República bolivariana de Venezuela

Ministerio del poder popular para la defensa

Universidad nacional experimental de las fuerzas armadas
UNEFA Guanare

PROGRAMACION LINEAL

EL METODO SIMPLEX

EL METODO DE TRANSPORTE

INTEGRANTES:

Digna lavado

C.I:24506428

KREUTZNER TERAN

C.I:25912431
 INTRODUCCIÓN.

 La Programación Lineal es una pequeña parte de una teoría matemática que se

ha consolidado en el siglo XX con el nombre de Optimización. En general, se trata
de un conjunto de técnicas matemáticas que intentan obtener el mayor provecho
posible de sistemas económicos, sociales, tecnológicos,... cuyo funcionamiento se
puede describir matemáticamente de modo adecuado.

Una terminología establecida desde los primeros tiempos de la Optimización,

denominaba a la solución óptima un programa de acción a poner en práctica; de
ahí que la búsqueda de un tal programa de acción utilizando métodos
matemáticos se llamase Programación Matemática.

        Según las características de las funciones del problema y de las variables se
tienen diferentes tipos de problemas de Programación Matemática. Si todas las
funciones del problema, objetivo y restricciones son lineales, se tiene un problema
de Programación Lineal.

El Modelo de transporte es una clase especial de problema de Programación

Lineal. Trata la situación en la cual se envía un bien de los puntos de origen
(fábricas), a los puntos de destino (almacenes, bodegas, depósitos). El modelo
supone que el costo de envío de una ruta determinada es directamente
proporcional al número de unidades enviadas en esa ruta. El problema del
transporte desde el punto de vista gerencial es un tópico de gran importancia ya
que tiene que ver con la selección de rutas entre plantas de fabricación y bodegas
de distribución o entre bodegas de distribución regional y puntos de distribución
local.

El método de transporte es un problema clásico dentro de la programación

matemática; se analiza la manera de obtener el costo mínimo de transportar una
serie de productos desde n fábricas, hasta m almacenes; cada envío tiene un
costo particular que estará en función de la distancia, el tipo de carretera, la
cantidad y otras variables.

Hoy en día, en pleno apogeo de la globalización este problema surge cada vez
con mayor frecuencia en la rama de la investigación de operaciones, podemos
decir que es la aplicación del método científico para asignar los recursos o
actividades de forma eficaz, en la gestión y organización de sistemas complejos,
su objetivo es ayudar a la toma de decisiones.
Así mismo, este programa o método fue propuesto por primera vez como un
procediendo especial para encontrar un modelo de costo mínimo para distribuir
unidades homogéneas de un producto desde varias fuentes de abastecimiento
hasta varios puntos de destinos o consumos. Para ello se toma en cuenta el nivel
de oferta en cada fuente y la cantidad de demanda en cada destino, así como
también, El costo de transporte unitario de la mercancía a cada destino.

El método Simplex desarrollado por George Bernard Dantzig (8 de noviembre de

1914 - 13 de mayo de 2005) en 1947. Este método se basa en la conversión del
problema con restricciones con desigualdades en un problema cuyas restricciones
son ecuaciones lineales. Es un método matricial.

El método algebraico es muy dispendioso, en razón a que trabaja con todos los
datos de las ecuaciones, para mejorar éste aspecto se creó el método simplex
cuya gran virtud es su sencillez, método muy práctico, ya que solo trabaja con los
coeficientes de la función objetivo y de las restricciones. Las reglas de decisión
para determinar la variable que entra, la que sale, la gran M, y cómo determinar
que estamos en el óptimo; Todas éstas reglas de decisión fueron deducidas del
método algebraico, solamente que aquí se han acomodado para ser usadas en el
tipo de tablero simplex que se usará.
 PROGRAMACIÓN LINEAL

La Programación Lineal corresponde a un algoritmo a través del cual se resuelven

situaciones reales en las que se pretende identificar y resolver dificultades para
aumentar la productividad respecto a los recursos (principalmente los limitados y
costosos), aumentando así los beneficios. El objetivo primordial de
la Programación Lineal es optimizar, es decir, maximizar o minimizar funciones
lineales en varias variables reales con restricciones lineales (sistemas de
inecuaciones lineales), optimizando una función objetivo también lineal.

Los resultados y el proceso de optimización se convierten en un respaldo

cuantitativo de las decisiones frente a las situaciones planteadas. Decisiones en
las que sería importante tener en cuenta diversos criterios administrativos como:

 Los hechos.

 La experiencia.

 La intuición.

 La autoridad.

¿COMO RESOLVER UN PROBLEMA MEDIANTE PROGRAMACIÓN LINEAL?

El primer paso para la resolución de un problema de programación lineal consiste

en la identificación de los elementos básicos de un modelo matemático, estos son:

 Función Objetivo

 Variables

 Restricciones

El siguiente paso consiste en la determinación de los mismos, para lo cual

proponemos seguir la siguiente metodología:

Definir el criterio de Identificar y definir

Identificar y definir Plantear la función
la función objetivo variables
restricciones objetivo
La función del objetivo.

La función objetivo tiene una estrecha relación con la pregunta general que se
desea responder. Sí en un modelo resultasen distintas preguntas, la función
objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental. Así por ejemplo, si en una situación se desean minimizar los costos,
es muy probable que la pregunta de mayor nivel sea la que se relacione con
aumentar la utilidad en lugar de un interrogante que busque hallar la manera de
disminuir los costos.

Las variables decisión

Similar a la relación que existe entre objetivos específicos y objetivo general se

comportan las variables de decisión respecto a la función objetivo, puesto que
estas se identifican partiendo de una serie de preguntas derivadas de la pregunta
fundamental. Las variables de decisión son en teoría factores controlables del
sistema que se está modelando, y como tal, estas pueden tomar diversos valores
posibles, de los cuales se precisa conocer su valor óptimo, que contribuya con la
consecución del objetivo de la función general del problema.
Las restricciones.

Cuando hablamos de las restricciones en un problema de programación lineal, nos

referimos a todo aquello que limita la libertad de los valores que pueden tomar las
variables de decisión. 

La mejor manera de hallarlas consiste en pensar en un caso hipotético en el que

decidiéramos darle un valor infinito a nuestras variables de decisión, por ejemplo,
¿qué pasaría si en un problema que precisa maximizar sus utilidades en un
sistema de producción de calzado decidiéramos producir una cantidad infinita de
zapatos? Seguramente ahora nos surgirían múltiples interrogantes, como por
ejemplo:

 ¿Con cuánta materia prima cuento para producirlos?

 ¿Con cuánta mano de obra cuento para fabricarlos?

 ¿Pueden las instalaciones de mi empresa albergar tal cantidad de

producto?

 ¿Podría mi fuerza de mercadeo vender todos los zapatos?

  ¿Puedo financiar tal empresa?

Pues bueno, entonces habríamos descubierto que nuestro sistema presenta una
serie de limitantes, tanto físicas, como de contexto, de tal manera que los valores
que en un momento dado podrían tomar nuestras variables de decisión se
encuentran condicionados por una serie de restricciones.

EJEMPLO DE RESOLUCIÓN DE UN PROBLEMA DE PROGRAMACIÓN

LINEAL.

EL PROBLEMA

La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad

diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo
c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y
72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr
de b y 27 gr de c.

 El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe

obtener el máximo beneficio, ¿cuántos metros de T y T’ se deben fabricar?

El problema se recomienda leer en más de una ocasión para facilitar el

reconocimiento de las variables, además es muy recomendable la
elaboración de tablas o matrices que faciliten una mayor comprensión del
mismo.

PASO 1: "FORMULAR EL PROBLEMA"

Para realizar este paso partimos de la pregunta central del problema.

 ¿Cuántos metros de T y T’ se deben fabricar?

 Y la formulación es:

  “Determinar la cantidad de metros diarios de tejido tipo T y T’ a fabricar teniendo

en cuenta el óptimo beneficio respecto a la utilidad”.

PASÓ 2: DETERMINAR LAS VARIABLES DE DECISIÓN

Basándonos en la formulación del problema nuestras variables de decisión son:

 XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar 

PASÓ 3: DETERMINAR LAS RESTRICCIONES DEL PROBLEMA

En este paso determinamos las funciones que limitan el problema, estas están
dadas por capacidad, disponibilidad, proporción, no negatividad entre otras.

 De disponibilidad de materia prima:

 0,125XT + 0,200XT’ <= 500        Hilo “a”

0,150XT + 0,100XT’ <= 300        Hilo “b”

0,072XT + 0,027XT’ <= 108        Hilo “c”

 De no negatividad

 XT, XT’ >= 0

PASÓ 4: DETERMINAR LA FUNCIÓN OBJETIVO

En este paso es de vital importancia establecer el contexto operativo del problema

para de esta forma determinar si es de Maximización o Minimización. En este caso
abordamos el contexto de beneficio por ende lo ideal es Maximizar.

 Función Objetivo

 ZMAX = 4000XT + 5000XT’

PASO 5: RESOLVER EL MODELO UTILIZANDO SOFTWARE O MÉTODOS

MANUALES

A menudo los problemas de programación lineal están constituidos por

innumerables variables, lo cual dificulta su resolución manual, es por esto que se
recurre a software especializado, como es el caso de WinQSB, TORA, Lingo o
para modelos menos complejos se hace útil la herramienta Solver de Excel.

 El anterior ejercicio fue resuelto mediante Solver - Excel, y su resultado fue:
 MÉTODO SIMPLEX

El Método Simplex es un método analítico de solución de problemas

de programación lineal capaz de resolver modelos más complejos que los
resueltos mediante el método gráfico sin restricción en el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la solución en

cada paso. La razón matemática de esta mejora radica en que el método consiste
en caminar del vértice de un poliedro a un vértice vecino de manera que aumente
o disminuya (según el contexto de la función objetivo, sea maximizar o minimizar),
dado que el número de vértices que presenta un poliedro solución es finito
siempre se hallará solución.

Este famosísimo método fue creado en el año de 1947 por el estadounidense

George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de
crear un algoritmo capaz de solucionar problemas de m restricciones y n variables.

¿QUE ES UNA MATRIZ IDENTIDAD?

Una matriz puede definirse como una ordenación rectangular de elementos, (o

listado finito de elementos), los cuales pueden ser números reales o complejos,
dispuestos en forma de filas y de columnas.

 
La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo
número tanto de columnas como de filas) de orden n que tiene todos los
elementos diagonales iguales a uno (1) y todos los demás componentes iguales a
cero (0), se denomina matriz idéntica o identidad de orden n, y se denota por:

La importancia de la teoría de matrices en el Método Simplex es fundamental,

dado que el algoritmo se basa en dicha teoría para la resolución de sus
problemas.

OBSERVACIONES IMPORTANTES AL UTILIZAR MÉTODO SIMPLEX.

VARIABLES DE HOLGURA Y EXCESO

El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales

que se modelan mediante programación lineal no lo son, para ello hay que
convertir estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura y exceso relacionadas con el recurso al cual hace
referencia la restricción y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de resolución de
investigación de operaciones, estas variables adquieren un gran valor en el
análisis de sensibilidad y juegan un rol fundamental en la creación de la matriz
identidad base del Simplex.

 Estas variables suelen estar representadas por la letra "S", se suman si la

restricción es de signo "<= " y se restan si la restricción es de signo ">=".

Por ejemplo:
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"

Una variable artificial es un truco matemático para convertir inecuaciones ">=" en

ecuaciones, o cuando aparecen igualdades en el problema original, la
característica principal de estas variables es que no deben formar parte de la
solución, dado que no representan recursos. El objetivo fundamental de estas
variables es la formación de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las
restricciones, su coeficiente es M (por esto se le denomina Método de la M
grande, donde M significa un número demasiado grande muy poco atractivo para
la función objetivo), y el signo en la función objetivo va en contra del sentido de la
misma, es decir, en problemas de Maximización su signo es menos (-) y en
problemas de Minimización su signo es (+), repetimos con el objetivo de que su
valor en la solución sea cero (0).

MÉTODO SIMPLEX PASO A PASO:

EL PROBLEMA

La empresa el SAMÁN Ltda. Dedicada a la fabricación de muebles, ha ampliado

su producción en dos líneas más. Por lo tanto actualmente fabrica mesas, sillas,
camas y bibliotecas. Cada mesa requiere de 2 piezas rectangulares de 8 pines, y
2 piezas cuadradas de 4 pines. Cada silla requiere de 1 pieza rectangular de 8
pines y 2 piezas cuadradas de 4 pines, cada cama requiere de 1 pieza rectangular
de 8 pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2 pines y finalmente
cada biblioteca requiere de 2 piezas rectangulares de 8 pines, 2 bases
trapezoidales de 2 pines y 4 piezas rectangulares de 2 pines. Cada mesa cuesta
producirla $10000 y se vende en $ 30000, cada silla cuesta producirla $ 8000 y se
vende en $ 28000, cada cama cuesta producirla $ 20000 y se vende en $ 40000,
cada biblioteca cuesta producirla $ 40000 y se vende en $ 60000. El objetivo de la
fábrica es maximizar las utilidades.

PASO 1: MODELACIÓN MEDIANTE PROGRAMACIÓN LINEAL

Las variables:
X1 = Cantidad de mesas a producir (unidades)

X2 = Cantidad de sillas a producir (unidades)

X3 = Cantidad de camas a producir (unidades)

X4 = Cantidad de bibliotecas a producir (unidades)

 Las restricciones:

 2X1 + 1X2 + 1X3 + 2X4 <= 24               

2X1 + 2X2 + 1X3 <= 20                     

2X3 + 2X4 <= 20                            

4X4 <= 16                          

 La función Objetivo:

 ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

PASÓ 2: CONVERTIR LAS INECUACIONES EN ECUACIONES

En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado
que todas las restricciones son "<=".

 2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24               

2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20                             

0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20

0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16

 De esta manera podemos apreciar una matriz identidad (n = 4), formado por las
variables de holgura las cuales solo tienen coeficiente 1 en su respectivo recurso,
por el ejemplo la variable de holgura "S1" solo tiene coeficiente 1 en la restricción
correspondiente a el recurso 1.

 La función objetivo no sufre variaciones:

 ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
PASÓ 3: DEFINIR LA SOLUCIÓN BÁSICA INICIAL

El Método Simplex parte de una solución básica inicial para realizar todas sus
iteraciones, esta solución básica inicial se forma con las variables de coeficiente
diferente de cero (0) en la matriz identidad.

 1S1 = 24               

1S2  = 20                              

1S3 = 20

1S4  = 16

PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL.

[Link]

Solución: (segundo término)= En esta fila se consigna el segundo término de la

solución, es decir las variables, lo más adecuado es que estas se consignen de
manera ordenada, tal cual como se escribieron en la definición de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las variables
de la fila "solución" en la función objetivo.

Variable Solución = En esta columna se consigna la solución básica inicial, y a

partir de esta en cada iteración se van incluyendo las variables que formarán parte
de la solución final.

Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su
derecha "Variable solución" en la función objetivo.

Zj = En esta fila se consigna la contribución total, es decir la suma de los

productos entre término y Cb.
Cj - Zj =  En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su
significado es un "Shadow price", es decir, la utilidad que se deja de recibir por
cada unidad de la variable correspondiente que no forme parte de la solución.
 
Solución inicial:

PASÓ 5: REALIZAR LAS ITERACIONES NECESARIAS

Este es el paso definitivo en la resolución por medio del Método Simplex, consiste
en realizar intentos mientras el modelo va de un vértice del poliedro objetivo a otro.

 El procedimiento a seguir es el siguiente:

1. Evaluar que variable entrará y cual saldrá de la solución óptima:

2. El hecho de que una variable distinta forme parte de las variables solución
implica una serie de cambios en el tabulado Simplex, cambios que se explicarán a
continuación.

 - Lo primero es no olvidar el valor del "a" correspondiente a la variables a entrar,

en este caso el "a = 4".

[Link]

- Lo siguiente es comenzar a rellenar el resto de la tabla, fila x fila.

[Link]

- Se repite este procedimiento con las dos filas restantes, ahora se harán los
cálculos correspondientes en el resto de las celdas.

[Link]
De esta manera se culmina la primera iteración, este paso se repetirá cuantas
veces sea necesario y solo se dará por terminado el método según los siguientes
criterios.

Maximizar Minimizar

Solución Cuando todos los Cj - Zj sean Cuando todos los Cj - Zj sean

Óptima <= 0 >= 0

- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos
anteriores.

[Link]
En esta última iteración podemos observar que se cumple con la consigna Cj - Zj
<= 0, para ejercicios cuya función objetivo sea "Maximizar", por ende hemos
llegado a la respuesta óptima.

 X1 = 3

X2 = 4

X3 = 6

X4 = 4

Con una utilidad de: $ 340000

 Sin embargo una vez finalizado el Método Simplex se debe observar una matriz
identidad en el rectángulo determinado por las variables de decisión, el hecho de
que en este caso no se muestre la matriz identidad significa que existe una
solución óptima alterna.

[Link]

La manera de llegar a la otra solución consiste en alterar el orden en que cada una
de las variables entro a la solución básica, recordemos que el proceso fue
decidido al azar debido a la igualdad en el Cj - Zj del tabulado inicial. Aquí les
presentamos una de las maneras de llegar a la otra solución.
[Link]

Podemos observar como existe una solución óptima alternativa en la cual la

combinación de variables es distinta y existe un menor consumo de recursos,
dado que el hecho de que se encuentre la variable "S1" en la solución óptima con
un coeficiente de "3" significa que se presenta una holgura de 3 unidades del
recurso (pieza rectangular de 8 pines).

 X1 = 0 (Cantidad de mesas a producir = 0)

X2 = 7 (Cantidad de sillas a producir = 7)

X3 = 6 (Cantidad de camas a producir = 6)

X4 = 4 (Cantidad de bibliotecas a producir = 4)

S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)

 Con una utilidad de: $ 340000.

Método de transporte o distribución.

El problema del transporte o distribución es un problema de redes especial

en programación lineal que se funda en la necesidad de llevar unidades de un
punto específico llamado Fuente u Origen  hacia otro punto específico
llamado Destino. Los principales objetivos de un modelo de transporte son la
satisfacción de todos los requerimientos establecidos por los destinos y claro está
la minimización de los costos relacionados con el plan determinado por las rutas
escogidas.

El contexto en el que se aplica el modelo de transporte es amplio y puede generar

soluciones atinentes al área de operaciones, inventario y asignación de elementos.

El procedimiento de resolución de un modelo de transporte se puede llevar a cabo

mediante programación lineal común, sin embargo su estructura permite la
creación de múltiples alternativas de solución tales como la estructura de 
asignación o los métodos heurísticos más populares como Vogel, esquina
Noroeste o Mínimos Costos.
Los problemas de transporte o distribución son uno de los más aplicados en la
economía actual, dejando como es de prever múltiples casos de éxito a escala
global que estimulan la aprehensión de los mismos.

PROBLEMA DE TRANSPORTE MEDIANTE PROGRAMACIÓN LINEAL

Como se mencionó anteriormente la programación lineal puede ser utilizada para

la resolución de modelos de transporte, aunque no sea sensato resolver los
modelos mediante el Método Simplex si puede ser de gran utilidad la fase de
modelización, la programación carece de la practicidad de los métodos de
asignación, pero puede ser de gran importancia dependiendo de la complejidad de
las restricciones adicionales que puede presentar un problema particular.
EL PROBLEMA

Una empresa energética colombiana dispone de cuatro plantas de generación

para satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá,
Medellín y Barranquilla. Las plantas 1, 2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al día respectivamente. Las necesidades de las ciudades de Cali,
Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW

entre cada planta y cada ciudad son los registrados en la siguiente tabla.

[Link]
[Link]

Formule un modelo de programación lineal que permita satisfacer las necesidades

de todas las ciudades al tiempo que minimice los costos asociados al transporte.

SOLUCIÓN MEDIANTE PL

El modelo básico de transporte es el modelo en el cual la cantidad ofertada es

igual a la cantidad demandada, como es el caso de este ejercicio, sin embargo
trasladar esta suposición a la realidad es casi imposible por lo cual hace falta crear
orígenes y/o destinos ficticios con el excedente de oferta y/o demanda.

 Como ya lo hemos planteado en módulos anteriores el primer paso corresponde a

la definición de las variables, regularmente se le denomina a las variables de
manera algebraica Xi,j donde i simboliza a la fuente y j simboliza al destino. En
este caso i define el conjunto {Planta 1, Planta 2, Planta 3 y Planta 4}, y j define el
conjunto {Cali, Bogotá, Medellín y Barranquilla}. Sin embargo es práctico
renombrar cada fuente y destino por un número respectivo, por ende la variable
X1,2 corresponde a la cantidad de millones de KW enviados diariamente de la
Planta 1 a la ciudad de Bogotá.
[Link]

El segundo paso corresponde a la formulación de las restricciones de oferta y

demanda, cuya cantidad se encuentra determinada por el factor entre fuentes y
destinos, en este caso 16 restricciones.

 Restricciones de oferta o disponibilidad, las cuales son de signo ≤:

 X1,1 + X1,2 + X1,3 + X1,4 ≤ 80

X2,1 + X2,2 + X2,3 + X2,4 ≤ 30

X3,1 + X3,2 + X3,3 + X3,4 ≤ 60

X4,1 + X4,2 + X4,3 + X4,4 ≤ 45

 Restricciones de demanda, las cuales son de signo ≥:

 X1,1 + X2,1 + X3,1 + X4,1 ≥ 70

X1,2 + X2,2 + X3,2 + X4,2 ≥ 40

X1,3 + X2,3 + X3,3 + X4,3 ≥ 70

X1,4 + X2,4 + X3,4 + X4,4 ≥ 35

Luego se procede a formular la función objetivo, en la cual se relaciona el costo
correspondiente a cada ruta.

 ZMIN = 5X1,1 + 2X1,2 + 7X1,3 + 3X1,4 + 3X2,1 + 6X2,2 + 6X2,3 + 1X2,4 + 6X3,1 + 1X3,2 +
2X3,3 + 4X3,4 + 4X4,1 + 3X4,2 + 6X4,3 + 6X4,4

Luego se puede proceder al uso de la herramienta WinQSB para resolver el

modelo realizado, aquí están los resultados.

[Link]
[Link]

Este problema presenta una solución óptima alternativa, aquí los resultados.

[Link]
Red Solución

[Link]

Los análisis de dualidad y sensibilidad en los modelos de transporte resultan ser

bastante interesantes, pues pueden llegar a determinar aumentos de capacidad en
las fuentes si el precio sombra de las rutas en relación a ellas lo justifica.
 CONCLUSIÓN.

Programación Lineal (PL) es ampliamente utilizado en labores financieras y

administrativas y sirve para optimizar o maximizar las ganancias, precios y otros,
para mejorar las funciones en la empresa.

El modelo de Programación Lineal (PL) brinda una pauta para la maximización de

variables que pueden servir en la empresa y se basa en restricciones reales que
se aplican a las funciones que se llegan a optimizar.

 Los Modelos de Programación Lineal (PL) trabajan solo con variables de primer
grado, restringiendo así operaciones con variables de segundo grado o mayores.

El Modelo de Programación Lineal (PL) es ampliamente usado por empresas u

organizaciones para optimizar los costos, preciso, productos y otros en las labores
finan

Programación Lineal (PL), es un modelo de toma de Decisiones Restringidas que son

parámetros o condiciones que se deben tomar.

·        En la Programación Lineal (PL) se da una asignación de recursos limitados

para optimizar un objetivo o un fin al que se debe llegar.

·        Existen  dos componentes básicos en la Programación Lineal (PL), los

cuales son:

 Función objetivo

         -Variables de decisión

 Restricciones

- Limitaciones

          -Requerimientos

·        Existen dos métodos para resolver un modelo de Programación Lineal (PL),

los cuales son:

 Método Analítico o Método de los Vértices

 Método Grafico o Método de las Rectas de Nivel.