Schaaf INVESTIGACION DE OPERACIONES Richard Bronson \ eit wiiPrefacio La investigacion de operaciones, que se ocupa de la distribucion eficaz de recur- sos limitados, puede considerarse tanto un arte como una ciencia, Como arte, refleja los conceptos eficiente y limitado de un modelo matematico bien definido en una si- tuacion dada; como ciencia, comprende la deduccién de métodos de cAlculo para re- solver dichos modelos. Este libro tiene como objetivo presentar a los lectores ambos aspectos de la materia. Cada capitulo se divide en tres secciones. La primera se refiere principalmente a la metodologia, con excepcién del capitulo 1 que se ocupa exclusivamente del planteamiento de modelos de la programacion matematica. La segunda seccion consta de problemas totalmente desarrollados que aclaran las técnicas presentadas en la primera seccion, las amplian y a la vez proporcionan situaciones tipo para la mejor comprensién del arte de plantear modelos. Finalmente, hay una seccion de problemas resueltos, por medio de los cuales el lector puede comprobar su dominio sobre el material. El libro esta dividido en dos partes: programacién matematica y métodos probabilisticos. La primera parte, capitulos 1 al 15, esta compuesta exclusivamente de métodos deterministicos de programacion lineal, no lineal, entera y dinamica, y un capitulo sobre andlisis de redes. Para la mayor parte de este material, son sufi- cientes los conocimientos de algebra de matrices, aun cuando se requiere algo mas de célculo diferencial para las técnicas no lineales de biisqueda. La segunda parte, capitulos 16 al 24, incluye material sobre programacion dindmica estocastica, teoria de grafos, teoria de decisiones, cadenas de Markov y lineas de espera. Como su titulo lo indica, esta parte del libro tiene como prerrequisito un primer curso de pro- babilidad. Ya que la optima distribucion de dinero, mano de obra, energia y muchos otros factores limitados es importante para quienes toman decisiones en muchas discipli- nas tradicionales, el material de este libro sera util a individuos con diversa forma- cidn. Por tanto, este compendio esta diseftado como un libro de texto para estudian- tes que desean una introduccién a la investigacion de operaciones y también como un manual de consulta del cual, en la practica, se puedan obtener procedimientos especificos. Deseo agradecer a quienes me ayudaron a convertir el libro en una realidad. Re- conozco calurosamente las valiosas sugerencias de Natalie Ruber y Donald Bein en lo referente a los capitulos 13 y 19, respectivamente. Agradezco también las contribu- ciones de Fay Klein, quien ayud6 en la mecanografia del manuscrito y las de David Beckwith del personal de Schaum, quien, ademas de editar e] manuscrito, contribu- yo en varias partes en los procedimientos y los problemas. RICHARD BRCNSONPARTE I Capitulo 7 Capitulo 4 Capitulo 5 Capitulo 6 Capitulo 8 Capitulo 9 Contenido Programacién matemética PROGRAMACION MATEMATICA ecooa060 Problemas de optimizacion. Programacién lineal. Programacién entera. Programa ica, Planteamiento del problema. Convencion para las soluviones, PROGRAMACION LINEAL: FORMA ESTANDAR ‘i Condiciones ce no negatividad. Variable de holgua y variables supetiuas, Generacion de fatibleinical. Costos de penalizacion. Forma tipica PROGRAMACION LINEAL: TEORIA DE SOLUCIONES nena indepenedencia incl. Combinaciones convexas, Conjuntosconvexos. Solu. cones de punto extrem. Soleiones biscas factibes |. METODO SIMPLEX, plex, Modificaciones para PROGRAMACION LINEAL: [1 tableau simplex. Simplifcacion al tableau. El método si Programas con variables atificales PROGRAMACION LINEAL: DUALIDAD. ales simétricos. Soluciones duales. Duales asimétricos. ON ENTERA: ALGORITMO DE BIFURCACION Y PROGRAMACT ACOTACION Primera aproximacion. Bifurcacion. Acotacion, Consideraciones par los calcul. PROGRAMACION ENTERA: ALGORITMOS DE CORTE Algoritmo de Gomori, Considerasiones para los ecules. PROGRAMACION ENTERA: EL ALGORITMO DE TRANSPORTE ... Forma estindar. El algoritme de transporte. Una solucion basica inieial. Prueba de la solu- cin optima. Mejora de la solucion. Degeneracion. PROGRAMACION ENTERA: PROGRAMACION DE MODI oe Problemas de produccion. Problemas de transbordo. Problemas de asignacion. El proble: sma del agente viajero, ” 4 2 84 @ 82Capitulo 10 Capitulo 17 Capitulo 12 Capiisto 13 Capitulo 14 Capitulo 15 CONTENIDO PROGRAMACION NO LINEAL: OPTIMIZACION EN UNA SOLA VARIABLE. El problema. Optimnos locales y globales. Consecuencias debidas al cileulo, Técnicas de bisqueda secuencial. Bisqueda en tres puntos del intervalo. Bisqueda Fibonacci. Bis- queda de la “seccion aurea”. Funciones convexas. PROGRAMACION NO LI OPTIMIZACION MULTIVARIABLE SIN RESTRICCIONES . Méximos locals y globales. Vector gradentey matrz essana, Consecvencias debides al cileulo, Método del ascenso acelerado. Método Newion-Raphson. Método Fletcher- Powell. Patron de busqueda de Hookes-Jeeves. Patron de bisqueda modificado. Selec- cign de una aproximacién inicial. Funciones concavas. "AL OPTIMIZACION MULTIVARIABI PROGRAMACION NO LINEA! CON RESTRICCIONES Formas estindar. Multiplicadores de Lagrange. Método Newion-Rephson. Funciones de penalizacion. Condiciones de Kuhn-Tucker. Método de condiciones factibles. PROGRAMACION CUADRATICA Forma estindar, Un sistema Kuhn-Tucker. El método de Frank y Wolfe. Aplicacon al anilisis de carteras. PROGRAMACION DINAMICA DETERMINISTICA . Procesos de dessin de a etapas. Un programa matemético. Programacion dindm Programacion dindmica con descuento. ANALISIS DE REDES coo Redes. Problemas de recorrido minimo. Prablemas de laruta mas corta. Problemas de Mu- jo maximo. Determinacién de una ruta de flujo positive. 14 141 182 167 PARTE 0 Capitulo 16 Capitulo 17 Capitulo 18 Capitulo 19 TEORIA DE JUEGOS . Juegos. Estratepas, Juegos estables, Juegos inestables. Solucién con el emplco de la ‘programacién lineal. Dominacién. ‘TEORIA DE DECISIONES .. p oo Procesos de decisién. Criterios de decision “ingenuos’. Criterio @ priori. Criterio @ poste- riori, Arboles de decision. Utilidad, Loteria. Utilidades de von Neumann, PROGRAMACION DINAMICA ESTOCASTICA Procesos estocésticos de decision de m etapas. Tablas de politica. CADENAS FINITAS DE MARKOV . Procesos markovianos. Potencias de matics estocdsticas, Matrices ergdicas, Matrices regulares. 183 183 195 Paty m2Capitulo 20 Capitulo 27 Capitulo 22 Capitulo 23 Capitulo 24 CONTENIDO HORIZONTES NO ACOTADOS . ceeseeeseeeee Politicas optimas bajo estacionariedad. Descuento. Procesos deterministicos con descuen- to. Cadenas de Markov con descuento. Rendimiento esperado por periodo. PROCESOS MARKOVIANOS DE NACIMIENTO-MUERTE cee Procesos de crecimiento de poblacién. Procesos markovianos de nacimiento-muert, gene- ralizados. Procesos markovianos de nacimiento, lineales. Procesos markovianos de muer- te, lineales. Procesos markovianos de nacimiento-muerte, lineales. Procesos poissonianos de nacimiento. Procesos poissonianos de muerte. Procesos poissonianos de nacimiento- muerte. SISTEMAS DE LINEAS DE ESPERA . : Introduccion. Caractersticas de las lineas de espera, Patrones de legada, Patrones de ser vicio. Capacidad del sistema, Disciplinas de las lineas de espera. Notacién de Kendall SISTEMAS M/M/1 Caracersticas del sistema, El modelo markoviano. Soluciones de estado stable. Medidas de efectividad, OTROS SISTEMAS CON ENTRADAS TIPO POI DE SERVICIO DE. TIPO EXPONENCIAL Procesos dependents del estado del sistema. Formulas de Little. Rechazo y abandono. ‘Sistemas M/M/s. Sistemas M/M/I/K. Sistemas M/M/s/K. 232 252 269 278 MAS COMPLEMENTARIOS, RESPUESTAS A LOS PROBL INDICE 293 321PARTE I: Programacion matematica Capitulo 1 Programacion matematica PROBLEMAS DE OPTIMIZACION En un problema de oprimizacién, se busca maximizar o minimizar una cantidad especifica llamada objetivo, la cual depende de un nimero finito de variables de entrada, Estas variables pueden ser inde- Pendientes entre si o estar relacionadas a través de una © mas restricciones. Ejemplo 1.1 El problema: ‘con las condiciones: a~ a3 n22 s un problema de optimizacion para el objetivo z. Las variables de entrada son x; y x3, que deben cumplir dos restricciones: x; debe ser 3 nidades mayor que x; ademas x, debe ser mayor 0 igual que 2. Se desea obtener valores para las variables de entrada que minimicen la suma de sus cuadrados,sujetos alas limitaciones impuestas por las Un programa matemético (1.1) es lineal si fl X35.» Hp) ¥ C848 BO Rae wen He) Es 2, ong se dan como funciones matematicas y como relaciones funcionales (como sucede en el Ej. 1.1). Los programas matemiticos tratados en este libro tienen la forma: optimicese: 2 = f(xi.x2..-.4%4) con las condiciones: gy(tytiy--- 5a) a Bl 222k) | = | be abe ay Balt 2, bn Cada una de las m relaciones restringidas en (1.1) emplea uno de los tres signos =, =, =. Los progra- ‘mas matemiticos sin restricciones estan cubiertos por la formalizacién (1.1), si se selecciona cada fun- cin g; como cero y cada constante b; como cero. PROGRAMACION LINEAL Un programa matematico (1.1) es lineal si JUN. Na. soo Sin ¥ C84 B/E) 836 coe SQ) (E= Ua 2s ee tm) son lineales en cada uno de sus argumentos; esto ¢s, si: Mars uns teat t + eat 2) ky) at iat t+ ake (13) donde ¢; ¥ ay (i = ‘m: J = 1, 2...) Son constantes conocidas.2 PROGRAMACION MATEMATICA IPARTEL Cualquier otro programa matemético es no lineal. Entonces, el ejemplo 1.1 describe un programa no lineal, en vista de la forma de z. PROGRAMACION ENTERA Un programa entero es un programa lineal, con la restriccion adicional de que las variables de entrada son nimeros enteros. No es necesario que los coeficientes en (1.2) y (1.3), y las constantes en (1.1) tambien sean nimeros enteros, pero a menudo éste seré el cas0. PROGRAMACION CUADRATICA Un programa cuadrético es un programa matematico en el cuat cada restriccion es lineal —es decir, cada funcion de restricci6n tiene la forma (1.3)—, pero el objetivo es de la forma: w= ES unt Fax ua) Fey En donde cy y a, son constantes conocidas. El programa dado en el ejemplo 1-1 es cuadrético. Ambas restricciones son lineales y el obj tiene la forma (1.4), con = 2 (dos variables), ey) = 13 2 = en = On = Lh ¥di = dh = 0. PLANTEAMIENTO DEL PROBLEMA Los problemas de optimizacion se plantean muy a menudo verbalmente. El procedimiento para la solucion consiste en realizar un modelo del problema con un programa matematico y después resolver el programa mediante las técnicas descritas en los capitulos 2 al 15. Se recomienda el siguiente enfoque pa- ra transformar un problema verbal en un programa matematico: PASO 1 Determinese la cantidad que se optimizard y exprésese como una funcion matematica. Hacer esto sirve para definir las variables de entrada. PASO 2 Identifiquense todos los requerimientos, restricciones y limitaciones estipulados, y exprésense ‘mateméticamente. Estos requerimientos constituyen las restricciones. PASO 3 Exprésense todas aquellas condiciones ocultas. Tales condiciones no estén estipuladas explicitamente en el problema, pero se hacen evidentes a partir de la situacion fisica para la ‘que se esté planteando el modelo. Generalmente, involucran requerimientos de no negatividad (0 de ser enteras, para las variables de entrada, CONVENCION PARA LAS SOLUCIONES En cualquier programa matematico, se busca una solucién. Si existe un cierto niimero de soluciones igualmente Optimas, entonces cualquiera de ellas se puede emplear. No hay preferencia entre soluciones igualmente éptimas, sino existe una preferencia estipulada en las restricciones. Problemas resueltos 1.1 Uneexpendio de cares de la ciudad acostumbra preparar la care para albondig6n con una com binacién de came molida de res y came molida de cerdo. La came de res contiene 80% de came y 20% de grasa, y le cuesta a la tienda 80 ¢ por libra; la carne de cerdo contiene 68% de carne y 32% de grasa, y cuesta 60 ¢ por libra. ;Qué cantidad de cada tipo de carne debe emplear la tienda en cada libra de albondigén, si se desea minimizar el costo y mantener el contenido de grasa no mayor de 25%?CAPA PROGRAMACION MATEMATICA 3 12 El objetivo es minimizar et costo (en centavos), z, de una libra de albondigon, donde: ‘= 80 veces el niimero de libras de carne molida de res, mis 60 veces el nimero de libras de carne moli dda de cerdo empleadas. Si se define: 1 w niimero de libras de came molida de res empleadas en cada libra de albondigén libras de carne molida de cerdo empleadas en cada libra de albondigon, 1 objetivo se expresa como: ‘minimicese: 2 = 80x1+ 60x o ‘Cada libra de albondigén tendré 0.20 x, lbras de grasa provenientes de la carne de res y 0.32.x libras de ‘grasa de la carne de cerdo, El contenido total de grasa de una libra de albondigén no debe ser mayor de 0.25 Tibras, Entonces: 0.20%, +0.323250.25 @ El namero de libras de came de res y de cerdo empleadas en cada libra de albondigon debe sumar 1; en atest 8 Finalmente, la tienda no puede usar cantidades negativas de ninguna de las carnes, asi que hay dos restrieciones de no negatividad: x, 2 Oy x; 2 0. Combinando estas condiciones com (1), (2) y (3), tiene! minimicese: z= 80x, + 60x con kas condiciones: 0.20, +0:32%3 < 0.25 o nto one Td con; von todas las variables no nepativas El sistema (4) es un programa lineal. Como sblo hay dos variables, se puede dar solucion grafica Resuélvase gréficamente el programa lineal (4) del problema 1.1 Vease la figura 1-1. La regién factible —conjunto de puntos (x, 3) que satisface todas las restrieciones, incluyendo las condiciones de no negatividad— es la seccién dela figura delimitada por lineas gruesas. Para determinar 2*, valor minimo de z, se seleccionan arbitrariamence valores de zy se grafican los objetivos aso- clados. Selevcionando z = 70 y después z = 75, se obtienen los objetivos: = S0nt@n y 15 80x + Ox: respectivamente. Sus grificas son las lineas punteadas de la figura 1-1. Se ve que z* se considerari en el cesiremo superior del segmento factible, 10 cual es la interseccion de las dos lineas. 0.20% +0.32x2= 0.25 y ate La solucion simultanea de estas ecuaciones da xf = 7/12, xf = $/12; entonces: 1.67¢13 a Ls PROGRAMACION MATEMATICA, [PARTE Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles, durante las cuales fabricara biombos decorativos. Con anterioridad, se han vendido bien dos modelos, de manera {que se limitard a producir estos dos. Estima que el modelo I requiere 2 unidades de madera y 7 horas del tiempo disponible, mientras que el modelo Il requiere 1 unidad de madera y 8 horas. LLos precios de los modelos son $120 y $80, respectivamente. ;Cudntos biombos de cada modelo debe fabricar si desea maximizar su ingreso en la venta? El objetivo es maximizar el ingreso (en dolares), ef cual se denotara z {z= 120 veces el nimero producido de biombos modelo 1, mas 80 veces el mimero producido de biom- bos modelo II. Haciendo: x; = nimero a producir de biombos modelo 1 Xr niimero a producir de biombos modelo Il, se expresa el objetivo como: maximice 2120x4802, w El fabricante estésujeto a una restriccién en lo referente a la madera. Como cada modelo I requiere 2 unidades de medera, se les deberdn asignar 2x, unidades; iqualmente se deberdn asignar 1x, unidades de ma- ddera a los biombos del modelo II. Entonces, la restriccién en madera es: tn <6 @ El fabricante tiene también una restriccin en To que respecta al tiempo. Los biombos modelo | tornardn ‘74; horas y los biombos modelo Il 8x; horas: por lo tanto: Ta +85 B o Es obvio que no se pueden producir cantidades negativas de uno u otr0 tipo de biombo, asi que dos restricciones de no negatividad son x, = Oy x; = 0, Adems, ya que no hay ingresos por eoncepto de biom- ‘bos parcialmente terminados, otra condicién oculta es que x; x; deben ser enteros. Combinando estas com- diciones ocultas con (1), (2) y (3), se obtiene el programa matemético: maximicese: 2 = 1208+ 80x con las condiciones: 2+ 2s 6 o Tart 81228 con: todas las variables enteras y no negativas. El sistema (4) es un programa entero, Como sblo hay dos variables, se puede dar una solucién grafic. Dése una solucién gréfica al programa entero (4) del problema 1.3. \Vease la figura 1-2. La region factible ese conjunto de punts enteros (marcados por crucss) dentro de 1a region sombreada. Las lineas punteadas son las gréficas de la funcién objetivo, cuando se dan arbite fimente a z los valores 240, 330,380, Se ve quela linea z, a través del punto (3, 0), daré el maximo deseado; ‘Entonces, el fabricante deberd producir tres biombos modelo I y ninguno del modelo If, para wn ingreso m- ximo de: 2? = 12008) + 80(0) = $360 CObstrvese que esta solucién éptima mo se obtuvo resolviendo primero el programa lineal asociado (et ‘mismo problema sin las tesricciones enteras) y luego aproximando al punto entero factible mas cercano. De hecho, la region factible para el programa lineal asociado es el Area sombreada de figura 1-2; asi que la $o- cin ptima ocurre en el punto marcado con un circulo, Pero en el punto entero factible mis cercano (2,1) a funcién objetivo tiene el valor 2 = 120(2) + 801) = $320, que es $40 menos que el verdadero ép- En el problema 7.8, se da otto posible procedimiento de soluci6n para el problema 1.3. ‘La compafia Minas Universal opera tres minas en West Virginia. EI mineral de cada una se sepa- antes de embarcarse, en dos grados. La capacidad diaria de producci6n de las mimas asi como sus costos diarios de operacién son los siguientes:A. 4" PROGRAMACION MATEMATICA, s ineral de grado alto} Mineral de grado on/dia Bajos tondia | 100 Mina ‘ ‘ ” Mina: 6 ‘ 2 Mina It 1 6 18 {La Universal se comprometié a entregar $4 toneladas de mineral de grado alto y 65 toneladas de mineral de grado bajo para fines de la siguiente semana. Ademis, tiene contratos de trabajo que garantizan a los trabajadores de ambas minas el pago del dia completo por cada dia 0 fraccidn de dia que la mina esté abierta. Determinese el numero de dias que cada mina deberia operar duran- tela siguiente semana, si Minas Universal ha de cumplir su compromiso a un costo total minimo. Denétense con x), x.y x respectivamente, el nimero de dias que las minas 1, II y III habrin de operar durante la semana venidera. Entonces el objetivo(expresado en $1000) es: sminimicese: 2 = 20x, + 2x24 Ixy wo ‘La demanda de mineral de grado alto es: An, +6n+ E54 2 y la demanda de mineral de grado bajo es 4n,¢ drs} 6265 eo ‘Como ninguna mina puede operar un nimero negativo de dias, tes restricciones de no negatividad son x,= 0, X;20, x,20. Por otro lado, como ninguna mina puede operar mas de 7 dias la semana, otras tres restric. cones son x7, x;57 y xy<7. Finalmente, debido a los contratos laborales, Minas Universal no tiene nada ‘qué ganar al operar una mina parte de un dia; en consecuencia, x), x29 x3deben ser enteros, Combinando las Testricciones con (1), (2) y 3), se obtiene et programa matematico: ‘minimicese: z= 20x, + 22e,+ 184g con tas condiciones: 44+ 6x2+ x2 54 Any bar + 6265 a <7 “ ated, ns7 con: todas las variables enteras ¥ no negatives16 PROGRAMACION MATEMATICA [PARTE 1 EI sistema (4) es un programa entero; su solucién se determina en el problema 7.4 Un fabricante esta iniciando ta Ultima semana de produccién de cuatro modelos diferentes de cconsolas de madera para televisores, clasificadas como I, Il, III y IV, cada uno de los cuales debe ensamblarse y después decorarse. Los modelos requieren 4, 5, 3 y 5 horas, respectivamente, para el decorado. Las ganancias por modelo son, respectivamente, $7, $7, $6 y $9. El fabricante tiene +30 000 h disponibles para ensamblar estos productos (750 ensambladores trabajando 40 h sema- rna) y 20 000 h disponibles para decorar (500 decoradores trabajando 40 h semana). ;Cuantas tunidades de cada modelo debe producir el fabricante durante esta semana para maximizar la g@- nnancia? Considérese que todas las unidades pueden venderse, El objetivo es maximizar la ganancia (en délares), lo cual se denotard z. Haciendo: xm niimero de consolas modelo I a producir en la semana xa niimero de consolas modelo Ila producir en la semana {5m nimero de consolas modelo III a producir en la semana xe niimero de consolas modelo 1V a producir en la semana se plantea el objetivo como: mavimicese: 2 = 7x14 Tax 6x54 Ste o Hay resricciones en cuanto al tiempo total disponible para el ensamblado y en loreferente al tiempo to- tal disponible para el decorado, Estas se plantean, respectivamente, con el modelo: ryt Seat Bao Sq 10000 2 Day + 1.Sxp+ Seat 34s 20000 o ‘Como no se pueden producir cantidades negativas, cuatro restriciones de no negatividad son x, = O(i = 1, 2, 3,4). Ademis, ya que es la iltima semana de produccién, los modelos que esten parcialmente terminados al finalzar la semana, quedarin sin terminar, y por fo tanto no producirin ganancia. Para evitar estas pos bilidades, se requiere un valor entero para cada variable. Combinando las condiciones de no negatividad con (1), 2) y B), 58 obtiene el programa matematico: maximicese: 2 = 2x14 Tra 6x94 9x4 con las condiciones; 4xy+ Say +3xa+ Sxa530000 Dey 1.52 + Bast 345520 000 # con: todas las variables enteras y no negativas. El sistema (4) ¢s un programa entero; su solucion se obtiene en el problema 6.4 La Refineria Azteca produce dos tipos de gasolina sin plomo, regular y extra, los cuales vende @ su cadena de estaciones de servicio en $12 y $14 por barril, respectivamente. Ambos tipos se pre- paran del inventario de la Azteca de petréleo nacional refinado y de petr6leo importado refina- do, y deben cumplir con las siguientes especificaciones: Prion T ostanne | Oetinas |. ini ero sme | See tee |= [| two | S000 air |B | s | “ho | Seo Las caracteristicas del inventario de petrleos refinados son las siguientes: reson | Octanae | Invenio, | Couto, evapor arses" | S/barit, Nacional | 25 37 00 8 imporado | 15 8 woo | 1sCAP. PROGRAMACION MATEMATICA 7 Qué cantidades de los dos petréleos (nacional e importado) deberé mezclar la Azteca en ambas gasolinas, a fin de maximizar la ganancia semanal? Hacienda: x1 bartiles de petréleo nacional mezclado en la regular 2am barriles de petroleo importado mezelado en la regular -xam battiles de petroleo nacional mezclado en la extra ‘xa barriles de petrdleo importado mezclado en la extra ‘Se producird una cantidad x, + x, de gasolina regular y generard un ingreso de 12(x, + 1): se producird una ‘cantidad x5 +2, de extra y generard un ingreso de I4(xy + x,). Se usard una cantidad x, + xy de petrdleo na cional, a un costo de 8(x; + 2); se usaré una eantidad x, + x, de importado, a un costo de IS(x; + x,). La ganancia total, z, es el ingreso menos el costo: rmaximicese: = = 12(x4+ 43) + 14(a9+ x4)~ 8(4i + 13)~ 15(42 + x4) dni Brat Gry o Hay limitaciones impuestas a la produccin por la demanda, la disponibilidad de suministros y las espe- citfcaciones de la mezcla. Se tiene de las demandas: y+ 100000 (demanda maxima de regular) @ aut xe 20000 (demanda maxima de extra) ® 2122 50000 (requerimiento maximo regular) oy 2xtx6= 5000 (requerimiento minimo de extra) 6 sx.+x5540000 (nacional) o 22+ x45 60.000 (importado) o {Los componentes de una mezcla contribuyen al octanaje general, segiin sus porcentajes por peso; asimismo para la presion de vapor. Entonces, el octanaje de la regular es: oan Sate y ol equerimiento de que éste sea de por lo menos 88, leva a: x1 1050 ® Igualmente, se obtiene: 6x) 5xe0_(restriccign de octanaje de la extra) o 2xy~ 8x50 (restricciom de presion de vapor dela regular) (00) 2x) 8x40 (restriccion de presion de vapor de a extra) an ‘Combinando de (1) hasta (11) con las cuatro restreciones de no negatividad de las cuateo variables, se obtiene el programa matemitico: 4er~3e24 6x0— x6 con las condiciones: xt xz = 100000 ast xs 20000 nts 40000 + x= 0000 xi Ie <0 On-Sus 0 uD Dev Bxx = 0 Qn-8us 0 ation = 50000 wnt = 5000 con: todas las variables no negativa,8 PROGRAMACION MATEMATICA, (PARTE! El sistema (12) €5 un programa lineal; su solucién se obtiene en el problema 4.7. co articulos que desea llevar consign, se en Ta selec 1.8 Una excursionista planea salir de campamento. Hay ci pero entre todos sobrepasan las 60 Ib que considera que puede cargar. Para auvi cin, ha asignado un valor a cada articulo en orden ascendente de importancia: Anieuto [aya] sys Peon | 32 | 2 | 7 Valor wo | oo is [as ué articulos.deberd llevar para maximizar el valor total, sin sobrepasar la restriccion de peso? Haciendo que x,(/ = 1,2, 3,4, 5) indique la cantidad a levar del articulo i, se puede plantear el objetivo smaximicese: z= 100xy + 60x2+ 70x 15x44 15x w La restriocion de peso es Sey + 234+ 35x44 15a Te 5 60 @ ‘Ya que cada articulo se evara 0 no se levara, cada variable debe ser 0.0. Estas condiciones se cumpliran, si ‘se pide que cada variable sea no negativa, no mayor que I y entera. Combinando estas restricciones con (1) y 2), se tiene et programa matematic: maximicese: 2 = 100r)+ @Dxa+ TOxs 15xe+ 1512 con las condiciones: S2xy+23x2+ 35xy+ ISxat 2x55 60 ” <1 ” <1 x st a ost asl ‘con: todas las variables enteras no negativas. EI sien (3) es un programa entero; su solucién se obtiene en el problema 6.7 y, nuevamente, en el problema 14.16, 1.9 Una tienda de autoservicio que funciona las 24 horas tiene los siguientes requerimientos minimos para los cajeros: Periodo 1 2 >| 3 s 6 Mora del aia can) ar fran | seas | sty | ison Nimerominimo] i | 2» | 1 | » | | s El periodo 1 sigue inmediatamente a continuacion del periodo 6. Un cajero trabaja ocho horas consecutivas, empezando al inicio de uno de los seis periodos. Determinese qué grupo diario de empleados satisface las necesidades con el minimo de personal. Haciendo x, (7 = 1, 2, ., 6) igual al nbmero de cajeros que empiezan a trabajar al inicio del petiodo i, ‘se puede plantear ef modelo para este problema, mediante el programa matematico:CAPT PROGRAMACION MATEMATICN * con las condiciones: 2 tue 7 ait =20 ats eu o ate 220 xetxe 10 atm? 5 con: todas las variables enteras y no nepativas. El sistema (1) es un programa entero; su solucién se obtiene en el problema 6.3, 1.10 Una tienda de quesos tiene 20 Ib de una mezela de frutas de estacién y 60 Ib de un queso caro, con los cuales se preparardn dos tipos de queso para untar, fino y normal, que son populares durante la semana de Navidad. Cada libra del queso fino para untar se compone de 0.2 Ib de la mezcla de Fratas, 0.3 th del queso caro ¥ 0.5 Th de un queso de rellena, que es barato y del cual se tiene abundante reserva, Debido a las politicas de precios empleadas en el pasado por la tienda, se sabe que la demanda para cada tipo de queso para untar depende de su precio, de la siguiente forma: 250 SOP: Dy= 190-257, y D: Donde D denota la demanda (en libras), P denota el precio (en délares por libra) y los subindices, 1 y 2se refieren respectivamente al queso para untar fino y normal. ;Cuaintas libras de cada tino de queso para untar deben prepararse, y qué precios deben establecerse, si se desea maximizar el ingreso y vender totalmente ambos tipos hacia el fin de la semana de Navidad? ‘Sean x, las libra de queso fino para untary x; [as libras de queso normal para untar, que s van a prepa rar. Si se puede vender todo el producto, el objetivo es: Pravdt Pats w ‘Ahora bien, todo el producto se venderd con segurided (y nada quedara en existenci), sila producevén 10 ‘excede a la demanda; es decir, ix; = D, y x, = Ds. Esto da las resricciones 425P.519 y xs SOP) $250 e Debido la cantidad de mezcla de frutas de que se dispone, 0.2% +0.2x2=20 ® ¥ por la cantidad de queso caro disponible, 081+03n=6 oy No hay restrcciOn en cuanto al queso de relleno, ya que a tienda tiene el que ea necesario. Finalmente, nicl precio ni la produccidn pueden ser negativos; asi que cuatro resineviones de no negatividad son: x, = 0. fz = 0, Py = 0, ¥ p20. Combinando estas condiciones con las expresiones del (1) al (), se obi ce «t programa: maximicese: 2 = Pant Pos ‘con las condiciones: 0.2x1 +0241 =D 081 +03% =o nm +25 5190 o x +90P:5290 con: todas las variables no negativas. El sistema (5) es un programa cuadritico en las variables x, x, P, y Ps. Se puede implica si se toma cen cuenta que para cualquier valor fio positive de x, yx, la funcion objetivo aumenta conforme Py 0 Ps ‘aumenta. Entonces, para un maximo, P, © P: deben ser tales que las restricciones (2) se transformen en feevaciones; por tanto, Py P, pueden eliminarse de la funcién objetivo. Se tiene entonces un programa ‘euadritico en 9 x10 PROGRAMACION MATEMATICA IPARTE | (7.6-0.043))x,+ (5~ 0.02%) 02x +02m=20 081+03=60 o con: x; y.x; no negatives. Este se resuelve graffcamente con facilidad. Fig. 13 JIL Dése una solucién grafica del programa cuadratico (6) del problema 1.10. Para graficar, es conveniente completar ef cuadrado en la funcién objetivo, quedando: maximicese: £ = 673.5~0.04(x, ~ 95)°— 0.0243 ~ 125)? Jo cual es equivalente a Iminimicese: 2" = 0.04¢, 957° +0002(x3~ 125)? o ‘Come las resricciones son fineales, la region factible est limitada por lineas rectas: esta region aparece Ssombreada en la figura 1.3. Para cualquier valor particular de 2. (1) define una elipse con ventro en (95.125), y dos de estas elipses se muestran en ta figura 1-3, como curvas punteadas. El valor minimo de ¢° ccorrespondera a aquellaelipse definida por (1) que sea tangente a la linea » 2 Para encontrar el punto de tangencia, se igualan las pendientes de lalinca y de la elipse dry des __ 2x 95) dey D as ‘bteniday por diferenciacion implicita de (2) y de (1), cespectivamente. Esto da: aan 2x65 @ 02%,402x,APH] PROGRAMACION MATEMATICA u {La solucion simultanea de (2) y 3) da el resultado Optimo al problema 1-10: f= 55 ll-de queso fino para untar XP= 451b de queso normal para untar 1.12. Un fabricante de plisticos tiene en existencia, en una de sus fabricas, 1 200 cajas de envoltura transparente y otras 1 000 cajas en su segunda Pabrica. El fabricante tiene ordenes para este pro- ducto por parte de tres diferentes detallistas, en cantidades | 000, 700 y $00 cajas, respectivamen- te. Los costos unitarios de envio (en centavos por caja) de las fabricas a los detallistas son los si- uientes: Detalistat —Dealita? Detaled Fabrica [a6 a " Faris? | 13 B R Determinese una cedula de embarque de costo minimo, para satisfacer toda la demanda con el in- ventario actual Excribiondo.x, (7 = 1,2:J = 1,2, 3) como el nimero de cajas que se enviardn dela fibrica al detallista J. 8¢ tiene como objetivo (en ventavor) minimicese: = May + 13en¢ Het Ban + Ident Pes ‘Ya que las cantidades que se enviarin de las fabricas no pueden exceder a las existencias, xn ait ays 1200 (envios de fa fbrica 1) xait nat 2151000. (envios de la Fabrica 2) ‘Ademas, las cantidades (otales enviaday a los detalitas deben cubrit sus demandas; entonces: Xuctag = 1000 (envios al detalista 1) xutxm2 700 (envios al detallsta 2) Xntxaz $00 (envios al dtallista 3) Debido a que la existencia total (1 200 + 1 000) es igual ala demanda tora (1.000 + 700 + $00), cada desi- tevaklad de resricci6n se puede cambiar a una igualdad, Haciendo esto e incluyendo las condiciones de no newatisidad de que ningiin envio sea negativo y ninguna caja se divida para enviarse, se obtiene cl ppperama matemaivo: vinimicses £ = 4eu+ Bayt apt Seat Bent 1a 1200 com las condiciones: ru e124 x08 ant ant na 1000 w ae tim = 700 ae tin 500 con: todas las variables enters y no negativas, El sistema (1) es un programa entero; su solucion se obtiene en el problema 7.3 y, nuevemente, en el Problems 8.6. Una competencia de relevos de 400 metros incluye a cuatro diferentes nadadores, quienes nadan sucesivamente 100 metros de dorso, de pecho, de mariposa y libre. Un entrenador tiene seis nada dores muy veloces, cuyos tiempos esperados (en segundos) en los eventas individuales se dan en la Tabla 1-1 4Cémo deberi el entrenador asignar los nadadores a los relevos, a fin de minimizar la suma de Suy tiempos?a PROGRAMACION MATEMATICA WPARTEL oo |" mee : Tao ee 2 [22 Sasol laes : € | & peal : ce Rees es . ea fee alle tas " ae £1 objetivo es minimizar el tiempo total, que ¢ denotard z. Empleando variables de doble subine! (= 1,2, -6:/ = 1, 2, 3-4) para designar el nimero de veces que el nadador ise destinard al evento, s€ puede formular asi el objetivo: iminimicese: 2 = 65x11 73x 6Bxin+ STxua+ 672014 ++ e+ See ‘Ya que ningiin nadador puede destinarse a mas de un evento, xutiatiot aus! atin tart ts 1 Xevt tet tet xo] Como para cada evento debe haber un nadador, se tiene también: aut xanthan t cat rst duct nt et Xetra oe Estas 10 estriceiones, combinadas con el objetivo y las condiciones de no negatividad de que cada variable sea entera y no negativa, forman un programa entero. Su solucién se obtiene en el problema 9.4, 1.14 Una importante compania petrolera desea construir una refineria que recibiré suministros desde tres ciudades portuarias. El puerto B esta 300 km al este y 400 km al norte del puerto A, mientras {que cl puerto C esta 400 km al este y 100 km al sur del puerto B. Determinese la localizacion de la refineria, de tal manera que la cantidad total de tuberia necesaria para conectar ala refineria con los puertos se minimice. Et objetivo e equivalente a minimizar Ia suma de las distancias entre la refineriay los tres puertos. Como ayuda para calcular esta suma, se establece un sistema coordenado, figura 1-4, con el puerto A como origen. En este sistema, el puerto B tiene coordenadas (300, 400) y et puerto C tiene oordenadas (700, 300). Con (x, :) indicando las coordenadas desconocidas deta refineria, et objetivo es: EneCAPT PROGRAMACION MATEMATICA, B iminimicese: 2 = Vat 21+ V(i— 2007 + (ea~ 4007 + VG — 7007+ (== 3007 o No hay restricciones en cuanto a las coordenadas de la refiner, ni condiciones de no negatividad; por ejemplo, un valor negative de x, significa tan slo que la refineria deberd localizarseal este del puerto A..La ceeuacién (1) es un programa matematico, no lineal, sin restricciones; su solucion se obtiene en el problema T1L11, Vease también ef problema 1-26. 15 Una persona tiene $4 000 que desea invertir y se le presentan tres opciones. Cada opcién requiere depésitos en cantidades de $1 000; e1 inversionista puede colocar todo el dinero entre las tres. Las cesperadas se presentan en la siguiente tabla: Dolares invertor i 1000 | 2000 | 3000 | 400 [Gananciaeniaoporwunidad | 0 | 2000 | s000 | e000 | 7000 JGanancia ena oportunidad 2 | 0 | 1000 } 2000 | ooo | 7000 JGananciaen'a oportunidaa 3 | 0 | 1000 | aoao | sooo | so00 {Cuanto dinero deberd invertirse en cada opcién para obtener la mayor ganancia total?” El objetivo es maximizar la ganancia total, denotads 2, la cual es la suma de la ganancia decada una de las opciones. Todas las inversiones tienen la restricciOn de ser miltiplos enteros dela unidad $1 000. Hacien- do aue (x) (= 1, 2, 3) denote la ganancia (en unidades de mil délares) de la opcion i, cuando se invierten cn ella x unidades de dinero, se puede cambiar la tabla de ganancias como se muestra en la tabla 1-2. Tabla 12 , o 1 2 3 4 wey [o 2 58 6 7 Pay AG

0 25 0 6 E 6 30 9 8 F ” 2 0 8 1.18 Una compattia manufacturera local produce cuatro diferentes productos metalicos is mevesidades especificas de tiempo (en horas) para cada producto san palirse y ensamblarse auientes Maquinado,h | Pulido,h | Ensamble. Producto E 3 1 2 Producto HL 2 1 1 Producto M1 2 2 2 Produce 1V 4 3 1 1 de 480 horas para el maguinado, 400 horas para putida ¥ 400 horas 0 son $6, $4, $6 8 $8, respectivamente. La compania ‘eniregar semanalmente 80 unidades del pro La compania dispone semana para ensamble, Las gananeias unitarias por prod ‘iene un contrato eon un distribuidor en ef que se vompromete ducto 1y 100 unidades de cualguice combinacion de los productos I, HL TIL sean sea a produssion, pero solo un maximo de 28 wnidadles del producto IV. ;Cuaintasunidades de cada producto deberia fabricar se ‘de cumplir von todas las condiviones del vontrato ¥ masimiar a ganaeia ‘manalmente ln compan total? Considérese que las picvas incompletas pueden terminarse la siguiente seman, 1.19 Un proveedor debe prepararcon cinco bebidas de fruta en existencia, $00 gal de un ponche que contenea por Jo menos 20%e de jugo de naranja, 10%e de jugo de toronja y Ste de jugo de arandano. Silos datos del inven jo son los que se presentan a continuacin, ;qué cantidad de cada bebida de fruta debera emplear el pro: veedor a fin de obtener la composicion requerida a un costo total minimo? T Jugode | Jugode | Jugo de Existencias) Cows, larania,%| coronja,t® faradano, ¢4| gal | Segal facbida A | 40 0 0 20 | ise Bebida B s 0 20 oo | 075 Bebida C | 100 ° o wo | 200 Bebida D 0 109 o so | 175 Bebida E 0 0 o vo | 02s 1.2 Una comunidad ha reunido $250 000 para desarrollar nuevas areas de eliminacion de derechos. Hay se tios disponibles, cuyos costes de desarrollo y capacidades se muestran a continuacidn. Qué vitios debera de sarcollar la comunidad?CAP. 1 141 12 123 PROGRAMACION MATEMATICA 1s io A BC DE FG Capacidad, ton/sema Cost, $1000 Una corporacidn de semiconductores produce un médulo especitico de estado sido, el cual se suministra a cuatro diferentes fabricantes de tlevisores, El médulo puede producirse en cualquiera de las tres plantas de la corporacién, aunque los costos varian debido a la diferente eficiencia de produccién de cada una, Especificamente, cuesta $1.10 producir un médulo en la planta A, $0.95 en la planta B.y $1.03 en la planta CC. Las capacidades mensuales de produccin de las plantas son 7”500, 10 000 y & 100 méculos, respectiva- mente. Las estimaciones de venta predicen una demanda mensual de 4 200, 8 300, 6 300 y 2 700 madulos. para los fabricantes de televisores I, IL IIT y IV, respectivamente, Silos costos de envio (en délares) para cm barcar un médulo de una de las fabricas a un fabricante se muestran a continuacién, encuéntrese una vi! de produccién que cubra todas las necesidades a un costo minimo total cee, A] ot 013 009 019 B| ot 016 010 016 {om 01 01 01s La jefa del departamento de carnes de una tienda de autoservicio se encuentra la mafana del sibado con que dispone de una existencia de 200 tb de bola, 800 Ib de solomillo y 150 Tb de carne de cerdo que se emplearin para preparar came molida para hamburguesas, tortitas de carne para dia de campo y allbondigen, La de- ‘manda de cada tipo de care siempre excede la existencia de la tienda. La carne para hamburguesas debe ccontener por lo menos 20% de bola molida y $0% de solomillo molido (por peso); las tortitas deben ser al ‘menos 20% de molida de cerdo y 50% de solomillo molido; y la carne para albondigon al menos 10% de bola molida, 30% de molida de cerdo y 40% de solomillo molido. E! resto de cada producto lo constituye un rellen barato, no de carne, del cual la tienda tiene una cantidad ilimitada. ;Cuantaslibras de cada producto deben prepararse, si la jefa del departamento desea minimizar la cantidad de carne que permanezca almace nada en la tienda después del domingo? Un bufete de abogados ha aceptado cinco nuevas casos, cada uno de los cuales puede ser llevado adecuada ‘mente por cualquiera de los cinco asociados mis recientes. Debido a la diferencia en experiencia y practica. los abogados emplearan distintos tempos en los casos. Uno de los asociados mas experimentados ha estima do las necesidades de tiempo (en horas) como sigue: Caso Cao? Cue 3g Cuod CaS Aposadot | us 2 MSHS ‘Abogado? | 3 RK m= | ‘Abogsdo 3 121107 2 w os | Aborado 4] 118 ne) tos Abogado S| 97 3m man Determinese a forma optima de asignar los casos a los abosados, de manera que cacla uno de ellos we dedi- ‘que a un caso diferente y que el tiempo total de horas empleadas sea minimo, Motores Recreativos fabrica caritos para golf y vehiculos para nieve cn sus tres plantas. La planta A produ: ce diariamente 40 carritos para golty 35 para nieve; la planta B produce diariamente 65 carrito para golf y ninguno para nieve. La planta C produce diariamente $3 vehiculos para nieve y ninguno para golf. Los cos- tos diarios de operacion de las plantas A, B y C son, respectivamente, $210 000, $190 000 y $182 000. {.Cuantos dias (ineluyendo domingos y dias de fiesta) debera operar cada planta durante el mes de sep= tiembre, a fin de lograr una produecién de 1 $00 cartitos de golf y 1 100 vehiculos para nieve, a un eosto ‘minimo? Considérese que los contratos de trabajo requieren que una vez que la planta se abre, Jos trabaja- ores reviban el pago de todo el dia.1.26 PROGRAMACION MATEMATICA (PARTE ‘La Compania Futura produce dos tipos de fertilizantes agricolas, Futura Normal y Futura Extra. El Futu- ra Normal esti compuesto de25M% de ingredientes activos y 75M de ingredientes nertes, mientras queel Futura Extra contiene 40% de ingredientes activos y 60% de ingredientes inertes. La capacidad de bodega limita fos, inventarios a $00 ton de ingredientes actives y 1 200 ton de ingredientes inertes, y las bodegas se surten completamente una vez a la semana, EE] Futura Normal es similar a otros fenilizantes en el mercado y tiene un precio competitivo de $250 ton, A este precio, la compatia no tiene problema para vender todo el Futura Normal que produce, asi que ho hay resiriceion en cuanto a su precio. Desde luego, la demanda no depende del precio, y basaindose en la ‘experiencia pasada se ha fijado que el precio P (en dolares)y la demanda D (en toneladas) estan relacionados por P = 600 — D. ;Cuantas toneladas de cada tipo deberd producir semanalmente la Compania Futura a fin de maximizar el ingreso? Expliquese por qué lo siguiente es una solucion andtoga al problema 1.14. Considérese que ta figura 1-4 representa la parte superior de una mesa alta. Se hacen pequettas perforaciones ala superficie de la mesa en Tos puntos A, By C. Tres de los extremos de tres trozos de cordel estan unidos mediante un nudo, que des- ccansa en le superficie de la mesa; los tres extremas libres se hacen pasar a través de las perforaciones y, por ‘abajo de la mesa, se les cuelgan tres pesos iguales. Entonces, sin considerar la friccion, la posicion de tequilibrio del nudo da la localizacion éptima de la refineria,Capitulo 2 Programacion lineal: forma estandar En el capitulo 4 se deseribe un método para resolver programas lineales con muchas variables. Para iniciar el metodo, se deben transformar todas las restricciones en forma de desigualdades a igualdades y se debe conocer una solucidn factible no negativa. CONDI JONES DE. NO NEGATIVIDAD, Cualquier variable que alin no haya sido sujeta a restriveion de no negatividad. se reemplaza por la diferencia entre dos de las nuevas variables que lengan esta restriccion (véase el problema 2.6). Las restrieciones lineales (Capitulo 1) son de la forma: Zaai~a an donde ~ representa una de las relaciones <, >, = (no necesariamente la misma para cada). Las cons- antes b; se pueden considerar siempre como no negativas. Dey + ey = ey Sa Ejemplo 2.1 La restriccion 2x, ~ 3x + 4, S —$se multiplica por ~ 1 para obten ‘cual tiene un lado derecho positive, VARIABLES DE HOLGURA ¥ VARIABLES SUPERFLUAS Una restrivcion lineal de forma ¥ ux, < b, se pucde convertir en una ecuacion, agregando wna nueva variable no negativa al lado izquierdo de la desigualdad. Esta variable ey numéricamente igual ala diferencia entre el ado izquierdo ¥ el derecho de la desigualdad, v se conoce como variable de holga. Representa el desperdicio involucrado en esta fase del sistema, ettyo modelo est dado por la restriecin Ejemplo 2.2 La primera restrccion del problema 1.6 ex cy + Se-+ Bay Sx1 30000 El ado izquierdo de esta desigualdad es el modelo correspondiente al total de horas empleadas para ensamblar todas tas consolas de los televisores, mientras que el lado derecho es ef total de horas disponibles. Esta desigualdad se transforma en fa ecu y+ Sat 3s Seat xe = 30000 al anadir fa variable de holgura x al lado izquierdo de la desigualdad. Aqui x; representa ef nimero de horas de en- samble de que dispone, pero no usd. el abricante. Una restric n lineal de forma ¥ aps) 2 Py se puede convertir en wna deuguathlad, restando unt eva variable no negativa del lado i7quicrdo de la desigualdad. Esta variable es numericamente igual & a diferencia entre los ladas izquierdo y derecho de la devigualdad. v se conoce como variable superfiua. Representa el eveeso de entrada en esta fase del sistema cuyo modelo esta dado por la restrivcion.8 PROGRAMACION MATEMATICA IPARTE | Ejemplo 2.3 La primera restriccion en el problema 1.5 es davt6ret ge El ado izquicrdo de esta desigualdad representa la salida combinada de mineral de grado alto proveniente de las ies ‘minas, mientras que el lado derecho es el tonelaje minimo del mineral requerido para cumplir con lay obligaciones del contrato, Esta desigualdad se transforma en la ecuacion: det Ont nee St al restar la variable superflua x, del lado i2quierdo de Ia desigualdad. Aqui x, representa la cantidad de mineral de grado alto extraida por encima de la cantidad necesaria para eumplir el contrato. GENERACION DE UNA SOLUCION FACTIBLE INICIAL Después de que todas las restricciones lineales (con lados derechos no negativos) se han transforma- ddo en igualdades, introduciendo variables de holgura y superfluas donde sea necesario, aprépuese tn nueva variable llamada variable artificial al lado izquierdo de cada ecuacion de restricciones que no von- renga una variable de holgura, Ahora cada ccuacién de restriccidn contendra o una variable de holgw ‘una variable artificial. Ui ial no negativa para este nuevo conjunto de restrieeiones se obtiene haciendo cada variable de holgura y cada variable artificial igual al lado derecho de la eevacion cen la cual aparecen y haciendo lay otras variables, incluyendo las variables superfluas, iguales @ cero. Ejemplo 2.4 El conjunto de restricciones wit ders 3 antSnz 6 Tat 8-15 ‘se transforma en un sistema de ecuaciones agregando una variable de holgura x, al ado izquierdo de ta primera ‘estricciOn, y restando una variable superflua, xs, del lado izquierdo de la segunda restriceién. El nuevo sistema es: cote as 3 4nt5a -ue 6 e2 Test Bx 15 Si ahora se agregan respectivamente las variables artiiciales x, y al lado izquierdo de las dos dltimas restrieciones Gel sistema (2.2), €8 decir, a las restricciones sin una variable de holgura; el resultado at 2ntas 3 AutSe ute = 6 Tat Bx: tee S Una solucidn no negativaa este timo sistema es x, = 3.x: = 6,45 = ISyxj = 5 = x, = 0. (NOtese, sin embargo, due x = 0, %; = Ono es una solucion al conjuntoinicial de restricciones.) COcasionalmente, se puede generar facilmente una solucién sin un conjunto completo de variables de holgura y artificiales, Un ejemplo de esto to constituye ef problema 2.5 COSTOS DE PENALIZACION La introduccion de variables de holgura y superfluas no altera ni a la naturaleza de las restrivciones ni al objetivo. Por consiguiente, estas variables se incorporan a la funcion objetivo con coeficientes cero, Las variables artificiales, sin embargo, cambian la naturaleza de las restricciones. Ya que se agre- ‘gan s6lo a un lado de una desigualdad, cl nuevo sistema es equivalente al sistema anterior de restrieciones solo si las variables artificiales son cero, Para garantizar estas condiciones en la solucion Optima (en Ccontraste con fa solucion inicial) las variables artificiales se incorporan en fa funcion objetivo con coeti- jentes positivos muy grandes si se trata de un programa de minimizacion, o con eoeficientes negativos muy grandes sise trata de tn programa dy maximizacion. Estos cocticientes, que se denotan Mo ~ M,CAP.2) PROGRAMACION I INEAI: FORMA ESTANDAR. 19 donde M se considera un numero positivo muy grande, representan el (severo) costo de penalizacion cn el que se ha incurrido al hacer una asignacion unitaria a las variables artificiales En vilculos manuales, los costos de penalizacion pueden dejarse como -+ M. En calculos obtenidos con el empleo de computadora (u ordenador), a M debe asignarsele un valor numérico, generalmente {res 0 cuatro veces mayor que cualquier otro niimero en el programa, FORMA TIPICA, Un programa lineal esta en forma estandar si todas las restricciones son igualdades y si se conoce tuna solucion factible. En notacion matricial, Ia forma estandar es: optimicese: z= CTX con la condicion: AX=B 23) con: X20 donde x es el vector eolumna de incognitas, incluyendo todas las variables de holgura, superfluas y arti- Ficiales; C7 es el vector renglon de los costos correspondientes; A es la matriz de coeficientes de las ecuaciones de restricciones; y B es el vector columna de los lados derechos de las ecuaciones de restr ciones. [Nota: En el resto del libro, normalmente se representard a los vectores como matrices de una ‘columna y simplemente se hablard de “vector”, en ver de “vector columna”, El exponente T indica trans- Posicidn.] Si Xp denota solo al vector de las variables de holgura y artificiales, entonces la solucion fac- tile inicial esta dada por Xp = B, entendiendose que a toda variable en X que no se incluya en Xq se le asigna un valor cero, Problemas resueltos 2.1 Pongase el siguiente programa en forma estandar: maximicese: z= x14 x2 con las condiciones: 14+ 5x55 nt asd con: 1 ¥.%2 no negativas Agregando las variables de holgura x,y xy, espectivamente Jos ads izquierdos de las restreciones © incluyendo en el objetivo estas nuevas variables con coeficientes de costo cero, se tiene maximicese: 7 = 21+2x:+ 035+ 0x con las condiciones: xs+Sritxs = o etn tnd con: todas las variables no negativas. ‘Ya que cada ecuacién de restriecign contiene una variable de holgure, no se necestan variables artificiales: una solucion factible inicial es xy = 5, x4 = 4, 5, 0, El sistema (1) esta en Ia forma estindar (2.3), si se define: Xela xasn)” Cm [11,007 i CR eC 2.2, Pongase el siguiente programa en forma estandar:20 PROGRAMACION MATEMATICA [PARTE maximicese: 7 = 80x; + 60x: con las condiciones: 0.20. + 0.32x25 0.25 atoms d con: yj ¥.Np NO negativa. Para converte la primera restriccion en wna igualdad, agréguese una variable de holgura x, al lado iz ‘uierdo. Ya que la segunda resiricién, una ecuacion, no contiene una variable de holgura, agréguese una enable artificial al lado izquierdo, Ambas nuevas variables se incluyen en la funcin objetivo, ta variable Ue holgura con coeficiente de costo cero y Ia variable artificial con coeficiente de costo negativo muy grand, dando el programa: maximicese: 2 = 80x14 60x;+ 0x~ Mie con las condiciones: 020x,+032ar¢x1 = 0.25 at on teed con: todas las variables no negatives Este programa esté en forma extandar, con una solucion factible nical x= 0.25, xa= 1, xy= x20. , 2.3. Resuélvase nuevamente el problema 2-2, si xe ha de minimizar el objetivo, 1 anico cambio esta en el coeficiente de costo asociado con la variable artificial; se vuelve +M, en vez de —M. 2.4 Pongase el siguiente problema en forma estandar maximicese: 2 = Sxi + 2x2 con las condiciones: 6x+ 22 6 4x,43n2 12 tne 4 ‘con: *1 ¥ x2 no negativas. Restando las variables superfluas x,y Xs Fespectivamente, de os ados izquierdos de las resricciones « incluyendo en el objetivo cada nueva variable con un coeficiente de costo cero, se obtiene: maximicese: 2 = Sxi+2e1+ Oxy + Oxe+ Oxs con las condiciones: 6x1 x2~ #3 6 dut3m 7m 212 nt2e wan 4 ‘con: todas las variables no negativas ‘Ya-que ninguna ecuacin de resriccin contiene una variable de holeura, siguiente paso comsisteen aad Tos variables artiiciales vy, ¥ A respectivamente, alos lados izquierdos de las ecuciones. También se incluyen en el objetivo estas variables con muy grandes cocficientes negativos de costo. El programa se transforma en: maximicese: 2 = Suy +224 0x54 0x14 Oxs~ Mia Mar~ Ma con las condiciones: 6x14 aay te 6 ftir - x ty 2 nite, % tee 4 con: todas las variables no negativas Este programa esté en forma estindar, con una solucién factble inicial de x = 6 a = 12% Mam EM AGE HAO.CAP. PROGRAMACION LINEAL: FORMA ESTANDAR, 21 2.5 Pongase el siguiente programa en forma estindar: minimicese: 2 = x,+2x;+3x5 ‘con las condiciones: on: todas las variables no negativas, Agregando una variable de holgura x, al lado izquierdo de fa primera restricion, restando una variable superflua x, del lado izquierdo de la tercera restriccin, y ahadiendo después una variable artificial x, slo al lado izquierdo de la tercera restriceién; se obtiene el programa: ‘minimicese: 2 = x)++2ez-+3xy+ Ore+ Oxs+ Mite con las condiciones: 3x, + 4x4 x6 = Sait ar+ 6x “7 By + 9x, ast xe? ‘con: todas las variables no negativas, Este programa esth en la forma estindar, con una solucién factible inicial de x, = 5, x; = 7, % X= ay = 4 = 0. Tieme la forma del sistema (2.3) si se define Xe bntcs czy tel” C1, 23,0.0.M1" 3041 00 os Ae/5160 00 Xen] as 8090-11 xe En este caso, 4; puede usarse para generar la solucién inical, en vez de agregar una variable artificial a ta segunda restriccion para llegar al mismo resultado. En general, siempre que una variable aparece slo en tuna ecuacién de restriccion y con un coeticiente positivo, esa variable puede emplearse para generar parte de 'a solucién inicial, dividiendo primero ta ecuacion de resriccin entre el coeficiente positive y despues ha. tendo ta variable igual al lado derecho de la ecuacion; no es necesario agregar una variable artifical ala 2.6 Pongase el siguiente programa en forma estandar: minimicese: 2 = 25x, + 30x; con las condiciones: 4x4 7x2 1 BxitSaz 3 6x14 9x; = -2 ‘Ya que tanto x, como xs no tienen restricciones, se Fijan x) = 1 — Xe ¥.%2 = ¥ — Sas en donde se ree uiere que todas las cuatro nuevas variables sean no negativas. Sustituyendo estas cantidades en el programa {dado y multiplicando después la iltima restriceion por ~ 1, para obligar a que tenga un lado derecho no ne- galivo, ve obtiene el programa equivalente: minimicese: z= 2525~25x4+ 30xs— Wx 4xy~ deat Tas Tee 1 Bry Bet Ses— Sez 3 614+ 644— 9x4+ 92452 con: todas las variables no negativas con las condiciones Este programa se convierte ala forma estandar restando las variables superfluas. y x, respectivamente, de tos indos izquierdos de las primeras dos restricciones: agregando una variable de holgura xy al lado izquierdo de la tercera resriccidn, v después aNadiendo las variables artificiales x ¥y.respectivamente, a 10s lados izquierdos de las primeras dos restricciones. Asi se obtiene:PROGRAMACION MATEMATICA [PARTE 25xj~ 254+ Wxs— Ora Orr + Ora Oot Miro + Mis con las condiciones: 4x5~ Axat 7xs~ Tha tee 21 Bey Bet See Ste = te teed Grr 6x Ors Se +e 2 con: todas las variables no negativas Wn iniial a este programa en forma esténdar es: xeel zu Problemas suplementarios Pongase cada uno de fos siguientes programas en forma estandar, 27 sminimicese: = 2e1~ x24 4x9 con las condiciones: $x, +2x;—3n=-7 2-2et us 8 ‘con: x; no negativa 28 maximicese: 2 = 10x14 1x2 nes: i+ Der 150 3x4 4r,5200 6x4 95175 con: x, y x; no negatva. 29° Problema 2.8 con las tres desigualades de restriccion inverts, 2.10 iminimicese! 2 = 3x14 Dep Axo 6xe con las condiciones: xj +2t2+ a+ x42 1000 Dart a4 Bayt x42 1500 con: todas las variables no negativas an sminimicese: x = 6x 43x24 4x con tas condiciones: 1+ 6x2#.x4= 10 Det Bet age 1S ‘con: todas las variables no negatives. 22 masimicese: = 78+ 2xr+ Best x ‘con las condiciones Det Tae -7 Sxit8r +2u=10 x otm sll side ¥oNe, RO NepatvascaP.2y PROGRAMACION LINEAL: FORMA ESTANDAR as minimise: 2 = 10x44 2am as con ls condiciones xvtas 50 néne7 tnt dl con: todas as variales no negtivs Capitulo 3 Programacion lineal: teoria de soluciones DEPENDENCIA E INDEPENDENCIA LINEAL Un conjunto de vectores de m dimensiones {P,, Py, . - , Pyl€slinealmente dependiente si existen constantes, n0 todas CeO, 0, 2, «~~» qs tales GUE Pit aPst sb a,P, =O en Ejemplo 3.1 £1 conjunto de vectores de 5 dimensiones (11.2.0,0.077 (,0,0,0,0)", (0.0, 11,017 (0 0.01") «6 lincalmente dependiente, ya que ' 1) Py poy poy po 2| fol fof fa| fo tjofsifol soli [+2] a]-fo of fo) jr] Jol fo o} Lol bJ Lo Lo Teorema 3.1: Cualquier conjunto de m + 1 0 mas vectores de m dimensiones ¢s linealmente depen- diente. 9 conjunto de veetores de m dimensiones 1Py, P3,. ... Ppl €slinealmente independiente si las «eas constantes para las que (3.1) se cumple, on ay ‘0. (Wéanse los problemas 3.1 ya. COMBINACIONES CONVEXAS Un vector P de m dimensiones es una combinacién convexa de los vectores Py, Pa...» » Py dem dimensiones, si existen constantes no negativas 8), 8...» » By cuya suma es 1, como, P= BiP\+ B:Pr+ ~~ + BaP @2) Ejemplo 32 _ El vector de 2 dimensiones {6/3, 5/6) es una combinacion convexa de los vectores [1,1)7, B.0)" y [1,2] porque eel={i]fe) a) Dados dos vectores de m dimensiones, P, y P:, se denomina segmento linea entre los dos vectores al conjunto de todas las combinaciones converas de Py y P3. El significado geomeétrico de este termino re sulta claro en el caso m = 3 CONJUNTOS CONVEXOS Un.conjunto de vectores de m dimensiones es convexo, siempre que dos vectores pertenezcan al conjunto, sel seemento linea entre los vectores tambien pertenece al conjunto. Ejemplo 3.3 El disco sombreado en f figura 3-1 (0) sun conjunto convexo, ya que el segmento linea entre cual cere fe ous puntos (nectores bidimensionals) etd completamente dentro del disco. La figura 3-1 (0) n0 sun con=CAP.3) PROGRAMACION LINEAL: TEORIA DE SOLUCIONES 2s Segmento de a tinea entre Py Q P ay oy Fest junto convexo; aunque R y S pertenezcamal conjunto sombreado, existen puntos, como T, que pertenecen al seg- ‘mento Tinea entre Ry S'y que no son parte de Ia estrella, Un vector P es un punto exiremo de un conjunto, si no es posible expresarlo como una combina- cién convexa de otros dos vectores de! conjunto; es decir, un punto extremo no descansa en el segmento linea entre cualquier otro par de vectores en el conjunto. Ejemplo 3.4 Cualquier punto sobre la circunferencia del disco de la figura 3-1 (a) ¢s un punto extremo del disco, Teorema 3.2: Cualquier vector en un conjunto convexo cerrado y acotado que tenga un nimero finite de puntos extremos, puede expresarse como una combinacién convexa de los puntos extremos, Teorema 3.3: El espacio de solucién de un conjunto de ecuaciones lineales simultaneas es un conjunto convexo que tiene un nimero finito de puntos extremos, SOLUCIONES DE PUNTO EXTREMO Se designa al conjunto de todas las soluciones factibles al programa lineal en forma estandar, (2.3); es decir, ¥ es el conjunto de todos los vectores X que satisfacen AX = By X > 0. Del teorema 3.3, y por el hecho de que los conjuntos convexos s¢ intersectan en conjuntos convexos (problema 3.11), se tiene que ¢ es un conjunto convexo con un nimero finito de puntos extremos. La funci6n objetivo logra su 6ptimo (ya sea maximo o minimo) en un punto exiremo de F, siempre y cuando dicho dptimo exista. (Vease el problema 3.12). Nota Nota 2: Si A es del orden m x 7 (mm renglones y n columnas), con m 3 +3, 3 re Sar entonces ¢ = d, G= 1.2, Restando ambas represent So-ayw-0 quees 3.1) cong, = cee, — 4, = 0,06, d.yn =r. YaqueP), Pa... P,Son inealmente independiente, se tiene enton- A G21 2040. ‘Anotense las ecuaciones de restriccion para el siguiente programa lineal, empleando la forma vectorial (3.3) rminimicese: 2 = 2x) + 3x2 + y+ Oxa+ Mxs+ Ox con las condiciones; x14 2x24 2x1- tetany = 3 2xyt Bast ey tye icon: todas las variables no negativas. Para este problema, (3.3) se convierte en: ofeeB} Geo elf ee ee: Determinese si [1, 0, 1,0, 0, Ol! es una solucién factible basica al programa lineal dado en el problema 2.6. ‘Aunque todos sus componentes son no negatives, la solucion propuesta no es basica, Los vectores Ay y [Ay asociadlos a las variables x no igualadas a cero, no son linealmente independientes (problema 3.1). Determinese si [1, 0,0, 0, 2, 4)/ es una solucion factible basi nit lineal dado en ef problema 3.6 al prog LLamatris de eoeticientes A, Formada por los vectores columna A, al A, es del orden 2 x 6. Por liam to, una soluciOn lactible basica debe tener al menos 6 — 2 = 4 componentes (variables) cero, Io cual no ede en este caso. Encuéntrense dos diferentes soluciones factibles basicas al programa lineal dado en e problema 3.6. Yaquen — mr ~ 4, una solucion Factible bisica tend todas las cuatro variables iualadas a cero. NP Ihaver eora aX), 5, 8 ¥ 8a Ht ection vevtor de restiecion se convierte en:3.10 3. 32 PROGRAMACION MATEMATICA [PARTE ef)? sfle-C]-[ cus lene lsluctn (0 nega, = 3:5 = 6 Yaa Ax A, sn nels indepen, ase lucién completa, [0, 0, 0, 0, 3, 6)", es basica. Aqui las variables basicas son x,y x,, y ya. que ambas son positi- ts cto In slicin csanbino degentad, Pars cheney tna sepund anon fate Ba, eMac) = 3 35 © = 0, por cal a ceva eto de reine wc aE E)- (J ‘A;, son linealmente independientes, asi que la solucion completa, (3,0, 0,0, 0, OV", es basica, Las variables Dasieas son x; ¥ x;y que una de ellas es cero, la solucion es degenerada. Determinese sil vector [0,7]7 es una combinaciin convexa del conjunto 113.61, [~6,917. [2.117 1-11) Para estos vectores, (3.2) se convierte en Gl-afe-ols}eli-el] 3B: ~ 682+ 2Bs~ Ba 681+ 982+ Pst Bem7 ty ‘A cestasecuaciones se aad una tercera coniion, Bit Bet Bot Bum @ Se debe determinar si existen valores no negatives de By, Bs By Be que satsfagan simultaneamente (1) (2). Revolviendo estas ecuaciones se obtiene: Bini+lB, Bre d- ibe B= (19/168 ‘con fy atbitraria, La seleccién 8, = 0 es forzada y da: Bi Bad B ‘como un conjunto aceplable de constantes, Entonces,(0,7}" es una combinacidn convexa del conjunto dado de cuatro vectores. Si 2 y ® son conjuntos convexos, demuéstrese que su interseccion 9 AB es un eonjunio con- vexo. Sean X y ¥ dos vectores cualesquiera, en @ 9. Entonces, el segmento linea entre X y ¥ est en 2 (porque tanto X como Y estin en 2, y 2 es convero) y esta en B (similarmente). Entonces, el seemento Hine «esti en 29.8; por lo tanto 2 es convero. En el caso de que 2 y & sean poliedros convexos (es decir que tengan un niimero grande fii de pu tos extremos), es intutivamente obvio que la interseccin es también un poliedro conveso. Demuéstrese que la funcion objetivo s = UX) = CPX det sistema (2.3) tiene su dptimo (digamos {que un minimo) en un punto exiremo de siempre y cuando exista un minimo ¥ ¥ este acotade. Si existe un minimo, entonces existe un punto Xe ¥ + por ejemplo: J%e)= 0%) evando XEF © ‘Si X, €5 un punto extremo de % el problema esta resueto. Si no, se debe obtener un punto exttemo como fIXn) = AIKe) "Ahora bien, # tiene solo un niimero Finito de puntos entremos: se les denotard como Ny Xo» «+X, Ya que # es acotado (ademis de ser cerrado), el teorema 3.2 asegura que X, puede exeribirse como utacap. PROGRAMACION LINEAL: TEORIA DESOLUCIONES » combinacion convexa de estos puntos extremos; estoes,existen 8, (j = 1,2... .p), no negativos, euya su ma es 1, ast x= DX Considérese @ X,, como el minimo de IX) sobre los puntos extremos. Por (1). f(%q) J%y)- Pero (Xm) 5 Bi = f%m) @ 10%)= AS, BX) = z Bm) = BI ‘A%n), asi que hay un punto extreme, especificamente En consecuencia, €X) en el cual IX) legs a De acuerdo con el eorema fundamental de Weierstrass (eorema 11.1), una funcién continua ~en par ticular una funcién lineal como f(X)— en realidad asume un valor minimo en una region cerrada y acotada, Se concluye que el programa neal estandar siempre tiene ura solucion optima de punto extremo, cuando ¥ csacotada. Si ¥ no es acotada, puede ser que el Optimo no exista; sin embargo, si existe, nuevamente estard en un punto exiremo, 3.13 Compruéhese que cada punto extremo de & tiene al menos n — m componentes cero y es una so- ‘Sea X= [Kye kno, Nal ttn punto extrema de_ Y. Sin perder gencralidad, se puede cons ddorar que a las variables vse les han asignado subindiees, de manera que 8. Ny. = = eke Sm) Son poritivas y todos los componentes subsecuentes de X, silos hay, son cero. Ya que XEF se tiene AX ~ B, lo cual como una consecuencia de que x; = 0 para > r, se puede escribir en la Forma veetoral DoanB @ Sse mostrar primero que ls vectores A, invouerados en (1) son linealmenteindependientes. Considere- se que no lo son. Entonees,exsien eONsaNIeS ay, ao.» Gy M0 todas cero. AS, = vA =0 @ Sea 0 un nimero positive: entonces, de (1) y (2) se tene: Dt baa, = B y Db baa, = B @ Si se slecciona 010 suficientemente pequeta como para que x) + 8a, yx, ~ Ba permanezcan postivas para toda j= 1.2... +r entonces, se tiene drectamente de (3) que: a = fo Beng, e+ Bora, =e + Bet 0,0... 077 Ka [x1 — a 2~ Baas He Bs 020,207 son distintos elementos de F. Pero entonces X= IXr+1Xs lo cual es imposible, ya que X es un punto extreme de ¥. Entonces 1A;, A, - -- Ay debe ser un conjunto linealmente independiente. ‘Ya que los vectores son de mr dimensiones, se concluye a partir del teorema 3.1 que no puede haber mis de m de ellos que sean linealmente independientes; por consiguiente, rm. Pero todo componente de X, despues del résimo, es cero; por lo tanto X debe tener al menos m ~ mm componente ‘Cuando r= mt, la prueba anterior establece de inmediato que X es una solucion factible basica. Si F< m,siempre es posible (suponiendo el rango de A = m) identificar m ~ rcomponentes cero de X tales, ‘que sus vectores A correspondientes se combinen con Ay, As, ¥ A, para formar un conjunto lineal: mente independiente, Entonces, nuevamente, X es una solucion factible basica 3.14 Compruébese que cada solucion factible basica ey un punto extremo de F. Sea X una solucion factible basica. Entonces. XE Fy al menos n ~ mide los eomponentes de X, son cero. Sin perder generalidad, se puede considerar que a las variables xse les han asignado subindices, de ma. era que los componentes positivos de X aparezcan primero: xef 2.0,0,....0)" ox” 39 PROGRAMACION MATEMATICA, [PARTE | con s, = LQ... sey 9s mE consecuencia, fa igualdad AX. = B puede eeribirse en forma ere donde, debido a que X es bivico, el conjuntotAy, Aa... , Ales inealmente independiente (véase proble- rma 3.22), Considérese que X mo es un punta extrema de. Ewuonees, X puede expresarse como una combina cid convera de otros dos puntos en: Xe BX+BX, con Xi#X, @ son no negativos, y las constantes By 8; son estrictamente positivas, de mos 11 ~ s componentes de X, y X: son tambien vero. Por lo tanto, Ya que los componentes de X, y (1 y Q)se-coneluye que lox Kee Leer OOOO Xe die das 6d 040,507 @) Por 3). AX, = Ry AX. = Boman las formas vectoriales SoA Usando ef resultado de problema 3.8, se puede eoncluie que c, = dj, por lo tanto, Xy = X:. Esta contradic- un punto extreme, ’ Zaa- eign estableve que X es, realmen ‘Compruébese que la solucion inicial Xp generada en el capitulo 2 es una solucién factible basica. fa solucién inicial eonstituye las mm % om columnas de la Inder EI conjunto de vectores A eorrespondie imatriz identi, kas exes so Kncaln Problemas complementari Determinese geitieamente vi [1,21 6 uns combinaciin convesa de [I.E y Ps =H! Escribanse em forma vectorial las eeuaciones de resttieeion para ef siguiente prey rminimicese: = x1 + 2a + ryt Mita Ox con fis condiciones: xe ast =a Detde ste 6 Determinese culo cules de fox siguientes vectores son soluciones factibles basieas para el programs lin del problema 3.17, 2s degenerad setibles hisicas? (2) [1.0.0.0 () (0.0.0.0) () 10.0,3,0,6)" ——(a)-{0.0,3.2.81" alguns de estas soluciones Eseribanye en forma vectorial las wettaciones de restriccion para el Siguiente programa tinea mnaimicese: 2 = xy+ 2ey+ Bey dat Oxs+ Ox + Oxy con fas condiciones: 14 2aetaxnt Saat as Int Fin te a8 con; today las variables 0 negativas.CAP. 3) PROGRAMACION LINEAL: ‘TEORIA DE SOLUCIONES. 3 320 3.21 3 3.3 Determinese cual o cuales de los siguientes vectores son soluciones factibles basicas para el programa lineal del problema 3.19. ,Es degencrada alguna de estas soluciones factibles basicas? (@) [.3,0,0,0,0,0)" (©) (0,0,0,3,0,0,01" —(@){1,0.0,0,8,7,1]" () (2.2,0,1,0,0,0" — d) (0,0,0,0,9,9,01" —(f)_ (0,0,9,0,0,9, 9)" ‘Compruébese que si una funcién lineal asume su minimo en dos puntos diferentes de un conjunto convexo, centonces asume su minimo sobre todo el segmento linea entre los puntos. jo de vectores linealmente independientes, esa su vez linealmente Compruébese que todo subconjunto no va independiente. ‘Compruébese que cualquier conjunto de vectores que contenga al vector cero, es linealmente independiente.Capitulo 4 Programacion lineal: el método simplex TABLEAU SIMPLEX El método simplex es un procedimiento matricial para resolver programas lineales expresados en forma estandar: 7x, optimicese: = con la condicion: AX con; X20 donde B = 0y es conocida una solucién factible bésica Xo (problema 3.15). Empezando con Xo, el mé- todo localiza sucesivamente otras soluciones factibles basicas que tienen mejores valores del objetivo, hasta obtener la solucién Optima. Para programas de optimizacion, el método simplex utiliza el tableau 4-1, en el cual Cy designa al vector de costo asociado con las variables en Xo, er-cta | -cie ‘Tableau 4-1 Para programas de maximizacion, el tableau 4-1 se aplica si a los elementos del renglon inferior se fev cambian los signos. Ejemplo 41 Para l programa de maximizacién del problema 2.5, C) = (0.2, MI’. Eatonces 30041 00 ” CBAs (1. .MI-(0,2,M}5 160 00 Bo090-11 otk -M]— [10+ 8M, 2, 12+ 9M, 0, ~M, M] = [-9- 8M, 0, -9- 9M.0, MO] ‘| yf tableau 41 se convierte en: gueCAP. 4] PROGRAMACION LINEAL:_ El METODO SIMPLEX 3 SIMPLIFICACION AL TABLEAU Para cada j(j = 1,2, . . . .), definase z, = CFA, el producto escalar (o producto punto) de Co con Ja columna j de A. El item jen el ultimo renglon del tableau 4-1 es 6; ~ z) (0, para un programa de ma mizacion, 2, — c), donde ¢, es el costo en el segundo renglon del tableau, inmediatamente encima de A; Una vee que se obtiene este tltimo rengion, el segundo renglon y la segunda columna del tableau, que corresponden respectivamente a C7 y Co, resultan superfluos y pueden eliminarse. EL METODO SIMPLEX PASO I Localicese el_nimero mas negativo en el renglon inferior del tableau simplex, excluyendo la liltima columna. A la columna en la cual aparece este niimero, se le denominara columna de trabajo. Si existe mas de una posibilidad en la selecci6n del nimero mas negativo, seleccionese s6lo uno. PASO 2 Obténganse razones dividiendo cada nimero positive de la columna de trabajo, excluyendo el! ‘ultimo renglin, entre el elemento en el mismo renglon y en la altima columna. Al elemento de la columna de trabajo que dé la razon més pequena, se le denomina elemento pivote. Si mas de un elemento da la misma razon mas pequetia, seleccionese uno de ellos. Siningiin elementoen la columna de trabajo es positivo, el programa no tiene solucion. PASO 3 Usense operaciones elementales de renglones para convertir el elemento pivote a | y reducir después a todos los otros elementos en la columna de trabajo a 0. PASO 4 Reemplacese la variable.x en el renglon pivote y en la primera columna por la variable xen el Primer renglon y en la columna pivote. Esta nueva primera columna es ahora el conjunto de variables basicas (véase el Cap. 3), PASO 5 Repitanse los pasos 1 al 4 hasta que no queden niimeros negatives en el iltimo renglon, exclu- yendo a la altima columna, PASO 6 La solucian optima se obtiene asignando a cacla variable de la primera columna aquel valor en el renglon correspondiente v en la ultima columna, A todas las otras variables se les asigna el valor cero. El valor asociado z*, iltimo valor optimo de la funci6n objetivo, es el nimero en el altimo renglon y altima columna para un programa de maximizacion, pero es el negativo de este numero para un programa de minimizacion. MODIFICACIONES PARA PROGRAMAS, CON VARIABLES ARTIFICIA ‘Siempre que existan variables artificiales como parte de la solucion inicial X,, el altimo renglon del tableau 4-1 contendra el costo penal M (véase el Cap. 2). Para minimizar el error de redondeo (véase el problema 4.6), se ahaden las siguientes modificaciones al método simplex, el algoritmo resultante es el método de dos fases. ‘Cambio 1: El Gltimo renglon det tableau 4-1 se descompone en dos renglones; el primero comprende aquellos términos que no contienen a M, mientras que el segundo comprende a los coeficien- tes de M en los términos restantes. Ejemplo 4.2 £1 iltimo renglon det tableau en el ejemplo 4.1 es: -9-8M 0 -9-9M 0 M 0 -14-2M Bajo el cambio 1, se transformarian en los dos renglones 9 0 -§ 0 0 6-1 “8 0 -9 0 10 -2M ‘Cambio 2: Se aplica el paso I det método PROGRAMACION MATEMATICA [PARTE plex al altimo renglon generado en el cambio 1 (seguido por los pasos 2, 3 y 4), hasta que el dltimo rengldn no contenga elementos negativos. Enton- es, se aplica el paso I a los elementos del peniiltimo renglon que se encuentren situados sobre ceros en el ultimo renglén Cambio 3: Siempre que una variable artificial deja de ser basica —es decir, que se quita de la primera columna del tableau como resultado del paso 4—, se elimina del renglon superior del ta- bleau, al igual que toda la columna abajo de ella. (Esta modificacion simplifica los calculos manuiales, pero no esta incluida en la mayor parte de los programas de computadora) Cambio 4: El altimo renglon puede eliminarse del tableau, siempre que todos sus elementos sean cero. Cambio 5: Si en el conjunto basico Final estan presentes variables artificiales diferentes de cero, el 4a programa no tiene solucion, (En cambio, cuando una o mas de las ecuaciones de restriccion originales es redundante, las variables artificiales de valor cero aparecen como variables sicas). Problemas resueltos maximicese: 2 1+ Ot x con las condiciones: 41+ 2ep+3n5 9 Bayt 2x +205 15 con: todas las variables no negativas. Este programa se pone en forma estandar, empezando por introdueir variables de holgura xs y xen I primera y segunda desigualdades de restriccién, respectivamente, y deliniendo despues Xe baa a ed C=f1,9, 10,0)" p22 boy gape 1s se bzom ets] *[5] Los osios ution con components Xo, variables cde ol, sn eo; or To ano, Gy = 10. El tabems #1 que: ara calcular el timo renglon de este tableau, se emplea la simplificacion al tableau y primero se calew la por inspeceiOn cada zéste es el producto excalar de I columna 2y ta columna j de A. Despucs se le resta ‘I costo correspondiente c, (programa de maximizacion). En exe caso, la segunda columna es ¢ero, por lo ques 6, = 0 ~ 6 = ~ 6 Porlotanto, el renglon inferior del ableau, exciuyendo a iim element ey Solo el negativo del renglon 2, Elltimo elemento del ultimo renglon es simple oluma 2 la columna final B, asi que tambien es cero. En este punto, el segundo renelon y la segunda co Tumna del tableau son superfluos. Eliminandolos, se obtienee! tableau 1 como el tableau inicial complet. eel producto esealar de la a rro3 1 ole 5 wo) 32 iB oO | 9 s 3202 0 1] x 2 oo 1 -t 1] @ o ole mm 0 se eo | se Vableaw 1 Tableau 2CAP. a] PROGRAMACION LINEAL: El METODO SIMPLEX 35 4.2 Se puede ahora aplicar el método simple. El elemento mis negativo en el ultimo renglon del tableau 1 es =9, correspondiente a la columna xy; por lo tanto, esta columna se transforma en la columna de trabajo. Obteniendo las razones 9/2 = 4.5 15/2 = 7.5, se encuentra que el elemento 2, marcado con asterisco en el tableau I, es el elemento pivote que da la razn mas pequena. Entonces, aplicando los pasos 3 4 al tableau. 1, se obtiene el tableau 2. Ya que el Ultimo renglon del tableau 2 no contiene elementos negativos, se tiene del paso 6 que la solucién optima ex minimicese: z= 80x; + 60x con las condiciones: 0.20, + 0.32x2=0.25 atoms con: xj y x, no negativas. Ahadiendo respectivamente una variable de holaura sy una variable artificial x, la primera y segunda restrieviones, el programa se conviert a ka forma estandar, con Xebned” —— C=[80.60,0,M)" 020 0.32 1 07 0.28 ree fo PT) Ee] Sustituyendo estas matrices, junto con Co=[0, MJ, en el tableau 4-1, ve obtiene el tableau 0. Ya que el renglon inferior incluye a M, se aplica el cambio 1; el tableau I resultante es el tableau iicial para el metodo de dos fases, 0 o oo M 0 om 0m to | 02s = oM 1 ro aft wm w-M 6 0 | -M Tableau 0 2 ox ox 1 0 | 02 x fo om 1 | ons % rot oo afd aftr oo} et a | 0 o of o 0-0 0 | -0 1 o of - o 0 ol o Tableau 1 Tableau 2 usando wo del método simplex como cl cambio 2. se eneuentra gue et elemento mas ‘vo en ef dltimo renglon del tableau I (escluyendo fa ultima columna) es = 1, eue aparece dos veces. Sel cionanda arbitrariamente fa columna x; como fa columna de trabajo, se forman las razones 0,25/0.20 = 128y 1-1 = £, Elelemento 1, mareado con asteriseo en el tableau 1, es el elemento pivote ya que dake rae ‘ri mas pequeta Entonces, aplicando los pasos 3 4 y el cambio ¥al tableau 1, se obtiene el tableau 2. NO ese que a, reemplava a la variable artificial x, en la primera columna de! tableau 2, asi que 1oda la column x queda elivinada del tableau 2, Ahora, sin variables artificiatesen la primera columna y realizando el eam bier 3, el iitima renglon del tableau deherd estar totalmente en ceros, 1.0 esti, y mediante el cambio 4, ete renglon puede eliminarse, dando: 0-20 0 -80 como nuevo tillimo renglon del sableau 2. Repitiend fos pasos del 1 al 4s Ja columns xs es la nueva columna de trabajo (recuét: fento en el tltimo renglon esta excluido debido al paso 1) el elemento mareado eon huevo pivot y las operaciones elementales de renglones dan el tableau 3, en et sido redondesdos 3 cuatro cifras signifieativas. Ya que el altimo renglon del deve que elt asterisgg em cl tableau 2 es ‘cual todos Tos caeules ha36 PROGRAMACION MATEMATICA [PARTE I tableau 3, excluyendo la altima columna, no contiene elementos negativos, se tiene del paso 6 que ‘con 2*= 71,67. (Comparese con e! problema 1.2) oats ose 0 0 147 | -n67 Tableau 3 43 maximicese: 2 = Sx1+2x2 con las condiciones: 6xi+ 122 6 4x4 3x22 12 mt2ne 4 con: todas las-variables no negativas. Este programa se pone en forma estandar introduciendo, respectivamente, ls variables xy, x4 x3en las desigualdades de restriccién, y después las variables artificiales xq, x;y xy, respectivamente, en las ecuaciones revultantes. Aplicando luego el método de dos fases y redondeando todos los calculos a cuatro cifras signifi cativas, se generan secuencialmente los siguientes tableaux, en cadaeino de los cuales el elemento pivote apa- rece mareado por un asterisco, ee oe 5 2 0 0 0 -M -M =m woom| oo 1 + 0 0 4 0 of 6 moom| 4 3 0 -1 6 0 1 Of B ma -m| oi 2 0 0 -- 9 o 3 4 Ge] - 2 0 0 0 © 0 of] o oe 1 tt 0 Oo | wee Tableau 1 mi ft 0.1667 -0.1667 oo of 1 [0 2333 0.6668 o 1 of 8 me fo Las 0.1667 a 0 1] 3 f ete 0 0) 6 0-465 037 1 | ‘Tableau 2 nl i 0-018 = 0 vows 0 | oraz mo 0 ass 1 nase | st mn] o 1 Come 0-056 0 | 1637 0 0-074 = 0-087 0 | 6.910 ee) Tableau 3CAP. 4} PROGRAMACION LINEAL: EI METODO SIMPLEX ” x [1 0 -o21s oor 0 | 04284 xs] 0 1 038m -o7ss 1 | 3284 he] 0 1 o7ase -0428 0 | 3479 0 0 03000-05001 0 | 9001 © 0 00002 o.001 0 | aos ‘Tableau 4 x | 1400 0 1 6.000 | 10 0 o 1 | 7997 mn | 600 1 0 0 | 6001 70010-2001 «0 0 | 1200 Tableau 5 El tableau 4es el primero que no contiene variables artifciales en su primera columna; por lo tanto, rea lizando el cambio 3, edimo renglon del tableau deberd ser cero. Dentro de los errores de redondeo efecti- vamente es cero, por lo que se puede eliminar del tableau. El tableau 5, sin embargo, presenta un problema que no puede ignorarse: jLa columna,de trabajo es la columna x, y todos sus elementos son negatives! Se coneluye, por el paso 2, que el programa original no tiene solucion. (Es facil mostrar graficamente que la re- ‘gin factible es infinta y que la funcién objetivo puede agrandarse arbitrariamente, seleccionando puntos factibles con coordenadas arbitrariamente grandes.) * 44 maximicese: 7 = 2x) +3 con las condiciones: 1+ 2x25 2 6x, + 4p = 24 con: todas las variables no negativas. Este programa se pone en la forma estindar, afiadiendo una variable de holgura x, ala primera retric- cion y una variable superflua x, asi como una variable artificial x,, a la segunda restriccidn, Asi, el tableau 4-1, con el cambio 1, se vuelve el tableau 1 fb es sole eo ofa «fr 2 + 0 ef 2 Swi eo tf hfe a «1 Spa ee o 1 2 eof es rr oa 6 tof Tableas 4 Tableau? Aplicando el algoritmo de dos fases al tableau I (el elemento pivote tiene asterisco), se genera el tableau 2, Ahora, no hay valores negativosen el timo renglon del tableau 2, ¥en el penltimo renglon no hay valo- res negativos encima de algun cero del ultimo renglon, Asi, el método de dos fases seala que se ha logrado la optimizacion, ;Pero la variable artificial x,, diferente de cero, es alin basica! Mediante el cambio 5, el programa original no tiene solucion, (En este caso es vac, asi que las desigualdades de restrccion y las condiciones de no neyatividad no pueden satisfacerse simulténeamente).PROGRAMACION MATEMATICA, [PARTE maximicese: 2 =—xs con las condiciones: 3x;~ 2x2~4xy+ 6xa~ 35 n4xyt 2 Bee ass -an- 2a ans ntataetn con: ty X14 X4 nO negativas ‘Ya que x, no tiene restrcciones, se da x, = x4 ~ x>, donde tanto x, como xy son no negativas; entonces, todas las variables son no negativas. Se muliplica la iltima restriccion por ~1, forzando asi un lado derecho positiv. Finalmente, se logra legar a la forma estandar agregando las variables de holgura de lax 2 la.X,» Fespectivamente, a los lados izquierdos de las primeras cuatro restricciones, estando la variable superflua xjgy ademés agrepando la variable x;, al lado izquierdo de la iltima restrisién, El tableau iniial para el mé- todo de dos faseses el tableat 1, a partir del cual se derivan los tableaux 2,3, . .. , 6. Del tableau 3 en ade- Tante, el renglon final es siempre no negativo y l paso 1 del método simplex se apica solo a aquellos elemen- tos del penultimo renglon que estan situados arriba de ceros en el iltimo renglén. Del tableau 6, t=O) P= 001667 x47 RR OIE te tot = —193398 con 2*= 1.93334. 0 oo 4 4} 0 8M _ ole 2-4 6 + 1 t 9 0 0 8 o | o sofa 2 Te to to 8 oo mofo 3 2 4 tt oo Ee eo | cera tee eater cas arene ee beret vent OHO ee rere enreae Olese Ue Ee! mem foro4 7 4 eo 0 o Oo oe 4 | o 0 98 4 9 0 9 0 0 o | o tot tot @ OH 1 Tableau 1 aft “iss 2 03 ON «om 9 9 9 0 ole nfo lemm 0-288 2 LS Fo OOo LO xe [0 aerial ' oNsrE OWNS re okeemoleerod 10 xa {0 agmx 1 osaNs -osK OBB a oO 1 0 LT an] o Qa 1 OGM oa 9s OOO LE oo o o 4 1 >» 9 0 0 0 olo 0 1666567 2333-1 OANA OTT 09 o 1 ofa Tableau 2 Tra oxesris 0 142857 0.142857 0142857 O.LaDAST 0 0 OSTIAAR OO |OSTIAIR fa Sasris) 0 271428 142857 142Rs7 ozs 10 2714827 OU [2.71427 Bo] o crema 0 —Las7ia 0714286 OTRAS -D.2BSTIE 0 1 OASTISE OO ORSTIAA | 0 “onnazas 1 -042as72 012857 -0.142RS7 -0..2857 9 0 a2AST2 OO | 0.428572 mio 0 0 0 ° ° . 90 + tt} 0 oo 0 Oo 1 a 0 00 0 00 0° © 0-0 o o 0 oo 1 1o0| 6 Tableau 3AP. 4] PROGRAMACION LINEAL: EI METODO SIMPLEX » 46 Ho pH ee * x0 sue te x | 050333 0 0 1 0 0 0:0666667 005 -o0166668 0.18333 0 0 | oem my | -00mn32 1 0 0 0 0 Ons OS 02833 ONE 0 0 | 9.116667 | 133330 0 0-1 1 00666671 0.20 0733338 19M oO | 193534 | 04955999 0 1 0 0 0 ~0.200000 -0.10 0.30000 0.700000 0 0 | 0.700000 mw] 0 0 0 0 0 oO 0 0 a 1 1} 0 133353 0 0 0 0 0 00666659 0.20 asm 1933 0 o | 19a folmae eo] vel ols (01 01 aea] ° 0 fie iota) Tableau 6 Resuélvase el siguiente programa empleando el método simplex, sin ninguna de las raoditica ciones (este procedimiento es conocido como método de la gran M, Big M method), moxtrando como podria afectar al resultado el redondeo. maximicese: 2 = -8x,+3x:~ 6x5 con las condiciones: x)~3x1#5x5=4 Sxi+3x1— 4x26 con: todas las variables no negativas. Este programa se pone en la forma estindar, afadiendo la variable superflua x, a la desigualdad de restriccion y luego las variables artificiales x, y x, a las dos ecuaciones de restriccion. Con la sustitucion de los coeficientes apropiados en el tableau 4-1 y aplicando directamente el método simplex, redondeando to- {dos los céleulos a cuatro cifras significativas y con los elementos pivote sealados con asterisco, se generan sucesivamente los tableaux del I al 4. carey [noes 3 wee woe Loa 0 Sam=18 “Sues —oameig 6 vawaia | vane Then? 2 cit te sae | aa ose zeae asa Tie fee ea mann ia zim of Sona coon ord sad com eae oe Tableau 44a PROGRAMACION MATEMATICA IPARTEL ‘Ya que M indica un némero positivo muy grande, todos los valores en el iltimo renglén del tableau 4, excepto el elemento en la iltima colurana, son no negativos. Por lo tanto ta solucion Optima se puede leer Girectamente: x1 = 10.00, x$ = 15.34, y todas las otras variables cero, con z* = ~ 14.01 fn los cilculon anteriores fue posible dejar ala cantidad M como literal solamente por traarse de célev- los realizados a mano. Si se hubiers empleado computadora, habria sido necesario susttuir M por un valor numérico grande, por ejemplo M ~ 10 000. Entonces, considerando nuevamente todos los nimeros redon- ‘deados a cuairo cifras signiicativas, el tiimo eenglon del tableau 1 cambia a: 6000 = 3 10000 1000090 ~ 100000 [Notese que las constantesaditivas + 8 esel primer valor y + 6 en el tercero, se pierden en et redondeo. Eli timo renglon del tableau 2 eambia a: © 36000 $8000 -2000 12000-28000 ‘mientras que el imo renglén del tableau 3 es © 0 6 0 10000 1000 0 {El cual sehala optimizacion! La soluciOn Optima erronea se leria del tableau 3 como x} = 0.4828, 37 1.586, 9 todas las otras variables cero, con 2* = 0. Este problema de redondeo no ocurre en el método de dos fases, ya que los cérminos que no involueran aM se separan de los otros términos, haciendo imposible que los términos con Mf se ""eoman"” a los otros. Resuélvase el problema 1.7. Empleando el programa matemético definido por el sistema (12) en el problema I,7, se aftaden tas va~ ables de holgura de x, a4,, en cada una de las primeras ocho desigualdades de restriccin; igualmente, las Janablessuperfluas yey x,cen cada una de ls timas dos desigualdades de restriccion, y las variables artif- Vis nny es rexpectivamente, en cada una dels dos ltimas rstricciones. Agregando os coeficientes ade- 33% 4 0 0 @ oo oO oo 8 p opt 1 © 0 1 0 0 Oo oo O O B Bo a | 100% Bolo 0 tf to 1 0 8 0 oO oO Oo OO OY} DOD Bs o]t 0 to 8 0 1 Oo 0 oO 8 O oo | A000 we olo fo 1 ooo 1 oo 0 OO Oo oO} wo e Olt -o 0 @ 9 09 oo 1 oO OO OD Oo oO} Oo w o]o 0 6s 000 00 TO oO oO Ow Of Oo ww o/2 2 6 6 0 0 0000 1 oO 9 0 oO Oo] oO mofo 0 2-8 0 0 9 0 oO Ot 0 oO oO eC} Oo mola ot 6 0 6 0 000 0 0 Oo 1 oO to | SOM wel o oo 1 oo 8 oO oO OO Ot Ot | 500 qo fs 3-6 10009000 0 6 6 oo oT o oi r -t 0 0 oO DO OO 1 1 0 0 | -ss000 Tableau 1 sft oro 0 0 0 0 0 0 © 0 Oo | 1HeK nl oo 0 0 1 8 6 0 0 GO 8 6 FO | 1s0K0 a ) 0 0 0 tf 6 6 0 8 Oo bo Of OK mjoou 0 0 6 0 1 9 9 0 8 Oo 1 Of S000 =] 1-0 0 0 0 0 oO 1 0 oO 9 oo of o milo oo 0 0 0 0 0 0 1 0 0 0 So) 25000 mf 2-8 0 06 0 0 0 oO oO tT 0 8 oO of Oo xe | oo 6 0 6 0 0 0 8 8 1 8 -k 0 | 0000 wf toot 0 0 0 0 9 0 0 06 8 =F Oo 1 | s00m0 Pa ee 3 7 0° 9 0 9 0 0 1 @ | -son 1-1 0 0 00 oo 0 1 a @ | S000CAP. 4} PROGRAMACION LINEAL: EL METODO SIMPLEX 4 48 fe | pees ate oft fu tee rte teeeR leo ate ete ero) eto geese te royees | e000 Fes oe foe ole foe t efile eo ile ote 01 te of oto etiiet | aiisma} s]l 0 0 0 0 0 4 0 0 00m 0 0 0 oases | 377273 nfo o 0 9 0 8 Fo ro 8 6 6 4 oF | soo elo 0 0 0 06 0 oO bb oo ws | Rs. slo 0 1 0 0 O 0 0 0 00m 0 0 0 vases | 2277 [0 0 0 0 0 0 = 0 0 omm 1 0 =K nasess | 227272 mlO 0 0 0 0 0 6 Oo Oo -omm 0 1 0-348 | 17227 n[o 1 0 0 0 0 -1 0 0 00m 0 0 -1 -oass | 12207 a [oo 9 1 0 6 0 6 0 00m 0 0 0 -osess | 2773 oo 0 0 Oo 7 ee oO fas 00 Tableau 5 cuados en el tableau 4-1 y empleando el cambio 1, se obtiene el tableau 1. Aplicando entonces el método de dos fases, se generan los tableaux 2, ..., 5. La solucién optima se lee directamente del tableau $ como xf = 37727.3 bartiles, xf = 12 272.7 barriles, xf = 2272.7 barriles, x? = 2727.3 barriles, con 2° = 5 125 000, Bajo esta cédula Optima de produccién, la Azteca producics x1 + x3 = $0 000 barriles de gasolina re gular, con una presion de vapor de 22.5 ¥ un octanaje de 89.7, Tambien producira xt 4 xf. 5.000 bartiles de gasolina extra, con una presion de vapor de 19.8 y un octanaje de 93.0. Asi, produciea exactamente Ja cantidad necesaria para cumpli con sus requerimientos minimos de suministro, ynadamés. Para hacerlo, la Azteca empleari x3 + xf = 40 000 barriles de su inventario de petrOleo nacional —todo el que tiene— yx + af = 15 000 barriles de su inventario de petrolea importado. Demuésirese la valider del metodo simplex resolviendo algebraicamente el problema 4.2. El programa en forma extandar es: minimicese: 2 = 80x + x2 + xa4 Mea con las condiciones: 0.20 +0.32x2+ay = 0.25 at og teed wo ‘con: todas las variables no negativas, Aplicando ta teoria desarrollada para este sistema en el capitulo 3, se tiene n = 4 (variables) y (ecuaciones de restriccibn); asi que un punto extremo de la region factible 7 debe tener al menos. ~ m ‘componentes cero. Ya que el minimo debe ocurrir en un punto exiremo, éstos son los Unicos candidatos que ces necesario considerar. Una solucion inicial de punto extremo para el sistema (1) e6 x = xy = 0.x) = 0.28, x5 = 1. Se determi na siesta solucion puede mejorarse, escribiendo la funcion objetivo exclusivamente en términos de aquellas variables cominmente hechas igual a cero, en este €480 x, y x. (Es seguro que las ecuaciones de reiriccion pueden resolverse para xy y Xen términos de x; y x) porque la solucion de punto extremo es una solucion factible basica). Resolviendo Ia segunda ecuacion de restriccion para x, y sustituyéndola en la funcion objeti- vo, se obtiene 2 = (0—M)xi+ (O-M)nt M 2 ‘Compirese et sistema (1) com el tableau 0 del problema 4.2 y ndtese cbmo (2) esta dada por el ultimo renglon del tableau, En la solucién normal, x, = x; = Oy, de (2) 2 = M. La funcion objetivo puede reducirse sustancial mente, sis permite que x; 0 *; se vuelva positiva:se selecciona arbitrariamente xj. Ahora bien, la primera restriccin en el sistema (1) limita a x; ano pasar de0.25/0.20 = 1.28 unidades, si las variables restantes han de conservarse no negativas; mientras que la segunda restriccion limita a x, a no pasar de | unidad, por la on, Ya que ambas restricciones deben salisfacerse, x, no puede ser mayor de 1 unidad. Haciendo x; = I, loque es equivalente a hacer x; ~ x, = 0, se obtiene xy = 0.08 de la ecuacion de restriccion. Estos valores constituyen la nueva solucién (basica) de punto extremo al programa. La variable artificial x, se antadié inicialmente para proporcionar una primera solucion. Finalmente, cesta variable debe ser cero. Ya que ahora se tiene una soluciéa al programa en la cual x, = 0, se puede omitir esta variable de consideraciones posteriores y restringirse al programa2 PROGRAMACION MATEMATICA [PARTE minimicese: 2 = 80x, + 6012+ 055 @) con las condiciones: 0.20x,+0.32x2+ x9= 0.25 « nt os ' o con: todas las variables no negativas para el cual se conoce una solucion de punto extremo: —x, = 1, x = 0, xy = 0,05—. Obsérvese que este programa modificado tiene n = 3 variables y m = 2 ecvaciones de restricion, asi que los puntos extremos eben tener al menor 3 — 2 = I variables con valor cero. Para determinar si puede mejorarse la solucién inicial para el nuevo programa, se resuelve (5) —ecuacion que restringia a x,— para x;y se sustituye el resultado en (3) y (4). El programa cambia a rminimicese: 2 = Oxy~ 20x24 Oxs+ 80 © con las condiciones; O.12x2 + 1= 005, ” 1 @) con: todas las variables no negativas Comparese este programa con el tableau 2 del problema 4-2. Ena solucion corriente, x; = 0, yse tiene de (6) que z = 80. Sin embargo, resulta obvio a partir de esa aque = se reducira si se aunenta x,. La resriccion (7) limita a.x, 2 no pasar de 0.08/0.12 = $/12,silas otras variables han de permanecer no negativas; mienteas que (8) limita ax-a no pasar de I. Ya que deben saisfa cerse ambas restrcciones, x; no puede aumentarse a mas de 5/12. Haciendo x, = 5/12, lo cual fuerza, = 0. se obtiene de (8) que x; = 7/12, Esta es una nueva solucién de punto extremo al programa Para determinar si puede mejorarse esta soluci6n, se resuelve (7) —ecuacion que restringia a.xy— para “42 Se susttuye el resultado en (6) y (8). El progiama cambia a rminimicese: z= Oxi-+0x2+ 166.754 71.67 ~ con las condiciones: x; 0) * an con: todas las variables no negativas La ecuacion (10) es solamente (7) dividida entre 0.12. Comprese la forma de este programa con el tableau 3 del problema 4.2. En la solucion normal, x; = 0, asi que de (9) se tiene z = 71.67. También se tiene de (9) que ninguna asignacion positiva a reducira a 2 por abajo de este valor. En realidad, cualquiera de estas asignaciones ‘aumentard el valor de 2, Entonces, fa soluci6n normal es una solucion optima. Problemas complementarios ‘Usese el método simplex o el de dos fases para resolver los siguientes problemas: 49 maximicese: 2 = 21+ x2 on las condiciones: x, + Sea=5 2+ sd con: xy, x; no nepativas 4.10 maximicese: z= 344-42: con las condiciones: 2x* 12<6 Dart 3x89 con: 1,1; no negativasCAP. 4 PROGRAMACION LINEAL: El METODO SIMPLEX 4% an 42 413 4s 18 49 420 an 43 424 4 2x2 con las condiciones: x, + 3x22 11 nt 29 con; ¥), x; no negativas con las condiciones: x1 + 2x22 S000 Sx +3x2 12000 ‘con: x, x) no negativas maximicese: x= 2x14 3x4 4x, con las condiciones: y+ mt x1 nyt mt2n=2 Be t2nt ned ‘con: todas las variables no negativas. rminimicese: 2 = Maxi + 13ep+ Hey + 134e4 13xe+ 12a con las condiciones: xi t+ x1 ~ 1200 ket xs + x= 1000) n te 000 n tas 0 s tre 50) con: todas las variables no negativas. Problema 2.8 Problema 2.10 Problema 2.9 Problema 2.11 Problema 2.13 Problema 1.7, pero con inventarios de 80 000 barriles de petrOleo nacional y 20 000 barriles de petroleo im- portado. Problema 1.17 Problema 1.18. Problema 1.19. Problema 1.22.Capitulo 5 Programacion lineal: dualidad A cada programa lineal en las variables xy. 3... « sy corresponde, asociado, otro programa Tineal en las variables W,, Ww . «+ + Wy (donde m es el nimero de restricciones en el programa original), eonocido como sit dual, EL programa original, denominado primario, determinara por completo la for- rma de su dual DUALES SIMETRICOS EL dual de un programa lineal (primario) en la forma matricial (no estandar) minimicese: z= CTX con la condicion: AX2=B on con: X20 es el programa lineal: maximicese: 2=B"W con la condicion: ATW=C (62) con: WO Reciprocamente, el programa dual del programa (5.2) es el programa (5.1). (Veanse los programas 5.1 y $2) ‘Los programas (5.1) v(5.2) son simétricas en el sentido de que ambos involucran variables no nega- tivas y restrieciones de desigualdad; se conocen como duales simétricos uno del otro. las variables duales Wy, Wy. «+ + Migs @ Voces se les denomina precios sombra, SOLUCIONES DUALES Teorema 5.1: (Teorema de dualidad): Si existe una solucion optima para el programa primario o para el dual simétrico, entonces el otro programa tiene también una solucion optima y las dos Funciones objetivo tienen el mismo valor optimo. En tales situaciones, la solucion optima al programa primario (dual) se encuentra en el dtimo renglon del tableau simplex para el programa dual (primario), en aquellas columnas asociadas con las variables ide holgura o superfluas (véase el problema 5.3). Ya que las soluciones a ambos programas se obtienen al resolver cualquiera de ellos, uede resuliar ventajoso, desde el punto de vista de los caleulos, resolver el dual de un programa, en ver de resolver el programa mismo (véase el problema 5.4). Teorema 5.2 (Principio de holgura complementaria): Dado que un par de programas duales simétricos tienen soluciones optimas, entonces si la A-ésima restriccion de un sistema se conservaCAP. 5] PROGRAMACION LINEAL: DUALIDAD 4s como desigualdad —esto es, 1a variable asociada de holgura o superfluas es positiva— el k-ésimo componente de la solucion Optima de su dual simetrico es cero. (Veanse los problemas 5.11 y 5.12.) DUALES ASIMETRICOS Para los programas primarios en forma estandar, los duales pueden definirse de la siguiente forma: Primario Duat minimicese: z= C"X maximicese: z= BW. con lacondicion: AX=B (5.3) con lacondicion: ATWSC 4) con: X20 maximicese: z= C™X minimicese: z= BTW con la condicion: AX=B (5.5) con la condicion: ATW=C 66) con; X20 (Veanse los problemas 5.5 y 5.6). Reciprocamente, los duales de los programas (5.4) y (5.6) se detinen ‘como (5.3) y (5.5), respectivamente. Ya que dado un programa en forma estandar su dual no se en- cuentra en forma estandar, estos duales son asimérricas. Sus formas son una consecuencia directa ¥ son cconsistentes con la definicion de duales simétricos (véase el problema 5.8). El teorema 5.1 es valido tambien para duales asimétricos. Sin embargo, la solucion a un dual as métrico no es, en general, inmediatamente aparente a partir de la solucién al programa primario: las re- laciones son: (57) (58) we? = CTA! x*T = BI(As)" En (5.7), Coy Apestan formados por aquellos elementos de C y de A. ya sea cn el programa (5.3) 0¢n el (5.5), que corresponden a las variables basicas en X*; en (5.8) By y Ao, estan formados por aquellos ele- mentos de B y de A. ya sea en el programa (5.4) 0 en el (5.6), que corresponden a las variables brisicas en W*. (Véase el problema 5.7). Problemas resueltos 5.1 Determinece et dual simétrico del programa: ese: 2=Sut 2b es 2xt But 15220 6x, + Bxy+ Sus 30 Txt a+ 3s 240 yt Dent dy 50 todas las variables no negativas Este programa tiene la forma de (5.1). Su dual, de la forma (5.2), se encuentra tomando et dptimo ‘puesto, intereambiando By C, transponiendo A y cambiando el sentido delas desigualdades de restrccion: con las condiciones: a «on las condiciones: = Dwi + 30ws+ 409+ SOW Qwit wat Twat wad Bust Bwot wat 20a? wt Swat 3wyt dna 1 2 todas las variables no negativas,46 PROGRAMACION MATEMATICA [PARTE NNotese que el programa primario (1) contiene tres variables y cuatro restriciones, mientras que su dual, programa (2), contiene cuatro variables y tres restricciones. $.2 Determinese el dual simétrico del programa: ‘maximicese: z= 2xy+ x2 con las condiciones: 1+ 5x25 10 x+3m< 6 @ 2nt2n= 8 con: (odas las variables no negativan. Este programa tiene la forma ($.2), con las variables x reemplazando a las variables w. Procediendo como en el problema 5.1, se genera su dual, con las variables w reemplazando a las variables x: rminimicese: z= 10ws+ 6ws+ 8ws con las condiciones: wet wat 2waz2 Swit 3wt 2021 2 ‘con: todas las variables no newativas 5.3. Demueéstrese que tanto ¢l programa primario como el programa dual del problema 5.2 tienen ef mismo valor optimo =, ¥ que la solucion para cada uno de ellos esta comprendida cn el tableau simplex final para el otro programa, Aaregando las variables de holgura x;, x.y xy. respectivamente, en las desigualdades de restricién del programa (1) del problema 5.2 y aplicando después el método simplex al programa resultante, se generan se- cuencialmente los tableaux 1 2. 10 0 0 a no 1 os 4 o fo no uo heresies ole tee UE) nu | o xo x 20 0 1/8 nfl G-ax ae ieron ton tora ° solucibn at dual Tableau 1 ‘Tableau 2 La solucion al programa primario se obviene del tableau? como xt = 4, x$=0, con z* = 8. La solucion al progeama dual se encuentra en el itimo renglon de este tableau, en aguellay columns asociadas gon las va- riables de holgura del programa primario. Aqui, wT=0, wi=0, y wi=1 Se puede resolver el programa dual directamenteintroduciendo las variables superMuas wy wy las ae riables artficiales w, y w,, en el programa (2) del problema 5.2, y aplicando despues el método de dos fase, ef cual genera los tableaux 1',... 4° variables supertuas [eae Ua pees) eee ee cet solucion al programa prirval ‘Tableau 1° Tableau 4°CAP. SI PROGRAMACION LINEAL: DUALIDAD a La solucion al dual se lee del tableau 4’ como wt=wt-0 t=, conz* = —(—8) = 8. Lasoluciénal programa primario se encuentra en el dtimo renglon de este tableau, en aquellas columnas asociadas con las variables superflvas, Es la misma solucion que se encontrd previament. 54 minimicese: 2 = x4 apt yt xo x64 x6 con las condicion x += 7 xite 220 arte =14 ate =20 xitxs 210 rete 5 con: todas las variables no negativas. Para resolver directamente este programa seria necesario agregar 12 nuevas variables, seis superfluas y seis atficiales, asi como la aplicacion del método de dos fases. Un enfoque més simple seria considerando el programa dual: maximicese: z= 7ws+ 20w2+ Idws + 2001+ 10ws-t Swe con las condiciones: wi we s1 wat ws <1 wot we <1 wtws st wot wes ™ tus con: todas las variables no negativas, ital estate 20;ate eis e0t (Oe TOg [One Tent ™ 0 1 4 0 0 © Or 6 0 o 0 ofy mo | 0 # 1 0 0 00 10 0 0 off m o | 0 0 1 1 0 00 0 1 0 0 off mm o | 0 0 0 1 100 00 1 0 oft mu 0 | 0 0 0 1 10 0 0 0 41 oft wn 0 1 0 0 0 © 10 0 0 o oO a] Goh 0-4-2 -10 -s 0 0 0 0 0 0 jo Tableau 1 variables de holgur m | to -1 0 @ 0 1 + 0 0 0 ofo m | or 1 0 0 0 0 to 0 0 of4 ™ | 00 1 0 -1 0 0 © 1 a 0 ofo m | oo 6 1 10 0 6 0 10 oft m | oo -1 0 1 0 1 4 0 0 2 Jo ™ [oo 1 0 0 1 + £0 0 0 tft oo 40 0 0 2 wo mo 5a solucion al program primal Tableau 548 PROGRAMACION MATEMATICA, [PARTE El sistema se pone en la forma esténdar, agregando solo seis nuevas varibles todas de holgura. Haciendo esto ¥yaplicando después el método simplex, se generan sucesivamente los tableaux 1, . . . ,$. Eltableau $ sefala {a optimizacion del programa dual, asi que la solucién éptima para el programa primario se encuentra en fl ultimo renglén de este tableau, en aquellas columnas asociadas con las variables de holgura. Especificamente, xt =2, x= 18, 24-0, x= 20, x3=0, x=5, con 2* = 45 $.$ Determinese el dual del programa: jeese: z= x +3%— 2x con las condiciones: 4x; + 8x + 6x5= 25 Tx, + Sxz+ 9x5 = 30 ccon: todas las variables no negativas. Este programa tiene la forma (5.5); su dual asimétrico esta dado por (5.6) como: maximicese: 2 = 25wi+ 30w2 conlascondiciones: 4, 7w2= 1 Bit Swi 3 omit ws -2 5.6 Determinese el dual del programa: maximicese: z= 3x;+ 22+ 0x3 + Oxa+ Mrs+ Mrs con las condiciones: xt 22-4 +5 Qt3n xe He con: todas las variables no negativas. Como este programa tiene la forma (5.3), su dual asimétrico esta dado por (5.4) rmaximicese: + Ba con las condiciones: wi + 20353 wit Swed -m <0 = wis0 ale Y| 5 afe ae | 4 ‘ Considérese la variable no basica correspondiente a la mas negativa de las cantidades cy ~ u; ~ ¥ calculadas en la prueba de la solucién Optima; se vuelve la variable de entrada. Constrayase un circuito formado exclusivamente por esta variable de entrada (celdilla) y por variables basicas actuales (celdillas). Asignense entonces a la celdilla de entrada tantas unidades como sea posible de menera que, después de hacer los ajustes apropiados a las otras celdillas en el circuito, no se contravengan las restric clones de suministro y demanda, todas las asignaciones permanezcan no negativas y una de las variables basicas anteriores se haya reducido a cero (con lo cual deja de ser basica). Véase el problema 8.4. DEGENERACION En vista de la condicion (8.1), solo n + m — 1 de las ecuaciones de restriccion en el sistema (8.2) son independientes. Entonces, por los problemas 3.13 y 3.14, una solucion factible basica no degenera- da se caracterizara por valores positivos para exactamente nm + m ~ 1 variables basicas. Si el proceso de mejorar la solucion basiea actual da como resultado que dos o mas variables basicas actuales se reduz~ can simultaneamente a cero, solo se permite que una de ellas se vuelva no batsica (a cleccion de quien re- suelve el problema, aun cuando se prefiere a la variable con el mas alto costo unitario de embarque), La(s) otra(s) variable(s) permenece(n) basica(s), pero con una asignacion cero, haciendo con esto dege- nerada a la nueva solucion basica. La regla del extremo noroccidental siempre genera una solucién basica inicial (problema 8.2), pero puede proporcionar las n + m — 1 valores positivos (problema 8-3), dando ast una solucion degenera- da. Si se emplea el método Vogel y no da el mismo némero de valores positivos, se deberan designar como basicas variables adicionales con asignaciones cero (véase el problema 8.6). Laeleccion esarbitraria, exceplo en un punto: las variables hasicas no pueden formar circuitos, y se prefieren generalmente aquellas variables con los mas bajos costos asociados de embarque. El mejorar una solucion degenerada puede resultar en reemplazar una variable con un valor cero por otra que también tenga valor cero, (Esto ocurre en la primera mejora en el problema 8.4). Aunque ambas soluciones degeneradas sean efectivamente la misma —solo ha cambiado la designacion de lasCAP. 8} ALGORITMO DE TRANSPORTE n variables basicas, no sus valores— la iteracion adicional es necesaria para que el algoritmo de transporte roceda. Problemas resueltos 8.1 Una compania de renta de autos tiene problemas de distribucion, debido a que los acuerdos de Fenta permiten que los autos se entreguen en lugares diferentes a aquellos en que originalmente fueron rentados. Por el momento, hay dos lugares (fuentes) con 15 y 13 autos en exceso, respecti- vamente, y cuatro lugares (destinos) en los que se requieren 9, 6, 7 y 9 autos, respectivamente. Los costos unitarios de transporte (en délares) entre los lugares son los siguientes: Dest. Dest. Dest. Dest 1234 Orgs | 4s 7 wo Origen? | 4 1819 Elaborese el tableau inicial de transporte (tableau 8-1) para el programa de costo minimo, Ya que la demanda total (9 + 6 +7 +9 = 31)excede al suministro total (15 + 13 = 28), se crea un ‘origen fcticio con un suministro igual a las 3 unidades fatantes. En realidad, los embarques a partir de este ori- 8 ficticio nunca se hardn, asi que los costos de embarque asociados son cero. Las asignaciones positivas 4& partir de este origen a un destino representan autos que no pueden ser entregadas debido a faltantes en el suministro; son faltantes que un destino experimentara bajo un programa Optimo de embarque Para este problema, el tableaw 8-1 se vuelve el tableau 1A. No se anotan los Xj, Y Ys Ya.que por el mo- ‘mento se desconocen, — | 4s 7 Eo 30 if : 2 2 3B j ip air L | i 9c oe Le | | Tae 2 Demuestrese que para un tableau de transporte de m x 1, la regla del extremo noroccidental eva- lian + m ~ 1 de las variables. Obsérvese que después de tratar ta celda (1,1) la regla se aplica de la misma manera a un subtableau, siendo el nuevo extremo noroccidentalo la celdilia Original (1,2) 0 a celdilla original (2,1). Supongase enton ces (induccién matematica) que el resultado es vatido para el subtableau, que es de m x (n — 1) 0 de (m ~ 1) x mn. En cualquier caso, n + m ~ 2 variables se evalisan en el subtableau, de manera que (nt +m-1 -241n a3 84 PROGRAMACION MATEMATICA, (PARTE! variables e evaléan en el tableau. Ya que, obviamente, el resultado es valido cuando m = m = 1, la prueba por induccion esta completa. Empleando la regla det extremo noroccidental, obténgase una asignacion inicial para el tableau 1A, ‘se empieza con x) seleasigna el minimo dea, = 15y b, = 9. Entonces.x, = 9, dejando una demasia de sci autos en el primer origen. Se avanza luego una cella ala derecha y se asigna.xj2 = 6. Estas dos asig~ ttactones, juntas, agotan el suminstro en el primer origen, asi que se avanza una cedila hacia abajo y se Considers xy, Observese, sin embargo, que la demanda en el segundo destino ha quedado satisfecha por la signacién ty. Ya que no pueden enviarse autos adicionales a este destino sin exceder su demanda, se deberd Sigmar te, Oy avanzar entonces una celdilla a la derecha. Continuando de esta forma, se obtiene la solu- aac toenan de 44 ) |= 6anotaciones pss) mostra ene ible 1B. Devine 5 2 aes Mae Seer oJ te) al | ieee. s is 1s] 19 a] A oa] ' 2 T 5 feral ges) | as tio) s| 3 pone | > | 6 |? | * | Table 1B Resuélvase el problema de transporte descrito en el problema 8.1 Para determinar si es Optima la asignacién inicil que se muestra en el tableau 1B, se calculan primero tos términos u,v, con respectoa las celillas con varibles basicas del tableau. Seleccionando arbitrariamen tes 0 (ya que dl segundo renglon contiene mas variables bisicas que ningun otro rengion o columna, esta seleccin simplificaré los calculos), se obtiene Q,2)eeldila ust ocx, OFe= 18 0 v= 18 Qdeeldilla wty=en, OF=19, 0 w=19 QA) celdilla ust oem, OF o=31, 0 v= 3T (1,2) celdilla y+ o2= ea, wit 18© 17, 0° w=! (1, Deeldilla uy# or en, —1+ v= 45,9 y= 46 G,A)oeldila uy + v= com, w= -31 Estos valores se muestran en el tableau IC, Desputs se calculan las cantidades ¢, con variable no bésica del tableau 1B. (1, Redldilla.ey~ uy s=21~ C1)~ 193 (Acedia ey ~ m1 v4 = 30--1)~31=0 @1) cella en ~ ua 01 = 14-0- 46= ~32 @, Deskilla_ ey uy~ v= 0- (31) 46-15 @.2)celdilla. eg — us~ v2 = 0-31) 18= 13 @.3edlilla ey~ uy— vs = 0= (-31)~ 19= 12 = vj para cada celdilla Estos resultados también se regstran en el tableau 1C, entre paréntessCAP. 8] ALGORITMO DE TRANSPORTE n eee ee ee se ae | of o wt he | =o) a 24 le eesty oo] Pe i sted 5 ie ci] ofa] | oma |e fe |? le 5 ama es roe a Talim 16 ‘Ya que al menos uno de estos valores (¢y — u, — ¥) —es negativo, la solucién actual no es optima y se puede obtener una mejor solucion aumentando la asignaciOn a la variable (celdilla) que tenga la anotacion pegativa mayor: en este caso, la celdilla (2,1) del tableau IC. Esto se hace colocando un signo mas en negri- ta(sefalando un aumento) en la celdilla (2,1) ¢ identificando un circuito que contiene, ademés de esta cel dia, solamente celdillas con variables— basicas. Este circuit esta marcado por lineas gruesas en el tableau 1C. Ahora se aumenta la asignacion tanto como sea posible la celilla (2,1), ajustando simultmeamente las asignaciones a las otras celdillas en el cicuito de manera de no contravenir las restricciones de suministro, de- manda o de no negatividad, Cualquier asignaciOn positiva a la celilla (2,1) haria que x, se volviera negati- vva. Para evitar esto, pero adn asi haciendo basica a xy, se asigna x,, = 0 se elimina a x; del conjunto de variables bisicas. La nueva solucién bésica, también degenerada, se da en el tableau 1D. Ta oe se |e alfa el ea o] 0 0 0 rng |e cee ee ; tan TD Se verfica ahora siesta solucion es optima. Trabajando directamente en el tableau 1D, se calculan pri- mero las nuevas uy ¥, com respecto a las nuevas variables basicas, y se calcula después c, ~ u ~ vj paracada caldila con variable no basica. De nuevo se seleccion® arbitrariamente uz = 0, ya que el segundo rengion contiene mas variables bisicas que cualquier otro renglon 0 columna. Estos resultados se muestran entre pa- réntesis en el tableau IE. Ya que dos anotaciones son negativas, la soluci6n actual no es optima y puede ob- tenerse una mejor solucion aumentando la asignaci6n a la celdilla (1,4). En el tableau IE, se indica con lineas ruesas elcircuito por medio del cual se ogra esto; esta formado por las celdillas (1,4), (2.4), (2.1), ¥ (sD. Cualquier cantidad que se sume ala celdilla (1,4) debe restarse simultaneamente de las celdillas (1,1) (2,4) ¥ sumarse después ala celdlla (2,1), a fin de no contravenir las restricciones de suministro-demanda, Por lo tanto, no pueden sumarse mas de seis autos a la celdila (1,4), sin obligar a que x Sea negativa. En conse- ‘cuencia, se asigna nuevamente xj = 4, haciendo los ajustes adecuados en el circuito y quitando a xy, de las variables bisicas. La nueva solucion basica no degenerada se muestra en el tableau IF." [PARTE PROGRAMACION MATEMATICA. 7 7 [03] * [suminsro| «| «] (e), @Jo | :. | “foes bel, a : [ 2 1 b eel 1 . o} fel fe) [eo 3 ais sfos fom an as) 42) pana |» |e |? |e 5 «| |» |S Tabteew 1B 1 > [> Ll . «| [x] [a] [@ ' s sf « ‘ «bel Le) ba ar, ; 8 ° of | 3 tic 3 | 1 I Dm | 9 | 6 | 7 % “Tables 1F _ 2 3 4 | Suministro | «] te] fl [= 1 s | o em 6 3 6 1 18 9 3 | 2 b of of «lf o | ce Fo) gol 1 — a) anf wmf a | =| pans | 9s | « |? | ° es ate (caCAP. 8] ALGORITMO DE TRANSPORTE 1 Después de una prueba mis de solucion éptima (negativa) y del consecuente cambio de base, se obtiene el tableau 1H, que también muestra los resultados de la prueba de solucién éptima para la nueva solucion biisica. Se puede ver que cada ¢, ~ u, ~ v, es no negativa; por lo tanto, a nueva solucion es Optima. Esto es, 6.2% = 3a) = 6x8 = 9, x8, © 4 at, = 3, con todas las otras variables no basicas y, por lo tanto, cero, Ademas, 2° = O(17)+ 3(21) + 6(30) + 9(14) + 4(19) + 30) = $547 El hecho de que algunas de las asignaciones positivas provengan del origen ficticio, indica que no todas las demandas pueden cumplirse bajo este programa éptimo. En particular, el destino 4 recibira tres autos menos de los que requiere. ‘Vease el método Vogel para determinar una solucion basica inicial al problema de transporte descrito en el problema 8.1 Los dos costos mas bajos, en el renglon I del tableau 1A, son 17 y 21; su diferencia es 4. Los dos costos mis bbajos en el renglon 3 son ambos 0; asi que su diferencia es 0. Repitiendo este andlsisen las columnas, se ge- neran las diferencias mostradas en el tableau SA. Ya que la mayor de estas diferencias, indicada por una t, se presenta en la columna 4, se localiza la variable (cedilla) en esta columna que tenga el costo de embarque mas bajo y se le asignan tantas unidades como sea posible. Entonces xy_ = 3, agotando el suministro del ori- gen 3 y eliminando al renglon 3 de posteriores consideraciones. T> 4 | suminisoo] 4 | Deticiencias 1 2 f J |e 2 | : r I 1s 4 ul fae 1» 2h 8 ‘ oe) be) eye ition i rm, 5 ° aDemana’ [9 6 7 ° Le i Diferencas 14 ” Or ‘Tableau SA Se calculan ahora nuevamente las diferencias para cada renglon y columna, sin tomar en cuenta a los elementos del rengldn 3. Los resultados se muestran junto al tableau 5B, donde la anctacién X para la se ‘punda diferencia en el renglin 3 significa simplemente que este renglon se ha eliminado. La mayor diferencia aparece en ta columna I, y la variable de esta columna que tiene el menor costo es Xa (¥8 que no se est con: siderando al renglon 3). Se asigna x;, = 9, cubriendo con esto la demanda del destino 1. De acuerdo con esto, la columna 1 ya no se incluiré en los cAlculos siguientes. Habiéndose eliminado el renglon 3 y la columna 1, las nuevas diferencias se muestran junto al tableau 5C, donde nuevamente una X indica que un eéleulo no fue necesario. La mayor diferencia se presenta en el renglon I, yla variable en este rengion con el menor costo unitario es x; = 6, cumpliendo asi la demanda del destino 2 y eliminando a la columna 2 de edleulos posteriores. Con el renglon 3 fas columnas | y 2 fuera de consideracidn, se muestran las nuevas diferencias junto al Jableau 5D. La mayor diferencia se presenta en el rengln 2, y el menor costo en ese englon y en las colum- sas alin bajo consideracion es 19. En consecuencia, se asigna x, = 4 que, con la asignacion anterior = 9, agotan el suministro proveniente de la fuente 2 y elimina al rengln 2 de consideraciones posteriores.. Con los renglones 2 y 3 eliminados, ya no es posible calcular diferencias para las columnas restantes. Esto es indicio de que fas asignaciones restantes se determinan en forma mica. Aqui se debe fijar x), = 3 y% PROGRAMACION MATEMATICA [PARTE Te [one [a] ie s vy [al [x 1 1s a4 “ 8 wy) Lal 2 B a4 | . ° ° ° ° (tii) 3 ox 3 (6tiioy : 4 Denanda | 9 6 7 ° ® Dison 7 OF at 1 2 1 Tableau 5B 5 2 3 4 [saminuiros |_|) Diferencia 6 0 Fa x 1 8 sa ‘ | “ 8 9 3 2 : B oa ° ° ° ° 3 (6etcon xs} 3 ox x Demande | 9 ° 7 ° J 1 Difcencas 4 ” 1 F ait 1 2 1 x 1 2 1 Tablean SC ‘nj = 6, si se han de cumplir todas las demandas, sin exceder los suministros. El resultado es la asignacion {Jue se muestra en el tableau TH, que se determind como éptima en el problema 8.4 8.6 Usese el algoritmo de transporte para resolver el problema 1.12. ‘Ya que l suministro (otal es igual ala demanda total, no es necesario crear ni fuentes nidestinos fieti- «ios, y el tableau de transporte se transforma en el tableau 6A. Aplicando el método de Voge! y usando la ‘misma notacibn adoptada en el problema 8.5, se obtiene el tableau 6B después de calcular el segundo con- Junto de diferencias, Hay un empate en dos sentidos, en cuanto a la mayor diferencia. Un buen procedi- tmiento es rastrear en cada posibilidad, en este caso el renglén 1 (climinada la columna 3) y a columna 1, en busca de aquella variable con el menor costo unitario. De nuevo hay empate, asi que se selecciona arbitra: cosa sntnimenia In domania del destino 2.. junto con fa asignacion, tinistro proveniente del origen 1. Con las columnas 2 3 y el renglon 1 elimina xy = 1 000, se determina en forma Gnica y, asi, el método de Vogel leva in, sin embargo, no es completa, ya que solo se han identficado tres de las previa @ xy, $8 agota el sum dos, la asignaciOn restante, el tableau 6C. Esta soluciécap. 8] ALGORITMO DE TRANSPORTE n iE Als nips pas : ; ‘ i B | F cma foe foe to? | ic 5 p =e : eo | Coma | two | | om : Tone st ea aed ae | : i aan a : 7 cama) mm | mo | 5 rocoan gaat7 PROGRAMACION MATEMATICA, (PARTE! 3 +2 — 1 = 4 variables basicas necesarias. Se selecciona arbitrariamente x», = 0 como la cuarta variable bisica, ya que es la variable no asignada con el menor costo unitario y, ademas, porque su inclusion dentro de las variables basicas no genera un circuito con las variables bdsicas previamente definidas. El resultado es la solucion basica, necesariamente degenerada, que se da en el tableau 6D. ‘Ahora puede aplicarse la prucba de la solucién 6ptima, trabajando directamente en el tableau 6; noes ‘ptima. Mejordndola, se obtiene la asignacion mostrada en el tableau 6E, la cual es optima. Entonces, xf: = 700, x4) = 500, x% = 1 000, x, = xf = xh = Ocon: 21 = 700(13) + 500(11) + 1000(13) = 27 600¢ = $276 [Notese que esta asignacion Optima es idémtica ata asignacion inicial; solo ha cambiado la designacién de las variables basicas 1 2 3 | sumino |u| Ditoene “eee a 1200 at | [100 a) wo i a) [eye | 2 i - r— 1000 10 | 1000 t Lo a 7 ' cemeae Tablene 6C 3B 2 Devanda | 1000] 7m | sw , 2 1 | 1 3 Tebteas 60 1 age oes ae | Ss) [ar ~) tel a | 1 vo | 0 | m0) 00 | ny) tal |e : 2 i 1000 o wep of | ewanda| 1090 | 700 | 50 5 seCAP.8} ALGORITMO DE TRANSPORTE p 8.7. Encuentre el dual asimétrico para el sistema (8.2), sin tomar en cuenta las condiciones de enteros.. Las restricciones primarias pueden escribirse como el sistema (mm +”) x ma autos ta sate w oa tan an ten M te 4 mn = be Se puede ver que cada columna de la matriz A de coeficiente contiene exactamente dos 1; especificamente la columna (/—1)n + j tiene un 1 en el rengl6n /y un 1 en el renglon m + j. Entonces, la (j~1)n + flsima restriecion dual, como se da en (5.4), involucra solo alas variables duales -ésima y (m + j)-tsima. Denotan- do alas variables duales mediante ui, ws, «5 Uqy Yn Ys « «+5 yy eta restricciOn es simplemente: Wty Scum (=e) ¥ se puede expresar todo el programa dual como maximicese: z= Sau + 3S bey Rwrk 7 con las condiciones: u+ySeq (i amy FEL md ° El programa (2) tiene la forma matricial (5.4) con: Blas... 0m bis sbI? Cm Len, y We [ur vy" tm C9656 Ce 2s nts Cm Usese el resultado del problema 8.7 para validar la prueba de solucién optima en el algoritmo de transporte. Sea X= [xy X35 6 sng = ++ 1 Xnts + Snel” cualquier soluci6n factible al programa primario, (8.2), y no sea W cualquier solucin factible al programa dual (2) del problema 8.7, en forma matricial. Se tiene del problema 5.9 que cxeww or SS ene Lous Edo, w 1y¢s facil mostrar (comparese con el problema 5.24) que si (I) se conserva en caso de igualdad, X y W son so luciones optimas a sus respectivos programas, ‘SupOngase ahora que el algoritmo de transporte ha producido un tableau para el cual pueden calcularse nlimeros uty que tengan las siguientes propiedades: a) para cada celdilla (i) que contenga a una variable bsica 1 (ya sea positiva o cero), w+ v"= cf; b) para cada celilla (i, ) que contenga una variable no basi- ca, x7 = 0, 24 y= cy. Entonces, X* es una solucion factible al programa primario y W* es una solucion factible al programa dual. Ademds, usando las ecuaciones de restricién de las variables primarias, se tiene: ¥ Enero B (Sater EB ores En consecuencia, Lavt+ Sool = TL uttoned= DT ext e@ en donde la tim igualdad proviene de tas propidades (a y(b) anteriores. Peo (2) 0 es ino (1) para X* y WS, conservindose en el caso de igualdad. Por lo tanto, X* es Optima para el problema de transporte (y W* es Optima para el problema dus)8.10 a1 PROGRAMACION MATEMATICA [PARTE Problemas complementarios FFormese un tableau de transporte para el problema 1.21 y dsese después el algoritmo de transporte para de- {erminar un programa éptimo de produccion. Usese ealgoritmo de transporte para resolver el problema 1.23. Una aerolinea regional puede comprar su combustible para jet # cualquiera de tres proveedores. Las neces dades de la acrolinea para el préximo mes, en cada uno de los tres aeropuertos a los que da servicio, son 100 000 galones en el aeropuerto 1, 180 000 galones en el aeropuerto 2 y 350 000 galones en el aeropuerto 3. Cada proveedor puede suministrar combustible @ cada aeropuerto a los precios (en centavos por gal6n) que se dan en el siguiente cuadro: Aeropuerto Aeopuerio ABTOpURTIG PProveedors | 92 © 0 Jproveedor2 | 91 31 95 Jproveedor3 | #7 * 2 ‘Cad proveedor, sin embargo, tiene limitaciones en cuanto al nlmero total de galones que puede propor- cionar durante un mes dado. Estas capacidades son 320 000 galones para el proveedor 1, 270 000 galones para el proveedor 2 190 000 galones para el proveedor 3. Determinese una politica de compra que cubra los Fequerimientos de la aerolinea en cada aeropuerto, a un costo total minimo. ‘Una compaiapanificadora puede producir un pan especial en cualquiera de sus dos plantas, en la siguiente forma: [eanaciad de producion| Coste de produecion Planta | ogazas {Vhogazas A 200 2 B 2 100 25 Cuatro cadenas de restaurantes desean adquitt este pan; sus demandas y los precios que desean pagar son los siguientes: ‘cadena | Demandamixima, | Precio ofresido, hogazas 4 Mrogaras 1 1800) » 2 230 a 3 30 0 4 730 % El costo (en centavos) de embarcar una hogaza de una planta a un restaurante se da en la siguiente tabla: Cadena 1 Cadena 2 Cadena 3 Cadena 4 Pana | 6 8 1" 9 Planta | 12 6 5 5 DDeterminese un programa de entregas para la compania panificadora, maximizando su ganancia total en este tipo de pan.CAP. 8] ALGORITMO DE TRANSPORTE 81 3 saa Dos companias farmactuticas tienen inventarios de dosis de 1.1 40.9 millones de cierta vacuna contra la gri- pe y se considera inminente una epidemia de gripe en tres ciudades. Ya que la gripe podria ser fatal para los iudadanos de edad avanzada, a ellos e les debe vacunar primero; a los demas sles vacunara, segin se pre- senten, mientras duren los surministros de la vacuna. Las cantidades de vacuna (en millones de dosis) que cada ciudad estima poder administrar son las siguientes: jadad 1 Ciudad 2. Ciudad 3 0325020 0.195, 0790 0800 0.650 Los costos de embarque (en centavos por dosis) entre las compatias farmacéuticas y las ciudades son los si- auientes: dad! Ciudad 2 Companiat | 3 3 6 Compatia2 | 1 ‘ 7 Deteminese un programa de embarque de costo minimo que provea a cada ciudad de vacuna suficiente para atender al menos a los ciudadanos de edad avanzada. (Consejo: dividase a cada ciudad en dos destinos: ancianos y otros. Créese un origen ficticio. Héganse prohibitivamente altos los costos de embarque de! or ‘gen ficticio a los destinos de ancianos, garantizando de forma efectiva que no existan envios por estos con- ductos), Pruébese que si se reducen uniformemente en la misma cantidad (positiva o negativa) los costos en cualquier renglén o columna de un tableau de transporte, entonces el problema resultante tiene la misma solucion Op- tima que el problema originalCapitulo 9 Programacion entera: programacion de modelos PROBLEMAS DE PRODUCCION Los problemas de produccién se ocupan de un solo producto que habré de fabricarse durante cierto niimero de periodos sucesivos, a fin de cumplir demandas previamente establecidas. Una vez fabricadas, las unidades del producto pueden embarcarse 0 almacenarse. Se conocen tanto los costos de produccion ‘como los de almacenamiento. El objetivo es determinar un programa de produccién que cubra todas las futuras demandas, a un costo minimo total (el cual es el costo total de produccién mas el costo total de almacenamiento, ya que el costo total de embarque se considera fijo). (Véase el problema 9.1.) Los problemas de produccion pueden transformarse en problemas de transporte, considerando como origen los periodos en que la produccién puede realizarse y como destinos los periodos en Ios cuales las unidades se embarcaran. Las capacidades de produccion se manejan como suministros. En- tonces, xi, denota el niimero de unidades que van a producirse durante el period i, para ser embarcadas durante el periodo j: ¢y es el costo unitario de produccion durante el periodo i mas el costo de almacenar una unidad det producto del periodo i al periodo j. Ya que no es posible el embarque de unidades antes de que éstas sean producidas, se hace cy prohibitivamente grande para / > j, para hacer que x, corres pondiente sea cero. PROBLEMAS DE TRANSBORDO Un problema de transbordo, al igual que un problema de transporte, incluye origenes, en los que se tienen suministros, y destinos que tienen demandas. Sin embargo, incluye ademas empalmes, a traves de los cuales se pueden embarcar bienes. Tales empalmes pueden ser distintos de los origenes y destinos, 0 bien un origen o un destino pueden también funcionar como empalme. Se dan los costos unitarios de embarque entre todos los sitios con acceso directo y el objetivo es desarollar un programa de transporte que cumpla todas las demandas a un costo minimo total. (Véanse los problemas 9.2 y 9.3.) Los problemas de transbordo pueden convertirse a problemas de transporte, haciendo que cada empalme sea a la vez un origen y un destino. Como en el algoritmo de transporte, se considera que el su- ministro total es igual ala demanda total; siesto noes verdadero inicialmente, seagrega un origen odestino ficticio. Entonces, el niimero total de unidades en el sistema esta dado o por la suma de los suministros 0 por la suma de las demandas. A cada empalme se asigna un suministro igual a su suministro original (0 cero, si el empalme no coincidié originalmente con un destino) mas el niimero total de unidades en el sistema. Estas asignaciones permiten la posibilidad de que todas las unidades puedan pasar por un empalme dado. El costo de transportar una unidad de un empalme (considerando como origen) a si mismo (considerado como destino) es cero. Aquellas unidades que bajo el programa optimo no pasen a través de un empalme, apareceran como asignaciones del empalme a si mismo. PROBLEMAS DE ASIGNACION Los problemas de asignacién se ocupan de la asignacion de trabajadores a tareas sobre una base de uno a uno (de manera mas general, implican permutaciones de un conjunto de objetos). Se considera elCAP. 9} PROGRAMACION DE MODELOS 3 niimero de trabajadores igual al niimero de tareas —condicién que puede garantizarse creando trabaja- dores o tareas ficticios, segiin sea necesario— y se conoce el tiempo c,, que necesita el trabajador i para terminar ta tarea j (esto es, el valor de i-ésimo objeto en la posicién ). El objetivo es asignar a cada tr bbajador una tarea, de manera que todas las tareas se terminen en un tiempo total minimo (es decir, en- contrar la permutacién que tiene el mayor valor total). (Véase el problema 9.4.) Los problemas de asignacién pueden transformarse en problemas de transporte al considerar a los trabajadores como fuentes y a las tareas como destinos, con todos los suministros y demandas iguales a 1. Un procedimiento de solucién més eficiente que el algoritmo general de transporte es el méfodo hiin- garo, que emplea como entrada la matriz de costos, tableau 9-1. Hay cuatro pasos: Tareas i eaotoe a ae i i eer Tableaw 91 PASO I Localice el menor elemento en cada renglén del tableau 9-1 y réstesele a los demas elementos del mismo renglén. Repitase este procedimiento para cada columna (el minimo por columna se determina despues de las restas de renglones). La matriz revisada de costos tendré al menos un ‘cero en cada renglén y columna. PASO 2 Determinese si existe una asignacién factible que involucre costos cero en la matriz revisada de costo. En otras palabras, determinese si la matriz revisada tiene m anotaciones cero, sin que dos de ellas estén en ef mismo rengién o columna. Si existe tal asignacién, es 6ptima. Si no existe, se continia con el paso 3. PASO 3 Citbranse todos los ceros en la matriz revisada de costos, con el menor niimero de lineas hori- ontales y verticales que sea posible. Cada linea horizontal debe pasar por todo el renglén, cada linea vertical debe pasar por toda la columna. El total de lineas de esta columna minima seria menor a n, Localicese el nizmero menor que no esté cubierto por una linea en la matriz de costos. Réstese el valor de este nimero de cada elemento no cubierto por una linea y simese a cada elemento cubierto por dos tineas. PASO 4 Repitase el paso 2. ‘Véase el problema 9.5. De acuerdo con un resultado basico en teoria de grafos, el numero de lineas re- queridas en el paso 3 sera precisamente igual al mayor niimero de ceros que no se encuentran en el mis- ‘mo renglon o columna de la matriz revisada. PROBLEMA DEL AGENTE VIAJERO Este problema considera el caso de un individuo que debe abandonar un sitio base; visitar otros ‘n ~ Isitios(s6t0 una vez cada uno) y regresar entonces a la base. Se da el costo, cy de viajar entre cada par de sitios, con cy no necesariamente igual a cj- El objetivo es crear un programa para itinerario de costo minimo. Ya que lo importante es el circuito realizado por el agente, el elegir cual de los m sitios se designa como base es un mero asunto de conveniencia. Se puede asociar un problema de asignacién a cada problema del agente viajero, de la siguiente for- ma. Numérense arbitrariamente con los enteros 1, 2, . . . n,los sitios involucrados en el problema del agente viajero. Considérese un conjunto de n “‘trabajadores” y un conjunto de n “tareas””. El costo de una asignacién, cy es el costo de viajar directamente del sitio ial sitio j. Esta claro que cada soluciénry PROGRAMACION MATEMATICA (PARTE! factible al problema del agente viajero corresponde a una solucién factibleal problema asociado de asig- nacién, Sin embargo, el problema de asignacién tendré soluciones factibles (correspondientes a las per- tutaciones no ciclicas) que no representan una solucién factibe al problema del agente viajero. La solu- ‘ién éptima al problema asociado de asignacién sive como una primera aproximacién ala solucion del problema del agente viajero. Se aplica el método huingaro a la matriz de costos del problema de asigna- ign (que es la misma que Ia matriz del problema del agente viajro) ysiel resultado corresponde a un itinerario factible, est itinerario debe ser 6ptimo. Sino, se puede usar una variante del método de bifur- cacién y acotaciOn (capitulo 6), para crear dos nuevos problemas de asignacién que abarquen, entre am- bos, la solucion Sptima al problema del agente viajero. La bifureacin se realiza en el elemento matricial c,» donde p ~ q es cualquiera de las asign en la primera aproximacién actual (la cual, por hipétesis, no refleja un itinerario factible). Se obtiene tina nueva mattiz de costos al reemplazar ¢qy Por un nimero prohibitivamente grande; la otra nueva tmatrizse obtiene al reemplazar ¢qy (elemento transpuesto), asi como a todos los elementos en el ptsimo rengl6n 0 en la q-ésima columna, excepto al mismo Cp, por un nimero prohibitivamente grande. Los procedimientos de bifurcacién y acotacién no son pricticos, desde el punto de vista de los céleulos, para problemas grandes en los que se manejan cientos de sitios; ast que, para estos casos, se han disedado un cierto nimero de algoritmos“‘cercanos al 6ptimo”. (Vase el problema 9.7.) La obje- cign a los procedimientos cercanos al ptimo es que, aunque son bastante buenos en general, en casos particulares llegan a generar muy pobres aproximaciones ala solucién Gptima. (Vease el problema 9.9.) Problemas resueltos 9.1 En.una compatia industrial, se debe planear para cada una de las cuatro estaciones del préximo afio. Las capacidades de producci6n de la compafia, asi como las demandas esperadas (todo en unidades), son las siguientes: Primavera | verano | Otono | _tnvierno Demanta | 250 100) om | Capacidad normal 200 00 390 Capacidad tiempoentra | 100 | 50 10 150 Los costos de produccién normal para la compafia son: $7.00 por unidad; el costo unitario del tiempo extra varia segiin la estacion, siendo de $8.00 en primavera y otofio, $9.00 en verano y $10.00 en invierno. En la compafia se tiene un inventario de 200 unidades el 1o. de enero, pero como se planea descontinuar el producto a fines de aflo, se desea un inventario cero despues de la temporada in- vernal. Las unidades producidas en los turnos normales no se encuentran disponibles para em- barque durante la estacién de producci6n; generalmente se venden durante la siguiente estacién. “Aquellas unidades que no se venden, se agregan al inventario y se acumulan a un costo de $0.70 ‘por unidad por estacién. En cambio, las unidades producidas en tiempo extra deben embarcarse fn la misma estacion en que se producen, Determinese un programa de produccién que cubra to- das las demandas a un minimo de costo total. Los petiodos durante los cuales se puede efectuar Ia produccién son: el tiempo extra para las cuatro es taciones ¥ el turno normal para las primeras tres estaciones. Cada uno de estos siete periodos se vuelve un ‘ngen, ya esto se aftade un octavo origen; el inventarioinicial, ya que éste también proporciona mercancia. El suministeo total es 1 450 unidades. Los periods en los cuales se requeririn productos, son las cuatro esta- ‘ciones;éstas se vuelven los destinos, con una demanda total de | 250 unidades. Ya que el suministro total ex- Cede la demanda total, deberd crearse un destino fictcio con una demanda igual al exceso de 200 unidades.CAP.9} PROGRAMACION DE MODELOS 8s 92 Las asignaciones positivas de un origen al destino ficticio representan unidades que el origen podria producir, pero que no seri producidas porque no son necesarias. Ya que todas ls unidades en el inventario inicial ya han sido producidas, se debe evitar una asignacion positiva del inventario inicial al destino fictcio. Esto se hace asignando un nimero prohibitivamente grande ($10 000) al costo unitario asociado. Como de costumbre, todos los otros costos asociados con el destino ficticio se toman como cero. ‘A las otras asignaciones que deban evitarse, también se les asignan costos probibitivamente altos. Aqui se incluyen embarques de los turnos normales a la estacin actual o a estaciones anteriores y embarques de Tos tumos extra a otra que no sea la estacion actual. Los costos asociados con el inventarioincial son sola- ‘mente costos que se llevardn al futuro, ya que los costos de produccion y los cargos pasados ya se han reali- zado y no pueden minimizarse, Las anotaciones restantes de costos son simplemente los costos de produc- ‘sign mas los cargos de almacenamiento. Aplicando el algoritmo de transporte a este problema, se obtiene el tableau 1 como tableau ptimo. Se tiene que la demanda de primavera se cubriré empleando todas las 200 unidades del inventario y $0 unidades de la produccin de tiempo extra en la primavera. La demanda del verano se cubre con la produccion normal de primavera, La demanda del otoflo se cubre con 300 unidades de la produccién normal del verano mAs 100 ‘unidades de la produccion de tiempo extra en el otono. La demanda del invierno se satisface empleando 100 unidades hechas durante la primavera en el tiempo normal y almacenadas, més 350 unidades dela pro- duccion normal del otoft y $0 unidades producidas durante el invierno en turnos extra. Pina | vem [ome | twee | Fao 5 vom oan [rm] [2m] [aw J [a (primavera) [~ (9993.60) 108 100 (60) 20 840 worm vom] [20] [am J [o (verano) (9993.70) 0 o Gx) mm 77 or woo] [woe | [am we | cone cone) [Tomi [oe inom [0] [am] [aw] | a0] inicial 0 @.10) 0.10) 0.10) 20 7 Zeaee | swe] | ano | [roam] | 0090 J [0 (primavera) Ey (0991.40) (9990.70) (9990), = 100 0 ewe [wo | {300 [0m] | oa | [o ; (verano) (Om) @40) (9990.70) (9990) * ° " vow | | wow [Lam] [nae | | 0 (793.30) (9992.70) 108 (9991.30) (9) 00 oa [om | [won| | vow | [am J [0 {invierno) (om) (9991.40) | (9990.70) = ‘160 150) w =| ee 5 arcane Tabi ‘Una corporacion necesita transportar 70 unidades de un producto, del sitio Ia los sitios 2 y 3, en cantidades de 45 y 25 unidades, respectivamente. Las tarifas c, (en délares por unidad) de carga aérea entre los sitios comunicados por carguero se dan en la tabla 9-1, en la cual las lineas puntea- das indican que no hay servicio disponible. Determinese un programa de embarque que asigne el ‘ntimero requerido de articulos a cada destino, a un costo minimo de transporte. Ningin embar- que requiere de vuelo directo; se permiten los envios empleando puntos intermedios. Este problema se presenta esqueméticamente en la figura 9-1, en la cual los suministros estén indicados ‘por ndmeros positives y las demandas por niimeros negativos. Notese que a pesar de la simetria dela tabla 9-1, las tarifas de carga no son proporcionales ala distancia. El sitio 4 es solamente un empalme. Los sitios 386 93 PROGRAMACION MATEMATICA IPARTE | Tabla 9-1 «Q@ aa a na) X3)-2 a eS O me 91 1y4 sirven tanto de destinos como de empalmes (se pueden embarear artculos del sitio I al sitio 3 através del sitio 2y del | al 2a través del 3), mientras que el sitio { sive tanto de origen como de empalme. Ya que nun- ca seria 6ptimo enviar articulos del sitio 1 para que regresaran a dl, en algiin momento posterior, solo para ser embarcados nuevamente, el problema puede simplificarse no permitiendo embarques hacia el origen 1, restringitndolo asi a ser el nico origen ara aplicar el algoritmo de transporte, se aumentan el suministro y la demanda de cada empalme sitios 2, 3y 4—en el niimero total de unidades del sistema, 70 unidades. También, se define ex = Cir $10 000, para forzar embarques en cero & las rutas no existentes 2—4, y 4—2y se define > = cy) = cu = 0. El algoritmo de transporte produce el tableau 2, Optimo. Asi, se embarcardn directamente 45 unidades del sitio 1 al sitio 2, satisfaciendo su demanda, mientras que las 25 unidades restantes se embarcardn de sitio | al s- tio 4, de donde seran después enviadas al sitio 3. NOtese que x% = x}, = 70, indica que se evita que estas 70 ‘unidades (todas) pasen por estos sitios. Similarmente, xt, = 43 significa que 45 de las 70 unidades no se em- bbarcarin pasando por el sitio 4. Determinese un programa de embarque que cubra todas las demandas a un costo minimo total, para los datos de la figura 9-2. Los sitios 1 y2 son origenes, mientras que los sitios 5 y 6 son destinos. El sitio 3 es tanto un origen como ‘un empaime, mientras que el sitio 4 es tanto un destino como un empaime. Debido a que e suministro total ‘es de 180 unidades, en tanto que la demanda total es s6lo de 105 unidades, se crea el sitio 7 como un destino ficticio con una demanda de 180 — 105 = 75 unidades. Ya que cada empalme se transforma en un origen y tun destino, al agregar 180 unidades tanto a su suministro como a su demanda, el tableau de transporte Destinos 2 3 4 [Suminiso[ a 36 1 7 ” ° [ 2 | | 10000. de faa [aomy | | 7 2 ° 19 3 @ [of a ae a 1000 | |_19 ° 0 4 NY 3 [as us 95, 0 » | aCAP.9} PROGRAMACION DE MODELOS "7 94 30 8 Fig. 92 cempleard los origenes 1, 2, 3,4 y los destinos 3, 4, 5,6 y 7. Ademas de los costos dados en la figura 9-2, se tienen como costos cero a los que van de un empalme (como origen) a él mismo (como destino) y alos que vvan de cualquier origen al destino ficticio, y a una cantidad excesiva ($10 000) como el costo para cualquier eslabon no existente (p. ¢i., 1 ~ 6). Eltableau 3 es el tableau ptimo de transporte. El sitio 3 recibe 20 unidades del sitio 1 y 70 unidades del sitio 2; después, estas unidades se redistribuyen a los sitios 4, 5 y 6, junto con el suministro propio inicial de des. Después de que se han satisfecho las demandas, en el sitio 1 quedardn 75 unidades, las que es- tn indicadas en el tableau 3 por la asignacién entre el sitio I y el destino ficticio, Las asignaciones x35 = 90 “Xu = 180 son asientos en libros que significan el nimero de unidades que no pasaron por los empalmes 3 4, respectivamente Resuélvase el problema 1.13 empleando el método hingaro. Se amplia la tabla -1 del problema 1.13, afin de hacer iguales el nimero de eventos y el niimero de na- dadores; el resultado es el tableau 4A. Como de costumbre, los costos (tiempos) asociados con los destinos ficticios, eventos 5 y 6, se consideran cero. En este caso la razbn es que los eventos 5 y 6 no existen, de modo ‘que pueden concluirse en tiempo cero; los nadadores que se destinen a estos eventos, seri los que no parti- cipen en la competencia de relevos de cuatro nadadores. 'El método hiingaro se inicia restando 0 de cada renglén del tableau 4A y restando despues 65, 69, 63, 55, 0, y Ode ls columnas Ia la 6, respectivamente; esto genera el tableau 4B. Ya que esta matriz no contiene ‘una solucion factible de costo cero, se cubren los ceros existentes con tan pocas lineas horizontales y vertica- les como sea posible. Una de estas coberturas se muestra en el tableau 4B; otra igualmente buena, se obtiene ‘eemplazando la linea sobre el rengl6n 3 por una linea sobre la columna 4, El menor de los elementos no cu- ont 3 ‘ 3 © | 7eteioy [Suminitvo| 3 | 1000 JT 10000 J|_0 1 EJ (9994) wo (93) 7s 3 [am ewe The a i 2 @) omy | Cay ay é 0 ay [s a] oJ 3 CJ ” ; 4s eo es J ‘eee Te] [wae Fa] Ca eo 4 (10.003) 190 (999) a ©) " - =88 98 9.6 PROGRAMACION MATEMATICA, [PARTE! Diertos es 1, que aparece en la posicién (2, 2). Restando 1 de cada elemento no cubierto del tableau 4B y ‘agregando 1 a cada elemento cubierto por dos lineas —elementos (1,5), (1,6) (3,5)s (3,6) (5:9) (5.6)—. 8 Hega al tableau 4C. El tableau 4C no contiene una asignacién factible cero. Repitiendo el paso 3 del método hingaro, se de- ‘termina que nuevamente | es el menor de los elementos no cubiertos. Restindolo de cada elemento no cu- biertoy sumandolo a cada elemento cubierto por dos lineas, se obtiene el tableau 4D, que contiene uns nacion factible de costo cero, como se indica en las anotaciones marcadas con asteriscos. Asi, una asigné ion ptimaes enviar al nadador 1 al evento | (nado de dorso), al nadador 2al evento 3 (nado de mariposa), ‘al nadador 3 al evento 4 (estilo libre) y al nadador 5 al evento 2 (nado de pecho); los nadadores 4 y 6 no entran en la competencia. El tiempo minimo total (en segundos) se calcula a partir del tableau 4A como: cunt cast cout C52 = 65+ 65 + 55+ 69 = 254 5 ‘Sin embargo, esta solucién no ¢s la solucién éptima, Una asignacién también Optima puede obtenerse del tableau 4D, asignando al nadador | al evento 3 y al nadador 2 al evento 1, y dejando sin cambio las otras asignaciones Nadedores Verifiquese el método hiingaro. ‘Como una consecuencia del problema 8.14 (recuérdese que el problema de asignacion es un caso espe cial del problema de transporte), el paso 1 del método hingaro no altera la asignacion Optima, sino que simplemente proporciona una matriz de costos con componentes mAs pequetios. Ya que cada elemento en testa nueva matriz de costos es no negativo, una asignaciOn de costo cero, si es factible, debe ser optima. De ‘ahi el paso 2 del método. Sino existe solucién factible de costo cero, entonces los ceros en la matriz actual de ‘costos no estan bien distribuidos. El paso 3 s un procedimiento para redistribuir y, tal vez, introducir ceros adicionales. Las operaciones ‘que incluyen ac, menor costo (positivo) no cubierto por lineas en la matsiz actual, eemplazan ala matriz.ac- tual por una nueva matriz no negativa, de forma que: ) el elemento c mismo es reemplazado por un cero; ii) S52 conservan los ceros anteriores cubiertos por una sola linea, y ii) el resto de los ceros anteriores son re ‘emplazados por ¢. Pero ya que estas operaciones son equivalentes a restarc/2 de cada rengién y cada colum- hha no cubiertos, y a agregar 6/2 a cada renglon y cada columna cubiertos, el problema 8.14 garantiza una ‘vez mas que Ia asignacién éptima no se altera. ‘Las Linas Aéreas Xanadu ofrecen una excursién a bajo precio que permite a una persona cubrir su ruta total de servicio. El boleto, valido por dos semanas a partir de la fecha de adquisicién, tiene la siguiente restricciOn: ninguna ciudad del recorrido puede volverse a visitar, excepto 1a ‘ciudad de partida, la cual es la ditima parada de la excursion. Una turista extranjera, actualmenteCAP. 9] PROGRAMACION DE MODELOS 89 oT cen la ciudad 1 (la capital), desea ver las ciudades provincianas 2, 3 y 4, antes de regresar a la capi- tal. Decide viajar empleando estas aerolineas. Los tiempos de vuelo (en minutos) entre las ciuda- des de interés se dan en la tabla siguiente, en la cual las lineas punteadas indican que no hay servi cio disponible entre los sitios correspondientes. Determinese un itinerario aceptable que minimice su tiempo total de vuelo. 1 | 1000 6s 3 37 2] 6 000 95" 10000 5/3 9s* 100008 4 | 37 000 = st 10000 ‘Tableau 6A Se iicia reemplazando por un nimero exorbitante cada anotacion punteada de la tabla de tiempos, a fin de impedir la asignacin a estos eslabones bajo un itinerario dptimo. El resultado es et tableau GA. Apli- ‘cando el método hingaro a este tablau, se obtiene (en la segunda aplicacin del paso 2) la asignacién indica- dda por los elementos marcados con asterisco; esto es, 1 ~ 4, 4 ~ 1, 2 ~ 3, 3 — 2. Este no es un itinerario valido, ya que regres a la turista a la ciudad 1, inmediatamente después de su primera parada en la ciudad 4. i 2 3 4 1 2 3 4 1 | 1000 6s" 53.1000 1 | 10000 10000 1000 a7" 2] 6 10000 95" 10000 2] @ — 1000 = 9510000 3| 3 9s 10000 alt 3] 3 95" 10000 10000 4 | 37% 1000 = 110000 4 | 10000 10000 © 8 10000 ‘Tableau 6B ‘Tableau 6C ‘Ahora se bifurca a partir del elemento marcado c,, = 37 del tableau 6A.. La primera bifurcacion se efec- ‘tia reemplazando c,,por un nimero prohibitivamenie grande, como se muestra en el tableau 6B, La segun- da bifurcacién se efectia reemplazando c,, elemento transpuesto, asi como todos los elementos del cusrto renglén o primera columna, excepto c,y por un némero prohibitivamente grande. Esto se efectia en el tableau 6C. ‘Aplicando por separado el método hingaro a cada una de estas nuevas matrices de costos, se obtienen itinerarios validos para ambas: 1 — 2,2 3,3 — 4, 4 — 1, con un costo de 278 minutos, para el tableau 6B; y1~ 4,4— 3,3 ~ 2,2 — 1, com un costo de 278 minutos, para el tableau 6C. Ambas soluciones son opti- mas. En realidad, siempre que la matriz de costoses simétrica, un circuito 6ptimo sigue siendo 6ptimo cuan- do se recorre en sentido inverso. Desarréllese un algoritmo “‘cercano al 6ptimo” para el problema del agente viajero. ‘Se desarrolia el método del ‘‘vecino més cercano" basado en el principio de seleccionar secuencialmente cl eslabén restante que sea més barato, de manera que su inclusion no complete demasiado pronto un cuito. PASO 1 Localicese el menor elemento en la matriz de costos (decidanse arbitrariamente los empates), en- ciérrese en un circulo e inclayase el eslabén correspondiente en el itinerario, PASO2 lelemento que se acaba de encerrar en un circulo ¢s cpg, reemplicense todas los otros elementos en el p-tsimo renglén y todos los otros elementos en la q-tsima columna, asi como el eler ito transpuesto cg», por un nimero prohibitivamente grande. PASO 3 Localicese el menor de los elementos que no estén encerrados en un circulo, en la dltima matriz de ‘costes. Aséciese, tentativamente el eslabon que le corresponde con el itinerario (incompleto). Sil itinerario resultante no es factible, enciérrese en un circulo el costo designado y continuese con el paso 5. i PASO 4 Si el itinerario resultante no es factible, eliminese el iltimo exlabén del itinerario y susitayase el costo que le corresponda por un nimero prohibitivamente grande, Continiese con el paso 3,9.8 99 PROGRAMACION MATEMATICA. [PARTE PASO 5 Determinese si el itinerario es completo. De ser asi se le aceptard como al itinerario ‘‘cercano al ‘ptimo™. $i no lo es, continiese con el paso 2. El paso 2 garantiza que una vez que se parte de un sitio, no se volverd a partir de él. También que una vez que se lega aun sito, esto no volverh a suceder. De aqui que el tinerario del paso 3 sera factible, a me- ros que contenga Un circuito con menos de m eslabones. Empleando el método del vecino mas cercano (problema 9.7), encuéntrese un itinerario cercano al 6ptimo para el problema del agente viajero, si la matriz de costos esta dada por el tableau 8A. isase 10035 ws 3 1000s 4 10000 1s 2301000 «9 8 © Tableau 5B En primer lugar, se reemplazan las anotaciones punteadas de la matriz de costo con un niimero prohibi- tivamente grande (1 000), obteniendo con esto el tableau 8B. Los valores menores en este tableau son a4 cae Seleccionando arbitrariamente cy, s le encierra en un circulo, indicando que se ha aceptado el eslabon 2° 4como parte del itinerario final. Ahora se reemplazan todos los otros elementos del segundo renglon y de la cuarta columna, asi como el elemento transpvesto Cx Por 1 000. El resultado es el tableau 8C. EI menor de los elementos no encerrados en circulo en el tableau 8C es ¢yy = 30. Agregando el esla bbon 4 — 3.al actual tinerario incompeto, se tiene el iinerario (ain incormpleto) 2 ~ 4, 4 ~ 3, que no es no factible. En consecuencia, se encierra cq en un circulo y se reemplazan todos los otros elementos en el cuarto renglon y en la tercera columna del tableau 8C, asi como el elemento transpuesto 4, por 1 000. El resultado sel tableau 8D. 12 os 4s 12 3 4s 1 | i000 asm toms 1 | 100 35 1009165 2 | 100 1000 1000) 1000 2 | 1010 1000 @) 1000 a] "4s tooo 1000 9s a[ mo 4 10075 | 10s 100 "100 4 | 1010 100 10001000 S| sm 75 1000 1000 5] ‘us "9 100 1000 1000 ‘Tables 8C ‘Tableau 8D EI menor de los elementos no encerrados en circulo en el tableau 8D es c,» = 35. Agregando el eslabén 1 = 2al actual itinerario incompleto, se genera el itinerario 1 = 2, 2 ~ 4, 4 — 3, que no es no factible. En consecuencia, se encierra c,, en un drculo y se reemplazan todos los otros elementos del primer renglon y de la segunda columna del tableau 8D, asi como el elemento transpuesto ¢3y, Por 1 000. El resultado es el tableau 8E. ‘Continuando con el algoritmo, se generan secuencialmente los tableaux 8F y 8G. El itinerario indicado por los elementos encerrados en circulo en el tableau 8G-—especificamente, 1 — 2,2 ~ 4,4 ~ 3,3 = 5, 5 = 1—es completo y, por lo tanto, resulta el itinerario cercano al 6ptimo. Su costo total es: p= 3S +2475 +30 + 165 = 35 Vease tambien el problema 9.17. Apliquese el método del vecino més cercano al problema 9.6. El valor menor en el tableau 6A, matizinicial de costos para este problema, es ¢),0 ¢4,. Arbtrariamen- te se encierra en un crculo a c,«y luego se reemplazan todos os otros elementos en el primer rengl6n, en la ccuarta columna y a ¢4y, pot un himero prohibitivamente grande. El resultado es el tableau 9A. ‘Aplicando el algoritmo del vecino mas cercano al tableau 9A, se obtiene el tableau 9B con el itinerario, parcialmente completo 3 ~ 1,1 ~ 4. El menor valor del tableau 9B es c,y = 81. Agregando el eslabon 4 — 3 rerario actual, se tiene como resutlado 4 ~ 3,3 -- 1, 1~ 4, que noes factible, ya quese trata de un cir-cap. 9 PROGRAMACION DE MODELOS 1 9.10 | 1 2 3 4 s | 1 2 3 4 5 1 | 10 @ 100 100 100 1 | 100 GS 100 1000 1000 2 | 100 10 1“) 1000 2 | 100 eo mG) tm 3 | "sto imp 00975, 3 | tao 1000 1000 1000 4 | 1000 1000 G0) 10001000 4 | 100 1000 © 1000 s | 't68 1000 1000 10m 1000 3 | "ts tom 1000 1000 1000 ‘Tebleau 88. ‘Tableau SF @ 10 10 100 1m 1000“) tog too 1000 10m sto 1 100 ©) 100 g 2 2 2S ‘Tableau 8G cuito que omite ala ciudad 2. Por lo tanto, no se acepta a4 ~ 3 como parte de itinerario final y se reempla- 7a Su COStO, ay, POF un ndmero grande. El resultado es el tableau 9C. 1 2 3 [2 3 1 | 1a 10000 10000 1 | 1000 19000 100 2| “tome os” 100m 2 | too joo es Sn 3| 5 vos? sg00 190m 3 iow 1000 0m 2 | 100 1am “st” 0000 4 | Sam tomo “stom ‘Tables 94 Tebean 98 1 2 3 4 | 1 2 3 4 7 | som 190m oom 1 | 10000 1000 1000 2 | tom foo 9s) 2 | iow tom "G00 3 10000 = 10000 10000 3 S 39000 = 10000 100000 4 | 10000 10000 © 10000 10000 4 | wl i000> 10000 10000 “ablenn 9 “Tables 9D ‘Continuando con el algoritmo, después de otras dos iteraciones se obtiene l tableau 9D. La solucion mas cercana al dptimo, que setiala los elementos de costo enecrrados en circulo, es 1 ~ 4, 4 — 2,2 ~3,3=1 z= 37 + 10000 + 95 + $3 = 10185 Este valor de a funcion objetivo es prohibitivamente alto; en este caso, la solucién “'mAs cercana al 6ptimo"” ‘est en realidad lejos de ser éptima, Problemas complementarios Un fabricante recibe de una gran ciudad un pedido de seis autobuses de dos pisos, os cuales serén entrega- ‘dos por pares durante los proximos tres meses, Las fechas de produccién para el fabricante se muestran en la tabla 9-2, Los autobuses pueden entregarse a la ciudad al final del mes en que se ensamblan,o el fabricante puede alma- ‘cenarlos, con un costo mensual de $3 000 por autobis, para embarcarlos durante un mes posterior. El fabri ‘cante no tizne almacenado ningiin autobis de este tipo y no desea tener ninguno despues de terminar este