PROGRAMACIÓN
LINEAL
Panorama del enfoque de
modelado en investigación
de operaciones
Fases usuales no secuenciales
Ventajas de un modelo
matemático.
Describe un problema en forma mucho
mas concisa.
Indica con mayor claridad que datos
adicionales son importantes para el
análisis.
Forma un puente para el empleo de
técnicas matemáticas y computadoras
Las fases son:
• 1. Definición del problema.
• 2. formulación de un modelo matemático que
represente el problema.
• 3. Desarrollo de un procedimiento basado en
computador
• Prueba del modelo y mejoramiento
• Preparación para la aplicación del modelo .
• Implementación.
Definición del problema
recolección de datos
Formulación de un modelo
matemático.
• Los modelos matemáticos también son
representaciones idealizadas.
objetivo.
Parámetros del modelación
Variables de decisión
Función Objetivo
Son las n decisiones Limitaciones
Restricciones
.
Función
contantes de cuantificables sobre las matemática
las relacionadas variables de
restricciones y entre sí. decisión. de estas
de la función variables.
objetivo.
Programación lineal
Programación lineal
Forma Sumatorial , Forma Canónica del modelo
programación , otras formas de modelo,
Procedimiento para la construcción del modelo,
reglas de equivalencia, Suposiciones de la
programación lineal
Forma sumatorial forma canónica
n
Max Z = ∑ C j X j
Max Z = C X
j= 1
n A X≤ b
∑ a ij X j b i
j= 1 X≥0
X j≥0 Vi= 1,2,3 ,…. M
V j= 1,2,3 ,…. n
Otras formas del modelo
– La función objetivo puede ser de
minimización.
– Las restricciones pueden ser del tipo
mayor o igual.
– Las restricciones pueden ser de igualdad
estrictamente
Reglas de equivalencia
Primera regla.
Maximizar c X es equivalente a minimizar – c X
Segunda regla.
Una desigualdad A X≤ b es equivalente a –A X≥ -b
Tercera regla.
Toda restricción de la forma A X = b se puede establecer como la
intersección de dos desigualdades así:
A X≤ b y A X≥ -b
Cuarta regla.
Toda desigualdad de la forma A X≤ b puede convertirse en igualdad
mediante la adicción de un vector H en el lado izquierdo de la
restricción. Este vector contiene m componentes no negativas y se
le denomina vector de holgura y sus componentes variables de
holgura
Reglas de equivalencia
Quinta regla.
Toda desigualdad de la forma A X ≥ b puede convertirse en igualdad
mediante la resta de un vector S en el lado izquierdo de la
restricción. Este vector contiene m componentes no negativas y se
le denomina vector de exceso o superfluo y sus componentes
variables de exceso o superfluo.
Sexta regla.
Una variable no restringida (en algunos textos se denomina irrestricta)
es aquella que puede tomar cualquier clase de valor: Positivo, cero
o negativo puede escribirse como la diferencia entre otras dos
variables no negativas.
Suposiciones de la
programación lineal
Suposición de proporcionalidad
Suposición de aditividad
Suposición de divisibilidad
Suposición de certidumbre
Ejemplo prototipo
Una fábrica de muebles produce sillas, mesas y escritorios para los cuales ha
establecido que rinden una contribución a las utilidades de $5.000, $8.000 y $6.000 por
unidad respectivamente.
Para la producción de dichos artículos la compañía cuenta con una disponibilidad
semanal de 100 metros de madera, 150 metros de tubo y 120 horas de mano de obra
(horas-hombre).
Además mediante un estudio se ha determinado que para producir una silla se quieren 5
metros de madera, 3 metros de tubo y 4 horas de mano de obra; Para producir una
mesa se necesitan 3 metros de madera, 6 metros de tubo y 3 horas hombre de trabajo;
mientras que para producir un escritorio se requieren 7 metros de madera, 4 metros de
tubo y 3 horas de mano de obra.
Se desea plantear el modelo de programación lineal que se genera a fin de incrementar
al máximo las utilidades de la compañía.
Ejemplo prototipo
Recurso Programación Disponible
semanal
Silla Mesas escritorios
Madera 5m 3m 7m 100 metros
Tubo 3m 6m 4m 150 metros
H-hombre 4 Hm 3 Hm 3 Hm 120 horas
Utilidad/un $ 5000 $ 8000 $ 6000
Variable X1 X2 X3
Ejemplo prototipo
• Variables se definen de la siguiente forma.
X1= Cantidad de sillas a producir por semana
X2= Cantidad de mesas a producir por semana.
X3= Cantidad de escritorios a producir por semana.
• Función lineal denominada Función Objetivo.
Max Z= 5000X1+8000X2+6000X3
• Restricciones funcionales del problema.
5X1+3X2+7X3≤ 100 metros restricción para la madera
3X1+6X2+4X3≤ 150metros restricción para el tubo
4X1+3X2+3X3≤ 120 Horas restricción para la mano de obra.
• Restricciones no Negativas
X1 X2 X3 ≥ 0
Una fábrica de muebles produce sillas, mesas y escritorios
para los cuales ha establecido que rinden una contribución a
las utilidades de $5.000, $8.000 y $6.000 por unidad
respectivamente.
Para la producción de dichos artículos la compañía cuenta
con una disponibilidad semanal de 100 metros de madera,
150 metros de tubo y 120 horas de mano de obra (horas-
hombre).
Además mediante un estudio se ha determinado que para
producir una silla se quieren 5 metros de madera, 3 metros
de tubo y 4 horas de mano de obra; Para producir una mesa
se necesitan 3 metros de madera, 6 metros de tubo y 3
horas hombre de trabajo; mientras que para producir un
escritorio se requieren 7 metros de madera, 4 metros de
tubo y 3 horas de mano de obra.
Se desea plantear el modelo de programación lineal que se
genera a fin de incrementar al máximo las utilidades de la
compañía.
Title
• Text
