UPN, PASIÓN POR
TRANSFORMAR VIDAS
¡Bienvenidos, curiosos constructores de algoritmos y aplicaciones!
Estoy emocionada de explorar el mundo del software junto a ustedes.
Mg. Ing. Kenia Correa Hernández
[Link]@[Link]
OPTIMIZACIÓN Y
SIMULACÓN
MÓDULO 2: PROGRAMACIÓN LINEAL
PARA MAXIMIZACIÓN
UG – 2024-2
Videoconferencia 03
Tema: INTRODUCCÍÓN A LA OPTIMIZACIÓN
AGENDA
Recordar las actividades asincronicas
Introducción al tema
Desarrollo del contenido (Sub temas)
Ejemplos a través de casos
Verificación de aprendizaje
Conclusiones y Consultas
OPTIMIZACIÓN Y SIMULACIÓN – SEMANA 3
OBJETIVO DEL MÓDULO 2-> LOGRO DE APRENDIZAJE
Al término del módulo, el estudiante resuelve problemas básicos de programación
lineal de maximización, utilizando el método simplex, demostrando orden y precisión.
¿Cómo lo lograremos?
1. Hallando la forma estándar para modelos de programación lineal de
maximización
2. Dando solución a modelos de programación lineal de maximización,
utilizando el método simplex.
¿Por qué es importante este tema?
El método Simplex es crucial en la resolución de problemas de programación lineal debido a su
eficiencia, versatilidad, capacidad para encontrar soluciones óptimas y su aplicabilidad en una
amplia gama de contextos. Su relevancia se extiende desde la academia hasta la industria, lo que
lo convierte en una herramienta esencial en la toma de decisiones basada en datos
Definir las variables de decisión:
Una empresa de tecnología utiliza un servidor dedicado para procesar dos tipos de
. tareas: Análisis de Datos (Tarea A) y Simulaciones de Modelos (Tarea B). El objetivo
es maximizar la eficiencia del servidor, pero existen limitaciones en cuanto a la
capacidad de procesamiento y tiempo disponible. La función objetivo es :
Sujeto a las siguientes
Capacidad de procesamiento: 80 unidades de
CPU por día.
restricciones:
Disponibilidad de recursos:
Tiempo disponible: 24 horas por día.
¿Cuál debería ser la
combinación óptima de tareas
Tarea A (Análisis de Datos): que el servidor debe procesar
•Capacidad de procesamiento: 2 unidades de CPU por tarea. diariamente para maximizar la
•Tiempo: 1 hora por tarea.
•Eficiencia obtenida por tarea completada: 10 unidades. eficiencia, considerando las
Requerimientos por tarea: Tarea B (Simulaciones de Modelos): limitaciones de capacidad de
•Capacidad de procesamiento: 4 unidades de CPU por tarea.
•Tiempo: 3 horas por tarea. procesamiento y tiempo
•Eficiencia obtenida por tarea completada: 20 unidades. disponible?
PROGRAMACIÓN LINEAL PARA MAXIMIZACIÓN-
MÉTODO SIMPLEX
El objetivo del método Simplex es
encontrar la solución óptima, es Formulación Criterio de
Tabla Simplex
del problema optimización
decir, el conjunto de valores para las
variables que maximiza o minimiza
Variable a Variable a Punto de
la función objetivo mientras cumple salir ingresar partida
con todas las restricciones.
Actualización Solución
Iteración
de la tabla óptima
PROGRAMACIÓN LINEAL PARA
MAXIMIZACIÓN
Construir el modelo de PL
Forma estándar, transformar las inecuaciones de las restricciones.
Conversión de la función objetivo de maximizar.
PROGRAMACIÓN LINEAL PARA MAXIMIZACIÓN
ELEMENTOS A UTILIZAR : VARIABLES DE HOLGURA (S1,S2,…) VARIABLES ARTIFICIALES (A1,A2,…)
Max Z = 36X1 + 48X2
RESTRICCIÓN REGLA RESTRICCIÓN EN FORMA
ESTÁNDAR
10X1 + 4X2 <= 24 (<=) Sumar variable de 10X1 + 4X2 + S1= 24
holgura.
CASOS 5X1 – X2 >= 36 (>=) Restar variable de holgura 5X1 – X2 – S2 + A1= 36
y sumar variable artificial.
12X1 + 6X2 =48 (=) Sumar variable artificial. 12X1 + 6X2 + A2 =48
Conversión de la Función Objetivo Maximizar:
Max Z = 36X1 + 48X2 + 0S1 + 0S2 – 0A1 – 0A2
EN LA FUNCIÓN OBJETIVO ESTÁNDAR SE SUMAN LAS VARIABLES DE HOLGURA DE LAS RESTRICCIONES Y SE RESTAS LAS
VARIABLES ARTIFICIALES DE LAS RESTRICCIONES ESTÁNDAR
PASO 1: FORMULACIÓN DEL PROBLEMA
. Definimos las variables de decisión:
Una joyería elabora pulseras y
•x1 : Cantidad de pulseras a producir.
sortijas de plata, cada pulsera
•x2 : Cantidad de sortijas a producir
cuesta 45 soles y cada sortija 30
soles . Los equipos requeridos
para la producción permiten
La función objetivo es maximizar los ingresos,
producir máximo 30 pulseras por
que están determinados por el costo de
semana, y no más de 50 sortijas .
producción y el precio de venta:
Sin embargo, no se puede
Z=45x1+30x2
producir más de 60 joyas por
semana. ¿Cuántas pulseras y
Sujeto a las siguientes restricciones:
sortijas se fabrica para alcanzar los
[Link] más de 30 pulseras por semana: x1≤30
ingresos máximos?
[Link] más de 50 sortijas por semana: x2≤50
[Link] más de 60 joyas en total por semana: x1+x2≤60
Se comienza con el problema de programación lineal en su forma estándar, que incluye la función
objetivo y las restricciones expresadas como ecuaciones lineales.
MÉTODO SIMPLEX
Z= 45X1+30X2
RESTRICCIONES FORMA ESTÁNDAR
X1<=30 X1+S1=30
REGLA
X2<=50 X2+S2=50
(<=) Sumar variable de X1+X2<=60 X1+X2+S3=60
holgura.
(>=) Restar variable de holgura z=45X1+30X2+0S1+0S2+0S3
y sumar variable artificial.
(=) Sumar variable artificial.
PASO 2: TABLA SIMPLEX
El método utiliza una estructura llamada tabla Simplex.
Cada
.
fila de esta tabla representa una restricción, y cada
columna representa una variable (incluyendo las
variables de decisión y las variables de
holgura/artificial).
• En la primera columna de la tabla aparecerá lo que llamaremos
base.
• En la segunda el coeficiente que tiene en la función objetivo
cada variable que aparece en la base (llamaremos a esta
columna Cb),
• En la tercera el término independiente de cada restricción (P0).
• A partir de esta columna aparecerán cada una de las
variables de la función objetivo (Pi).
Para tener una visión más clara de la tabla, incluiremos una
fila en la que pondremos cada uno de los nombres de las
columnas.
Sobre esta tabla que tenemos incluiremos dos nuevas filas:
• Una que será la que liderará la tabla donde aparecerán
las constantes de los coeficientes de la función objetivo
• Y otra que será la última fila, donde tomará valor la
función objetivo. Nuestra tabla final tendrá tantas filas OBSERVAR EL VIDEO COMPARTIDO EN LA CARPETA DE LA SEMANA 3
como restricciones.
Todo el proceso de
creación de las TABLAS
SIMPLEX, las realizaremos
utilizando el SW on line
PHP Simplex
Sin embargo, puedes encontrar la misma solución a través del método algebraico, tabular o matricial.
Conclusiones
• ¿Cómo afecta la selección de restricciones y la función objetivo en la solución
óptima de un problema de maximización?
INGRESAR AL PADLET
IMPORTANTE
RECUERDA:
La variable de entrada de la nueva iteración es aquella
variable no básica que tenga en Zj-Cj más negativo
La variable de salida de la nueva iteración es aquella con
la menor división de XB / (coeficientes de la variable
entrada)
El pivote toma cualquier valor MENOS el cero.
CONCLUSIÓN GENERAL DEL TEMA
La programación lineal para la maximización es una
herramienta poderosa en la toma de decisiones,
especialmente en situaciones donde los recursos son
limitados y se busca optimizar un objetivo, como
maximizar beneficios o eficiencia.
Al formular un problema de programación lineal, es
crucial definir claramente la función objetivo y las
restricciones, ya que estas determinan las soluciones
óptimas.
Comprender y aplicar estos conceptos permite a los
profesionales en sistemas computacionales diseñar
soluciones eficientes a problemas complejos, mejorando
procesos y optimizando el uso de recursos en diversos
contextos tecnológicos.
La capacidad de interpretar y ajustar las restricciones
según las necesidades reales es fundamental para la
adaptabilidad y efectividad de las soluciones
implementadas.
VERIFICACIÓN DEL LOGRO (resolver el ejercicio y enviarlo por
mensajería interna)
Definir las variables de decisión:
Una empresa de tecnología utiliza un servidor dedicado para procesar dos tipos de
. tareas: Análisis de Datos (Tarea A) y Simulaciones de Modelos (Tarea B). El objetivo
es maximizar la eficiencia del servidor, pero existen limitaciones en cuanto a la
capacidad de procesamiento y tiempo disponible. La función objetivo es :
Sujeto a las siguientes
Capacidad de procesamiento: 80 unidades de
CPU por día.
restricciones:
Disponibilidad de recursos:
Tiempo disponible: 24 horas por día.
¿Cuál debería ser la
combinación óptima de tareas
Tarea A (Análisis de Datos): que el servidor debe procesar
•Capacidad de procesamiento: 2 unidades de CPU por tarea. diariamente para maximizar la
•Tiempo: 1 hora por tarea.
•Eficiencia obtenida por tarea completada: 10 unidades. eficiencia, considerando las
Requerimientos por tarea: Tarea B (Simulaciones de Modelos): limitaciones de capacidad de
•Capacidad de procesamiento: 4 unidades de CPU por tarea.
•Tiempo: 3 horas por tarea. procesamiento y tiempo
•Eficiencia obtenida por tarea completada: 20 unidades. disponible?
OPTIMIZACIÓN Y SIMULACIÓN – SEMANA 3
¿Qué logramos hoy?
Resolver problemas básicos de programación lineal de maximización, utilizando el
método simplex, demostrando orden y precisión.
¿Cómo lo hicimos?
1. Hallando la forma estándar para modelos de programación lineal de
maximización
2. Dando solución a modelos de programación lineal de maximización,
utilizando el método simplex.
Tema:
CONSULTAS
Realice consultas a través del chat
o solicita al docente activar el
micrófono para participar.
También podrás enviar sus consultas a través de
Pregúntale al profesor y te responderé en 24 horas.
TEMA
SEMANA 4
PROGRAMACIÓN
LINEAL PARA
MINIMIZACIÓN
OPTIMIZACIÓN Y SIMULACIÓN
2024-2
Videoconferencia 04
GRACIAS
