2.

1 Decisions en
incertesa

2.2 Teoria de jocs

DECISIONS 2.3 Arbres de decisió

tema 2
2.4 Programació lineal

2.5 Grafs i projectes

2.4
Programació Lineal
Un cop mes es tracta de decidir. En aquesta ocasió es tracta de decisions més quantitatives que qualitatives.

Es tracta de decidir/determinar el valor que han de prendre les diferents variables de manera que maximitzin o
minimitzin el valor d’una funció objectiu.

Que és un Programa Lineal?

El model bàsic d’un PL és
Max o Min Z = c`X Funció objectiu

s.a. A X ≤, ≥, = b Conjunt de restriccions

x≥0 Condició de no negativitat

3
Com resoldre un programa lineal.

• Representació gràfica
• Algorisme símplex

Possibles solucions de un PL:

• Existeix una única solució òptima (en un vèrtex)

• Existeixen infinites solucions òptimes (en arestes, cares o inclús la regió factible completa)
• La solució òptima és no acotada
• La regió factible es buida (problema no factible)

4
Un taller disposa de tres (3) tipus de màquines (de tallar, de cosir i d’encolatge) amb les que pot fabricar sabates
d’home i de dona. Cadascuna de les sabates siguin del tipus que siguin ha de passar per cada màquina i fer-ho amb
el mateix ordre (Primer a la de tallar, després a la de cosir i finalment a la d’encolatge).
La següent taula mostra:
• Las hores requerides a cada màquina, per parell de sabates
• Els totals d’hores disponibles per a cada màquina, per setmana
• Els ingressos per cada parell de sabata Tallar Cosir Encolar Preu de venda per
(hrs) (hrs) (hrs) parell de sabates (€)

Sabata Home 0,5 0,3 0,5 15

Sabata Dona 0,8 0,5 0,2 20

Total hores disponibles 80 60 30

Quina és la quantitat òptima de parells de sabates d’home i de dona a fer de manera que maximitzi l’ingrés global
complint amb totes les restriccions?

5
 RESOLUCIÓ

Primer de tot definim quines són els variables, és a dir quina o millor dit, quines decisions ens demanen prendre.
X1= nombre de parells de sabates d’home a fer
X2= nombre de parells de sabates de dona a fer
Després mirarem d’expressar cadascuna de les restriccions en forma d’equació utilitzant únicament les variables que hem definit
prèviament. Si no podem expressar-ho tot és senyal o de que falten variables o que no estaven ben definides i n’hem de definir de
noves.
Comencem doncs per construir el nostre Programa Lineal utilitzant les variables (en aquest cas X 1 i X2) que hem definit.

Aquesta és la funció objectiu, la que hem d’optimitzar

Max Z = 15x1+20x2
Aquesta és la restricció de tallar
0,5x1 + 0,8x2 ≤ 80 I un cop construït el programa lineal anem a
0,3x1 + 0,5x2 ≤ 60
Aquesta és la restricció de cosir solucionar-ho en aquest cas gràficament
Aquesta és la restricció de encolar
0,5x1 + 0,2x2 ≤ 30
xi0

6
Max Z = 15x1+ 20x2
0,5x1 + 0,8x2 ≤ 80
x2
0,3x1 + 0,5x2 ≤ 60
0,5x1 + 0,2x2 ≤ 30
xi0

x1

7
 Problema de la dieta

En condiciones extremas un soldado necesita para subsistir al día 30 unidades de proteínas, 20 de grasa y 8 de vitaminas. En la selva sus presas
son dos tipos de animales: roedores que le proporcionan 3 unidades de proteínas, 4 de grasa y 1 de vitaminas; y aves, que le proporcionan 6
unidades de proteínas, 2 de grasa y 1 de vitaminas.
Si cazar y comer un roedor le cuesta 8 unidades de energía y un ave 12 unidades de energía, ¿cuántas presas debe cazar de cada clase para
satisfacer sus necesidades, con el menor gasto de energía?

Lo primero que debemos hacer es definir las variables. ¿Qué nos preguntan?
X1
X2
¿Que es lo que tenemos restringido?
Proteínas
Grasa
Vitaminas

8
Min Z = 8 x1+12x2
3 x1 + 6 x2 ≥ 30
4 x1 + 2 x2 ≥ 20
x2
x1 + x2 ≥ 8
xi0

x1

9
EXEMPLE 2 DE PROGRAMACIÓ LINEAL

Una empresa de càtering produeix dos tipus de plats, macarrons i canalons.

Per fer-los consumeix en diferents proporcions 4 components que per protegir el secret empresarial anomenarem A, B, C i D.
En aquesta taula teniu les dades necessàries per construir un programa lineal que en resoldre’l pugueu dir quina és la quantitat de
macarrons i de canalons que maximitzarien el seu benefici.

Component Macarrons Canalons Disponibilitat. Cost

{Kg.} {Kg.} {Kg.} {Kg.}

A 1 3 15 0,1
B 2 1 10 0,3
C 2 2 12 0,4
D 1 1 10 0,2
Preu de venda 5,7 €/{Kg.} 4,6 €/{Kg.}

10
Max Z = 4x1+ 3x2
x1 + 3x2 ≤ 15 x2
2x1 + x2 ≤ 10
2x1 + x2 ≤ 12
x1 + x2 ≤ 10
xi0

x1

11
 RESOLUCIÓ

Especial atenció al fet de que la funció objectiu és de benefici (Ingressos menys costos)

En aquest cas està

resolt en valors de
milers però la
metodologia és
correcte.

12
 Exemple de solució múltiple

Max Z = 15x1+ 12x2

x2
4x1 + 8x2 ≥ 44
5x1 + 4x2 ≥ 40
14x1 + 3x2 ≥ 42
xi0

En aquest cas la solució no es troba en

un únic vèrtex sinó en la recta
(combinació) que uneix dos vèrtex. EL x1
motiu? La funció objectiu és paral·lela en
aquesta aresta i pren el seu valor òptim
en tots els punts de l’aresta.

13