LA PLANEACIN DE LAS ACTIVIDADES PARA OBTENER UN RESULTADO OPTIMO. Por: Inocencio Melndez Julio Magster en Administracin.

TEMAS: 1. Unidad 2: Mtodos de solucin 5. Mtodo Simplex 6. Dualidad 7. Sensibilidad TRABAJO A DESARROLLAR 1. Desarrolle el proceso completo de formulacin, modelacin, solucin y toma de decisiones con dos ejercicios aplicndole a cada uno de ellos las metodologas SIMPLEX, DUAL y la prueba de sensibilidad, el ejercicio de carcter Practico, debe ser desarrollado teniendo en cuenta: 1.1 Construccin del Modelo 1.2. Eleccin y Formulacin de las Variables 1.3. Evaluacin y Formulacin de las Restricciones 1.4 Formulacin de la Funcin Objetivo 1.5 Desarrollo del Mtodo 1.6 Obtencin de Resultados y Toma de decisiones orientado a la organizacin. 2. Desarrollar un informe en el que se vinculen los incisos anteriores, el mismo debe contar con los siguientes elementos: 2.1 Portada 2.2 Introduccin 2.3 Problemas asociados a Modelos SIMPLEX, DUAL y sensibilidad 2.4 Conclusiones generales. 2.5 Bibliografa. La programacin lineal dentro de su marco terico tiene como objetivo el de formular, obtener y analizar soluciones a problemas como apoyo a la ingeniera y a la industria, con el fin de optimar recursos de los cuales se dispone. Adems, proporciona herramientas para la construccin de modelos matemticos y la conceptualizacin de las distintas formas de presentacin de un problema. Estos problemas pueden surgir cuando deba elegirse el nivel de ciertas actividades que compiten por recursos escasos para realizarlas. En trminos definitivos, trata de la planeacin de las actividades para obtener un resultado optimo. SOLUCIN

EJERCICIO 1 Para la siguiente restriccin x1 4, la variable de holgura se define como x3 = 4x1, que es la holgura que queda en el lado izquierdo de la desigualdad. Entonces: x1 + x3 = 4, con x3 0. Si introducimos las variables de holgura en nuestro ejemplo, nos queda: Maximizar Z = 3x1+5x2 Sujeta a: x1 +x3 = 4 2x2 +x4 = 12 3x1+2x2 +x5 = 18

xj 0, para j = 1,2,3,4,5 Se eligen como variables no bsicas a x1 y x2, por lo tanto se igualan a cero. El sistema de ecuaciones es: (1) x1 +x3 = 4

(2) 2x2 +x4 = 12

(3) 3x1+2x2 +x5 = 18

Con x1 = 0 y x2 = 0, de esta manera x3 = 4, x4 = 12, x5 = 18 (corresponde a la BF inicial).

Prueba de optimalidad: la funcin objetivo es Z = 3x1+5x2, de manera que Z = 0 para la BF de Z aumenta.

inicial. No es optima porque al aumentar el valor de cualquier variable no bsica (x1 o x2), el valor Iteracin 1: determinacin de la direccin de movimiento (paso 1 de una iteracin): Se debe elegir entre las variables no bsicas, cual debe aumentar su valor. Como la funcin objetivo es Z = 3x1+5x2, la tasa de mejoramiento de x2, es mayor, por lo que se elige a esta para aumentar su valor. Se la denomina variable bsica entrante. Iteracin 1: Determinacin de donde detenerse (paso 2): esto nos dice cuanto aumentar la variable bsica entrante x2 antes de detenerse (1) x1 +x3 = 4 (2) 2x2 +x4 = 12 Con x1 = 0
3

(3) 3x1+2x2 +x5 = 18 x =4 x4 = 12 - 2x2 x5 = 18 - 2x2 Lo que buscamos es cuanto puede crecer x2 sin violar restricciones de no negatividad, as: x3 = 4 0 no hay cota superior sobre x2 x4 = 12 - 2x2 0 x2 12/2 = 6 (cociente mnimo)

Entonces x2 puede crecer justo hasta 6, en este punto x4 ha llegado a cero. Si se aumenta mas

x5 = 18 - 2x2 0 x2 18/2 = 9

x2, causara que x4 se vuelva negativa, lo que violara la factibilidad. Este clculo recibe el nombre de prueba del cociente mnimo. De esta manera x4 es la variable bsica que sale para la iteracin 1. Iteracin 1: Solucin (paso3) El propsito de este paso es convertir el sistema de ecuaciones a una forma ms conveniente para llevar a cabo la prueba de optimalidad. El sistema de ecuaciones que tenemos es: (0) Z - 3x1- 5x2 = 0 (1) x1 +x3 = 4 (2) 2x2 +x4 = 12

(3) 3x1 +2x2 +x5 = 18 Los coeficientes de x2 en el sistema de ecuaciones anterior son (-5, 0, 2, 2) y se intenta convertirlos en (0, 0, 1, 0). Para convertir el coeficiente de 2 en la ecuacin (2) en un 1, se usa el primer tipo de operacin algebraica elemental, y se divide esta ecuacin por 2 para obtener: (2*) x2 +1/2 x4 = 6

Para convertir los coeficientes de 5 y 2 en ceros, es necesario usar el segundo tipo de operacin algebraica elemental. En este caso, se suma a la ecuacin (0) esta nueva ecuacin (2*) multiplicada por 5, y se resta de la ecuacin (3) esta nueva ecuacin (2*) multiplicada por 2. El nuevo sistema de ecuaciones resulta: (0) Z - 3x1 +5/2 x4 = 30 (1) x1 +x3 = 4 (2) x2 +1/2 x4 = 6

(3) 3x1 - x4 +x5 = 6 Iteracion2: solucin ptima que resulta: Como la funcin Z = 30+ 3x1-5/2 x4, se pude aumentar si aumenta el valor de x1, pero no el de x4, se elige como primer paso a x1 como la variable bsica entrante. El segundo paso nos dice cuanto se puede aumentar x1 (con x4 = 0), las ecuaciones nos dan: x3 = 4 - x1 0 x1 4/1 = 4

x2 = 6 0 no hay cota superior sobre x1 x5 = 6 - 3x1 0 x1 6/3 = 2 (mnimo)

Por lo tanto la prueba del cociente mnimo indica que x5 es la variable bsica que sale.

El tercer paso es sustituir a x5 por x1 como variable bsica, se realizan operaciones algebraicas como los nuevos coeficientes de x1. Esto lleva al siguiente sistema de ecuaciones:

en el sistema de ecuaciones actual para reproducir el patrn de coeficientes de x 5 (0, 0, 0, 1)

(0) Z +3/2 x4 + x5 = 36 (2) x2 +1/2 x4 = 6

(1) x3 +1/3 x4 - 1/3x5 = 2 (3) x1 - 1/3 x4 + 1/3x5 = 2 Restricciones En estos casos se utilizara la tcnica de la variable artificial, que se mostrara con el siguiente ejemplo. Si en el problema requiere que la planta 3 se use en toda su capacidad, el nico cambio que sufre el modelo es que la tercera restriccin, 3x1+2x2 18 se convierta en restriccin de igualdad: 3x1+2x2 = 18, con lo cual la regin factible es nada mas que el segmento que conecta los puntos (2,6) y (4,3) como se muestra en la figura 4.3. Al introducir las variables de holgura, el problema aumentado nos queda: (0) Z - 3x1- 5x2 = 0 (1) x1 +x3 = 4 (2) 2x2 +x4 = 12

(3) 3x1 +2x2 = 18 Como en la ecuacin (3) no hay variable de holgura para usar como variable bsica inicial y obtener la BF inicial, habr que construir un problema artificial que tenga la misma solucin ptima que el problema real. Se aplica la tcnica de la variable artificial: se introduce una variable artificial en la ecuacin (3) como si fuera una de holgura: (3) 3x1 +2x2 + X5 = 18 Luego se debe cambiar la funcin objetivo a (0) Z = 3x1+ 5x2 MX5 Donde M representa un nmero positivo muy grande. (Este mtodo que fuerza a X 5 a llegar hasta cero, se conoce como mtodo de la M). Antes de aplicar el mtodo Simplex, se debe convertir la ecuacin (0) en una forma apropiada (se debe eliminar X5 de la ecuacin 0). Para hacer esto se resta de la ecuacin (0) la ecuacin (3) multiplicada por M. Z - 3x1- 5x2 + MX5 = 0 Nuevo rengln (0) Z-(3M+3) x1 (2M+5) x2 = -18M -M (3x1 +2x2 + X5 = 18)

Esta ecuacin da Z solo en trminos de variables no bsicas (x1, x2). Anlisis de sensibilidad. El propsito principal del anlisis de sensibilidad es identificar los parmetros sensibles, es decir aquellos que no pueden cambiar sin cambiar la solucin ptima.

esta dada por los precios sombra que proporciona el mtodo Simplex. Cuando y i* > 0, entonces solucin optima no es sensible a cambios pequeos de b i. De esta manera, si el valor que se

Como se identifican los parmetros sensibles? En el caso de las b i, esta informacin

la solucin optima cambia si bi lo hace; por lo que bi es un parmetro sensible. Si yi* = 0 la utiliza para los bi es una estimacin de la cantidad de recurso que se tendr disponible, los en especial aquellos que tengan precios sombra grandes.

valores de bi que se debern controlar con sumo cuidado son aquellos precios sombra positivos, Cuando el problema tiene dos variables, la sensibilidad de los distintos parmetros se puede analizar con una grfica. Por ejemplo en la figura 7.2 se puede observar que c 1= 3 puede cambiar a cualquier valor dentro del intervalo 0 a 7.5 sin que cambie la solucin optima (2,6). Esto se debe a que cualquier valor de c1 dentro de ese intervalo mantiene la pendiente de Z = c1x1 + 5x2, entre las pendientes de las lneas 2x2 = 12, y 3x1 +2x2 = 18.

De la misma manera si c2 = 5, es el nico parmetro que se cambia, puede tomar cualquier valor mayor que 2 sin que afecte a la solucin optima. Entonces ni c1 ni c2 son parmetros sensibles.

La manera mas fcil de analizar la sensibilidad de los aij es verificar si su restriccin correspondiente es de atadura en la solucin optima. Como x 1 4 no es una restriccin de

atadura, cualquier cambio suficientemente pequeo en sus coeficientes (a11=1, a12 = 0) no 12 y 3x1 + 2x2 18, son restricciones de atadura, por lo que al cambiar cualquiera de los coeficientes (a21 = 0, a22 = 2, a31 = 3, a32 = 2) tendr que cambiar la solucin optima y por lo tanto son parmetros sensibles.

cambiara la solucin optima, as que estos no son parmetros sensibles. Por otra parte, tanto 2x 2

EJERCICIO 1 Minimizar Z = 4X1 + 12X2 + 18X3 X1 + 3X3 3 2X2 + 2X3 5 X1, X2, X3 0

Multiplicando todo por -1 Solucin: Max. Z = -4x1 12x2 18x3 -X1 - 3X3 -3 -2X2 - 2X3 -5 X1, X2, X3 0

Se convierten las inecuaciones en ecuaciones. Z + 4X1 + 12X2 + 18X3 = 0 -X1 - 3X3 + S1 -3 -2X2 - 2X3 + S2 -5 Se determinan las variables bsicas y no bsicas: Variables Bsicas: S1 y S2 Variables no Bsicas: X1, X2 y X3 Tabla Simplex: Variable Bsica X1 S1 S2 Z -1 0 4 VARIABLES X2 X3 S1 0 -2 12 -3 -2 18 1 0 0

S2 0 1 0

Solucin -3 -5 0

Razn = Coeficiente de Z / coeficiente fila pivote Razn mayor = Columna X2 (-12 / 2) Variable Bsica S1 S2 Z Razn 0 2 0 -2 -2 1 VARIABLES X2 X3 S1 0 -2 12 -6 -3 -2 18 -9 1 0 0
--

X1 -1 0 4
--

S2 0 1 0 0

Solucin -3 -5 0
-

-2 0 1 -5 Fila Pivote -2 - 2 -2 -2 Elemento Pivote 1 0 -0,5 2,5 Nueva Fila Pivote

Nuevas filas = Fila anterior coeficiente de la columna pivote x nueva fila pivote Nueva Fila (S1) -1 0 -3 1 0 0 0 0 0 1 1 0 -1 0 -3 1 Nueva Fila (Z) 4 12 0 4 12 12 1 0 18 12 1 6 0 12 0 0 0 0 12 12 -0,5 2,5 6 -30 0 0 -0,5 0 -3 0 2,5 -3 Fila anterior Coeficiente Nueva Fila Pivote Nueva Fila

Nueva tabla del Simplex: Variable Bsica S1 X2 Z Razn VARIABLES X2 X3 S1 0 1 0 --3 -1 6 -2 1 0 0 0 Solucin -3 2,5 -30
--

X1 -1 0 4
-4

S2 0 -1 6 --

Solucin Final: Variable Bsica X1 X3 X2 Z 0.33 -0.33 2

VARIABLES X2 X3 S1 0 1 0 1 0 0 -0.33 0.33 2

S2 0 -0.5 6

Solucin 1 1,5 -36

No hay ms iteraciones cuando no existan soluciones con coeficientes negativos El valor mnimo se alcanza para un X2 = 3/2 y X3 = 1, para un Z = 36

CONCLUSIONES La programacin lineal enmarca el desarrollo de nuevos mtodos que respondan de manera rpida y confiable, a problemas que se puedan presentar en la cotidianidad. Una tcnica como la investigacin de operaciones la cual pase a ser una base en la toma de decisiones, dado que

proporciona un conjunto de mtodos altamente efectivos para la consecucin de un gran numero de soluciones viables para un caso cualquiera. Entonces, la programacin lineal es simplemente sacar de una situacin (problema) ecuaciones lineales, y convertirlas en desigualdades o inecuaciones para poder graficarlas. De esta manera, sacar la regin mas optima dependiendo del signo de la desigualdad, esa rea se sombrear, y ser la solucin optima del problema. BIBLIOGRAFA METODO SIMPLEX: SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL. http://davinci.ing.unlp.edu.ar/produccion/catingp/Capitulo%207%20METODO%20SIMPL EX.pdf Gua didctica: Mtodos Determinsticos. Autor. Ing. Oscar Javier Hernndez Sierra. Agosto 24 de 2012. Universidad Nacional Abierta y a Distancia