UNIVERSIDAD MODULAR ABIERTA
CENTRO UNIVERSITARIO SONSONATE
FACULTAD DE CIENCIAS ECONÓMICAS
Cátedra:
Investigación de Operaciones
Tema:
Ejercicio de Distribución
Catedrático:
ING. Ricardo Ernesto Castillo Cardoza
Integrantes:
Gómez Iraheta, Walter Eduardo
Menjívar López, Alexander Ernesto
Mundo Orellana, Willy Fernando
Nolasco Zuniga, Cesia Yadira
Fecha de entrega:
Sonsonate, 03 de diciembre de 2022
Contenido
INTRODUCCION..................................................................................................................................3
OBJETIVOS..........................................................................................................................................4
PROGRAMACION LINEAL....................................................................................................................5
AREAS DE APLICACION.......................................................................................................................6
EJERCICIO PRACTICO DE PROGRAMACIÓN LINEAL.............................................................................6
METODO SIMPLEX..............................................................................................................................8
VENTAJAS DEL MÉTODO SIMPLEX......................................................................................................9
DESVENTAJAS DEL METODO SIMPLEX................................................................................................9
EJERCICIO PRÁCTICO MÉTODO SIMPLEX..........................................................................................10
METODO GRAFICO...........................................................................................................................12
Ventajas...........................................................................................................................................13
Desventajas:.....................................................................................................................................14
EJERCICIO PRACTICO METODO GRAFICO:........................................................................................14
INTRODUCCION
En el presente documento se presenta de manera general la importancia las
diferentes metodologías que se pueden utilizar para implementar estrategias para
optimizar, en el ejemplo que se detallará en el desarrollo del documento, tomando
en cuenta la programación lineal la cual tienen un fin principal el cual es maximizar
o minimizar funciones lineales, posteriormente, de igual manera se toma en cuenta
el método simplex en la ejecución del mismo ejemplo que se ha tomado a bien
desarrollar el cual tiene un sin muy importante ya que nos permite analizar ya que
es un método analítico de solución de problemas de programación lineal, también
nos permite ir mejorando la solución en cada paso. De igual manera el mismo
ejercicio por último se implementa el método grafico con los mismos datos, ya que
el método gráfico nos permite la solución de problemas de programación lineal, el
cual se encuentra limitado a problemas de dos variables de decisión, debido a que
no es posible una representación gráfica de más de tres dimensiones. Lo que
quiere decir, que el método gráfico resulta impráctico o imposible para operaciones
de tres o más variables.
OBJETIVOS
OBJETIVO GENERAL
Encontrar la solución óptima de un problema de distribución y así garantizar
elecciones mejoradas al momento de la toma de decisiones, respetando las
restricciones no controlables por quien debe hacer la elección; es decir, nos
permite plantear una RESOLUCION a cualquier problema operacional dentro de
una organización.
OBJETIVO ESPECÍFICO
garantizar una solución CUANTITATIVA optima, a la investigación de operaciones
que basa sus cálculos y método científico, utilizando en gran medida técnicas
matemáticas, lo que le permite la facilidad en la toma de decisiones aun en
momentos de alta singularidad e inexactitud.
PROGRAMACION LINEAL
DEFINICION
El objetivo primordial de la Programación Lineal es optimizar, es decir,
maximizar o minimizar funciones lineales, en varias variables lineales, con
restricciones lineales (sistemas de inecuaciones lineales), optimizando una función
objetivo también lineal.
Es importante considerar que lo que es
programación lineal en investigación
de operaciones está compuesta por dos
elementos fundamentales: la región
factible y las restricciones estructurales
y de no negatividad.
A las restricciones se les llama
restricciones de no negatividad y, se le
conocen como condiciones del modelo que
estipulan que las variables de decisión deben tener solo valores no negativos, es
decir, positivos o nulos. Al conjunto de valores que satisfacen todas las
restricciones, se les denomina región factible, que se le cataloga como un espacio
de solución o de todos los puntos posibles de un problema de optimización que
satisface las restricciones del problema, incluyendo las potencialidades, las
igualdades y las restricciones enteras.
ORIGENES
Conocer qué es programación lineal en investigación de
operaciones implica acotar que esta no es procedente de los programas de
ordenador, sino que su origen se sitúa en un término de corte militar, pues
programar significa realizar propuestas o planes de tiempo para el entrenamiento,
logística o despliegue de unidades de combate.
Muchos consideran que este término fue utilizado por G. Monge en el año 1776,
pero la verdad es que se considera a L.V Kantoróvich como uno de sus creadores,
ya que lo presentó en su libro de métodos matemáticos para la organización y
producción.
AREAS DE APLICACION
Para comprender mejor qué es programación lineal en investigación de
operaciones se deben tomar en cuenta sus áreas de aplicación, ya que la
programación lineal es una herramienta de solución óptima que se aplica en
aspectos vinculados con la administración eficiente en todos los ámbitos de la
economía, por lo que es una práctica común en:
Área de la ingeniería: debido a que permite la utilización de software
para llevar a cabo las labores de programación informática.
Área científica: ya que permite la resolución de problemas científicos con
el análisis, observación y estudio a través de la programación.
Área de negocios: ya que se aplica ampliamente en el área
administrativa, contable y de economía con la finalidad de reducir costos o
aumentar ganancias a través de modelos funcionales.
La programación lineal también es usada en la microeconomía y la administración
de empresas, bien sea para aumentar el máximo de ingresos o reducir al mínimo
los costos de un sistema de producción.
De igual modo, es empleada en el área del marketing y la publicidad a modo de
herramienta para identificar cuál es la combinación más factible de los medios para
anunciar los productos. En este sentido, se puede partir de un presupuesto fijo
para publicidad para que los productos alcancen una mayor difusión. En otros
casos, las restricciones indican la disponibilidad de cada medio, así como también
podrían venir dadas por las políticas publicitarias de las empresas.
La investigación de operaciones, así como la programación lineal, se vieron
impulsadas con la aparición de los ordenadores y uno de los momentos más
importante fue con la aparición del método simplex.
EJERCICIO PRACTICO DE PROGRAMACIÓN LINEAL
En un almacén de frutas hay 800 kg de naranja, 800 kg de manzanas y 500 kg de
plátanos. Para su distribución se encuentran 2 lotes (A y B). El lote A contiene: 1
kg de naranjas 2 kg de manzanas y1 kg de plátanos. El lote B contiene 2 kg de
naranjas 1 kg de manzanas y 1 kg de plátanos. El beneficio por kilogramo
transportado que se obtiene con el lote A es de $1,200.00 dólares y del lote B de
$1,400.00 dólares. Determinaremos el numero de kilogramos de cada tipo que nos
conviene más distribuir y así conseguir máximos beneficios.
PARTE A:
DATOS:
El lote A contiene:
1 kg de papas
2 kg de zanahoria y
1 kg de plátanos.
El lote B contiene
2 kg de papas
1 kg de zanahorias y
1 kg de plátanos.
El lote C contiene
3 kg de papas
2 kg de zanahorias y
1 kg de plátanos.
Existencias
800 kg de papas
800 kg de zanahorias y
500 kg de plátanos.
Beneficios
Lote A $1,200
Lote B $1,400
Lote C $1,110
FORMULACIÓN DEL PROBLEMA:
B-VARIABLES DE DECISIÓN:
X1 = Números de lotes clase A para transportar en Kg
X2 = Números de lotes clase B para transportar en Kg
X3 = Números de lotes clase C para transportar en Kg
Estructura de la función Objetivo
Max= 1200X1+1400X2 + 1110X3
C-RESTRICCIONES:
S1= Papas 2X1 +4X2 +3x3 ≤ 800
S2= Zanahorias 4X1 + 2X2 + 2x3 ≤ 800
S3= Plátanos 1X1 + 1x2 +1x3 ≤ 500
Condición del conjunto de restricción:
X1 hacia X2 ≥ 0
METODO 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 y
con una mayor capacidad de análisis de sensibilidad.
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, en la medida en que se pueda satisfacer el conjunto de restricciones,
siempre se hallará como mínimo una solución óptima.
Este popular 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.
Simplex es considerado como uno de los algoritmos más importantes de la historia,
y hoy por hoy sigue siendo la base en la que se fundamentan la mayor parte de
solucionadores de modelos de programación lineal.
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. De tal manera que
veremos previamente, en qué
consiste una matriz identidad.
VENTAJAS DEL MÉTODO SIMPLEX
Es un método heurístico. Se basa en consideraciones geométricas y no
requiere el uso de derivadas de la función objetivo.
Es de gran eficacia incluso para ajustar gran número de parámetros.
Es fácil de implementar y usar, y sin embargo tiene una alta eficacia.
Se puede usar con funciones objetivo muy sinuosas pues en las primeras
iteraciones busca el mínimo más ampliamente y evita caer en mínimos
locales fácilmente.
DESVENTAJAS DEL METODO SIMPLEX
Converge más lentamente que otros métodos pues requiere mayor número
de iteraciones.
EJERCICIO PRÁCTICO MÉTODO SIMPLEX
Estructura de la función Objetivo
Max= 1200X1+1400X2 + 1110X3
C-RESTRICCIONES:
S1= 2X1 +4X2 + 3x3 ≤ 800
S2= 4X1 + 2X2 + 2x3 ≤ 800
S3= 1X1 + 1x2 + 1x3 ≤ 500
Condición del conjunto de restricción:
X1 hacia X2 ≥ 0
1110X S3 Total
X0 1200X1 1400X2 3 S1 S2
S1 2 4 3 1 0 0 800
S2 4 2 2 0 1 0 800
S3 1 1 1 0 0 1 500
ITERACION 1: Sale S3 y entra X3
1200X 1110X Tota
X0 1 1400X2 3 l
S1 2 4 3 800
S2 4 2 2 800
S3 1 1 1 500
SOLUCIÓN SOLUCION A
BASICA: LOS COEFICIENTES:
S1 800/3=266.67
S2 800/2=400
S3 500/1=500 MAYOR VALOR! ENTRA EN X3
La tabla queda así después de iteración 1:
X0 1200X1 1400X2 500X3 Total
S1 2 4 3 800
S2 4 2 2 800
S3 0 0 0 500
ITERACION 2: Sale S2 y entra X2
X0 1200X1 1400X2 500X3 Total
S1 2 4 3 800
S2 4 2 2 800
S3 0 0 0 500
SOLUCIÓN SOLUCION A
BASICA: LOS COEFICIENTES:
S1 800/4=200
S2 800/2=400 MAYOR VALOR! ENTRA EN X2
S3 500/0= 0
La tabla queda así después de iteración 1:
X0 1200X1 400X2 500X3 Total
S1 2 4 3 800
S2 0 0 0 800
S3 0 0 0 500
ITERACION 2: Sale S1 y entra X1
X0 1200X1 400X2 500X3 Total
S1 2 4 3 800
S2 0 0 0 800
S3 0 0 0 500
SOLUCIÓN SOLUCION A
BASICA: LOS COEFICIENTES:
S1 800/2=400 MAYOR VALOR! ENTRA EN X1
S2 800/0= 0
S3 500/0= 0
La tabla queda así después de iteración 1:
X0 400X1 400X2 500X3 Total
S1 0 0 0 800
S2 0 0 0 800
S3 0 0 0 500
ENTONCES:
LA NUEVA FUNCIÓN OBJETIVA ALCANZADA ES:
X0 400X1 400X2 500X3
METODO GRAFICO
Es el método que permite la solución de problemas de programación lineal, el
cual se encuentra limitado a problemas de dos variables de decisión, debido a que
no es posible una representación gráfica de más de tres dimensiones. Lo que
quiere decir, que el método gráfico resulta impráctico o imposible para operaciones
de tres o más variables.
A pesar de que en la realidad es poco común que surjan problemas con solo
dos variables, resulta muy útil este método. Ahora bien, para profundizar
sobre qué es el método gráfico en investigación de operaciones es
necesario conocer las fases de dicha metodología de resolución de conflictos, las
cuales son:
1. Trazar el gráfico de las soluciones factibles y de las restricciones. Por lo que,
cada variable de decisión debe estar representada por un eje.
2. Se debe establecer la escala de medidas adecuadas para cada uno de los
ejes a su variable.
3. Se deben dibujar las restricciones en el sistema de coordenadas,
incluyendo las de no negatividad.
4. Cuando se inserten todas las regiones, se determinará la región
factible. Si el espacio está vacío se continúa con los siguientes pasos.
5. Se determinan los puntos externos del polígono o poliedro que componen la
región factible.
6. Se evalúa la función objetiva en todos los vértices y aquellos
que maximicen o minimicen el valor resultante son los que determinarán
la solución óptima.
Ventajas
1. Nos permite realizar un estudio de todos los puntos de interés de las
funciones.
2. Nos permite observar el comportamiento de las expresiones que estamos
utilizando.
3. Podemos observar crecimiento y decrecimiento de la misma.
4. Podemos observar si la gráfica es simétrica o no.
5. Podemos obtener los valores con solo observar de forma directa.
Desventajas:
1. Puede estar sometido a errores de escala de la gráfica.
2. En ocasiones las gráficas de las funciones no son sencillas de realizar.
3. Podemos cometer errores de aproximación al momento de observar
4. Podemos cometer errores de aproximación por el trasado.
5. El construir la gráfica no siembre es favorable.
EJERCICIO PRACTICO METODO GRAFICO:
Max= 1200X1+1400X2
S1 = 2X1 +4X2 + 3x3 ≤ 800
S2 = 4X1 + 2X2 + 2x3 ≤ 800
S3 = 1X1 + 1x2 + 1x3 ≤ 500
Condición del conjunto de restricción:
X1 hacia X2 ≥ 0
RESOLUCION POR PASOS:
PASO 1: TRABAJANDO LAS RESTRICCIONES
RESTRICCION 1
S1= 2X1 + 4X2 ≤ 800
2x1+4x2 =800
Despejo para X1, donde x2=0
2x1+0 =800
x1= 800/2
x1= 400
Despejo para X2, donde x1=0
0+4x2=800
X2=800/4
x2= 200
Se obtiene la coordenada S1, P1 (400, 0) P2(0,200).
RESTRICCION 2
S2 = 4X1 + 2X2 ≤ 800
4x1+2x2 = 800
Despejo para X1, donde x2=0
4x1+0 =800
x1=800/4
x1=200
Despejo para X2, donde x1=0
0+2x2=800
X2=800/2
x2=400
Se obtiene la coordenada S2, P1 (200, 0) P2(0,400).
RESTRICCION 3
S3=1X1 + 1x2 ≤ 500
1x1+1x2 =500
Despejo para X1, donde x2=0
1x1+0 =50
x1=50/1
x1=50
Despejo para X2, donde x1=0
0+1x2=50
X2=50/1
x2=50
Se obtiene la coordenada S3, P1 (50, 0) P2(0,50).
PASO 2: AHORA SE TRABAJA EN LA FUNCIÓN OBJETIVO
XoMax= 1200x1+1400x2
Se asigna un valor arbitrario para crear una igualdad y despejar las variables x1 y
x2 respectivamente.
ASIGNEMOS 100000
Se escribe la nueva igualdad creada:
1200x1+1400x2= 2800
DESPEJANDO PARA x1:
1200x1+0x2 = 100000
x1=100000/1200
x1=83.33
DESPEJANDO PARA x2:
0x1+1400x2 = 100000
x2= 100000/1400
x2= 71.43
Se obtiene la coordenada Función objetivo, P1 (2.33, 0) P2(0,2).
PASO 3: SE CREA MATRIZ DE PARES ORDENADOS GENERADOS:
VARIABLE PAR PAR
ORDENADO 1 ORDENADO 2
S1 P1 (400, 0) P2(0,200)
S2 P1 (200, 0) P2(0,400)
S3 P1 (50, 0) P2(0,50)
Zo P1 (83.33, 0) P2(0,71.43)
