Professional Documents
Culture Documents
Indice
1. 1.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. 2.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. 3.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. 4.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. 5.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. 6.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. 7.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. 8.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9. 9.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. 10.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11. 11.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. 12.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13. 13.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7 7 13 13 13 19 19 20 22 22 22 24 24 25 25 26 28 28 28 31 31 31 33 33 34 37 37 38 42 42 42 46 46 46 48 48 48
14. 14.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.Ejercicio 15.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.Ejercicio 16.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17.Ejercicio 17.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18.Ejercicio 18.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.Ejercicio 19.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20.Ejercicio 20.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.Ejercicio MME-1213-ENE-2 21.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.Ejercicio 22.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23.Ejercicio 23.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.Ejercicio 24.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25.Ejercicio 25.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.Ejercicio 26.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.Ejercicio 27.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
52 52 52 54 54 54 55 55 55 56 56 56 57 57 57 58 58 58 59 59 59 61 61 61 62 62 62 65 65 65 66 66 66 68 68 69 69 69 70 70 71
28.Ejercicio 28.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29.Ejercicio MME-1213-ENE-3 29.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30.Ejercicio 30.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.Ejercicio 31.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32.Ejercicio 32.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33.Ejercicio 33.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34.Ejercicio 34.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35.Ejercicio 35.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36.Ejercicio 36.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37.Ejercicio 37.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38.Ejercicio 38.1. Enunciado . . . . . . . . . . . 38.2. Resoluci on . . . . . . . . . . . 38.3. Enunciado . . . . . . . . . . . 38.4. Resoluci on . . . . . . . . . . . 38.5. Enunciado MME-1213-ENE-4 38.6. Resoluci on . . . . . . . . . . .
72 72 73 74 74 74 75 75 75 76 76 76 78 78 78 80 80 80 82 82 82 83 83 83 85 85 85 87 87 87 88 88 88 90 90 91 91 92 92 92
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
93 93 93
INDICE Indice
1 1.
1.1.
Enunciado
Un fabricante de refrescos F R produce tres modalidades (A, B y C ), cada una en su propio formato: de 3 litros, 2 litros y 1 litro, respectivamente. Este fabricante est a comprometido a entregar a un gran distribuidor GD (su u nico cliente) exactamente 20000 litros diarios de refrescos. Dispone de 25000 gramos diarios de un saborizante del que cada modalidad consume por botella: la botella de 3 litros, 2 gramos; la de 2 litros, 3 g; y la de un litro, 4 g. Conocidos los datos econ omicos de A, B y C, y siendo xj los miles de botellas de la modalidad j a envasar diariamente, F R ha planteado el siguiente modelo de programaci on lineal (c y b est an expresados en miles): max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 1. Obtener el plan o ptimo de envasado de F R. 2. Determinar el signicado de los multiplicadores del simplex de las dos restricciones. 3. A F R le preocupa la posibilidad de que su proveedor de tapones (iguales para las tres modalidades) restrinja su suministro a un m aximo de 6000 tapones diarios. Como ejercicio de postoptimizaci on, introducir esta nueva restricci on y determinar su repercusi on. 4. Mediante el correspondiente an alisis de sensibilidad, determinar la repercusi on en el mix de envasado de posibles cambios en los precios de venta de las dos modalidades de menor capacidad, B y C (x2 y x3 ). 5. Determinar la validez del mix de producci on ante posibles variaciones en la demanda total de refrescos, que se traducir an en un mayor o menor volumen a entregar diariamente a GD, utilizando el an alisis de sensibilidad. 6. El formato de 3 litros (modalidad A, x1 ) puede estar especialmente afectado por los cambios en los mercados de refrescos y materias primas. Mediante la programaci on param etrica, analizar el conjunto de diferentes planes de envasado y sus resultados en funci on de cualquier valor no negativo de la contribuci on unitaria al benecio del producto A. 7. El gran distribuidor GD exige que las entregas diarias sean m ultiplos exactos de mil para cada modalidad. A partir de la resoluci on del apartado a) de la pregunta anterior, plantear un plano secante de correspondiente al algoritmo de Gomory y, sin realizar ninguna iteraci on, introducir la restrcci on correspondiente en la tabla de la soluci on optima hasta el momento. (1)
1.2.
Resoluci on
max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 (2)
1 El problema se puede reformular de la siguiente manera, convirtiendo las desigualdades en igualdades 8 (id entido al problema anterior en t erminos del sistema que representa): max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 + h1 = 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 No existe soluci on b asica factible inmediata, por lo que es necesario utilizar el m etodo de las dos fases o de la M grande. En el primer caso, se construye el siguiente problema auxiliar P : max z = a s.a. 2x1 + 3x2 + 4x3 + h1 = 25 3x1 + 2x2 + 1x3 + a = 20 x1 , x2 , x3 , a 0 on b asica factible de partida con las Apartado 1. Para el problema P es posible encontrar una soluci actividades b asicas h1 y a, con valores h1 = 20 y a = 20. Al aplicar el m etodo del Simplex, en su variante de la matriz completa, para esa soluci on b asica se obtiene la siguiente tabla: 20 0 25 20 x1 3 5 2 3 x2 2 6 3 2 x3 1 8 4 1 h1 0 0 1 0 a 0 0 0 1 (V B fase 1) (V B fase 2) (4) (3)
h1 a
Introduciendo en la base x1 y sacando a, se obtiene: 0 -100/3 35/3 20/3 x1 0 0 0 1 x2 0 8/3 5/3 2/3 x3 0 19/3 10/3 1/3 h1 0 0 1 0 a -1 -5/3 -2/3 1/3 (V B fase 1) (V B fase 2)
h1 x1
La tabla anterior corresponde a una soluci on del problema P donde a = 0, por lo que es una soluci on b asica factible del problema original, pero no optima, porque no cumple V B 0. Introduciendo en la base x3 y sacando h1 , se obtiene: 0 -111/2 7/2 11/2 x1 0 0 0 1 x2 0 -1/2 1/2 1/2 x3 0 0 1 0 h1 0 -19/10 3/10 -1/10 a -1 -2/5 -1/5 2/5 (V B fase 1) (V B fase 2)
x3 x1
La tabla anterior corresponde a la soluci on optima del problema original (V B 0). El programa de producci on o ptimo consiste en: Producir 5500 refrescos de 1/3l, ning un refresco de 1/2l y 3500 de 1l. Se consumen todo el material disponible para producir las botellas (h1 = 0)
1 9 Apartado 2. Los multiplicadores del simplex ( B = cB B 1 ) se pueden calcular, a partir de la tabla, de la siguiente manera:
B B 1 = Vh = 19/10 1 B B = Va = 2/5 2
Apartado 3. En t erminos del planteamiento del modelo, la posibilidad descrita se traducir a en la siguiente restricci on: x1 + x2 + x3 6 x1 + x2 + x3 + h3 = 6 Tras introducir la nueva restricci on y modicarla convenientemente para que x1 , x3 y h3 sean las variables b asicas, se obtiene la soluci on correspondiente a la siguiente tabla, que es una soluci on que cumple el criterio de optimalidad pero no es factible. Aplicando Lemke (sacando h3 e introduciendo h1 ) se obtiene la siguiente tabla. -111/2 7/2 11/2 6 1/2 -3 -111/2 7/2 11/2 -3 -27 -1 7 15 x1 0 0 1 1 0 0 0 0 1 0 0 0 1 0 x2 -1/2 1/2 1/2 1 1/2 0 -1/2 1/2 1/2 0 -1/2 1/2 1/2 0 x3 0 1 0 1 1 0 0 1 0 0 0 1 0 0 h1 -19/10 3/10 -1/10 0 1/10 -1/5 -19/10 3/10 -1/10 -1/5 0 0 0 1 h3 0 0 0 1 1 1 0 0 0 1 -19/2 3/2 -1/2 -5
x3 x1
h3 x3 x1 h3 x3 x1 h1
La u ltima tabla corresponde a una soluci on no factible (x3 0) y no existe ninguna tasa de sustituci on de esa variable con respecto a las no b asicas que sea negativa. Al introducir la nueva restricci on el problema no tiene soluci on factible. Si el proveedor de tapones hiciera como se dice, no ser a posible obtener un programa de producci on que cumpliera con todas las restricciones. on del mix de producci on Apartado 4. El rango de valores para c2 y c3 dentro del cual la composici es el mismo que el obtenido se obtiene calculando los nuevos criterios del Simplex en funci on de dichos variables. asica, si c2 se modica, s olo se modica V2B . En En el caso de c2 , como x2 no es una variable b particular: V2B = c2 cB B 1 A2 = c2 B 3 2 = c2 13/2 (5)
1 El mix sigue siendo el mismo si c 13/2 0, es decir, si c 13/2 10 2 2 El el caso de que cambie c3 , como x3 es una variable b asica, cambian los criterios del Simplex de todas las variables (menos los de las b asicas, que son 0). En particular: V B = c cB B 1 A = c cB p = = 5 6 c3 0 0 1/2 1 3/10 1 1/2 0 1/10 = 0 7 c3 0
3c3 5 10
6 5
c3
c3
c3
(6)
c3 +5 2
3c3 5 10
El mix es el mismo, siempre y cuando la contribuci on unitaria al benecio de cada botella de litro sea igual o superior a 7 unidades monetarias. Apartado 5. La demanda de refrescos quedar reejada en la segunda restricci on. Si cambia b2 , la soluci on podr a dejar de ser factible y, por lo tanto, dejar de ser optima. u B = B 1 b = 3/10 1/5 1/10 2/5 25 b2 =
752b2 10 25+4b2 10
b2 75/2 b2 25/4
(8)
Es decir, el mix es el mismo se 25/4 b2 75/2, es decir, si la demanda supera los 6250 botellas y si no supera los 37500. Apartado 6. T0 x3 x1 -111/2 7/2 11/2 x1 0 0 1 x2 -1/2 1/2 1/2 x3 0 1 0 h1 -19/10 3/10 -1/10
Sea c1 = , con 0 . Si = 5, T ,0 es la tabla correspondiente a la soluci on optima. Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y cuando V B () 0 las actividades b asicas ser an x1 y x3 , con los niveles de realizaci on de la tabla T0 . El criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
8 0
0 1
1/2 1 1/2 0
0 4 2
3/10 1/10 0
24 10
(9)
Las variables b asicas son x1 y x3 siempre y cuando V B (). Es decir: 40 4 24 24 0 Si 4 24, la tabla corresondiente a la soluci on optima es T0 (): T0 () x3 x1 28 11/2 7/2 11/2 x1 0 0 1 x2 4 2 x3 0 1 0 h1 24 10 (10)
1/2 1/2
3/10 -1/10
1 Si = 4, la tabla se convierte en T , correspondiente a un optimo m ultiple. Introduciendo x2 11 y 1 sacando x3 se obtiene una nueva soluci on a la que le corresponde la tabla T2 T1 x3 x1 T2 x2 x1
B
x1 0 0 1 x1 0 0 1
x2 0 1/2 1/2 x2 0 1 0
x3 0 1 0 x3 0 2 -1
Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y cuando V () 0 las actividades b asicas ser an x1 y x2 , con los niveles de realizaci on de la tabla T2 . El criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
8 0
0 1 1 0 0 0
2 3/5 1 2/5 4
218 5
(11)
El criterio del Simplex de la tabla T2 nunca se anula para valores de tales que 0 4 Volviendo a la tabla T0 (), si = 24, la tabla se convierte en la tabla T3 , correspondiente a un on optima optimo m ultiple. Introduciendo h1 sacando x3 se obtiene la tabla T4 correspondiente a la soluci alternativa: T3 x3 x1 T4 h3 x1 160 7/2 11/2 160 35/3 20/3 x1 0 0 1 x1 0 0 1 x2 -10 1/2 1/2 x2 -10 5/3 2/3 x3 0 1 0 x3 0 10/3 1/3 h1 0 3/10 -1/10 h1 0 1 0
De nuevo, Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y B asicas ser an x1 y h1 , con los niveles de realizaci on de la tabla T4 . El cuando V () 0 las actividades b criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
6 8
= 0)
(12)
El criterio del Sipmlex no se hace positivo para ning un valor de tal que > 24 En resumen: Variables b asicas: x1 = 2 y x2 = 7 si 0 4 con z = 42 + 2 Variables b asicas: x1 = 11/2 y x3 = 7/2 si 4 24 con z = 28 + 11/2 Variables b asicas: x1 = 20/3 y h1 = 35/3 si 24 con z = 20/3
1 Apartado 6. Los dos posibles plano de Gomory de la forma: f0 + dos, uno por cada variable:
1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2 1/2 + 1/2x2 + 9/10h1 0 1/2x2 + 9/10h1 h4 = 1/2 Si se introduce y modica el primer plano secante, la tabla resultante ser a la siguiente: -111/2 7/2 11/2 1/2 -1/2 x1 0 0 1 0 0 x2 -1/2 1/2 1/2 1/2 1/2 x3 0 1 0 0 0 h1 -19/10 3/10 -1/10 3/10 -3/10 h3 0 0 0 -1 1
x3 x1 h3
La tabla nal es la siguiente, correspondiente a una soluci on no factible que cumple el criterio de optimalidad, por lo que se podr a aplicar el m etodo de Lemke. -111/2 7/2 11/2 -1/2 x1 0 0 1 0 x2 -1/2 1/2 1/2 1/2 x3 0 1 0 0 h1 -19/10 3/10 -1/10 -3/10 h3 0 0 0 1
x3 x1 h3
2 2.
13
2.1.
Enunciado
Un fabricante de refrescos F R produce tres modalidades (A, B y C ), cada una en su propio formato: de 3 litros, 2 litros y 1 litro, respectivamente. Este fabricante est a comprometido a entregar a un gran distribuidor GD (su u nico cliente) exactamente 20000 litros diarios de refrescos. Dispone de 25000 gramos diarios de un saborizante del que cada modalidad consume por botella: la botella de 3 litros, 2 gramos; la de 2 litros, 3 g; y la de un litro, 4 g. Conocidos los datos econ omicos de A, B y C, y siendo xj los miles de botellas de la modalidad j a envasar diariamente, F R ha planteado el siguiente modelo de programaci on lineal (c y b est an expresados en miles): max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 1. Obtener el plan o ptimo de envasado de F R. 2. Determinar el signicado de los multiplicadores del simplex de las dos restricciones. 3. A F R le preocupa la posibilidad de que su proveedor de tapones (iguales para las tres modalidades) restrinja su suministro a un m aximo de 6000 tapones diarios. Como ejercicio de postoptimizaci on, introducir esta nueva restricci on y determinar su repercusi on. 4. Mediante el correspondiente an alisis de sensibilidad, determinar la repercusi on en el mix de envasado de posibles cambios en los precios de venta de las dos modalidades de menor capacidad, B y C (x2 y x3 ). 5. Determinar la validez del mix de producci on ante posibles variaciones en la demanda total de refrescos, que se traducir an en un mayor o menor volumen a entregar diariamente a GD, utilizando el an alisis de sensibilidad. 6. El formato de 3 litros (modalidad A, x1 ) puede estar especialmente afectado por los cambios en los mercados de refrescos y materias primas. Mediante la programaci on param etrica, analizar el conjunto de diferentes planes de envasado y sus resultados en funci on de cualquier valor no negativo de la contribuci on unitaria al benecio del producto A. 7. El gran distribuidor GD exige que las entregas diarias sean m ultiplos exactos de mil para cada modalidad. A partir de la resoluci on del apartado a) de la pregunta anterior, plantear un plano secante de correspondiente al algoritmo de Gomory y, sin realizar ninguna iteraci on, introducir la restrcci on correspondiente en la tabla de la soluci on optima hasta el momento. (13)
2.2.
Resoluci on
max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 (14)
2 El problema se puede reformular de la siguiente manera, convirtiendo las desigualdades en igualdades 14 (id entido al problema anterior en t erminos del sistema que representa): max z = 5x1 + 6x2 + 8x3 s.a. 2x1 + 3x2 + 4x3 + h1 = 25 3x1 + 2x2 + 1x3 = 20 x1 , x2 , x3 0 No existe soluci on b asica factible inmediata, por lo que es necesario utilizar el m etodo de las dos fases o de la M grande. En el primer caso, se construye el siguiente problema auxiliar P : max z = a s.a. 2x1 + 3x2 + 4x3 + h1 = 25 3x1 + 2x2 + 1x3 + a = 20 x1 , x2 , x3 , a 0 on b asica factible de partida con las Apartado 1. Para el problema P es posible encontrar una soluci actividades b asicas h1 y a, con valores h1 = 20 y a = 20. Al aplicar el m etodo del Simplex, en su variante de la matriz completa, para esa soluci on b asica se obtiene la siguiente tabla: 20 0 25 20 x1 3 5 2 3 x2 2 6 3 2 x3 1 8 4 1 h1 0 0 1 0 a 0 0 0 1 (V B fase 1) (V B fase 2) (16) (15)
h1 a
Introduciendo en la base x1 y sacando a, se obtiene: 0 -100/3 35/3 20/3 x1 0 0 0 1 x2 0 8/3 5/3 2/3 x3 0 19/3 10/3 1/3 h1 0 0 1 0 a -1 -5/3 -2/3 1/3 (V B fase 1) (V B fase 2)
h1 x1
La tabla anterior corresponde a una soluci on del problema P donde a = 0, por lo que es una soluci on b asica factible del problema original, pero no optima, porque no cumple V B 0. Introduciendo en la base x3 y sacando h1 , se obtiene: 0 -111/2 7/2 11/2 x1 0 0 0 1 x2 0 -1/2 1/2 1/2 x3 0 0 1 0 h1 0 -19/10 3/10 -1/10 a -1 -2/5 -1/5 2/5 (V B fase 1) (V B fase 2)
x3 x1
La tabla anterior corresponde a la soluci on optima del problema original (V B 0). El programa de producci on o ptimo consiste en: Producir 5500 refrescos de 1/3l, ning un refresco de 1/2l y 3500 de 1l. Se consumen todo el material disponible para producir las botellas (h1 = 0)
2 15 Apartado 2. Los multiplicadores del simplex ( B = cB B 1 ) se pueden calcular, a partir de la tabla, de la siguiente manera:
B B 1 = Vh = 19/10 1 B B = Va = 2/5 2
Apartado 3. En t erminos del planteamiento del modelo, la posibilidad descrita se traducir a en la siguiente restricci on: x1 + x2 + x3 6 x1 + x2 + x3 + h3 = 6 Tras introducir la nueva restricci on y modicarla convenientemente para que x1 , x3 y h3 sean las variables b asicas, se obtiene la soluci on correspondiente a la siguiente tabla, que es una soluci on que cumple el criterio de optimalidad pero no es factible. Aplicando Lemke (sacando h3 e introduciendo h1 ) se obtiene la siguiente tabla. -111/2 7/2 11/2 6 1/2 -3 -111/2 7/2 11/2 -3 -27 -1 7 15 x1 0 0 1 1 0 0 0 0 1 0 0 0 1 0 x2 -1/2 1/2 1/2 1 1/2 0 -1/2 1/2 1/2 0 -1/2 1/2 1/2 0 x3 0 1 0 1 1 0 0 1 0 0 0 1 0 0 h1 -19/10 3/10 -1/10 0 1/10 -1/5 -19/10 3/10 -1/10 -1/5 0 0 0 1 h3 0 0 0 1 1 1 0 0 0 1 -19/2 3/2 -1/2 -5
x3 x1
h3 x3 x1 h3 x3 x1 h1
La u ltima tabla corresponde a una soluci on no factible (x3 0) y no existe ninguna tasa de sustituci on de esa variable con respecto a las no b asicas que sea negativa. Al introducir la nueva restricci on el problema no tiene soluci on factible. Si el proveedor de tapones hiciera como se dice, no ser a posible obtener un programa de producci on que cumpliera con todas las restricciones. on del mix de producci on Apartado 4. El rango de valores para c2 y c3 dentro del cual la composici es el mismo que el obtenido se obtiene calculando los nuevos criterios del Simplex en funci on de dichos variables. asica, si c2 se modica, s olo se modica V2B . En En el caso de c2 , como x2 no es una variable b particular: V2B = c2 cB B 1 A2 = c2 B 3 2 = c2 13/2 (17)
2 El mix sigue siendo el mismo si c 13/2 0, es decir, si c 13/2 16 2 2 El el caso de que cambie c3 , como x3 es una variable b asica, cambian los criterios del Simplex de todas las variables (menos los de las b asicas, que son 0). En particular: V B = c cB B 1 A = c cB p = = 5 6 c3 0 0 1/2 1 3/10 1 1/2 0 1/10 = 0 7 c3 0
3c3 5 10
5 6 5
c3
c3
c3
(18)
c3 +5 2
3c3 5 10
El mix es el mismo, siempre y cuando la contribuci on unitaria al benecio de cada botella de litro sea igual o superior a 7 unidades monetarias. Apartado 5. La demanda de refrescos quedar reejada en la segunda restricci on. Si cambia b2 , la soluci on podr a dejar de ser factible y, por lo tanto, dejar de ser optima. u B = B 1 b = 3/10 1/5 1/10 2/5 25 b2 =
752b2 10 25+4b2 10
b2 75/2 b2 25/4
(20)
Es decir, el mix es el mismo se 25/4 b2 75/2, es decir, si la demanda supera los 6250 botellas y si no supera los 37500. Apartado 6. T0 x3 x1 -111/2 7/2 11/2 x1 0 0 1 x2 -1/2 1/2 1/2 x3 0 1 0 h1 -19/10 3/10 -1/10
Sea c1 = , con 0 . Si = 5, T ,0 es la tabla correspondiente a la soluci on optima. Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y cuando V B () 0 las actividades b asicas ser an x1 y x3 , con los niveles de realizaci on de la tabla T0 . El criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
8 0
(21)
24 10
Las variables b asicas son x1 y x3 siempre y cuando V B (). Es decir: 40 4 24 24 0 Si 4 24, la tabla corresondiente a la soluci on optima es T0 (): T0 () x3 x1 28 11/2 7/2 11/2 x1 0 0 1 x2 4 2 x3 0 1 0 h1 24 10 (22)
1/2 1/2
3/10 -1/10
2 Si = 4, la tabla se convierte en T , correspondiente a un optimo m ultiple. Introduciendo x2 17 y 1 sacando x3 se obtiene una nueva soluci on a la que le corresponde la tabla T2 T1 x3 x1 T2 x2 x1
B
x1 0 0 1 x1 0 0 1
x2 0 1/2 1/2 x2 0 1 0
x3 0 1 0 x3 0 2 -1
Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y cuando V () 0 las actividades b asicas ser an x1 y x2 , con los niveles de realizaci on de la tabla T2 . El criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
8 0
0 1 1 0 0 0
2 3/5 1 2/5 4
218 5
(23)
El criterio del Simplex de la tabla T2 nunca se anula para valores de tales que 0 4 Volviendo a la tabla T0 (), si = 24, la tabla se convierte en la tabla T3 , correspondiente a un on optima optimo m ultiple. Introduciendo h1 sacando x3 se obtiene la tabla T4 correspondiente a la soluci alternativa: T3 x3 x1 T4 h3 x1 160 7/2 11/2 160 35/3 20/3 x1 0 0 1 x1 0 0 1 x2 -10 1/2 1/2 x2 -10 5/3 2/3 x3 0 1 0 x3 0 10/3 1/3 h1 0 3/10 -1/10 h1 0 1 0
De nuevo, Si modica su valor, se modicar a el vector de criterios del Simplex V B (). Siempre y B asicas ser an x1 y h1 , con los niveles de realizaci on de la tabla T4 . El cuando V () 0 las actividades b criterio del Simplex V B () es:
V B () = c cB B 1 A = c cB p =
6 8
= 0)
(24)
El criterio del Sipmlex no se hace positivo para ning un valor de tal que > 24 En resumen: Variables b asicas: x1 = 2 y x2 = 7 si 0 4 con z = 42 + 2 Variables b asicas: x1 = 11/2 y x3 = 7/2 si 4 24 con z = 28 + 11/2 Variables b asicas: x1 = 20/3 y h1 = 35/3 si 24 con z = 20/3
2 Apartado 6. Los dos posibles plano de Gomory de la forma: f0 + dos, uno por cada variable:
1/2 + 1/2x2 + 3/10h1 0 1/2x2 + 3/10h1 h3 = 1/2 1/2 + 1/2x2 + 9/10h1 0 1/2x2 + 9/10h1 h4 = 1/2 Si se introduce y modica el primer plano secante, la tabla resultante ser a la siguiente: -111/2 7/2 11/2 1/2 -1/2 x1 0 0 1 0 0 x2 -1/2 1/2 1/2 1/2 1/2 x3 0 1 0 0 0 h1 -19/10 3/10 -1/10 3/10 -3/10 h3 0 0 0 -1 1
x3 x1 h3
La tabla nal es la siguiente, correspondiente a una soluci on no factible que cumple el criterio de optimalidad, por lo que se podr a aplicar el m etodo de Lemke. -111/2 7/2 11/2 -1/2 x1 0 0 1 0 x2 -1/2 1/2 1/2 1/2 x3 0 1 0 0 h1 -19/10 3/10 -1/10 -3/10 h3 0 0 0 1
x3 x1 h3
3 3.
19
3.1.
Enunciado
La empresa San Guemil fabrica dos tipos de cerveza, una lager y una pilsen, para lo cual necesita disponer de malta, l upulo y levadura. Cada metro c ubico de lager requiere 50 kg de malta, 20 de l upulo y 2 de levadura. Cada metro c ubico de pilsen necesita 60 kg de malta, 25 de l upulo y 2 de levadura. El benecio que obtiene la empresa con cada metro c ubico de lager es de 140 um, mientras que con cada metro c ubico de pilsen obtiene 150 um. San Guemil dipone de una tonelada de malta por semana, 250 kg de l upulo y 22 kg de levadura tambi en por semana. El modelo de programaci on lineal que permite obtener la producci on optima para cada semana queda descrito por: max z = 140x1 + 150x2 s.a. : 50x1 + 60x2 1000 20x1 + 25x2 250 2x1 + 2x2 22 x1 , x2 0 donde x1 y x2 representan, respectivamente, los vol umenes de producci on semanales (en m3 ) de lager y de pilsen. La tabla del simplex correspondiente a la soluci on optima del modelo anterior y, por lo tanto, al plan de producci on o ptimo de San Guemil, es: -1600 390 6 5 x1 0 0 0 1 x2 0 0 1 0 h1 0 1 0 0 h2 -2 -2 1/5 -1/5 h3 -50 -5 -2 5/2
(25)
h1 x2 x1
donde h1 , h2 y h3 son, respectivamente, las holguras correspondientes a las tres restricciones del modelo lineal. Se pide: 1. Indicar qu e uso se hace de cada una de las tres materias primas, as como cu al es el precio m aximo que estar a dispuesta a pagar San Guemil por disponer de 1 kg m as a la semana de cada una de las tres materias primas. 2. Indicar, para el caso del l upulo, cu antos kg adicionales estar a dispuesta a adquirir y cu antos kg de su disponibilidad de l upulo estar a dispuesta a vender semanalmente tomando como referencia el precio indicado en el apartado anterior. 3. San Guemil est a valorando la posibilidad de producir un nuevo tipo de cerveza, que tiene una doble fermentaci on. Esta nueva cerveza consume, por cada metro c ubico producido, 70 kg de malta, 30 de l upulo y 4 kg de levadura. Indicar el benecio unitario m nimo que har a rentable la producci on y comercializaci on de esta nueva cerveza. 4. San Guemil ha rmado un contrato de suministro con sus actuales clientes, por el cu al se comproerese que un mete a servir, conjuntamente entre lager y pilsen, un m nimo de 40 m3 al mes (consid mes tiene cuatro semanas). Indicar cu al es el nuevo plan de producci on optimo. 5. Si una determinada semana se decide reservar 10 kg de l upulo sin utilizar (h2 = 10), c omo se modica el plan optimo de producci on? c omo se modica el valor de la funci on objetivo?
3 3.2.
Resoluci on
de los 1000 kg de malta, queda 390 sin utilizar; se consumen por completo los 250 kg de l upulo; se consumen por completo los 22 kg de levadura;
20
El valor de una unidad adicional de cada recurso viene dado por el precio sombra de la restricci on B B = Vh , debido a corresonpondiente. El vector de multiplicadores del simplex (precios sombra) es i i B que todas las restricciones son de tipo menor o igual, por lo que = (0, 2, 50). Por lo tanto: San Guemil no est a dispuesta a pagar nada por adquirir un kg adicional de malta (y estar a dispuesto a vender un kg de malta a cualquier precio); San Guemil est a dispuesta a comprar un kg adicional de l upulo si el precio de ese kg es inferior a 2 um (estar a dispuesta a vender un kg a un precio superior a 2 um); igualmente, estar a dispuesta a comprar un kg adicional de levadura a un precio inferior a 50 um/kg (y a vender uno de sus 22 kg disponibles a un precio superior a 50 um/kg); Apartado 2. Al adquirir l upulo adicional a los 250 kg se modica el vector de disponibilidad de los recursos b = (1000, 250, 22)T . Por un lado: el precio sombra de ese recurso (segunda componente de B = cB B 1 ) cambiar a si cambia la base (B ); la base se modica, porque, al modicarse b, la soluci on b asica hasta ahora o ptima puede dejar de ser factible (uB = B 1 b). El rango de valores dentro del cual el precio al cual San Guemil est a dispuesta a comprar un kg de l upulo adicional a un m aximo de 6um/kg es aquel para el cual uB 0: 1000 2b2 110 0 1 2 5 1000 b2 440 2 + 44 0 uB = B 1 b = 0 1/5 2 b2 b5 b2 220 220 b2 275 2 b2 275 22 0 1/5 5/2 + 55 0 b5 (26) Por lo tanto, San Guemil est a dispuesta a comprar hasta 25 kg de l upulo a un precio inferior a 2 um/kg (75 = 275-250) o a vender hasta 30 kg a un precio superior a 2 um/kg (30=250-220). Apartado 3. La nueva variedad resultar a un producto rentable si el criterio del simplex de la variable correspondiente (x3 ) es positivo. Es decir: 70 V3B = c3 cB B 1 A3 = c3 B A3 = c3 (0, 2, 50) 30 = c3 260 0 c3 260 (27) 4 Por lo que si el precio es superior a los 260 um/m3 , ser a interesante su producci on y comercializaci on. Apartado 4. San Guemil est a produciendo en la actualidad 11 m3 , por lo que en la actualidad ya on que tendr a la forma x1 +x2 10 est a cumpiendo el compromiso de producir al menos 10 m3 . La restricci no modica el plan optimo de producci on, de manera que el plan o ptimo de producci on ser a el mismo.
3 21 Apartado 5. Reservar una cantidad de l upulo de 10 kg es equivalente a que h2 = 10. Cuando una variable no b asica entra a formar parte de la soluci on, las tasas de sustituci on de esa variable con respecto a las b asicas indican c omo se modican los valores de estas al entrar aquella. 1 T Las tasas de sustituci on de h3 son ph3 = (2, 1 5 , 5 , 0) , por lo que: h1 aumenta en 10 2 = 20, con lo que sobran 20 kg m as de malta x2 disminuye en 10 m3 semanales;
1 5
3 x1 aumenta en 10 1 as de lager, es decir, se producir an 7 m3 5 = 2, con lo que se producen 2 m m semanales. B = 10 (2), Por su parte, la funci on objetivo se modicar a de la siguiente manera: z = 10 Vh 2 es decir, el benecio ser a de 1580 um semanales.
4 4.
22
4.1.
Enunciado
1 Un avicultor AV ha determinado que sus necesidades semanales de acido asc orbico (AA) y -caroteno ( C) como suplemento al pienso com un son, como m nimo, de 15 y 3 kilogramos respectivamente. En su mercado local dispone de tres complejos suplementarios, de distinto precio y que contienen ambos a AV de cada componentes en distintas proporciones. Siendo x1 , x2 y x3 los kg semanales que comprar uno de los tres complejos suplementarios CS1 , CS2 y CS3 , AV ha planteado el siguiente modelo de programaci on lineal: min z = 70x1 + 20x2 + 50x3 s.a. : 40x1 + 60x2 + 40x3 15000 30x1 + 60x2 + 40x3 3000 x1 , x2 , x3 0 1. Explicar el signicado de cada uno de los coecientes que aparecen en el modelo. 2. Obtener el plan o ptimo de compra de complejos suplementarios al precio normal y describir la informaci on que suministra la matriz completa para esta soluci on. 3. Si surge un nuevo proveedor que ofrece un complejo suplementario CSN a 80 /Kg que contiene 30 gramos de AA por kilogramo cu anto C por Kg deber a contener como m nimo CSN para que le interesara a AV? 4. Realizar el an alisis de sensibilidad de la soluci on o ptima obtenida en 2 respecto a los precios de los complejos suplementarios CS1 , CS2 y CS3 . (28)
4.2.
Resoluci on
Apartado 1 Los coecientes de la funci on objetivo (70, 20, 50) son los precios por kg de CS1 , CS2 y CS3 . Los t erminos independientes de las restricciones (15000, 3000)T son los requisitos m nimos de AA y C medidos en gramos. Los coecientes t ecnicos indican los gramos de AA o de C contenidos en un kilogramo de cada uno de los complejos suplementarios. Apartado 2 La estructura del modelo se ajusta a la requerida para aplicar el m etodo de Lemke. o ptima: -z 0 -15000 -3000 5000 250 12000 x1 -70 -40 -30 -170/3 2/3 10 x2 -20 -60 -60 0 1 0 x3 -50 -40 -40 -110/3 2/3 0 xh1 0 1 0 -1/3 -1/60 -1 xh2 0 0 1 0 0 1
Soluci on o ptima: AV comprar a 250 kg/semana de CS2 con un coste de 5000 /semana. De esta forma cumplir a estrictamente el m nimo de AA y de C suministrar a a sus gallinas 12000 gramos (12 kg) m as semanalmente de lo estrictamente necesario. Para que le interesara comprar CS1 o CS2 , el precio del suplemento deber a bajar 170/3 /kg (57 /kg) y 110/3 /kg (37 /kg), respectivamente, pasando en ambos casos a 40/3 /kg (13 /kg). Una disminuci on de los requisitos de C no tendr a repercusi on econ omica para AV (los cumple con holgura). Sin embargo, el valor de oportunidad de un gramo de AA es 1/3 , lo que signica que por cada kilogramo que disminuyeran o aumentaran las necesidades semanales de AA en la granja, AV disminuir a o aumentar a sus costes en 333 .
4 23 Apartado 3 Como se acaba de ver, el contenido en C de un nuevo CS le es indiferente, ya que este requisito est a cumplido de sobra. Por lo tanto, el inter es CSN radica en si su precio de 80 /kg est a compensado por su contenido en AA medido mediante el valor de oportunidad, es decir, para que B B B = cN B AN = cN 1 aN 1 0, debe suceder que cN 1 aN 1 . Como lo que aporta CSN en VN B B t erminos de AA es 1 aN 1 = 30/3 = 10 /kg y su precio es 80 /kg VN = 70 y no interesa CSN sea cual fuera su contenido en C. Apartado 4 Para c1 y c3 ya se ha visto en el apartado b) que el intervalo correspondiente ser a [40/3, ) a en la base de la soluci on optima, si se expresa V B para esta en funci on en ambos casos. Como CS2 est de c2 , resultar a: 5000 250 12000 x1 -70+2c2/3 2/3 10 x2 0 1 0 x3 -50+2c2/3 2/3 0 xh1 -c2 /60 -1/60 -1 xh2 0 0 1
x2 xh2
Para que no exista un VjB > 0 debe darse que: c2 105, c2 75 y c2 0 c2 [0, 75] ya que si el a a comprar CS3 . precio de CS2 sube de 75 /kg AV pasar
5 5.
24
5.1.
Enunciado
Dado el siguiente modelo de programaci on lineal (MP): max z = 5x1 + 2x2 9x3 s.a. : x1 + x2 x3 6 x1 + 3x3 = 12 x1 , x2 , x3 0 1. Qu e arma el Teorema Fundamental de la Programaci on Lineal?Qu e implicaciones tiene en t erminos de la b usqueda de la soluci on o ptima de un problema de Programaci on Lineal? Para el problema (MP), indicar tres soluciones: una soluci on no b asica factible, una soluci on b asica factible y una soluci on b asica no factible. 2. Plantear y resolver gr acamente el problema dual de MP. 3. Por aplicaci on del teorema de las holguras complementarias, determinar a partir de 2) la composici on de la soluci on o ptima de MP as como su correspondiente vector de criterios del simplex. 4. Explicar el signicado de cada uno de los componentes del vector de criterios del simplex de la soluci on optima de MP obtenido en 3). Postoptimizaci on 5. Explicar la repercusi on que podr a tener para MP y para su dual la consideraci on de una nueva restricci on en MP (no es necesario mostrar ning un ejemplo num erico) 6. Ante la posibilidad de introducir en una nueva variable de acci on xN en MP con los siguientes datos: cN = 8 , a1N = 1 , a2N = 4 , an alogamente a lo realizado en 2) y en 3), analizar gr acamente su repercusi on en el modelo dual y su inter es para MP. (29)
6 6.
25
6.1.
Enunciado
MME 1011 ENE es, que Una empresa produce y comercializa tres tipos de productos, P1 , P2 y P3 , que sirve en pal pueden o no estar completos (se puede entregar un pal e a medio completar, medio pal e, un cuarto de p al e, etc.) Por cada pal e de estos productos, obtiene unos ingresos netos de 4, 12 y 2 unidades monetarias, respectivamente. Existe una instalaci on de la que se dispone de un total de 6 d as de trabajo a la semana. as, uno de P2 lleva 6 d as y montar uno de P3 lleva 2 d as. Adem as, Producir un pal e de P1 lleva 3 d existe un compromiso de entregar al menos el contenido conjunto equivalente a dos pal es. El siguiente modelo de programaci on lineal permite obtener el plan de producci on optimo. max z = 4x1 + 12x2 + 2x3 s.a. : 3x1 + 6x2 + 2x3 6 x1 + x2 + x3 2 x1 , x2 , x3 0 Donde xi representa el n umero de pal es producidos y servidos semanalmente de Pi , con i = 1, 2, 3. El problema tambi en se puede formular como: max z = 4x1 + 12x2 + 2x3 s.a. : 3x1 + 6x2 + 2x3 + h1 = 6 x1 + x2 + x3 h2 = 2 x1 , x2 , x3 , h1 , h2 0 Una soluci on posible es aquella a la que le corresponde la siguiente tabla, obtenida con la aplicaci on del m etodo del simplex en su variante de la matriz completa. -8 2 0 x1 0 1 0 x2 2 4 -3 x3 0 0 1 h2 -2 2 -3 h1 -2 1 -1 (31) (30)
x1 x3 Se pide:
1. Explicar el signicado de las variables h1 y h2 . 2. Indicar si la soluci on a la que se reere la tabla dada es o ptima y justicar por qu e. 3. Para la soluci on o ptima del problema (sea la correspondiente a la tabla dada u otra obtenida a partir de ella) interpretar y explicar el programa de producci on obtenido, la utilizaci on que se hace de la instalaci on y el cumplimiento del compromiso comercial. Para la soluci on optima (cada uno de los siguientes apartados son independientes entre s ): 4. En qu e condiciones est a dispuesta la empresa a renegociar su compromiso de entregar un m nimo de 2 pal es. 5. Se ha realizado un estudio de mercado, y se sabe que no se pueden vender m as de 1 pal e de P3 a la semana. Obtener el nuevo programa de producci on optimo con esa informaci on. 6. Identicar el rango de valores para el ingreso por pal e neto dentro del cual resulta interesante producir y vender el producto P2 .
6 6.2.
Resoluci on
26
Apartado 1. h1 representa el n umero de d as, de los 6 disponibles, que no se emplean en la producci on de pal es. Es capacidad no utilizada. h2 representa el n umero de pal es que se sirven por encima del compromiso de los dos pal es adquiridos. Apartado 2. La soluci on correspondiente a la tabla dada no es la soluci on optima, porque la variable on de esta variable (producci on x2 tiene criterio del simplex positivo (V2B = 2), de manera que la introduci y venta de P2 ) reportar a un valor de la funci on objetivo mayor que 8. Apartado 3. En primer lugar, hay que obtener la soluci on optima del problema. A partir de la tabla dada, aplicando el m etodo del Simplex, se introduce la variable x2 y se suprime la variable x1 . -8 2 0 -9 1/2 3/2 x1 0 1 0 -1/2 1/4 3/4 x2 2 4 -3 0 1 0 x3 0 0 1 0 0 1 h2 -2 2 -3 -3 1/2 -3 /2 h1 -2 1 -1 -5/2 1/4 -1/4
x1 x3 x2 x3
La tabla obtenida corresponde a la soluci on optima. El plan de producci on consiste en: no producir nada de producto P1 , producir medio pal e de producto P2 , producir un pal e y medio de producto P3 , utilizar por completo los seis d as de capacidad de producci on y cumplir el compromiso comercial entregando el m nimo de producto pactado (dos pal es), con un benecio semanal de 9 unidades monetarias. Apartado 4. El precio sombra de la restricci on correspondiente al compromiso comercial (de tipo ) B B es 2 = Vh = 3. De manera que zj | = 3, por lo que: b =1 2 2 la empresa estar a dispuesta a asumir un compromiso de entrega superior a 2, siempre que recibiera alg un tipo de compensaci on superior a 3 u.m. por cada pal e adicional que se comprometiera a entregar por encima de esos dos. la empresa estar a dispuesta a ofrecer alg un tipo de compensaci on por relajar el compromiso de entrega, sin superar 3 u.m. por la relajaci on del compromiso en un pal e. Apartado 5. La informaci on adicional da lugar a la aparici on de una nueva restricci on: x3 1. Como es, dicha soluci on no es factible y es necesario la producci on de P3 obtenida anteriormente es de 1.5 pal obtener la nueva soluci on. Introducciendo la nueva restricci on (que se puede formular como x3 + h3 = 1 y aplicando el m etodo de Lemke, se obtiene lo siguiente:
x2 x3 x1
x2 0 1 0 0 0 1 0 0
x3 0 0 1 1 0 0 1 0
h2 -3 1/2 -3 /2 0 -4 1 0 -2
27
La tabla obtenida corresponde a la nueva soluci on optima, cuyo plan de producci on consiste en: producir 2/3 de pal e de producto P1 , producir 1/3 de pal e de producto P2 , producir un pal e de producto P3 , utilizar por completo los seis d as de capacidad de producci on y cumplir el compromiso comercial entregando el m nimo de producto pactado (dos pal es), con un benecio semanal de 26/3 unidades monetarias, menor que el que se obten a antes de la restricci on comercial. Apartado 6. Resulta interesante producir y vender P2 mientras V B 0, ya que x2 es una variable b asica en la soluci on o ptima
V B = c cB B 1 A =
c2
0 0
c2
10c2 4
2 0 0
1/4 1 3/4 0
6c2 2
0 1
2c2 4
(32)
0 10 c2
Para cualquier precio de venta superior a 10 u.m. por pal e resulta interesante producir y vender producto P2
7 7.
28
7.1.
Enunciado
Dado el problema de programaci on lineal max z = x1 + x2 5x3 + 14x4 s.a 3x1 + 4x2 + 5x3 + 6x4 24 x1 + x2 2x3 + 2x4 12 x1 , x2 , x3 , x4 0 su soluci on optima queda caracterizada por: xo = Se pide: x4 h2 , uo = 4 4 y B 1 =
1 6 1 3
(33)
0 1
1. Para la soluci on optima, obtener el cuadro correspondiente a la aplicaci on del m etodo del Simplex en su variante de la matriz completa. 2. Indicar la nueva soluci on si la disponibilidad del recurso de la segunda restricci on disminuye en 8 unidades. 3. Indicar, partiendo del problema original, c omo se modicar a la soluci on si el coeciente de x4 pasara de tomar un valor 14 a un valor 5. 4. Explicar el signicado de V3B , interpretado como c3 cB pB 3 , explicando con detalle su signicado con los valores num ericos que permiten calcular V3B . 5. Formular el problema dual e indicar cu al es su soluci on optima a partir de la aplicaci on de los teoremas de la dualidad. No se valorar a la resoluci on del apartado por otros m etodos diferentes del solicitado.
7.2.
Resoluci on
Apartado 1. Lo que falta para poder construir la tabla son las tasas de sustituci on, pB = B 1 A, y el B B 1 vector de criterios del simplex, V = c c B A.
p B = B 1 A =
1 6 1 3
0 1
3 4 5 1 1 2
6 1 2 0
0 1
1/6 0 1/3 1
(34)
8 25/3 50/3 0 7/3 0 Y, por lo tanto, la tabla es: -56 4 4 x1 -8 1/2 -2 x2 -25/3 2/3 -1/3 x3 -50/3 5/6 -11/3 x4 0 1 0 h1 -7/3 1/6 -1/3 h2 0 0 1
x4 h2
29 (36)
0 1
24 4
4 4
La soluci on deja de ser factible y cumplir a V B 0 y uB 0. Hay que aplicar el m etodo de Lemke. Eliminando h2 de la base e introduciendo x1 se obtiene: -40 3 2 x1 0 0 1 x2 -7 * * x3 -2 * * x4 0 1 0 h1 -1 * * h2 -4 * *
x4 x1
Con lo que la nueva soluci on es x4 = 3, x1 = 2 y el resto de variables no b asicas, e iguales a 0 y con un valor de la funci on objetivo z = 40. a de valor. Apartado 3. El nuevo problema tendr a c4 = 5, por lo que V B cambiar V B = c cB cB 1 A = c cB cpB = 1 1 5 5 0 0 5 0 1/2 2/3 5/6 1 1/6 0 2 1/3 11/3 0 1/3 1 7/2 7/3 55/6 0 5/6 0 = (37)
Luego la soluci on ser a igualmente factible y optima. Con lo que x4 = 4, h2 = 0. S cambiar a el valor de la funci on objetivo, z = 20 Apartado 4. V3B = c3 cB pB 3 = 50/3 representa la diferencia entre: c3 = 5 la contribuci on unitaria al benecio por cada unidad realizada de x3 (en este caso representa una p erdida) y la modicaci on de la funci on objetivo por la modicaci on de las variables b asicas que representa la realizaci on de una unidad de x3 , 35/3,que se calcula como la contribuci on unitaria de las variables b asicas, cB , multiplicada por la modicaci on de las variables b asicas que representa la realizaci on de una unidad de x3 , pB 3 . on objetivo disminuir a en 5 y la modicaci on de En este caso, al realizar una unidad de x3 la funci las variables b asicas har a que la funci on objetivo disminuyera en 35/3, con lo que no resulta interesante la realizaci on de esa actividad. Apartado 5. El problema dual es: min s = 24y1 + 12y2 s.a 3 y1 y2 1 4 y1 + y2 1 5 y1 2 y2 5 6y1 + 2y2 14 y1 , y2 0 Y su soluci on optima es, por aplicaci on del teorema fundamental de la dualidad: y o = B = (7/3, 0) Y por aplicaci on del teorema de las holguras complementarias: (38)
Para la primera variable de hogura: y3 = V1 = 8 y4 = V2 = 25/3 y5 = V3 = 49/3 y6 = V4 = 0 Con un un valor de la funci on objetivo s = z = 56
30
8 8.
31
8.1.
Enunciado
Se pide responder a las siguientes preguntas de tipo test. NOTA: redactar la respuesta incluyendo la frase completa en las hojas entregadas para calicar con el encabezado y con la opci on elegida como correcta. Por ejemplo, una posible respuesta, ser a a x = b Al resolver un problema mediante le m etodo de las dos fases, una restricci on del tipo i, j ij j en el problema auxiliar asociado se transforma en a x + h a = b . No es necesario indicar el i i i j ij j subapartado (porque todos son diferentes) Solo una respuesta de cada apartado es correcta. Para cada apartado, una respuesta correcta suma un punto, una respuesta incorrecta resta un cuarto de punto. 1. Al resolver un problema mediante el m etodo de las dos fases, una restricci on del tipo en el problema auxiliar asociado Se transforma en Se transforma en Se transforma en
j j j j
aij xj = bi ,
Ninguna de las anteriores es correcta. 2. Al resolver un problema mediante el m etodo de las dos fases: Si la soluci on o ptima del problema auxiliar contiene alguna variable articial en la base, el problema original no tiene soluci on factible. Si la soluci on o ptima del problema auxiliar tiene funci on objetivo igual a cero, el problema original s tiene soluci on factible. Tras obtener la soluci on o ptima del problema auxiliar, basta con recalcular V B y z para poder reutilizar la tabla de dicha soluci on y obtener una tabla correspondiente una soluci on factible del problema original . Ninguna de las anteriores es correcta. 3. Dado un problema de programaci on lineal de m aximizaci on P, cuya soluci on optima es x : Al introducir una nueva restricci on, la soluci on x puede dejar cumplir el criterio de optimalidad. Al introducir una nueva actividad, la soluci on x puede dejar de ser factible. Si se disminuye la contribuci on unitaria al benecio de una actividad no b asica, la x podr a dejar de ser la soluci on optima. Ninguna de las anteriores es correcta.
8.2.
Resoluci on
j
1. Al resolver un problema mediante le m etodo de las dos fases, una restricci on del tipo en el problema auxiliar asociado INCORRECTA: se transforma en INCORRECTA: se transforma en CORRECTA: se transforma en
j j j
aij xj = bi ,
32
INCORRECTA: si la soluci on optima del problema auxiliar contiene alguna variable articial en la base, el problema original no tiene soluci on factible CORRECTA: si la soluci on o ptima del problema auxiliar tiene funci on objetivo igual a cero, el problema original s tiene soluci on factible INCORRECTA: tras obtener la soluci on optima del problema auxiliar, basta con recalcular on y obtener una tabla correspondiente V B y z para poder reutilizar la tabla de dicha soluci la soluci on o ptima del problema original INCORRECTA: ninguna de las anteriores es correcta 3. Dado un problema de programaci on lineal P, cuya soluci on optima es x INCORRECTA: al introducir una nueva restricci on, la soluci on x puede dejar cumplir el criterio de optimalidad INCORRECTA: al introducir una nueva actividad, la soluci on x puede dejar de ser factible INCORRECTA: si se disminuye la contribuci on unitaria al benecio de una actividad no b asica, la x podr a dejar de ser la soluci on optima CORRECTA: ninguna de las anteriores es correcta
9 9.
33
9.1.
Enunciado
La empresa dynamix fabrica tres estilos diferentes de mesas. A, B y C . Cada modelo de mesa requiere de una cierta cantidad de tiempo para el corte de las piezas, su montaje y el correspondiente proceso de pintura. La empresa puede vender todas las unidades que fabrica. Es m as, el modelo B tambi en se puede vender sin pintar. Los datos t ecnico-econ omicos se muestran a continuaci on. Modelo Modelo 1: mesa A pintada Modelo 2: mesa B pintada Modelo 3: mesa B sin pintar Modelo 4: mesa C pintada Capacidad (h/mes) Tiempo corte (h) 1 2 2 3 200 Tiempo montaje (h) 2 4 4 7 300 Tiempo pintura (h) 4 4 0 5 240 Contrib. unitaria (euros) 35 40 20 50
El siguiente modelo de programaci on lineal permite obtener el plan de producci on mensual optimo. max z = 35x1 + 40x2 + 20x3 + 50x4 s.a x1 + 2x2 + 2x3 + 3x4 200 2x1 + 4x2 + 4x3 + 7x4 300 4x1 + 4x2 + 5x4 240 x1 , x2 , x3 , x4 0 Donde xi , i = 1, 2, 3 representa las unidades de modelo i producidas y vendidas mensualmente y x5 , x6 y x7 son las variables de holgura necesarias para convertir las restricciones 1, 2 y 3, respectivamente, en igualdades. Se sabe que las variables b asicas de la soluci on optima son x5 , x3 y x1 y que la matriz inversa de la base, para el orden de variables b asicas anterior, correspondiente a dicha soluci on es 1 0 1 2 1 1 8 B 1 = 0 4 1 0 0 4 . Se pide: 1. Denir el plan de producci on o ptimo y el uso asociado de los recursos. 2. Dado el exito de los modelos de mesa sin pintar, la empresa est a valorando la posiblidad de fabricar el modelo C sin pintar (que se diferencian de las mesas pintadas solo en el proceso de pintado). Estima que la contribuci on unitaria al benecio de ese modelo ser a de 42 euros por unidad. Justicar el inter es de la fabricacci on y venta de mesas C sin pintar y, en caso de haber un nuevo plan optimo de producci on, describir cu al ser a. 3. Realizar un an alisis de sensibilidad para la capacidad del taller de montaje. 4. Un estudio preliminar de m etodos y tiempos permite armar que el tiempo de pintado de las mesas B podr a reducirse. En particular, atendiendo a diferentes mejoras se podr a reducir el valor pero nunca podr a bajar de 2 horas. Se pide indicar cu al es el benecio obtenido en funci on de las horas de reducci on , que puede tomar cualquier valore entre 0 y 2. (39)
9 9.2.
Resoluci on
34
Apartado 1. El vector de realizaci on de las actividades b asicas se obtiene como uB = B 1 b. En este caso: 0 200 50 300 = 45 1 8 1 240 60 4
1 uB = 0 0
1 2
1 4
(40)
Es decir, x5 = 50, x3 = 45, x1 = 60 y el resto de variable son nulas, lo cual signica que: se fabrican 60 mesas de tipo A y 45 de tipo B sin pintar, no se fabrica nada del resto de modelos y se emplean todas las horas disponibles de montaje y pintura y sobran 50 horas de taller de corte, con un benecio de 3000 euros. Apartado 2. Para valorar el inter es de fabricar un nuevo modelo ser a necesario introducir una nueva variable, x8 : n umero de mesas de tipo C sin pintar. Con A8 = ( 3 7 0 )T , c8 = 42. Ser a interesante fabricar el nuevo modelo si V8B 0. V8B = c7 cB B 1 A8 = 42 0 20 35
1 2
1 0 0
1 4
0 1 8
1 4
7 0
=7
(41)
Por lo que s ser a interesante su producci on y venta, ya que con cada unidad producida y vendida el benecio se incrementar a en 8 euros. La tabla correspondiente a la soluci on o ptima sin introducir la producci on del nuevo modelo ser a la siguiente, a partir de la cual, se podr a iterar para obtener el nuevo plan de producci on. x1 0 0 0 1 0 0 0 1 x2 -5 0 1/2 1 -7 x3 0 0 1 0 -4 x4 -65/4 -1/2 9/8 5/4 -83/4 x5 0 1 0 0 0 1 0 0 x6 -5 -1/2 1/4 0 -6 x7 -25/4 0 -1/8 1/4 -23/4 x8 7 -1/2 7/4 0 0 0 1 0
x5 x3 x1 x5 x8 x1
Con lo que el nuevo plan optimo consiste en: producir, por t ermino medio, 60 mesas A y 25.71 de tipo C sin pintar no producir nada del resto de modelos, empleando todas las horas de todos los talleres, salvo en el de corte, que sobrar an 62.87.
9 35 Apartado 3. Las variables b asicas de la soluci on del apartado 1 son las correspondientes a la soluci o n B 1 optima mientras que u = B b tenga todos sus valores no negativos. 2 0 200 b2 200 b2 = b2 30 0 1 8 4 1 240 60 4
1 1 2 B 1 u = 0 4 0 0
(42)
Es decir 0 b2 400. Mientras la disponibilidad de las horas de montaje sea superior a 120 e inferior a 400, la soluci on optima tiene las mismas soluciones b asicas, lo que signica que el mix de prouducci on no cambia. S cambia la funci on objetivo que aumenta o disminuye en 2 = 25/4 con cada aumento o disminuci on de una hora de taller con respecto a las disponibles. Apartado 4. Como se admite que el tiempo de pintura puede reducirse en cualquier valor superior cero e inferior a dos, en t erminos del modelo, esto signica que los coecientes t ecnicos de la actividad 2 T Es necesario evaluar c omo se modica dependen de un par ametro . En concreto, A2 = 2 4 4 la soluci on optima del problema en funci on de los valores del par ametro. asica. Puede ocurrir que al variar el valor de Para la soluci on optima de partida = 0 y x2 es no b resulte rentable realizar dicha actividad. Para ello es necesario evaluar el critero del simplex para dicha variable en funci on del par ametro: 2 4 = 20 + 25 4 4 V2B = c2 B A2 = 40 0 5 25/4
(43)
1 0 = pB 2 0
1 2
1 4
0 1 8
1 4
2 4 = 4
4+ 8 4 4
0 (44)
Es decir, mientras 4/5 la soluci on inicial sigue siendo optima. En caso de que 4/5, la introT 0 3/5 4/5 a el valor de la funci on objetivo. Para = 0, se tiene que pB ducci on de x2 mejorar 2 = La tabla correspondiente a ese caso ser a la siguiente, correspondiente a un o ptimo m ultiple. x1 0 0 0 1 0 0 0 1 x2 0 0 3/5 4/5 0 0 1 0 x3 0 0 1 0 0 0 5/3 -4/4 x4 -65/4 -1/2 9/8 5/4 -65/4 -1/2 15/16 -1/4 x5 0 1 0 0 0 1 0 0 x6 -5 -1/2 1/4 0 -5 -1/2 5/12 -1/3 x7 -25/4 0 -1/8 1/4 -25/4 0 5/24 25/6
x5 x3 x1 x5 x2 x1
-3000 50 45 60 -3000 50 75 0
La segunda tabla se obtiene introduciendo x2 y eliminando x1 de la base. Para valores de superiores a 4/5, las actividades b asicas son x5 ,x2 y x1 . Al entrar x2 en la base, la nueva soluci on base es:
1 B= 0 0
2 1 4 2 4 4
36 (45)
Y, a patir de su inversa, es posible calcular los nuevos criterios del simplex. Se puede comprobar que para 4/5 2 el criterio del simplex de las nuevas variables no b asicas sigue siendo no negativo. En resumen: si la reducci on del tiempo de pintado es de entre 0 y 0.8 horas, el plan de producci on es el mismo del apartado 1; si la reducci on del tiempo de pintado est a entre 0.8 y 2 horas, el mix de producci on cambia y se producir an mesas de tipo A y B , en diferente cantidad seg un la reducci on del tiempo de pintura.
10 10.
37
10.1.
Enunciado
El fabricante de bicicletas UPM Bikes produce bicicletas, triciclos y t andems. La producci on semanal depende, esencialmente, de la disponibilidad de ruedas y de manillares y de las tareas de montaje. El aprovisionamiento del resto de piezas y el resto de tareas no representan una limitaci on para la empresa. A la semana, UPM bikes dispone de un m aximo de 100 ruedas y de 50 manillares. Por otro lado, el montaje de una bicicleta requiere una hora, mientras que el montaje de un triciclo o de un t andem requiere dos horas y existen dos operarios para realizar el montaje, cada uno de los cuales trabaja 40 horas semanales. Adem as, UPM Bikes ha asumido un compromiso comercial y debe entregar un m nimo de 10 bicicletas semanalmente a uno de sus clientes. Por u ltimo, el benecio unitario que proporcionan estos productos son de 300 cada bicicleta, 400 cada triciclo y 500 cada t andem. andems producidos semanalmente, Si x1 , x2 y x3 representan las unidades de bicicletas, triciclos y t el siguiente modelo de programaci on permite obtener el plan de producci on optimo. max z = 300x1 + 400x2 + 500x3 s.a. : 2x1 + 3x2 + 2x3 + h1 = 100 x1 + x2 + 2x3 + h2 = 50 x1 + 2x2 + 2x3 + h3 = 80 x1 h4 = 10 x1 , x2 , x3 , h1 , h2 , h3 , h4 0 Se admite que aunque las variables podr an ser enteras, con el problema lineal se calculan los valores medios de producci on a lo largo de las diferentes semanas en las que se repite el plan de producci on. La siguiente tabla corresponde a una soluci on del problema correspondiente a su vez al plan de producci on. -13000 40 20 30 10 x1 0 0 0 0 1 x2 150 2 1/2 1 0 x3 0 0 1 0 0 h1 0 1 0 0 0 h2 -250 -1 1/2 -1 0 h3 0 0 0 1 0 h4 50 1 1/2 0 -1 (46)
h1 x3 h3 x1 Se pide:
1. Obtener el plan de producci on o ptimo y explicar el uso que se hace de los recursos Para la soluci on o ptima (cada uno de los siguientes apartados son independientes entre s ): 2. Identicar la inversa de la base correspondiente a la soluci on optima encontrada. 3. Discutir el inter es por subcontratar horas adicionales para el montaje de productos. 4. Realizar el an alisis de sensibilidad de la soluci on obtenida con respecto al n umero de manillares disponibles. 5. Indicar de qu e manera estar a interesada UPM Bikes en renegociar su compromiso comercial 6. El precio de los t andems es bastante variable a lo largo del tiempo. Obtener mediante programaci on param etrica el programa de producci on optimo para todos los posibles valores positivos de la contribuci on unitaria al benecio de dicho producto iguales o superiores a 350 .
10 10.2.
Resoluci on
38
REVISAR ERRATAS ULTIMO APARTADO Apartado 1. Se aplica el m etodo del Simplex partiendo de la tabla dada: -13000 40 20 30 10 -16000 20 10 10 10 x1 0 0 0 0 1 0 0 0 0 1 x2 150 2 1/2 1 0 0 1 0 0 0 x3 0 0 1 0 0 0 0 1 0 0 h1 0 1 0 0 0 -75 1/2 -1/4 -1/2 0 h2 -250 -1 1/2 -1 0 -175 -1/2 3/4 -1/2 0 h3 0 0 0 1 0 0 0 0 1 0 h4 50 1 1/2 0 -1 -25 1/2 1/4 -1/2 -1
h1 x3 h3 x1 x2 x3 h3 x1
El programa de producci on o ptimo consiste en producir: 10 bicicletas 20 triciclos 10 t andems Se usan todos los manillares y todas las ruedas y sobran diez horas de operarios de montaje. Apartado 2. La inversa de la base est a donde originalmente habr a estado la identidad. Las columnas 1, 2 y 3 de la identidad estaban en la tabla inicial en las columnas correspondientes a h1 ,h2 y h3 . Por su parte, la columna de h4, en la tabla incial, conte a a la cuarta columna de la matriz identidad, por lo que la inversa de la base es la siguiete: 1/2 1/2 0 1/4 3/4 0 = 1/2 1/2 1 0 0 0 1/2 1/4 1/2 1
B 1
(47)
Apartado 3. Sobran 10 horas de montaje por lo que no interesa contratar horas adicionales de montaje, B = 0. y as queda de maniesto dado el valor del precio sombra de la tercera restricci on 3 = Vh 3 Apartado 4. Las variables b asicas de la soluci on obtenida ser an las de la soluci on optima al modicar on b asica correspondiente sigue siendo factible. b2 si la soluci 1/2 1/2 0 1/4 3/4 0 B 1 u =B b= 1/2 1/2 1 0 0 0 1/2 100 b2 1/4 1/2 80 1 10 b2 90 b2 110/3 = b2 70 10 0
(48)
Mientras la disponibilidad de manillares est e entre 37 y 70 a la semana, la composici on del plan de producci on optimo no cambia (aunque s la cantidad de piezas producidas).
10 39 Apartado 5. El compromiso comercial de UPM bikes aparece reejado en la cuarta restricci on. El precio B sombra de la misma es 4 = Vh4 = 25, lo cual signica que si el compromiso comercial aumentase, en a dispuesta a: una unidad, el benecio semanal se reducir a en 25 . Por lo tanto, UPM Bikes estar asumir un compromiso comercial m as restrictivo y entregar m as de 10 bicis, si recibe una compensaci on por cada una de ellas superior a 25 . relajar su compromiso comercial en la entrega de bicicletas, siempre y cuando la reducci on no supusiera un coste adicional superior a 25 . Apartado 6. Se trata de estudiar la soluci on optima cuando el vector de contribuciones unitarias al benecio es c = (300, 400, 500 + , 0, 0, 0, 0), con 150 . on La soluci on obtenida en el apartado 1 es v alida para = 0 y, en general, el valor de V B en funci de es: uB () = c() cB ()B 1 A = 1/2 1/2 0 1/2 1/4 3/4 0 1/4 = 1/2 1/2 1 1/2 0 0 0 1
300 4
0 0 0 1 0 0
1 0 0 0 0
0 1 0 0
3+700 4
100 4
(49) =0 x2 x3 h3 x1 20 10 10 10 x1 0 0 0 0 1 x2 0 1 0 0 0 x3 0 0 1 0 0 h1 300 4 1/2 -1/4 -1/2 0 h2 3+700 4 -1/2 3/4 -1/2 0 h3 0 0 0 1 0 h4 100 4 1/2 1/4 -1/2 -1
La soluci on es la soluci on o ptima si se cumple simult aneamente 300 0 3 700 0 100 0 Es decir, mientras 100 300 la base no se modica. Si = 100 (el benecio por cada t andem es de 400 ), la tabla se convierte en la siguiente ( optimo m ultiple) y se puede introducir la variable h4 : x1 0 0 0 0 1 0 0 0 0 1 x2 0 1 0 0 0 0 2 -1/2 1 2 x3 0 0 1 0 0 0 0 1 0 0 h1 -100 1/2 -1/4 -1/2 0 -100 1 -1/2 0 1 h2 -100 -1/2 3/4 -1/2 0 -100 -1 1 -1 -1 h3 0 0 0 1 0 0 0 0 1 0 h4 0 1/2 1/4 -1/2 -1 0 1 0 0 0
(50)
x2 x3 h3 x1 h4 x3 h3 x1
20 10 10 10 40 0 30 50
40
0 0 0 1 0
+100 2
+ 200 0 0 (51)
h4 x3 h3 x1
40 0 30 50
x1 0 0 0 0 1
x2 +100 2 2 -1/2 1 2
x3 0 0 1 0 0
h1 100 2 1 -1/2 0 1
h2 + 200 -1 1 -1 -1
h3 0 0 0 1 0
h4 0 1 0 0 0
La solucion es la soluci on o ptima si se cumple simult aneamente + 100 0 100 0 200 0 (52)
Esto se cumple para cualquier valor de con 150 100 optimo Si = 300 (el benecio por cada t andem es de 800 ), la tabla se convierte en la siguiente ( m ultiple) y se puede introducir la variable h1 : x1 0 0 0 0 1 0 0 0 0 1 x2 0 1 0 0 0 0 2 1/2 1 0 x3 0 0 1 0 0 0 0 1 0 0 h1 0 1/2 -1/4 -1/2 0 0 1 0 0 0 h2 -400 -1/2 3/4 -1/2 0 -400 -1 1/2 -1 0 h3 0 0 0 1 0 0 0 0 1 0 h4 -100 1/2 1/4 -1/2 -1 -100 1 1/2 0 -1
x2 x3 h3 x1 h1 x3 h3 x1
20 10 10 10 40 20 30 10
La soluci on obtenida es v alida para = 300 y, en general, el valor de V B en funci on de es: uB () = c() cB ()B 1 A = 2 0 1 1 0 1 1/2 1 0 1/2 0 1/2 = 1 0 0 1 1 0 0 0 0 0 0 1 0 0
500 2
0 0 0 1
300 2
0 100 (53)
10 La soluci on es la soluci on o ptima si se cumple simult aneamente 300 0 500 0 100 0 Esto se cumple para cualquier valor de con En resumen: si 350 c3 450, se deben producir 50 bicicletas; si 450 c3 800, se deben producir 10 bicicletas, 20 triciclos y 10 t andems; si 800 c3 , se deben producir 10 bicicletas y 20 t andems.
41
(54)
11 11.
42
11.1.
Enunciado
David, Diana y Lidia son los u nicos socios y empleados de una compa n a que produce relojes. David y Diana pueden trabajar un m aximo de 40 horas por semana (cada uno de ellos), mientras que Lidia solo puede trabajar hasta 22 horas semanales. La empresa hace dos tipos de relojes: rejores de pie y relojes de pared. Para hacer un reloj, David (ingeniero mec anico) ensambla las partes internas y Diana (ebanista) produce las cajas de madera elaboradas a mano. Lidia es responsable de recibir pedidos y enviar los relojes. El tiempo que se requiere para cada tarea se muestra en la siguiente tabla. Tarea Montar mecanismo Tallar la cubierta de madera Env o Reloj de pie 6 horas 8 horas 3 horas Reloj de pared 4 horas 4 horas 3 horas
Cada reloj de pie construido y enviado deja una ganancia de 300 , mientras que cada reloj de pared proporciona una ganancia de 200 . Los tres socios desean determinar cuantos relojes de cada tipo deben producir por semana para maximizar la ganancia total. Se pide: 1. Formular un modelo de programaci on lineal para los socios de esta empresa. 2. Resolver el modelo anterior e indicar el plan de producci on optimo y la ocupaci on de los socios. Se pide interpretar y explicar correctamente los resultados obtenidos. 3. Existe acuerdo entre los socios por el que aquel que pudiera hacer que el benecio aumentara m as por cada hora adicional trabajada, aumentar a su disponibilidad horaria para la empresa. Identicar qu e socio aportar a mayor incremento del benecio por hora adicional trabajada y el n umero de horas que podr a aumentar su disponibilidad proporcionando ese incremento. 4. Existe la posiblidad de vender solo las cajas de los relojes de pared, sin incluir ning un mecanismo. Identicar cu al es el benecio unitario obtenido por caja que har a rentable su producci on y venta. Se estima que para este producto el tiempo de preparaci on de env os es el mismo que para el resto de productos. 5. Identicar el rango de valores para el margen por reloj de pared dentro del cual resulta interesante producir y vender dicho producto. 6. Se ha adquirido un compromiso comercial consistente en entregar al menos 9 relojes de pie cada tres semanas a un cliente. Caracterizar el efecto que tiene este compromiso sobre el plan de producci on y comentar en qu e condiciones dicho compromiso puede ser interesante para la empresa.
11.2.
Resoluci on
Apartado 1. Se dene x1 y x2 como el n umero de relojes de pie y de pared producidos y enviados semanalmente, respectivamente. El modelo de programaci on lineal que permite maximizar la ganancia es el siguiente:
11 max z = 300x1 + 200x2 s.a. : 6x1 + 4x2 40 8x1 + 4x2 40 3x1 + 3x2 22 x1 , x2 0 Apartado 2. El modelo se puede reformular con las restricciones en forma de igualdad max z = 300x1 + 200x2 s.a. : 6x1 + 4x2 + h1 = 40 8x1 + 4x2 + h2 = 40 3x1 + 3x2 + h3 = 22 x1 , x2 , h1 , h2 , h3 0
43
(55)
(56)
Donde h1 , h2 , h3 representan, respectivamente, el n umero de las horas dispnibles que no trabajan cada semana, respectivamente, David, Diana y Lidia. Aplicando el m etodo del simplex se puede resolver el problema. 0 40 40 22 -1500 10 5 7 -5200/3 16/3 8/3 14/3 x1 300 6 8 3 0 0 1 0 0 0 1 0 x2 200 4 4 3 50 1 1/2 3/2 0 0 0 1 h1 0 1 0 0 0 1 0 0 0 1 0 0 h2 0 0 1 0 -75/2 3/4 1/8 -3/8 -25 -1/2 1/4 -1/4 h3 0 0 0 1 0 0 0 1 -100/3 -2/3 -1/3 2/3
h1 h2 h3 h1 x1 h3 h1 x1 x2
El plan de producci on o ptimo consiste en producir, cada tres semanas, 8 relojes de pie, 14 relojes de pared, para lo cual David debe trabajar 34.67 horas a la semana, Diana 40 horas y Lidia 22 horas, con un benecio total de 1733.33 por semana. Apartado 3. El incremento de la funci on objetivo obtenido al disponer de una hora adicional de cada una de las tareas de la empresa viene dada por el precio sombra de las tres restricciones correspondientes.
B 1 = Vh =0 1 B = 25 2 = Vh 2
(57)
3 =
B Vh 3
= 33.33
11 Para calcular el n 44 umero de horas que se deber a ampliar el horario de Lidia obteniendo una mejora de e valor de b3 la soluci on deja de ser factible. 33.33por cada hora adicional, es necesario calcular para qu 1/2 2/3 40 1/4 1/3 40 = 1/4 2/3 b3 u B = B 1 b = 602b3
3 30b3 3 2b3 30 3
1 0 0
(58)
Mientras 15 b3 30 se mantiene la soluci on b asica obtenida y, con ella, los precios sombra. Con el acuerdo pactado, Lidia deber a trabajar 8 horas adicionales con un incremento total del benecio de 8 33.33 = 266.66 . Apartado 4. Lo que se propone representa una nueva actividad x3 , cuyos coecientes t ecnicos son AT = (0, 4, 3). Se pide caracterizar c3 para que interese realizar esta actividad, es decir, si V3B 0 V3B = c3 cB cB B 1 A3 = c3 cB B A3 = 0 c3 0 25 100/3 4 = c3 200 3
(59)
Siempre y cuando el benecio unitario obtenido por la venta de las cajas de relojes de pared sea on y venta. superior a 200 es interesante su producci Apartado 5. En t erminos del modelo, se pide un an alisis de sensiilidad de c2 , es decir, para qu e rango de valores de c2 la soluci on siga siendo o ptima. V B = c cB cB B 1 A = 300 c2 300 200 0 0 0 0 0 0 0 0 0 0 300 c2
300c2 4
0 1 0
300+2c2 3
0 1 0 0 1 0
Es decir, el plan de producci on es o ptimo siempre y cuando el precio de los relojes de pared sea igual o superior a 100 e igual o inferior a 300 . Apartado 6. El nuevo compromiso se traduce en una nueva restricci on: x1 3. La soluci on optima obtenida no cumple esta restricci on, por lo que es necesario iterar para obtener la nueva soluci on. La restricci on, de haberse introducido en la tabla del problema original, habr a tenido la forma x2 h4 = 3 -5200/3 16/3 8/3 14/3 3 1/3 -1/3 x1 0 0 1 0 1 0 0 x2 0 0 0 1 0 1 -1 h1 0 1 0 0 0 0 0 h2 -25 -1/2 1/4 -1/4 0 -1/4 1/4 h3 -100/3 -2/3 -1/3 2/3 0 1/3 -1/3 h4 0 0 0 0 -1 -1 1
h1 x1 x2
h4
La tabla una vez incorada la nueva restricci on y con h4 como variable b asica es la siguiente, a partir de la cual se puede iterar aplicando el m etodo de Lemke.
x1 0 0 1 0 0 0 0 1 0 0
x2 0 0 0 1 -1 0 0 0 1 0
h1 0 1 0 0 0 0 1 0 0 0
h4 0 0 0 0 1 -100 -2 -1 2 3
45
Por lo que en benecio disminuir a en 33.33 cada semana. Se justicar a asumir este compromiso comercial si, de alguna manera, las ventajas que proporciona el acuerdo supera esta p erdida. La producci on, con el nuevo compromiso, ser a de 3 relojes de pie y 4 de pared con un benecio semanal del 1700 .
12 12.
46
12.1.
Enunciado
El siguiente programa de programaci on lineal se utiliza para realizar la planicaci on mensual de una planta que produce 3 productos (P1 , P2 y P3 ) que se procesan en tres talleres (T1 , T2 y T3 ) con disponibilidades horarias respectivas de 900, 480 y 400 horas al mes. max z = 8x1 + 6x2 + 6x3 s.a. : 3x1 + x2 + 2x3 900 x1 + x2 + x3 480 x1 + 2x3 400 x1 , x2 , x3 0 La siguiente tabla corresponden a la soluci on optima del problema anterior: -3300 210 270 190 x1 0 1 0 0 x2 0 0 1 0 x3 -1 1/2 1/2 3/2 h1 -1 1/2 -1/2 -1/2 h2 -5 -1/2 3/2 1/2 h3 0 0 0 1 (61)
x1 x2 h3
Donde h1 , h2 y h3 Se pide responder de forma independiente y a partir de la soluci on optima a las siguientes cuestiones: 1. Interpretar la soluci on correspondiente a la tabla dada. 2. Realizar el an alisis de sensibilidad para c1 y c3 , explicando los resultados obtenidos. 3. Calcular la nueva soluci on o ptima del problema si debido a una enfermedad, las horas disponibles en el taller T2 se reduce a 300 horas semanales. 4. Se est a evaluando la posiblidad de amplicar la capacidad en cada uno de los talleres. Existe un taller vecino que ofrece horas adicionales de cada uno de los talleres a un precio de 3 unidades monetarias cada hora. En qu e talleres y cu antas horas ser a interesante subcontratar al taller vecino al precio anterior? 5. Se est a valorando la posiblidad de ampliar la gama de productos e introducir un nuevo producto, a una hora de cada uno de los talleres. Qu e debe cumplir la contribuci on unitaria P4 , que consumir al benefecio de este nuevo producto para que resulte interesante su producci on y venta?
12.2.
Resoluci on
Apartado 1. El plan de producci on o ptimo consiste en: producir 210 unidades de P1 ; producir 270 unidades de P2 ; no producir P3 ; emplear todas las horas de los talleres T1 y T2 ; y emplear 210 horas del taller T3 (de manera que no se emplean 190).
12 47 Apartado 2. An alisis de sensibilidad psra c1 . Como x1 es una variable b asica, si se moca c1 se modica todo el vector de criterios del simplex. V B = c cB B 1 A = c1 6 6 0 0 0 c1 c1 6 6 6 0
c1 +6 2
0 0
c 1 6 2
c1
6 0 0
1 0 0 =
c1 +18 2
0 (62)
a entre 6 y 18 (como es el caso inicial, en Si la contribuci on unitaria al benecio del prodcuto P1 est el que es 8), la gama de productos de plan de producci on optimo, no se modica. En efecto, si la contribuci on unitaria fuera menor que 6 no interesar a realizar P1 y si fuera superior a 18, su contribuci on ser a lo sucientemente alta como para aumentar todo lo posible el nivel de realizaci on on optima de partida. de P1 aun a costa de dejar de realizar algo de lo que se realiza en la soluci An alisis de sensibilidad psra c3 . Como x1 es una variable no b asica, si se moca c1 se modica solo su componente en el vector de criterios del simplex. c3 cB B 1 A3 = c3 cB pB 3 = c3 8 6 0 1/2 1 / 2 = c3 7 3/2
(64)
a realizar este producto. Si la contribuci on unitaria al benecio fuera Mientras c3 7 0, no interesar igual o superior a 7, ser a interesante realizar esta actividad. Apartado 3. Si b3 =300, cambia uB = B 1 b: 1/2 1/2 0 900 300 uB = 1/2 3/2 0 300 = 0 1/2 1/2 1 400 100 La nueva soluci on es degenerada. La funci on objetivo decrece (z B = 2400). Apartado 4. Viendo el vector de precios sombra B = (1, 5, 0) s olo interesa subcontratar horas en el taller 2; porque es m as lo que puedo ganar que el coste de la subcontrataci on. Al hacer el an alisis de sensibilidad de b2 se observa que la cantidad m axima de horas a subcontratar es de 380. Apartado 5. Hay que calcular el inter es del nuevo producto en funci on de su coste. Para eso se estudia la relaci on entre V B y c4 .
B B Vx 4 = c4 c p 4 = c4
(65)
6 0
0 0 = c4 6 1
13 13.
48
13.1.
Enunciado
El siguiente modelo de programaci on lineal, que se utiliza para la planicaci on de la producci on de 3 productos sometidos a 3 restricciones. max z = 5x1 + 4x2 + 12x3 s.a. : 4x1 + 2x2 + 5x3 40 5x1 + 3x2 + 7x3 60 x1 + x2 + x3 = 10 x1 , x2 , x3 0 Se ha resuelto por el m etodo de la M grande, y la siguiente tabla corresponde a una soluci on optima del problema correspondiente a su vez al plan de producci on optimo. -280/3 20/3 10/3 10/3 x1 -13/3 2/3 -2/3 1/3 x2 0 0 0 1 x3 0 1 0 0 x4 -8/3 1/3 -4/3 -1/3 x5 0 0 1 0 a3 4/3-M -2/3 -1/3 5/3 (66)
x3 x5 x2
on est a operando 2. Analizando el inter es de incrementar o disminuir b3 , justicar si la tercera restricci como una limitaci on o como una obligaci on. cito de los valores de los precios sombra de los 3. Explicar el signicado de V1B , haciendo uso expl recursos correspondientes a las tres restricciones. 4. Suponiendo que los recursos R1 y R2 fueran intercambiables, calcular la soluci on optima para cualquier cantidad de recurso transferido de R2 a R1 , utilizando para ello la programaci on param etrica. on optima es la correspondiente a 5. Determinar el intervalo de c2 dentro del cual la base de la soluci la de la tabla dada. Sin necesidad de realizar c alculos, indicar por qu e la soluci on b asica obtenida dejar a de ser la optima y qu e ser a necesario realizar para obtener la nueva soluci on optima. 6. Obtener la nueva soluci on y calcular la repercusi on que tendr a sobre el benecio el hecho de que, debido a un cambio de normativa, ya no se puede vender producto P2
13.2.
Resoluci on
Apartado 1.
2 La tasa de sustituci o n pB asica con respecto a la variable x1 , no 11 = 3 de la primera variable b b asica, representa en qu e medida disminuye el valor de la primera variable b asica x3 (uB 1 ) cuando 2 B B la variable x1 toma valor 1. Es decir: u1 x = p11 = 3
1
La tasa de sustituci o n pB on de x3 con respecto a esa misma variable y es 1. 13 es la tasa de sustituci Esta tasa representa en qu e medida disminuye x1 cuando x1 toma valor 1, y es -1. Es decir, no es posible obtener un valor diferente de x3 = 20 3 , para la base B = (A3 A5 A2 ).
49
Si b3 = 1 z = 4 3 Si b3 = 1 z =
4 3
Si fuera posible, ser a desear disminuir el valor de b3 , porque dar a lugar a un aumento de la funci on objetivo. Se puede decir, que la restricci on tercera est a actuando en esta soluci on como una obligaci on. Apartado 3. El criterio del simplex de la variable x1 se puede expresar como: V1B = c1 B A1 = 5
8 3
4 3
8 3
4 5 1
4 3
(67)
que son, respectivamente, los 4 El consumo unitario de dichos recursos al realizar una unidad de P1 es 5 . 1 Con lo que el producto de B A1 representa el valor de los recursos que son necesarios para producir on correspondiente a la soluci on optima. En este una unidad de P1 y que se detraen del plan de producci caso B A3 = 28 . 3 El criterio del simplex V1B representa la diferencia entre: la contribuci on unitaria al benecio de P1 , c1 = 5 y el citado valor de los recursos para realizar una unidad de P1 : B A3 =
28 3 .
Los precios sombra de las tres restricciones son B = valores unitarios de cada uno de los tres recursos.
La diferencia es V1B = 13 3 , con lo que no resulta realizar este producto, porque no se ve compensado el ingreso con lo que se deja de ganar al detraer recursos del plan actual de producci on. Apartado 4. Lo que se pide es resolver el siguiente problema de programaci on param etrica con b = T 40 + 60 , con 0: max z = 5x1 + 4x2 + 12x3 s.a. : 4x1 + 2x2 + 5x3 40 + 5x1 + 3x2 + 7x3 60 x1 + x2 + x3 = 10 x1 , x2 , x3 0 La soluci on dada corresponde a = 0 =0 x3 x5 x2 -280/3 20/3 10/3 10/3 x1 -13/3 2/3 -2/3 1/3 x2 0 0 0 1 x3 0 1 0 0 x4 -8/3 1/3 -4/3 -1/3 x5 0 0 1 0 a3 4/ 3 M -2/3 -1/3 5/3
(68)
13 Esta soluci on es optima y factible si uB () 0: 1/3 0 2/3 40 + uB () = B 1 b() = 4/3 1 1/3 60 = 1/3 0 5/3 10 20 + 1 10 10 7 0 3 7 10
50
(69)
Las siguientes tres tablas son, respectivamente, la tabla correspondente a la soluci on optima cuando 10 , la tabla correspondiente a dicha soluci o n o tpima cuando = y la que se obtiene a partir 0 10 7 7 de la anterior aplicando el m etodo de Lemke. 0 10 7 x3 x5 x2 = 10 7 x3 x5 x2 = 10 7 x3 x4 x2
280+8 3 20+ 3 107 3 10 3 680 7 50 7 20 7 680 7 50 7 20 7
x1 -13/3 2/3 -2/3 1/3 -13/3 2/3 -2/3 1/3 -3 1/2 1/2 1/2
x2 0 0 0 1 0 0 0 1 0 0 0 1
x3 0 1 0 0 0 1 0 0 0 1 0 0
a3 4/3 M -2/3 -1/3 5/3 4/3 M -2/3 -1/3 5/3 2M -3/4 1/4 7/4
Esta soluci on es optima y factible si uB () 0: 0 uB () = B 1 b() = 1 0 1/4 3/4 40 + 3/4 1/4 60 = 1/4 7/4 10 30 10 1 10 + 7 30 4 7 10 +
(70)
Las siguientes tres tablas son, respectivamente, la tabla correspondente a la soluci on optima cuando 30, la tabla correspondiente a dicha soluci on otpima cuando = 30 y la que se obtiene a partir de la anterior aplicando el m etodo de Lemke.
10 7 10 7
30 x3 x4 x2 = 30 x3 x4 x2
100 2
30 4 10+7 4 10+ 4
-40 0 50 10
x2 0 0 0 1 0 0 0 1
x3 0 1 0 0 0 1 0 0
x4 0 0 1 0 0 0 1 0
No existe posiblidad de iterar aplicando el m etodo de Lemke, porque no existen tasas de sustituci on negativas para x3 . Por lo tanto,la soluci on o ptima en funci on de lambda es:
13
Si 0
10 7 10+ 3 , 280+8 3
51 x3 =
20+ 3
y x5 =
107 3
x2 =
30 4
y x4 =
10+7 4
Valor de la funci on objetivo: z = 100 2 Si > 30 el problema no tiene soluci on A partir del an alisis anterior, se puede concluir que el benecio m aximo se obtiene para = decir, transriendo es cantidad de recursos, con un benecio de 680 . 7
10 7 ,
es
Apartado 5. La base de la soluci on b asica obtenida no cambia si la soluci on sigue siendo o ptima y factible. Si se modica c2 , puede cambiar V B y la soluci on puede dejar de ser optima. Hay que calcular el intervalo de c2 dentro del cual V B 0. V B = c cB p B = 5 c2 12 0 0 3 12 0
c2 3
c2 0
(71)
4 0
0 9 c2 12
Si c2 [9, 12], la base sigue siendo la obtenida. Si c2 < 9, la soluci on dejar a de ser optima porque V1B > 0, y habr a que aplicar el m etodo del Simplex e introducir la variable x1 . Si c2 > 12, la soluci on dejar a de ser optima porque V4B > 0, y habr a que aplicar el m etodo del Simplex e introducir la variable x4 . Apartado 6. x2 0 x2 + x6 = 0 -280/3 20/3 10/3 10/3 0 -10/3 -50 0 10 0 10 x1 -13/3 2/3 -2/3 1/3 0 -1/3 0 0 0 0 1 x2 0 0 0 1 1 0 0 0 0 1 0 x3 0 1 0 0 0 0 0 1 0 0 0 x4 -8/3 1/3 -4/3 -1/3 0 1/3 -7 1 -2 0 -1 x5 0 0 1 0 0 0 0 0 1 0 0 a3 4/ 3 M -2/3 -1/3 5/3 0 -5/3 23 M -4 3 0 5 x6 0 0 0 0 1 1 -13 2 -2 1 -3
x3 x5 x2 x6 x3 x5 x2 x1
La nueva soluci on consiste en no fabricar P2 y fabricar 10 unidades de P1 con una funci on objetivo de 50, peor que el valor de la funci on objetivo antes de introducir la restricci on.
14 14.
52
14.1.
Enunciado
max z = 3x1 + 4x2 + 5x3 s.a. : 3x1 + 2x2 + 4x3 50 x1 + x2 + x3 = 20 4x1 + 5x2 + 8x3 300 x1 , x2 , x3 0 (72)
14.2.
Resoluci on
max z = 3x1 + 4x2 + 5x3 s.a. : 3x1 + 2x2 + 4x3 h1 = 50 x1 + x2 + x3 = 20 4x1 + 5x2 + 8x3 + h3 = 300 x1 , x2 , x3 , h1 , h3 0
(73)
Problema de la primera fase (P ) max z = a1 a2 s.a. : 3x1 + 2x2 + 4x3 h1 + a1 = 50 x1 + x2 + x3 + a2 = 20 4x1 + 5x2 + 8x3 + h3 = 300 x1 , x2 , x3 , h1 , h3 , a1 , a2 0
(74)
14 (1 fase) (2 fase) a1 a2 h3 (1 fase) (2 fase) x3 a2 h3 (1 fase) (2 fase) x3 x2 h3 (1 fase) (2 fase) x3 h1 h3 70 0 50 20 300 15/2 -125/2 25/2 15/2 200 0 -85 5 15 185 0 -100 20 30 140
x3 5 5 4 1 8 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
a2 0 0 0 1 0 0 0 0 1 0 -1 -3 -1 2 -2 -1 -5 1 4 -8
h3 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
53
15 15.EJERCICIO Ejercicio
54
15.1.
Enunciado
Dado el problema de programaci on lineal (P ): max z = x1 + x2 + 2x3 s.a 3x1 + 4x2 12 x1 + x2 24 x1 + x3 = 15 x1 , x2 , x3 0 etodo de 1. Plantear el problema correspondiente a la primera fase (P ), si se resolviera mediante el m las dos fases. 2. Construir la tabla correspondiente al m etodo del Simplex, variante de la matriz completa, para la primera soluci on de (P). on objetivo de la 3. Explicar qu e se puede decir de P si al resolver el problema anterior (P ), la funci soluci on o ptima es diferente de cero.
(75)
15.2.
Resoluci on
TMCIO 1011 JUN Apartado 1. El problema P correspondiente a la pimera fase es el siguiente. max z = a1 a3 s.a 3x1 + 4x2 h1 + a1 = 12 x1 + x2 + h2 = 24 x1 + x3 + a3 = 15 x1 , x2 , x3 , h1 , a1 , h2 , a3 0 Apartado 2. La tabla correspondiente a la soluci on b asica de partida de P es: 27 12 24 15 x1 4 3 1 1 x2 4 4 1 0 x3 1 0 0 1 h1 -1 -1 0 0 a1 0 1 0 0 h2 0 0 1 0 a3 0 0 0 1 (76)
a1 h2 a3
Apartado 3. Si la soluci on optima del problema P tiene una funci on objetivo diferente de cero, signica que no tiene soluciones factibles con a1 = a3 = 0, con lo que el problema original P no tiene ninguna soluci on factible.
16 16.EJERCICIO Ejercicio
55
16.1.
Enunciado
Al resolver un problema mediante el m etodo de Lemke, aparece una tabla como la siguiente. Explicar, sin hacer operaciones, qu e habr a que hacer para continuar (la explicaci on no deber a tener una extensi on superior a 100 palabras). -7 -2 -5 x1 0 1 0 x2 6 3 3 x3 -4 0 1 h1 -2 2 -3 h2 0 0 1
x1 x3
16.2.
Resoluci on
Todas las soluciones que se visitan al aplicar el m etodo de Lemke cumplen el criterio de optimalidad (V B 0). En la tabla se muestra una soluci on que no lo cumple, por lo que debe de haber existido alg un error previo en la aplicaci on de dicho m etodo, habr a que revisar los c alculos previos.
17 17.EJERCICIO Ejercicio
56
17.1.
Enunciado
Para la relajaci on lineal del problema anterior, se pide: 1. Construir el problema dual correspondiente. 2. Indicar cu ales son las variables b asicas as como sus valores, correspondientes a la soluci on optima de dicho problema dual.
17.2.
Resoluci on
MME 0809 FEB Dado el primal: max z = x1 + x2 sujeto a: 2x1 + 5x2 16 6x1 + 5x2 30 x1 ,x2 0 Su dual es: min s = 16y1 + 30y2 sujeto a: 2 y1 + 6 y2 1 5 y1 + 5 y2 1 y1 ,y2 0 Para la soluci on optima: y = B = (1/20 3/20) Se cumple que: V1B = V1B = 0, por lo que las restricciones del dual se cumplen en t erminos de igualdad y, por lo tanto, h1 = h2 = 0
= 1/20 y y2 = 3/20 Las variables b asicas de la soluci on optima del dual son y1
(77)
(78)
18 18.EJERCICIO Ejercicio
57
18.1.
Enunciado
Una empresa de productos qu micos EPQ trata de convencer a AV de que alimente a sus gallinas a nadiendo directamente AA y C al pienso com un. EPQ conoce las caracter sticas de los complejos suplementarios que se ofrecen en el mercado local. 1. Plantear el modelo de programaci on lineal que utilizar a EPQ para determinar su pol tica de precios para AA y C de modo que a AV le resultara indiferente acudir al mercado local o comprar a EPQ. 2. Obtener la soluci on o ptima al modelo planteado por EPQ precisamente a partir de la obtenida en el apartado 2 del ejercicio anterior. 3. Explicar c omo podr a afectar a EPQ que CSN fuera o no interesante para AV.
18.2.
Resoluci on
Apartado 1 El modelo que utilizar a EPQ ser a el dual del de AV. Siendo y1 e y2 los precios que EPQ pondr a a AA y a C, respectivamente, tratar a de maximizar sus ingresos por suministrar el AA y C que necesita AV, siendo competitivo con los complejos suplementarios del mercado local, es decir: max z = 15000y1 + 3000y2 s.a. : 40y1 + 30y2 70 60y1 + 60y2 20 40y1 + 40y2 50 y1 , y2 0 Apartado 2 Tanto por la aplicaci on del teorema de las holguras complementarias, como por la inter pretaci on del ejercicio anterior, y1 = 1 / 3 e y2 = 0 /gramo, es decir, EPQ deber a ofrecer AA a 333 /kg y deber a regalarle C a AV para ser competitivo e ingresar los 5000 /semana. Apartado 3 L ogicamente, como a AV no le interesa CSN , no afectar a a lo ya dicho para EPQ. Sin embargo, si a AV le interesara CSN, ser a porque reducir a sus costes. Como en dualidad las funciones objetivo coinciden en el o ptimo, los benecios esperados por EPQ bajar an (se enfrentar a con un mercado m as competitivo). (79)
19 19.EJERCICIO Ejercicio
58
19.1.
Enunciado
Consid erese el problema max z = 2x1 + x2 s.a. : x1 + x2 14 2x1 x2 10 x1 x2 3 x1 , x2 0 Se pide Escribir el problema dual Vericar la soluci on x = (8, 6) es una soluci on factible. Demuestrar que x es soluci on optima mediante el teorema de las holguras complementarias y determinar la soluci on o ptima del problema dual.
(80)
19.2.
Resoluci on
min s = 14y1 + 4y2 + 3y3 s.a. : y1 + 2 y2 + y3 2 y1 y2 y3 1 y1 , y2 , y2 0 (81)
Apartado 2. Se trata de una soluci on: Restricci on 1:8 + 6 = 14 14 Restriccion 2:2 8 6 = 10 10 Restriccion 2:8 6 = 2 3 on objetivo es 22. Se cumplen las tres restricciones, adem as h3 = 1. El valor de la funci Apartado 3. Los valores de las holguras del problema original son: h1 = 0, h2 = 0,h3 = 1, por lo que los criterios del simplex de las variables del problema primal son V B = (0, 0, 0, 0, 0). Por el teorema de las holguras complementarias s olo y1 e y2 pertenecen a la base del problema dual. y h1 = y h2 = y 3 = 0 Las restricciones del dual se transforman en un sistema de dos ecuaciones con dos variables (y1 e y2 ), 1 cuyo resultado es: y1 = 4 on del dual, la funci on objetivo vale s = 22. Como 3 e y2 = 3 . Para esta soluci z = s estamos en la soluci on o ptima.
20 20.EJERCICIO Ejercicio
59
20.1.
Enunciado
Dado el siguiente problema max z = 5x1 + 4x2 + 3x3 s.a. : x1 + x3 15 x2 + 2x3 25 x1 , x2 , x3 0 Se pide: 1. Construir el problema dual 2. Justicar sin resolver el problema dual, que 175 es una cota superior del problema primal 3. Resolver gr acamente el dual. 4. Obtener la soluci on o ptima del primal a partir del dual (82)
20.2.
Resoluci on
Apartado 1. El problema dual es: min s = 15y1 + 25y2 s.a. : y1 5 y2 4 y2 + 2 y2 3 y1 , y2 0 Apartado 2. Si se encuentra una soluci on del dual con s = 175, se dispondr a de una cota superior del primal. En efecto, y1 = 5 y y2 = 4 es una soluci on factible del primal y ofrece una funci on objetivo de s = 175 Apartado 3. La soluci on o ptima del dual se alcanza para y1 = 5, y2 = 4, con s = 175 Apartado 4. Como y1 = 5, el precio sombra de la primera restricci on en el primal es diferente de cero, por lo que h1 es una variable no b asica. Como y2 = 4 , el precio sombra de la segunda restricci on en el primal es diferente de cero, por lo que h2 es una variable no b asica. Por u ltimo, con la tercera restricci on del dual no se cumple como igualdad, la tercera variable del asica. primal, x3 es no b (83)
20 EJERCICIO
60
Las variables b asicas de la soluci on o ptima del primal son: x1 y x2 . Es decir, se debe cumplir: x1 = 15 x2 = 25 El valor de la funci on objetivo es z = 175 = s
(84)
61
21.1.
Enunciado
ci xi s.a. : (85)
bi xi F
i
xi 0 Siendo F un escalar
21.2.
Resoluci on
(86)
22 22.EJERCICIO Ejercicio
62
22.1.
Enunciado
Dado el problema:
max z = x1 + x2 sujeto a: 2x1 + 5x2 16 6x1 + 5x2 30 x1 ,x2 0 y enteros Se conoce la soluci on o ptima de la relajaci on lineal correspondiente, x RL , cuya tabla del simplex se indica a continuaci on. -53/10 9/5 7/2 x1 0 0 1 x2 0 1 0 h1 -1/20 3/10 -1/4 h2 -3/20 -1/10 1/4 (87)
x2 x1
Se pide resolver de forma gr aca el problema entero utilizando Branch&Bound, dibujando el a rbol correspondiente.
22.2.
Resoluci on
22 EJERCICIO
63
Existen tres soluciones enteras que arrojan el mismo valor z = 5. Las soluciones son las siguientes. Soluci on 1: x1 = 5 y x2 = 0. Soluci on 2: x1 = 4 y x2 = 1. Soluci on 3: x1 = 3 y x2 = 2. Resoluci on gr aca de los problemas:
22 EJERCICIO
64
23 23.EJERCICIO Ejercicio
65
23.1.
Enunciado
En un problema de programaci on lineal entera resuelto mediante ramicaci on y acotaci on (algoritmo de Land-Doig), explicar en qu e casos un nodo del arbol no se ramica (y, por lo tanto, no da lugar a dos nuevos nodos con sus correspondientes problemas).
23.2.
Resoluci on
Un nodo no se ramica si cumple alguna de las siguientes condiciones. 1. Si la soluci on del problema correspondiente a ese nodo es entera. 2. Si el valor de la funci on objetivo del problema correspondiente a ese nodo es peor que el valor de la funci on objetivo de alg un nodo con soluci on entera. 3. Si el problema correspondiente al nodo no tiene soluci on factible.
24 24.EJERCICIO Ejercicio
66
24.1.
Enunciado
En el curso de aplicar el m etodo Branch & Bound (en el que cada nodo se ramica en dos subproblemas que tienen una restricci on o m as que el subproblema del que parten) para resolver un on objetivo max z = 4x1 x2 , se obtiene problema de optimizaci on entera con variables (x1 y x2 ) y funci el a rbol 1 de la gura 1. on lineal Al lado de los nodos S , S1 , S12 y S2 se muestran las soluciones obtenidas al resolver la relajaci de los subproblemas correspondientes. Por ejemplo, al resolver la relajaci on lineal para el subproblema on relajada (2, 1 S1 se obtiene la soluci 2 ).