Scribd
Cargar
97 vistas1 página

Solución Gráfica en Programación Lineal

Este documento describe el procedimiento de solución gráfica de la programación lineal, el cual consta de dos pasos: 1) determinar el espacio de soluciones factibles y 2) identificar la solución óptima dentro de este espacio. Se usan ejemplos para ilustrar cómo se manejan objetivos de maximización y minimización. La calidad de la solución depende de qué tan bien el modelo representa el sistema real; si faltan alternativas válidas, la solución será subóptima.

Cargado por

Miriam Teodoro
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
97 vistas1 página

Solución Gráfica en Programación Lineal

Este documento describe el procedimiento de solución gráfica de la programación lineal, el cual consta de dos pasos: 1) determinar el espacio de soluciones factibles y 2) identificar la solución óptima dentro de este espacio. Se usan ejemplos para ilustrar cómo se manejan objetivos de maximización y minimización. La calidad de la solución depende de qué tan bien el modelo representa el sistema real; si faltan alternativas válidas, la solución será subóptima.

Cargado por

Miriam Teodoro
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

SOLUCIÓN GRÁFICA DE LA PROGRAMACIÓN LINEAL

El procedimiento de solución gráfica comprende dos pasos:

1. Determinación del espacio de soluciones que define todas las soluciones factibles del

modelo.

2. Determinación de la solución óptima, entre todos los puntos factibles del espacio de
soluciones.

Usaremos dos ejemplos en el procedimiento, para mostrar cómo se manejan las


funciones

objetivo de maximización y de minimización. Aunque los modelos de investigación de


operaciones deben “optimizar” determinado

criterio objetivo sujeto a un conjunto de restricciones, la calidad de la solución que se


obtenga

depende de la exactitud del modelo para representar el sistema real. Por ejemplo, en el
modelo

de los boletos, si uno no puede identificar todas las alternativas dominantes para
comprarlos,

entonces la solución resultante sólo es óptima en relación con las alternativas que se

representaron en el modelo. En forma específica, si en el modelo falta la alternativa 3, la


solución

“óptima” resultante diría que hay que gastar $1880 como mínimo en compra de boletos,

y con ello sólo se obtiene una solución subóptima del problema. La conclusión es que
“la”

solución óptima de un modelo sólo es la mejor para ese problema. Si sucede que el
modelo

representa al sistema real en forma razonablemente buena, su solución también será


óptima

para el caso real.

También podría gustarte