6.2. Pasos del análisis 123
6.3. Programa ejemplo 124
6.4. Variación de un costo fijando la solución óptima 125
6.5. Variación del lado derecho de una restricción fijando las variables básicas 1276.6. Inclusión de variable 129
6.7. Inclusión de restricción 131
6.8. Dualidad y análisis de sensibilidad 133
6.9. Costos reducidos y asignación de valores a variables no básicas 136
6.10. Matriz de operaciones en la tabla final 137
6.11. Problemas resueltos 140
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
9/247
C 7. P 153
7.1. Introducción 153
7.2. Problema de transporte balanceado 1557.3. Método del símplex simplificado 156
7.4. Problemas propuestos 174
7.5. Problema de transbordo 177
7.6. Problema de asignación 181
7.7. Problemas propuestos 192
C . A 197
8.1. Introducción 1978.2. Rutas en una red 199
8.3. Problema de ruta óptima 200
8.4. Problemas propuestos 203
8.5. Problema de flujo máximo 206
8.6. Problemas propuestos 213
8.7. Programación de proyectos 216
8.8. Problemas propuestos 235
Í 241
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
10/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
11/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
12/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
13/247
12
M K
1.2 P
El problema general de optimización consiste en determinar el valoróptimo (valor máximo o valor mínimo) que una función asume sobrelos elementos de un conjunto dado.
De modo preciso, dados un conjunto y una función que asigna acada de un valor numérico , se desea, para el caso de máximo,encontrar
de que cumpla la condición:
para todo de
y para el caso de mínimo: un 1 de que cumpla
para todo de
En forma abreviada se escribe
Los elementos del conjunto representan los recursos del problemay puede ser considerado como el valor del recurso , por ejemplo,es un costo, un tiempo, una cantidad de producción, etc. A la función
se le denomina función objetivo.Frecuentemente, el conjunto se especifica mediante:
condiciones —a las que se llama restricciones— que determinansus elementos
• algoritmos o reglas que describen cómo obtener elementos de .
Véanse los ejemplos 1, 3 y 4.Es posible que el problema no tenga soluciones, porque el conjunto
no tiene elementos o porque la función no puede tomar un valormáximo o mínimo.
1.3 P
Se cumplen las siguientes propiedades
1) es una constante2) es una constante positiva
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
14/247
13
C 1. I
3) es una constante negativa 4)
5) si existen los valores óptimos de los segundos miembros.
Las propiedades 4) y 5) se suelen aplicar a menudo para convertir unproblema de minimización en uno de maximización y viceversa. Por ejem-plo, de manera explícita, según 4) para encontrar el valor mínimo de :
• se halla el valor máximo de la función , por ejemplo
• luego se le cambia de signo, y resulta así que es el valor
mínimo buscado.
A continuación se desarrollan algunos ejemplos sencillos relativos aproblemas de optimización
Ejemplo 1. Un problema de mezcla
Se desea producir una bebida mezclando jugos o zumos de naranja,toronja y mandarina. Los costos de los jugos son , y por litro,respectivamente. Se requiere que la bebida tenga al menos el detoronja y no más del de naranja.
Formule el problema de optimización para obtener una mezcla debebida cuyo costo sea mínimo.
Solución
Sean , y , las cantidades de naranja, toronja y mandarina, en litros,para obtener un litro de mezcla de bebida. Luego, los costos de cadacomponente son , y , respectivamente, y el costo de la bebidaes
El problema consiste en obtener el valor mínimo de .Falta precisar las condiciones sobre las cantidades de jugos.Estas son:
1) las tres cantidades suman un litro:
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
15/247
14
M K
2) la cantidad de toronja al menos es de un litro: 3) la cantidad de naranja no excede el de un litro:
y 4) las tres cantidades son evidentemente no negativas:
,
y
Así, el conjunto sobre el cual queda definida es todos los( ) tales que
,
Finalmente, el problema de optimización esMinimizar sobre el conjunto .
Ejemplo 2. Solución óptima del ejemplo 1 por simple inspección
Resuelva el problema de optimización del ejemplo 1, esto es, halle elcosto mínimo de un litro de mezcla de bebida.
Solución
El problema es encontrar el valor mínimo de endonde y cumplen las condiciones
, Observamos que , y son menores o iguales a El costo será menor si se toma la menor cantidad del jugo más
caro, que corresponde al de toronja; así , que varía entre y ,debe tomar su menor valor
Y también será menor si se toma la mayor cantidad posible del jugo de naranja, pues es el más barato, y como se encuentra entre
y ha de tomarse .
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
16/247
15
C 1. I
El valor de , que se halla entre y , es lo que falta para com-pletar el litro de mezcla, así
Así, la bebida que da un litro de costo mínimo se obtiene mezclando litros de naranja, litros de toronja y litros de mandarina,que tiene un costo de .
Ejemplo 3
Sea la función definida en el conjunto de los puntos números reales, que cumplen las condiciones
Determine los valores máximo y mínimo de .
Solución
Reemplazando en la función
y de las relaciones dadas se observa que los valores de varían desde hasta ( varía a la vez desde hasta ) de manera que el menor valorde es , cuando es , y por eso cuando
.Por el mismo razonamiento se obtiene
cuando , .
Ejemplo 4
Tres máquinas ,
y
pueden realizar las tareas , y .
Los costos de ejecución son dados en la tabla siguiente:
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
17/247
16
M K
¿Cómo se deben hacer las asignaciones de las tareas de manera quecada máquina realice exactamente una de las tareas y el costo total sea
el menor posible?Solución
En este caso, el conjunto de recursos consiste de todas las posibles asig-naciones.
Los recursos del problema con sus respectivos costos son dados por
en donde cada columna indica la forma de asignar las tareas a lasmáquinas, por ejemplo, la tercera columna asigna las tareas , , a lasmáquinas
,
y
, respectivamente, y el costo respectivo es
, que, como puede observarse, es en verdad el mínimo.
Ejemplo 5
Pruebe que
Solución
Sea
.Entonces por definición de valor mínimo se tiene
para todo de
o para todo de
de modo que es el valor máximo de , esto es
o
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
18/247
17
C 1. I
1.4 P
Los problemas de programación matemática constituyen una parteimportante de los problemas de optimización.
Un programa matemático tiene la forma
Maximizar (o minimizar)
,
sujeto a las condiciones o restricciones
en donde
son funciones
con valores numéricos que dependen de variables numéricas,
,
son constantes y en cada restricción se emplea uno delos signos , lo que se indica mediante la notación .
El conjunto de definición del problema está formado por todoslos
que satisfacen todas las restricciones. A tales se
les llama soluciones factibles del programa o del problema, y a , sele denomina el conjunto de soluciones factibles o región de factibi-lidad.
Generalmente se asume que las variables
son números
reales. No obstante, también se consideran programas matemáticos—llamados de programación entera— en los que las variables tomansolo valores enteros.
Ejemplo 1
Maximizar sujeto a 2 2
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
19/247
18
M K
En este caso: , el signo es y
la constante es
Ejemplo 2
Aplicando métodos geométricos, hallar la solución óptima del ejemploanterior.
Solución
La restricción determina el disco de radio y centro en
el origen.
Sea un valor dado y consideremos la recta
En la figura se grafican las rectas correspondientes a los valores de y .Observemos que la función objetivo toma el valor
sobre el disco , si y solo si la recta interseca al disco. Esto implicaque se debe considerar únicamente rectas que intersequen al disco. Y por otro lado, cuando se aumenta los valores de , como de a , la recta se desplaza en el primer cuadrante alejándose del ori-gen. En resumen, para hallar el valor de , el valor máximo u óptimo,
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
20/247
19
C 1. I
hay que mover la recta hasta que sea tangente al círculo. El punto detangencia tiene pendiente , pues el radio del origen al punto
es perpendicular a la recta, cuya pendiente es
. Así,
y por estaren el círculo
, de donde
Por tanto, la solución óptima es y el valor óptimo es .
Ejemplo 3
Minimizar sujeto a
y todas las
Ejemplo 4Maximizar
sujeto a las condiciones
1.5 M
Para resolver un problema de optimización:
1. Se formula un modelo del problema mediante un programamatemático.
2. Se resuelve el programa matemático.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
21/247
20
M K
A partir de la definición o enunciado del problema, los pasos queusualmente se aplican para la formulación o propuesta del modelo son
los siguientes:• Se identifican la cantidad o variable de salida que se desea opti-
mizar y las variables de decisión o de entrada
, de las
que depende y se expresa la primera como una función matemá-tica de las últimas.
• Se determinan las condiciones, requisitos y limitaciones y seexpresan mediante restricciones matemáticas que se imponen a
las variables de decisión.• Se incluyen condiciones adicionales que no aparecen de maneraexplícita pero que deben cumplirse en el problema real, porejemplo, si algunas variables de decisión han de tomar valoresmayores que o iguales a cero, o si deben tener valores enteros.
Una vez obtenido el modelo del programa matemático se procedea resolverlo aplicando los métodos y técnicas de optimización; esto es,
hallar el valor óptimo, si existe, y una solución óptima, o algunos valoresen los cuales las variables de decisión proporcionan el valor óptimo.
Ejemplo
Un establecimiento de ventas de combustible atiende las horas ytiene los siguientes requerimientos mínimos de empleados para atendera los clientes:
Un empleado trabaja horas consecutivas y puede ingresar al ini-ciarse cualquiera de los períodos indicados.
Formule el modelo matemático para minimizar el menor númerode empleados que se necesitan en el establecimiento.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
22/247
21
C 1. I
Solución
Sea número de empleados que empiezan a las horas (primer
período) ...
número de empleados que empiezan a las horas (último
período)
Entonces total de empleados requeridos
y las
restricciones para los respectivos períodos son:
que toman en cuenta la suma de los empleados de dos períodos con-
secutivos, por ejemplo, en el primer período se tiene empleadosque empezaron a las horas y empleados que empiezan a las
horas. Además, hay que observar que las variables son enteras y mayores
que o iguales a .Por tanto, el modelo de programación pedido esMinimizar
sujeto a
con todas las variables enteras y no negativas.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
23/247
22
M K
1.6 P
Problema 1
Si calcule
a) b)
Solución
Se tiene
a) b)
Problema 2
Resuelva el problema Maximizar sujeto a
Solución
Despejando la variable y de la restricción y reemplazándola enla función objetivo
Falta determinar el conjunto de valores de :de y usando la condición se obtiene ,por lo tanto, varía desde hasta ,de donde resulta que varía de a .
Luego, el mayor valor de es y se obtiene en ,
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
24/247
23
C 1. I
Problema 3. Problema de la dieta
Se desea mezclar cuatro alimentos de modo que el producto resultante
contenga al menos unidades de proteínas, unidades de carbohi-dratos y unidades de grasa. La tabla siguiente contiene las cantidadesnutricionales de los alimentos y el respectivo costo
Formule el modelo de programación matemática para obtener una
mezcla de costo mínimo.
Solución
Sean ,
,
, y
, las unidades que se toman de los alimentos, respec-
tivamente, para formar una mezcla.
Luego, el costo de la mezcla es .La cantidad de proteínas que contiene la mezcla es
, que debe ser al menos , y por lo tanto se tiene la primera
restricción:
.
Similarmente, se establecen las restricciones para los carbohidratosy grasas:
y es obvio que todas las variables han de ser no negativas. Así, el modelo pedido es
Minimizar
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
25/247
24
M K
sujeto a
todos los
Problema 4
Se dispone de S/. para invertirlos según los dos planes de inver-sión y que ofrecen ganancias o utilidades como se muestran en latabla:
Los depósitos deben hacerse en cantidades múltiplos de y sepuede invertir usando una parte en cada plan.
Desarrollar un modelo de programación matemático para obtener
la mayor utilidad.
Solución
Sean y , en miles, las cantidades que se invierten en los planes y .Entonces , y enteros no negativos.Las utilidades de los planes pueden expresarse mediante las funcio-
nes y definidas por
Por tanto, el modelo requerido es Maximizar
sujeto a y enteros no negativos.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
26/247
25
C 1. I
Problema 5
Resuelva, por simple inspección, el problema anterior.
Solución
Para cada valor de calculamos el valor máximo de laganancia:
, por ejemplo, si , ,
que se obtiene en .
Procediendo de esta manera se obtienen los siguientes resultados:
La ganancia máxima es en miles, o , y se obtiene en y , esto es, invirtiendo en el plan y en el plan
Problema 6. Problema de transporte
Se desea transportar un producto de las fábricas y a los locales y .Los costos de transporte por unidad de producto son:
y las cantidades disponibles en y son y , respectivamente,y se requieren y unidades en y , respectivamente.
Determine un modelo de programación que minimice el costo totalde transporte.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
27/247
26
M K
Solución
Sean 1 y
2 las cantidades que se envían desde a los locales, y
1,
2,
similarmente para .Según las cantidades disponibles se tiene
y para los locales
siendo el costo de envío
Así, el modelo del problema es Minimizar
sujeto a
y todas las variables enteras y no negativas.
Problema 7. Problema del corte mínimo
Una fábrica de papel que produce rollos de papel y de papel de y metros de ancho, respectivamente, recibe un pedido de rollos depapel, uno de 2 metros de ancho y 800 metros de longitud y otro de 5
metros de ancho y 900 metros de longitud.Suponiendo que los recortes de rollos del mismo ancho pueden ser
pegados para satisfacer las longitudes requeridas, se desea determinarcómo deben recortarse los anchos de los rollos y para minimizar lacantidad de papel que se pierde.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
28/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
29/247
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
30/247
29
C 1. I
de tipo , con lo que se puede completar
productos
y de tipo , que permite completar
pro-
ductos El número de productos resultante es el menor de estos, o sea
Así, el modelo es Maximizar sujeto a y enteros no negativos.
Problema 9
En un terreno de hectáreas se puede cultivar arroz y frijoles. En un añobueno, la ganancia por hectárea de arroz es y la de frijoles ; en cam-bio, en un año malo, las ganancias son de y , respectivamente.
Se dedica a cada planta no más de de hectáreas del terreno y serequiere determinar cuántas hectáreas deben cultivarse de cada pro-ducto para maximizar la ganancia total en un año bueno y asegurar quela ganancia en un año malo sea al menos de . Formule el modelodel programa.
Solución
Sean y las cantidades de hectáreas de arroz y frijoles a cultivar.Entonces , los de
La ganancia en un año bueno es y la de un año malo es , que debe ser al menos
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
31/247
30
M K
Por lo tanto, el modelo del problema es
sujeto a
y no negativas.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
32/247
C 2I P L
2.1 F P L
Se dice que una función numérica
, que depende de varia-
bles numéricas
, es lineal si se expresa como una suma de
múltiplos de las variables
en donde
son constantes.
Por ejemplo,
Un problema de programación lineal (PPL) tiene la forma: Maximizar (o Minimizar)
sujeto a las condiciones o restricciones
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
33/247
32
M K
en donde
son variables,
1,
2, ...,
,
11,
12, ...,
m1, ...,
mn,
son constantesy en cada condición se asume uno de los signos o .
Así, tanto la función objetivo
como las funciones
que definen los miembros izquierdos de las condiciones o restriccionesson funciones lineales de las variables de decisión
En este caso, a las constantes
de la función objetivo se
les suele denominar costos o coeficientes de costos.
Se llama solución factible a cualquier colección de valores que cumplan todas las restricciones. El problema consiste en determi-nar el mayor
(o menor
) de los valores de la función objetivo
, evaluada sobre todas las soluciones factibles y, desde
luego, indicar una solución óptima, esto es, una solución factible queproduzca ese valor.
Ejemplos1. Maximizar
sujeto a
El valor máximo de es y se obtiene en la solución óptima
2. Maximizar sujeto a
En este caso
en
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
34/247
33
C 2. I P L
3. Minimizar
sujeto a
2
2
4
5; y todas las variables El valor óptimo es
y se alcanza en
.
4. Minimizar
sujeto a
todas las variables no negativas.
En este problema el valor mínimo no existe, pues, si se asigna a lasvariables de decisión
cualquier ,
se comprueba que estas son soluciones factibles (cumplen todas lasrestricciones) en las que la función objetivo vale
y, por lo tanto, adquiere un valor menor que cualquier número quese precise (en notación de límites: tiende a cuando tiendea ).
5. Minimizar:
sujeto a
El problema no tiene soluciones factibles, pues las restricciones sonincompatibles o inconsistentes. En efecto, de las dos últimas restric-ciones se obtiene la desigualdad
ó
que contradice a la primera restricción
.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
35/247
34
M K
2.2 S
Los problemas de programación lineal con dos variables de decisión yun número reducido de restricciones pueden ser resueltos gráficamentepor métodos geométricos sencillos utilizando un plano cartesiano cuyosejes de coordenadas son las variables de decisión. Allí se trazan la regiónfactible y algunas rectas asociadas a la función objetivo que permitendeterminar en qué puntos esta obtiene su valor óptimo, cuando existe.
Este método muestra gráficamente dos propiedades de los proble-
mas de programación lineal:
1) el conjunto factible es un polígono, esto es, una región del planolimitada por rectas
2) si la función objetivo tiene óptimo, entonces este se alcanza enuno de los vértices del polígono.
y por lo tanto para encontrar una solución óptima es suficiente calcular
los vértices y evaluar la función objetivo en estos. Además, si el polígono es cerrado —sus lados forman una poligonalcerrada— la función objetivo siempre tiene valor óptimo.
El siguiente ejemplo ilustra el procedimiento que se aplica en estoscasos.
Ejemplo 1
Resuelva geométricamente el problema Maximizar sujeto a las restricciones
(1) (2) (3) (4)
(5)
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
36/247
35
C 2. I P L
Solución
Trazamos la región factible
es el polígono cerrado con vértices los puntos y elorigen del sistema. Se hallan los conjuntos
de puntos que
satisfacen las restricciones respectivamente. Por ejemplo, paradeterminar
que corresponde a se traza la recta dada
por la ecuación , que resulta de sustituir el signo de des-igualdad por el de igualdad, y en la figura es la recta que pasa por lospuntos y . Esta recta divide al plano en dos semiplanos, determina-dos por las desigualdades
semiplano inferiory , semiplano superior.
Para saber cuál de los semiplanos es basta seleccionar arbitra-riamente un punto fuera de la recta, y comprobar cuál de las dosdesigualdades satisface. Por ejemplo, el punto satisface la pri-mera desigualdad, que es la restricción tratada, y por lo tanto,
es
el semiplano que contiene a , o el semiplano inferior o debajode la recta. La región factible es la intersección de los semiplanosobtenidos.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
37/247
36
M K
A continuación se analiza cómo varía la función objetivo respecto del conjunto factible . Con este propósito se fija un valor
constante y se considera la recta
, que es el conjuntode puntos en los cuales la función vale .
Todas las rectas así obtenidas son paralelas. Para apreciar el com-portamiento de la función objetivo se trazan las rectas (paralelas)correspondientes a dos valores distintos de . En la figura, se muestranlas rectas y .
Ahora se observa que para que la función objetivo tome un valor serequiere que la recta asociada interseque la región poligonal y ademáscuando aumenta, por ejemplo de a , la recta sedesplaza paralelamente de izquierda a derecha. Así, por simple inspec-ción se concluye que el valor máximo de se alcanza en el vértice y por lo tanto
A veces es un tanto complicado apreciar directamente cuál es el vér-tice de valor óptimo y en estos casos simplemente se evalúa la funciónobjetivo en los vértices vecinos y se comparan estos valores.
Ejemplo 2
Determine los valores máximo y mínimo de la función sujeta a las restricciones del ejemplo anterior.
Solución
Puesto que la región factible es un polígono cerrado es suficiente eva-
luar la función en los vértices del polígono:
de donde
en , , y
en ,
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
38/247
37
C 2. I P L
2.3 P
Problema 1
Resuelva por métodos geométricos el problema Maximizar sujeto a 3 4 7 2
Halle todos los vértices del polígono de soluciones factibles.Respuesta
en , Los vértices son
Problema 2
Resuelva gráficamente el problema Minimizar sujeto a
Respuesta
en ,
Problema 3
Resuelva el problema Minimizar sujeto a las restricciones del problema 3.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
39/247
38
M K
Respuesta
La función objetivo no tiene mínimo pues las rectas , paralelas a
la diagonal , intersecan al polígono factible para cualquier valornegativo de , que es lo que se observa cuando la diagonal se desplazaparalelamente de izquierda a derecha.
Problema 4
El siguiente es el modelo de programación del problema , Capítulo1, 1.6:
Max sujeto a y no negativas.
Por métodos geométricos encuentre cuántas hectáreas del terreno debendedicarse a cada cultivo para obtener la mayor ganancia en un buen año.
Respuesta
ganancia máxima 60000
Problema 5
Resuelva el problema
Maximizar sujeto a
Respuesta
Máximo en
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
40/247
39
C 2. I P L
Problema 6
Determine el valor mínimo de
sujeto a
en cada caso siguiente:a) cuando ,
b) cuando Respuesta
a) : mínimo en
b) : el problema no tiene soluciones
Problema 7
Halle el valor máximo de
sujeto a
-10 1
2 10
-4 1
2 20
1 4 2 20 1, 2 0.
Respuesta
No existe valor máximo pues la función toma valores arbitrariamentegrandes.
Problema 8
Resuelva el problema Max mínimo sujeto a las condiciones 2x -5y -10 2x -y 6
x, y 0.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
41/247
40
M K
Indicación
Este problema no tiene la forma de un problema de programación
lineal pues la función objetivo no es lineal. No obstante, de la defini-ción de la función se tiene
si , o y si , o
y por lo tanto agregando sucesivamente las restricciones , el problema se descompone en los subproblemas lineales:
(P1) sujeto a 2 - 6 , 0 - 0
(P2)
sujeto a
2 - 6 , 0 - 0
El valor máximo del problema inicial es el máximo de los valoresóptimos de estos subproblemas.
Geométricamente, mediante la recta , se ha dividido el polí-gono factible en dos subpolígonos sobre los cuales la función objetivo
adquiere una expresión lineal.
Respuesta
(P1) tiene máximo en (P2) tiene máximo en ,
El valor máximo del problema es el de (P2), esto es, en ,
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
42/247
41
C 2. I P L
Problema 9
Resuelva el problema máximo
sujeto a las restricciones del problema 8.Respuesta
El valor óptimo es en ,
2.4 F P L
Se dice que un problema de programación lineal tiene la forma están-dar si
(1) todas las variables de decisión son no negativas,y (2) las (restantes) restricciones son de igualdad con constantes no
negativas en el lado derecho.
De manera explícita, el problema dado en forma estándar esMaximizar (o Minimizar)
sujeto a
son no negativas
y las constantes
son no negativas.
2.4.1 Ejemplos
Tienen la forma estándar los siguientes problemas:
1) Maximizar sujeto a
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
43/247
42
M K
2) Minimizar
sujeto a
y todas las variables son no negativas.
2.4.2 Importancia de la forma estándar
Cualquier problema de programación lineal expresado en forma están-
dar puede ser resuelto por el método del símplex debido a GeorgeDantzig.Como se verá a continuación, si un problema de programación
lineal no es dado en la forma estándar, este puede transformarse enuno que tiene esta forma y el mismo valor óptimo y, además, cuyassoluciones óptimas dan lugar a soluciones óptimas del problema inicial.
Así, para resolver un problema de programación lineal
(1) si es necesario, se transforma en uno equivalente que tiene laforma estándar
y (2) se resuelve en la forma estándar y se obtienen las soluciones delproblema dado.
2.4.3 Conversión a la forma estándar
Las operaciones para llevar un problema de programación lineal a laforma estándar son las siguientes:
1) Si es negativo el término constante del lado derecho de unarestricción, se intercambian los dos miembros; esto equivalea cambiar de signo a todos los términos en ambos lados de larestricción y, adicionalmente, cuando la restricción es de des-
igualdad, a invertir el sentido de la desigualdad.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
44/247
43
C 2. I P L
Es decir, si la restricción es si
en donde
es negativo entonces
con positivo y, cuando se aplique, con el signo de desigualdad
invertido.
Se indican algunos ejemplos:
2) Una restricción, de desigualdad con signo , puede ser reempla-zada por una de igualdad si se suma una variable no negativa allado izquierdo para convertirla en una de igualdad:
si entonces
con no negativa
Esta variable se llama variable de holgura (por defecto). Por ejemplo, la restricción se reemplaza por
3) Una restricción de desigualdad con signo puede ser reempla-zada por una de igualdad si se resta una variable no negativa allado izquierdo para convertirla en una de igualdad:
si
entonces
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
45/247
44
M K
con no negativa.
Esta variable se llama variable de holgura (por exceso o superávit)
Por ejemplo, la restricción
se reemplaza por
Las operaciones (1), (2) y (3) no modifican la función objetivo.
4) Una variable irrestricta, lo cual significa que puede tomar valoresnegativos y positivos, puede ser reemplazada por la diferencia de
dos variables no negativas.
Si 2 es irrestricta, entonces se escribe
2 con dos nuevas
variables y no negativas.
5) Una variable no positiva, esto es, menor que o igual a cero,puede ser reemplazada por una variable no negativa precedidadel signo menos, es decir, se efectúa el cambio de variable
-, en donde es no negativa.La sustitución de una variable irrestricta o una no positiva se realiza
tanto en las restricciones como en la función objetivo.
Ejemplo 1
Exprese en forma estándar el problema Minimizar sujeto a , , no negativas irrestricta.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
46/247
45
C 2. I P L
Solución
No es necesario cambiar de signo a ninguna restricción pues todas ya
tienen términos constantes no negativos.Sumando las variables de holguras
1,
2 a las dos primeras restric-
ciones y restando la variable de holgura 3 a la tercera restricción
1
Luego, reemplazando la variable irrestricta
por
1
2 en lafunción objetivo y en las restricciones, se obtiene la forma estándarMinimizar
sujeto a
con todas las variables no negativas.
Ejemplo 2Escriba en forma estándar el problema
Maximizar
sujeto a las restricciones
1 -
2 5
3 -12
es no positiva y las demás variables no negativas.
Solución
La primera restricción se convierte en
después de cambiar los signos de los términos y el signo de la desigual-
dad y de sumar la variable de holgura .
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
47/247
46
M K
A la segunda restricción se le cambian los signos de los términos y ala tercera restricción se le resta la variable de holgura
.
Puesto que
es no positiva, se reemplaza
en donde
es unavariable no negativa. Así, la forma estándar esMaximizar
sujeto a las restricciones
con todas las variables no negativas.
2.5 R
El conjunto de restricciones de igualdades de la forma estándar
es un sistema de ecuaciones lineales con ecuaciones y incógnitas
y una solución factible es, en particular, una solución de
este sistema.
Una ventaja de esta representación se refiere a la posibilidad demodificar o reemplazar estas ecuaciones por otras de manera que las
soluciones son las mismas y las nuevas restricciones son más adecuadaspara resolver el problema.
Las soluciones del sistema se preservan cuando
(1) una ecuación se multiplica por una constante k distinta de cero;en efecto, son equivalentes las ecuaciones
y
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
48/247
47
C 2. I P L
o (2) se suma, o resta, veces una ecuación a otra, ya que, cuando son distintos, las dos ecuaciones
son equivalentes a las ecuaciones
Estas operaciones son las que se aplican para resolver sistemas deecuaciones lineales por el método de eliminación de Gauss.
Ejemplo
Sea el problema Maximizar sujeto a las restricciones
no negativas.(1) Mediante las operaciones indicadas obtenga restricciones equivalen-
tes de manera que cada una contenga solo una de las variables .(2) Determine la expresión de la función objetivo que resulta de
reemplazar las variables despejadas de las ecuaciones.(3) Encuentre el valor máximo de .
Solución(1) Se elimina la variable de la primera ecuación restándole 2 veces
la segunda ecuación:
Similarmente, se elimina de la segunda ecuación sumándole 2veces la primera ecuación:
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
49/247
48
M K
Luego, las nuevas ecuaciones o restricciones son y todas las variables no negativas.
(2) Despejando las variables de las ecuaciones obtenidas y reempla-zando en la función objetivo
se tiene
(3) De
se tiene pues y son no negativas. Luego, haciendo en las ecuaciones de la parte (1) se
obtiene , , y por lo tanto se encuentra la solución factible , , , , en la que la función objetivo vale . Así, secumple
y esto demuestra analíticamente que es el valor máximo.
2.6 V
Sea el sistema de ecuaciones lineales
dadas por las restricciones de igualdad de la forma estándar.Si el sistema es compatible, esto es, tiene soluciones, se puede asu-
mir que el número de ecuaciones es menor que o igual al número de variables, ya que si aplicando las operaciones con las ecuacio-nes, descritas en la sección anterior, se encuentra que hay al menos ecuaciones redundantes y por lo tanto pueden eliminarse del sistema.
Así, en lo que sigue asumiremos
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
50/247
49
C 2. I P L
Se dice que variables son básicas si el sistema puede ser escrito demanera que cada ecuación contiene solamente una de ellas. Las varia-
bles restantes se denominan no básicas, para distinguirlas de las anteriores.De modo explícito, renombrando las variables y reordenando lasecuaciones si es necesario, las variables
, son básicas si el sistema
de ecuaciones puede ser escrito, o convertido, en uno de la forma
de modo que tales variables aparecen (con coeficientes ) exactamenteuna vez en las distintas ecuaciones y dependen de las variables nobásicas
.
Haciendo cero cada variable no básica en el sistema se obtiene lasolución factible
que se denomina solución básica factible correspondiente a las variables
básicas.
2.6.1 Cálculo de soluciones básicas factibles
Una manera directa de determinar soluciones básicas factibles es hacer- variables iguales a cero y resolver el sistema resultante. Si este tieneuna única solución con valores no negativos, entonces
(1) estos valores juntos con los ceros de las variables anuladas for-man una solución básica factible
y (2) son básicas las variables del sistema resuelto.
Ejemplo 1
Halle las soluciones básicas factibles del conjunto de restricciones
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
51/247
50
M K
Solución
En este caso de manera que hay que anular variable.
(1) Si y se resuelve el sistema - - se encuentra la solución única , - y por lo tanto , , - es una solución básica. Sin embargo, no es factible pues la variable tiene un valor negativo.
(2) Haciendo
, el sistema resultante es -
- que no tiene solución pues restando 2 veces la primera ecuación
de la segunda se obtiene la contradicción
(3) Haciendo , se resuelve el sistema
que tiene única solución Luego, es una solución básica factible con varia-
bles básicas
En resumen, para las restricciones dadas solamente hay una solu-ción básica factible: con variables básicas .
Ejemplo 2Encuentre las soluciones básicas factibles de las restricciones
Solución
En este caso se deben anular variables y resolver las ecuaciones
para las variables restantes.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
52/247
51
C 2. I P L
Se analizan los casos posibles
(1) ,
,
el sistema es
de donde
y la solución es básica pero no es factible.
(2)
para el sistema
se halla y, por lo tanto, la solución
es básica fac-
tible.
(3)
resolviendo el sistema
se observa que tiene infinitas soluciones (la segunda ecuación se
obtiene de la primera). Así, no se obtiene una solución básica.
Los restantes casos
(4)
(5)
(6)
se tratan de modo similar; en (4) y (5) se hallan soluciones básicas fac-tibles y en (6) no, pues tiene infinitas soluciones.
La siguiente tabla muestra los resultados de los cálculos.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
53/247
52
M K
Así, este conjunto de restricciones tiene dos soluciones básicas fac-tibles.
Ejemplo 3
Dado el conjunto de restricciones no negativas
(a) calcule los vértices del polígono que representa la región factible
en el plano ,(b) obtenga la forma estándar del conjunto de restricciones y deter-
mine las soluciones básicas factibles,
(c) muestre que a cada vértice del polígono le corresponde una solu-ción básica factible de la forma estándar.
Solución
(a) El polígono en cuestión es el cuadrilátero limitado por las rectas . Los vértices son los puntos(), (), () y ().
(b) La forma estándar de las restricciones se obtiene sumando unavariable de holgura a cada restricción de igualdad
y las soluciones básicas son
(1)
(2)
(3)
(4)
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
54/247
53
C 2. I P L
(c) Según (a) los vértices del polígono factible son
y estos están en correspondencia con las soluciones básicas facti-bles indicadas por (4),(3),(1) y (2), respectivamente.
2.6.2 Importancia de las soluciones básicas factibles
Se demuestra que el valor óptimo del problema lineal estándar seobtiene necesariamente en una solución básica factible.
Por esta razón, la búsqueda del valor óptimo sobre la región facti-ble se restringe al conjunto de las soluciones básicas factibles, que esfinito.
Esta propiedad puede comprobarse cuando se resuelven gráfi-camente los problemas de programación lineal con dos variables de
decisión, para los cuales, como se ha visto, las soluciones óptimas seubican en algunos de los vértices del polígono factible. El ejemplo ante-rior muestra que los vértices son precisamente las soluciones básicas dela forma estándar del problema. Así, geométricamente, las solucionesbásicas factibles son los vértices de la región factible, en el caso de dosvariables.
2.7 P
Problema 1
Exprese en forma estándar el problema Maximizar
sujeto a
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
55/247
54
M K
Solución
Las restricciones son
con todas las variables no negativas.
Problema 2
Halle la forma estándar deMinimizar
sujeto a y la variable irrestricta.
Solución
Maximizar
sujeto a
y todas las variables no negativas en donde se ha reem-plazado
, diferencia de variables no negativas.
Problema 3Considere el problema
Maximizar
sujeto a
Exprese el problema en la forma estándar.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
56/247
55
C 2. I P L
Respuesta
Maximizar
sujeto a -
todas las variables no negativas.Puesto que
es no positiva se ha hecho el cambio de variable
,
de modo que es una variable no negativa.
Problema 4
Sea el conjunto de restricciones
halle todas las soluciones básicas factibles y las variables básicas corres-pondientes.
Respuesta
Hay dos soluciones básicas factibles y seis pares de variables básicas.
Problema 5
Sea el conjunto de restricciones
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
57/247
56
M K
Determine si las siguientes variables son básicas y halle la soluciónbásica factible correspondiente en cada uno de los casos
(1) (2)
Respuesta
(1) Haciendo y resolviendo las ecuaciones se encuentra que es una solución básica factible, y lasvariables son básicas.
(2) Haciendo , el sistema tiene solución pero la variable tomaun valor negativo. Las variables no son básicas.
Problema 6
Sea el problema Maximizar
sujeto a
y todas las variables no negativas.
(1) Pruebe que las variables
son básicas hallando la solución
básica respectiva.(2) Exprese la función objetivo en términos de las variables no bási-
cas
, y pruebe que la solución básica hallada es óptima.
Respuesta (1) La solución básica es
(2)
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
58/247
C 3E
3.1 C
El método del símplex es un procedimiento para hallar una soluciónóptima de una programación lineal estándar en el conjunto de solucio-nes básicas factibles.
El método se aplica a un problema estándar para el que ya se dis-pone de una solución básica factible y su correspondiente conjunto devariables básicas.
A continuación se introducen los conceptos básicos del método delsímplex por medio de ejemplos sencillos.
Ejemplo 1. Criterio de máximo
Sea el problema Maximizar sujeto a
y todas las variables no negativas.
El primer paso es determinar un conjunto de variables básicas delsistema de restricciones. En este problema, por simple inspección seobserva que
y
son variables básicas, pues cada una está en una
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
59/247
58
M K
ecuación distinta y con coeficiente 1, y la solución básica factible es
en la cual la función objetivo tiene el
valor
.El segundo paso es expresar el problema mediante una tabla parafacilitar las operaciones con las ecuaciones.
Las dos primeras filas representan las ecuaciones de restricciones, yla última fila representa la función escrita mediante la ecuación
La columna de la izquierda indica las variables básicas seleccionadas.El propósito de disponer los datos de esta manera es expresar la
función z de manera que no aparezcan las variables básicas, esto es, que
estas tengan coeficientes nulos. Esto equivale a hacer cero los costos -1y 5 de la fila c, para lo cual a la fila c: se suma la fila 1 y luego se resta 5veces la fila 2, obteniéndose
Los coeficientes de la fila
y
se denomi-
nan costos reducidos, relativos a las variables básicas
.
Así, la tabla, incluyendo los costos reducidos, es
en donde la última fila da la expresión de la función objetivo mediante
la ecuación
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
60/247
59
C 3. E
de donde
El criterio de máximo indica que si todos los costos reducidos son
, entonces la tabla actual proporciona el valor máximo y se alcanzaen la solución básica de la misma.
Esto puede demostrarse en este caso, ya que la representación de lafunción objetivo con los costos reducidos puede escribirse así
en donde la desigualdad se cumple porque los costos reducidos son y las variables son .
Luego valor en la solución básica factible y por lo tanto
en
.
Según lo desarrollado se puede adelantar el criterio de máximo:
Si todos los costos reducidos son , entonces la función
objetivo tiene valor máximo en la solución básica factible.
Ejemplo 2. Criterio de divergencia
Sea el problema Maximizar
sujeto a
y todas las variables no negativas.Como puede apreciarse, este problema tiene el mismo conjunto de
restricciones del ejemplo anterior y la función objetivo se diferencia dela anterior solo en el término de la variable
, que ahora tiene coefi-
ciente -.Escribiendo la tabla correspondiente con los costos de esta función
objetivo y calculando los costos reducidos relativos a las variables bási-
cas y
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
61/247
60
M K
Igual que antes para anular los costos - y de las variables básicas,a la fila se le suma la fila y se le resta veces la fila .
La fila da la siguiente expresión de la función objetivo :
en términos de costos reducidos.
No se puede aplicar el criterio de máximo pues hay un costo redu-cido positivo, que es el coeficiente de la variable .
El siguiente criterio es el de divergencia, según el cual si existe uncosto reducido y la variable asociada tiene coeficientes en todas lasrestricciones, entonces el problema no tiene valor máximo, porque sepuede hallar soluciones factibles en las cuales la función objetivo tomavalores arbitrariamente grandes.
En este problema, el costo reducido positivo es el de la variable y
sus coeficientes en las restricciones son - y -, que son .Para comprobar que la función objetivo toma valores muy grandes
se generan las siguientes soluciones factibles:
se hace , donde el parámetro es ,
se hace igual a cero la otra variable no básica
y se hallan los valores de las variables básicas resolviendo las ecuaciones
(dadas por las filas), así finalmente se obtiene
para cualquier .
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
62/247
61
C 3. E
Puede comprobarse que estos valores dan soluciones factibles, estoes satisfacen las restricciones y son , en las que la función objetivo
vale
Puesto que puede ser cualquier valor positivo, es claro que nopuede tomar un valor máximo.
Se anota el criterio de divergencia
Si algún costo reducido es y la variable asociada tienecoeficientes en todas las restricciones, entonces la fun-
ción objetivo no tiene valor máximo.
Ejemplo 3. Cambio de base. Criterio de la razón mínima
Sea el problema Maximizar con restricciones
En este ejemplo se verá que no se cumple ninguno de los criteriosde máximo ni de divergencia. Entonces se elegirá una variable no básicapara que reemplace a una variable básica, de modo que la función obje-tivo en la nueva solución básica factible tenga un valor mayor o igualque en la solución básica actual.
Solución
Usando las variables básicas , , la tabla del problema es
No se cumple la condición de máximo porque hay un costo posi-
tivo, el coeficiente de la variable ; tampoco se cumple el criterio de
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
63/247
62
M K
divergencia pues no son los elementos de la columna de la variable , que es la única con costo reducido .
El procedimiento para cambiar una variable no básica por unabásica es el siguiente. Puede ingresar al conjunto de variables básicascualquier variable (no básica) cuyo costo reducido es positivo; en estecaso, la variable . Y debe salir una de las variables básicas o .
Si se vuelve una variable básica la columna de sus coeficientes,debe ser una columna unitaria, con un elemento y los otros iguales acero. A fin de determinar cuál de las variables o es la adecuada paraque salga del conjunto de variables básicas, se divide cada fila entre elrespectivo coeficiente de , para tener coeficientes iguales a :
y luego hay que restar una fila de la otra, para anular el otro elementode la columna de . No obstante, se ve inmediatamente que no se debe
restar la fila a la fila , pues de lo contrario resultaría el términoconstante , que sería el valor de una variable no negativa. Así,se debe seleccionar la fila pues tiene el menor valor , o mínimocociente, de manera que al restarla a la fila , todos los términos cons-tantes sigan siendo no negativos.
La selección de la fila indica que sale la variable básica actual , yque en su lugar entra la variable .
Los cálculos son:
y expresando la tabla respecto de las variables básicas
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
64/247
63
C 3. E
dividiendo entre la fila , y anulando los otros elementos de la columnade , se obtienen los nuevos costos reducidos, relativos al nuevo con- junto de variables, y el valor constante .
La nueva tabla muestra todos los costos reducidos , y por lotanto se cumple el criterio de máximo.
Luego, el máximo de es y se obtiene en , , y las otrasvariables con valor cero. Ahora establecemos el
Cambio de base y criterio de la razón mínima. Caso máximo
Se aplica cuando todos los costos reducidos positivos tienen al menosun elemento positivo en la columna de estos.
Sea un costo reducido positivo yCriterio de la razón mínima
que se obtienen dividiendo cada término constante entre el elemento
de la columna de en la fila (se omiten los cocientes que corres-
ponden a valores negativos o nulos de los ).
Cambio de variable básica
Si es la fila donde se obtienen la razón mínima , entonces entra la variable
al conjunto de
variables básicas y sale la variable básica
.
Además, el valor de en la nueva solución básica factible es
,
esto tiene el incremento .
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
65/247
64
M K
3.2 F
El método del símplex opera directamente con la tabla formada por loscoeficientes y datos constantes del problema.
Sea
sujeto a las restricciones
ecuación i
y todas las variables no negativas y variables básicas
que dan una solución factible.
Este problema se representa mediante la tabla:
columna de variable
en donde
• la fila se forma con los coeficientes y término constante de la
ecuación
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
66/247
65
C 3. E
• la fila de costos corresponde a los coeficientes de la función • la columna de datos que corresponde a la variable básica
es
unitaria, es decir, todos los valores son ceros excepto en esa fila,• los costos reducidos, relativos a las variables básicas, se obtienen
anulando los costos correspondientes a las columnas de cadavariable básica: se suma -(costo de
) por la fila a la fila de
costos • la solución básica factible es
, para y
, en
las otras variables•
es el valor de la función objetivo en la solución básica.
La fila de costos reducidos representa la ecuación
Expresión de la función objetivo mediante costos reducidos
La función objetivo es igual a la suma de los productos de los costosreducidos por las variables no básicas más el valor de la función en la
solución básica factible:
en donde son los costos reducidos y es el valor en la solución básicafactible.
Nota
1. Debe tenerse presente que la representación dada depende delconjunto de variables básicas seleccionado, y por lo tanto, engeneral ha de ser distinta para otro conjunto de variables básicas.
2. Los costos reducidos asociados a las variables básicas tienen valorcero, por lo que la suma contiene solo los términos de las varia-bles no básicas.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
67/247
66
M K
3.3 C . C
Criterio de máximo
Si todos los costos reducidos, relativos a un conjunto de variables bási-cas, son no negativos:
, para
entonces el valor máximo de la función objetivo es 0 y una solución
óptima es la solución básica factible de las variables básicas.
Prueba Se tiene
.
De las condiciones
y todas las variables
se concluye que la suma
es menor que o igual
a cero y por lo tanto
valor de en la solución básica.
Esto demuestra que
.
Criterio de divergencia Si algún costo reducido es positivo y son no negativos todos los coefi-cientes de la columna de ese costo, entonces el problema no tiene valormáximo.
De un modo más preciso, si existe
coeficiente reducido de la variable
y
, para todos los coeficientes de la variable
entonces la función objetivo crece indefinidamente sobre la región fac-tible y por lo tanto no tiene máximo.
Cambio de base y criterio de la razón mínima
Se aplica cuando todos los costos reducidos positivos tienen al menosun elemento positivo en la columna de estos.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
68/247
67
C 3. E
Sea un costo reducido positivo. Entonces entra la variable
al conjunto de variables básicas y sale la variable básica cuya razón
es mínima. Además, el valor de en la nueva solución básica es
,
esto es, tiene el incremento .
3.4 P
El método del símplex se aplica de igual modo a problemas de mini-
mización.Esto puede hacerse de dos maneras:
1) Convirtiendo el problema de minimización en uno de maximi-zación:
de modo que se resuelve el problema Maximizar ( ) con las res-
tricciones dadas, y una vez que se obtiene el valor máximo, hayque cambiarle de signo para obtener el valor mínimo de .
En este caso, el mínimo es precisamente el valor de la esquinainferior izquierda de la tabla final.
2) Directamente con la función objetivo , en cuyo caso se utilizanlos criterios del símplex para problemas de minimización:
Criterio de mínimo Si todos los costos reducidos son
, entonces se obtiene elvalor mínimo de
Criterio de divergencia (caso mínimo) Si existe un costo reducido negativo
, y la columna de la
variable tiene todos los elementos , entonces no existe valor
mínimo, en efecto, en este caso la función toma valores nega-
tivos arbitrarios.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
69/247
68
M K
Cambio de base Se aplica cuando todos los costos reducidos tienen al menos
un elemento
en su respectiva columna. Sea
. Entonces entra la variable
y sale una variable
cuya
razón sea mínima como en el problema de maximización.
Los siguientes ejemplos ilustran los dos métodos para resolver pro-blemas de minimización.
Ejemplo 1
Minimizar sujeto a no negativastransformando el problema en uno de maximización.
Solución
Agregando variables de holgura a las restricciones para expresar elproblema en forma estándar, las restricciones son:
todas las variables no negativas.Usando Min Max se resuelve el pro-
blema de maximizar la función objetivo y en donde son variables
básicas.La tabla inicial
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
70/247
69
C 3. E
Puesto que el costo reducido de es , entra la variable al con- junto de variables básicas, y por el criterio de la razón mínima sale
Así, la fila pivote es la segunda fila y el elemento es el pivote paraactualizar la tabla. Dividiendo la fila entre , sumando la fila a la fila
y restando veces la fila a la fila de , resulta
Puesto que todos los costos reducidos son tiene valor máximo y se obtiene en Por lo tanto, el valor mínimo de es en
Ejemplo 2
Minimizar sujeto a no negativasusando los criterios del símplex para minimización.
Solución
La tabla inicial es
No se cumple el criterio de mínimo: todos los costos reducidos son ; ni el criterio de divergencia para el caso mínimo: hay un costoreducido negativo con los elementos de su columna . Entonces seprocede al cambio de variable básica.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
71/247
70
M K
Puesto que el costo reducido de es , entra la variable alconjunto de variables básicas, y por el criterio de la razón mínima sale
Así, la fila pivote es la segunda fila y el elemento
es el pivote paraactualizar la tabla. Dividiendo la fila entre sumando la fila a la fila y sumando veces la fila a la fila de , resulta
Puesto que todos los costos reducidos son se cumple el criterio demínimo, y por lo tanto tiene valor mínimo en
3.5 P
Problema 1
Aplicando el método del símplex resuelva
Max sujeto a
todas las variables no negativas.Observe que
son variables básicas.
Respuesta
Max
Una solución óptima es .
Problema 2
Resuelva Max
sujeto a
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
72/247
71
C 3. E
Agregue variables de holgura a cada restricción y úselas como varia-bles básicas.
Respuesta Una solución óptima es
.
Problema 3
Resuelva el problema
sujeto a no negativas.
Respuesta
Una solución óptima es .
Problema 4
Resuelva el problema sujeto a
no negativas.
Respuesta
Una solución óptima es .
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
73/247
72
M K
Problema 5
Resuelva el problema
Maximizar sujeto a todas las variables no negativas.
Indicación: Use como variable básica.
Respuesta
y cero para las otras variables.
Problema 6
Encuentre el valor máximo de la función sujeto a las restricciones ; no negativas
la variable .
Respuesta
Max en las otras variables valen cero.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
74/247
C 4M : .
C
4.1 V
Para aplicar el método del símplex es preciso que el problema dado enforma estándar tenga un conjunto inicial de variables básicas, que porlo general no es posible determinar fácilmente. No obstante, el mismométodo permite encontrar variables básicas del problema, cuandoexistan. En efecto, el problema se modifica mediante la incorporaciónde variables artificiales, que forman inmediatamente un conjunto devariables básicas, y luego por el método del símplex estas se reemplazano cambian por variables básicas del problema original.
Los dos ejemplos siguientes ilustran el uso de variables artificiales ymuestran la resolución de los problemas de programación lineal por latécnica M y el método de dos fases.
Ejemplo. Técnica
Aplicando la técnica resuelva el problema Maximizar sujeto a todas las variables no negativas.
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
75/247
74
M K
Solución
Paso 1. Se agregan variables artificiales ,
a las restricciones
todas las variables no negativas, incluyendo las variables arti-ficiales.
Paso 2. Se construye una nueva función objetivo restándole a los términos veces
y veces
, uno por cada variable
artificial añadida:
en donde es una constante positiva muy grande.
El problema ahora consiste en maximizar sujeto a lasrestricciones del paso , y se puede aplicar el método del sím-plex pues
y
son variables básicas, con valores
y
La elección del valor de se hace a fin de lograr que las
variables del problema original se vuelvan básicas en lugar delas variables artificiales.
Paso 3. Se aplica el método del símplex utilizando a las variables arti-ficiales como variables básicas.La solución del problema modificado proporciona tambiénla solución del problema inicial pues:
1) si existe máximo de , y no contiene a la constante ,esto es, las variables artificiales han sido eliminadas delconjunto de variables básicas o anuladas, entonces
máximo de máximo de 2) de lo contrario, la función no tiene valor máximo
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
76/247
75
C 4. M :
Aplicando el método del símplex tenemos la tabla:
en donde los costos reducidos se obtienen sumando a la fila de costos veces la fila y veces la fila , para que las variables básicas
y
tengan costos reducidos nulos; por ejemplo, el costo reducido de la
variable es Se observa que no se cumple el criterio de máximo (todos los costos
reducidos deben ser ), ni tampoco se cumple el criterio de diver-gencia.
El costo reducido de es , que es positivo, por lo tanto entrala variable al conjunto de variables básicas, y sale la variable
, pues
tiene la razón mínima .Para abreviar los cálculos, cada vez que sale una variable artificial —yatiene valor cero— se suprime la columna de esta.
La tabla resultante es:
en donde la nueva fila de costos reducidos se obtiene anulando elcosto de la variable : fila fila menos ( ) veces la fila ; porejemplo, el costo reducido de es ( ) ( ) por
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
77/247
76
M K
Puesto que la constante puede hacerse tan grande como se desee,los costos reducidos son positivo,
negativo y positivo, respectivamente.Elegimos el primer costo reducido positivo y por lo tanto entra lavariable , y sale la variable
, que tiene la razón mínima.
Luego eliminando la columna de
y simplificando resulta lasiguiente tabla
en donde la es la fila de costos reducidos respecto de las variablesbásicas , .
Puesto que todos los costos reducidos son se obtiene el valormáximo , y una solución óptima es , variables artifi-
ciales. Por lo tanto, se ha encontrado la solución óptima del problemadado.
Ejemplo. Método de las dos fases
Aplicando el método de las dos fases resuelva el problema Maximizar sujeto a
todas las variables no negativas.
Solución
Fase 1
Se agregan las variables artificiales
a cada restricción
-
8/16/2019 Investigación de operaciones programación lineal. Problemas de
78/247
77
C 4. M :
todas las variables no negativas, incluyendo las variables artificiales y seconsidera el problema de maximizar la función objetivo auxiliar
formada por la suma de los opuestos de las variables artificiales.De igual manera que en la técnica las variables artificiales pro-
veen un conjunto inicial de variables básicas y por consiguiente sepuede iniciar el método del símplex.
La función toma valores pues
son no negativas y
satisface la siguiente propiedad: El valor máximo de es si y solo sí el
problema original tiene soluciones factibles. Así, cuando se aplica el método del símplex para maximizar si
máximo de es cero, es decir, las variables artificiales resultan con valo-res nulos, y por lo tanto desaparecen de las restricciones. Entonces elproblema tiene soluciones factibles, y co