Colecci on de problemas de formulaci on de modelos de Programaci on Lineal

Alvaro Garc a S anchez, Miguel Ortega Mier 3 de marzo de 2013

 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

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

39.Ejercicio 39.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40.Ejercicio 40.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40.2. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

La interpretaci on de los mismos es la siguiente:

B 1 = 19/10. Si b1 = 1 z = 19/10. La empresa estar a dispuesta a pagar hasta 1900 unidades monetarias para disponer de 1 kg m as diariamente. Igualmente, estar a dispuesta a vender 1 kg si recibiera por ello cualquier cantidad superior a 1900 unidades monetarias. B 2 = 2/5. Si b1 = 1 z = 2/5. La empresa podri a obtener un benecio mayor (4/5) si el compromiso fuera entrgar 21000 botellas y no 20000, por lo que este compromiso est a actuando como una limitaci on. F R estar a dispuesta a renegociar el compromiso para pasar a 21000 botellas, siempre y cuando esto no representara un coste para ella superior a 400 unidades monetarias.

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

Es decir, el mix es el mismo si se cumple simult aneamente: 7 c3 0 c3 7 c3 7 3c3 5 c 0 3 5/3 10 (7)

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

-50 7/2 11/2 -50 7 2

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

h1 -2 3/10 -1/10 h1 -2 3/5 -2/5

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 5/3 10/3 1 1 2/3 1/3 0 0

62 3 24 3

= 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:

12 fi xi 0 ser an, en este caso,

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

La interpretaci on de los mismos es la siguiente:

B 1 = 19/10. Si b1 = 1 z = 19/10. La empresa estar a dispuesta a pagar hasta 1900 unidades monetarias para disponer de 1 kg m as diariamente. Igualmente, estar a dispuesta a vender 1 kg si recibiera por ello cualquier cantidad superior a 1900 unidades monetarias. B 2 = 2/5. Si b1 = 1 z = 2/5. La empresa podri a obtener un benecio mayor (4/5) si el compromiso fuera entrgar 21000 botellas y no 20000, por lo que este compromiso est a actuando como una limitaci on. F R estar a dispuesta a renegociar el compromiso para pasar a 21000 botellas, siempre y cuando esto no representara un coste para ella superior a 400 unidades monetarias.

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

Es decir, el mix es el mismo si se cumple simult aneamente: 7 c3 0 c3 7 c3 7 3c3 5 c 0 3 5/3 10 (19)

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

0 1/2 1 3/10 1 1/2 0 1/10 0

4 2

(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

-50 7/2 11/2 -50 7 2

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

h1 -2 3/10 -1/10 h1 -2 3/5 -2/5

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 5/3 10/3 1 1 2/3 1/3 0 0

62 3 24 3

= 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:

18 fi xi 0 ser an, en este caso,

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

Apartado 1. La utilizaci on que se hace de los recursos es la siguiente:

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

= 2, con lo que se produce 2 m3 menos de pilsen, es decir, se producir an 4

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

xh1 xh2 x2 xh2

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:

6 x2 x3 -9 1/2 3/2 1 -26/3 1/3 1 2/3

x2 x3 x1

x1 -1/2 1/4 3/4 0 0 0 0 1

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

h1 -5/2 1/4 -1/4 0 8/3 1/3 0 -1/3

h3 0 0 0 1 -2/3 1/3 1 -4/3

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

1/2 1/4 3/2 1/4

(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

1/2 2/3 5/6 1 2 1/3 10/3 0

1/6 0 1/3 1

(34)

V B = c cB B 1 A = c cB p B = 1 7 5 14 0 0 14 0 1/2 2/3 5/6 1 2 1/3 10/3 0 1/6 0 1/3 1 = (35)

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

7 a de valor. Apartado 2. El nuevo problema tendr a b2 = 4, por lo que uB = B 1 b cambiar B 1 b =

1 6 1 3

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 ,

aij xj + hi ai = bi . aij xj hi + ai = bi . aij xj + ai = 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 ,

aij xj + hi ai = bi aij xj hi + ai = bi aij xj + ai = bi

INCORRECTA: ninguna de las anteriores es correcta

8 2. Al resolver un problema mediante el m etodo de las dos fases

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

-3000 50 45 60 -3180 62.87 25.71 60

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 Al modicar A2 , cambian tanto V2B como pB A2 . 2 =B

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

300 400 500 + 0 0 0 0 400 500 + 0 300

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

10 La soluci on de es: on obtenida es v alida para = 100 y, en general, el valor de V B en funci

40

300 400 500 + 0 0 0 0 0 500 + 0 300

0 0 0 1 0

uB () = c() cB ()B 1 A = 2 0 1 1 0 1 1/2 1 1/2 1 0 0 = 1 0 0 1 1 0 2 0 1 1 0 0 0

100 2

+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

300 400 500 + 0 0 0 0 0 500 + 0 300

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

Es decir, cada hora adicional de Lidia, permitir a mejorar el benecio en 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

1/2 2/3 1/4 1/3 = 1/4 2/3

0 150 c2 300 (60)

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.

11 h1 x1 x2 h4 h1 x1 x2 h3 -5200/3 16/3 8/3 14/3 -1/3 -1700 6 3 4 1

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

h2 -25 -1/2 1/4 -1/4 1/4 -50 -1 0 1/4 -3/4

h3 -100/3 -2/3 -1/3 2/3 -1/3 0 0 0 0 1

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 =

0 1/2 1/2 1/2 0 1 1/2 1/2 3/2 0 = 0 3/2 1/2 1/2 1 0 0

6c1 2 6c1 2 c1 18 2

c1 +18 2

0 (62)

Con lo que la soluci on seguir a siendo optima si V B 0: 6 c1 0 6 c1 0 6 c1 18 c1 18 0 (63)

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

El nuevo producto resulta interesante si su contribuci on al benecio es mayor de 6.

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

Tomando como referencia la soluci on o ptima actual:

B 1. Explicar el signicado de las tasas de sustituci o n pB 11 y p13 .

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 ).

4 13 B = 3 . Es decir: Apartado 2. El precio sombra de la tercera restricci on es 3

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

x4 -8/3 1/3 -4/3 -1/3 -8/3 1/3 -4/3 -1/3 0 0 1 0

x5 0 0 1 0 0 0 1 0 -2 1/4 -3/4 -1/4

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

x1 -3 1/2 1/2 1/2 -3 1/2 1/2 1/2

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

x5 -2 1/4 -3/4 -1/4 -2 1/4 -3/4 -1/4

a3 2M -3/4 1/4 7/4 2M -3/4 1/4 7/4

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

Valores de las variables b asicas: x2 = Valor de la funci on objetivo: z = Si

10 7

y x5 =

107 3

30 Valores de las variables b asicas: x2 =

10+ 4 ,

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

2/3 0 1 2/3 0 0 1/3 1 0

c2 3

1/3 0 4/3 1 = 1/3 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)

Resolver el siguiente problema mediante el m etodo de las dos fases:

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

Reformulaci on del problema original (P )

(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

x1 4 3 3 1 4 1/4 -3/4 3/4 1/4 -2 0 -3/2 1/2 1/2 -5/2 0 -2 1 1 -4

x2 3 4 2 1 5 1/2 3/2 1/2 1/2 1 0 0 0 1 0 0 -1 1 2 -3

x3 5 5 4 1 8 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0

h1 -1 0 -1 0 0 1/4 5/4 -1/4 1/4 2 0 1/2 -1/2 1/2 3/2 0 0 0 1 0

a1 0 0 1 0 0 -5/4 -5/4 1/4 -1/4 -2 -1 1/2 1/2 -1/2 -3/2 -1 0 0 -1 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

La soluci on del problema original es: x3 = 20, x1 = x2 = 0

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 1. El problema dual es:

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)

21 MME-1213-ENE-2 21.EJERCICIO Ejercicio MME-1213-ENE-2

61

21.1.

Enunciado

Hallar el problema dual de este problema. max z =

i

ci xi s.a. : (85)

bi xi F
i

xi 0 Siendo F un escalar

21.2.

Resoluci on

Hallar el problema dual es min s = yF s.a. : ybi ci i y0

(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

El a rbol correspondiente a la aplicaci on del algoritmo de Land-Doig es el siguiente.

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 ).

Figura 1: a rbol 1 del B&B 1. La informaci on proporcionada en el arbol 1 y la funci on objetivo dada permiten calcular cotas inferiores y superiores del problema original. Para cada nodo indica qu e tipo de cota ofrece y cu al es su valor. 2. El Arbol 1 muestra una soluci on entera factible. Se puede asegurar que sea optima con la informaci on dada hasta ahora? Por qu e? 2 mostrado en la Figura 2, 3. Al seguir con la ramicaci on del subproblema S1 se obtiene el Arbol donde se indican las soluciones de las relajaciones lineales correspondientes a los subproblemas que se ven en el a rbol. Actualiza las cotas inferiores y superiores Puedes encontrar una soluci on optima para el problema, o habr a que continuar explorando el arbol? Por qu e?

Figura 2: a rbol 2 del B&B

24.2.

Resoluci on

MME 0809 SEP

24 EJERCICIO Apartado 1 Cada nodo aporta una cota: S0 . Soluci on no entera. Cota superior. z1 = 4
20 7

67 3=
1 2 59 7 15 2

S1 . Soluci on no entera. Cota superior. z2 = 4 2

S12 . Soluci on entera. Cota inferior. z12 = 4 2 1 = 7 Apartado 2 No se puede asegurar que sea la soluci on optima porque, por ejemplo, el nodo no resuelto correspondiente a la ramicaci on de S0 , es decir, S2 puede ofrecer soluciones enteras mejores que la del nodo S12 . Apartado 3 Los nuevos nodos aportan nuevas cotas: S2 . Soluci on no factible. No proporciona cota. S11 . Soluci on no entera con funci on objetivo z11 = 4 3 on 2 2 0 = 6, menor que el valor de la soluci entera de S12 , con lo que se trata de una cota inferior. La soluci on o ptima es la correspondiente a S12 , ya que el nodo S2 no se puede ramicar, ya que corresponde on no entera peor a un problema sin soluci on factible, y el nodo S11 corresponde a un problema con soluci que la soluci on de S12 , que s es entera.

25 25.EJERCICIO Ejercicio

68

25.1.

Enunciado
max z = 12x1 + 6x2 s.a. : 2x1 + 4x2 17 x1 , x2 0 y enteras

Resolver mediante Branch and Bound el siguiente problema PLE:

(88)

Utilizar Simplex o Lemke para resolver las relajaciones lineales correspondientes (no se valorar a la obtenci on de soluciones optimas mediante m etodo gr aco).

26 26.EJERCICIO Ejercicio

69

26.1.

Enunciado

Al empezar a resolver con Branch & Bound un problema de maximizaci on con todas las variables enteras se divide el problema original en dos subproblemas (dos ramas): x1 2 y x1 3. La rama x1 2 ha sido podada al encontrar un soluci on entera en la relajaci on lineal correspondiente (x1 , x2 , x3 ) = (1, 2, 1) con z = 5. Cu al ser a el siguiente paso si la soluci on a la que se llega al resolver la relajaci on lineal correspondiente a la rama x1 3 fuera: 1. (x1 , x2 , x3 ) = (3, 1, 0.5) con z = 3.5 2. (x1 , x2 , x3 ) = (4, 1, 0) con z = 8 3. (x1 , x2 , x3 ) = (4, 1.5, 0) con z = 8 4. (x1 , x2 , x3 ) = (4, 1, 2) con z = 7.5

26.2.

Resoluci on

MME 1011 ENE Apartado 1. En este caso la soluci on obtenida por la rama x1 3 ofrece una cota superior menor que en se podar a, no habr a nodos que ramicar la cota inferior de la rama x1 1, por lo que esa rama tambi y la soluci on o ptima ser a (x1 , x2 , x3 ) = (1, 2, 1) con z = 5 Apartado 2. En este caso, habr a que podra la rama x1 3, al haber obtenido una soluci on entera (la cota superior igual a la cota inferior) y la soluci on optima ser a (x1 , x2 , x3 ) = (4, 1, 0) con z = 8 Apartado 3. En este caso, la rama x1 3 no se podr a podar, ya que su cota superior es mayor que la inferior del u nico otro nodo del problema y porque el nodo corresondiente a dicha rama no ofrece una soluci on entera. Ser a necesario ramicar de nuevo, generando dos ramas a partir de la u nica variable no a una cota superior de 8 y una cota inferior de 3.5. entera: xx2 2 y x2 2. Para el problema se tendr Apartado 4. An alogamente al caso 2, la soluci on optima ser a (x1 , x2 , x3 ) = (4, 1, 2) con z = 7.5.

27 27.EJERCICIO Ejercicio

70

27.1.

Enunciado

Resolvi endose un problema de programaci on entera se ha llegado a construir el a rbol que se muestra en la gura 27.1. Se pide responder a las siguientes preguntas de tipo test.

P0 x1=11.69 x2=3.01 z*=50.18

x111 P1 x1=11 x2=3.37 z*=49.36

x112 P2 X1=12 X2=2.66 z*=49.33

x23

x24

x22

P3 x1=11 x2=3 z*=48

P4 z*=47

P5 x1=12.57 x2=2 z*=47.71

Figura 3: arbol resultante durante la resoluci on de un problema con B&B 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 La informaci on del arbol permite armar que: ninguna de las anteriores es correcta. No es necesario indicar el 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. Con respecto al nodo 4: Hay que seguir ramicando el nodo 4. No interesa ramicar el nodo 4 porque su relajaci on lineal tiene un valor menor que alguna de las cotas inferiores obteinidas hasta ahora. No interesa ramicar el nodo 4 porque ya es una soluci on entera. Ninguna de las anteriores es correcta 2. La informaci on del a rbol permite armar que: Debo ramicar el nodo 5 en dos nuevos subnodos cuyas ramas son x1 12 y x1 13. No debo ramicar el nodo 5 porque el subproblema correspondiente no puede tener soluciones mejores que la obtenida en su relajaci on lineal Al haber resuelto el subproblema correspondiente al nodo 5 la cota infererior m as alta del problema completo es 47.71. Ninguna de las anteriores es correcta

27 3.EJERCICIO El nodo 6: representa al subproblema que consiste en a nadir al subproblema 2 la restricci on x2 = 3. representa al subproblema que consiste en a nadir al subproblema 2 la restricci on x2 3.

71

representa un subproblema que no se debe resolver porque es imposible que se encuentre una soluci on mejor que la mejor cota inferior obtenida hasta este momento. Ninguna de las anteriores es correcta

27.2.

Resoluci on
INCORRECTA: Hay que seguir ramicando el nodo 4. CORRECTA: No interesa ramicar el nodo 4 porque su relajaci on lineal tiene un valor menor que alguna de las cotas inferiores obteinidas hasta ahora. INCORRECTA: No interesa ramicar el nodo 4 porque ya es una soluci on entera. INCORRECTA: Ninguna de las anteriores es correcta

1. Con respecto al nodo 4:

2. La informaci on del a rbol permite armar que: INCORRECTA: Debo ramicar el nodo 5 en dos nuevos subnodos cuyas ramas son x1 12 y x1 13. INCORRECTA: No debo ramicar el nodo 5 porque el subproblema correspondiente no puede tener soluciones mejores que la obtenida en su relajaci on lineal INCORRECTA: Al haber resuelto el subproblema correspondiente al nodo 5 la cota infererior m as alta del problema completo es 47.71. CORRECTA: Ninguna de las anteriores es correcta 3. El nodo 6: INCORRECTA: representa al subproblema que consiste en a nadir al subproblema 2 la restricci on x2 = 3. CORRECTA: representa al subproblema que consiste en a nadir al subproblema 2 la restricci on x2 3. INCORRECTA: representa un subproblema que no se debe resolver porque es imposible que se encuentre una soluci on mejor que la mejor cota inferior obtenida hasta este momento. INCORRECTA: Ninguna de las anteriores es correcta

28 28.EJERCICIO Ejercicio

72

28.1.

Enunciado

Dado el siguiente problema de programacion entera: max z = 4x1 2x2 + 7x3 x4 s.a. : x1 + 5x3 10 x1 + x2 x3 1 6x1 5x2 0 x1 + 2x3 2x4 3 x1 , x2 , x3 , x4 0 y enteras Se ha comenzado a resolver mediante Branch-and-Bound (algoritmo de Dakin) y se dispone del siguiente a rbol. Para cada nodo se indica el valor de la soluci on otpima de la relajaci on lineal y los valores de las variables que en la dicha soluci on o ptima toman un valor no nulo. (89)

Se pide:

1. Indicar para cada nodo, la mejor cota superior y la mejor cota inferior que se puede obtener con toda la informaci on que ofrece el a rbol. 2. Para cada uno de los nodos no ramicados, indicar si se deben podar o si se deben ramicar y por qu e.

28 EJERCICIO 28.2. Resoluci on Las cotas guran en el siguiente a rbol.

z LP= 14.25 x1= 1.25 x2= 1.5 x3= 1.75 x2 1 z LP= 14.17 x1= 0.833 x2= 1 x3= 1.83 x3 1

73

P0 x2 2 z LP= 12.17 x1= 0.833 x2= 2 x3= 1.83 x3 2 x3 1

P00

P01 x3 2 z LP= 9.5 x2= 2 x3= 2 x4= 0.5

z LP= 8.33 x1= 0.833 x2= 1 x3= 1 x1 0 z LP= 7 x3= 1

P000

z LP= 13.5 x3= 2 x4= 0.5 x1 1

P001

P011

z LP= 3 x2= 2 x3= 1 P0001

P010

010= 3 010= 3

P0000

De la evaluaci on del a rbol, se puede concluir: Nodo 0000. Este nodo se debe podar por optimalidad. Se ha alcanzado una soluci on entera. Nodo 0001. Este nodo se debe podar por infactibilidad. No existen soluciones enteras factibles. Nodo 001. Este nodo no se puede podar y se debe ramicar en dos problemas x4 0 y x4 1. Nodo 010. Este nodo se debe podar por optimalidad. Nodo 011. Este nodo no se puede podar y se debe ramicar en dos problemas x4 0 y x4 1.

29 MME-1213-ENE-3 29.EJERCICIO Ejercicio MME-1213-ENE-3

74

29.1.

Enunciado

Resolver el siguiente problema mediante el m etodo Branch and Bound, utilizando el m etodo gr aco para resolver cada subproblema: max z = 4x1 + 6x2 s.a.: 4x1 + 3x2 22 xi Z+ (90)

29.2.

Resoluci on

La soluci on optima es x4 (0, 7) con z 3 = 42. En la gura se puede ver el gr aco utilizado para desarrollar el algoritmo y resolver las relajaciones lineales as como el arbol (sin actualizar cotas) en el que se muestran los distintos subproblemas estudiados. x1
4

8 x2 7 x2 7 x5 x1 0 42 4 42 43

44

1 x2 8

6 5 4 3 2 1 0 0 1 2

no factible

x1 1 40 5 40

Figura 4: Gr aco y a rbol correspondiente a la soluci on del problema

30 30.EJERCICIO Ejercicio

75

30.1.

Enunciado
max z = 20x1 + 5x2 8x3 + 30x4 s.a. : 25x1 + 5x2 + 5x3 + 30x4 35 xi enteras

Dado el problema siguiente:

(91)

se conoce la tabla de una soluci on o ptima de la relajaci on lineal del mismo. Formula un corte entero de Gomory y obtener la nueva soluci on tras introducir dicho corte operando sobre la tabla de simplex dada. -35 7/6 x1 -5 5/6 x2 0 5/6 x3 -13 1/6 x4 0 1 h1 -1 1/30

x4

30.2.
5 6 x2

Resoluci on
i fi xi 0, que 1 1 30 h1 + h2 = 6 5 para este caso toma la forma 1 6 + 6 x1 +

La expresi on del corte de Gomory es f0 + 1 5 5 1 +1 x + 3 6 30 h1 0 6 x1 6 x2 6 x3 -35 7/6 1/6 -35 1 1/5 x1 -5 5/6 -5/6 -5 0 1

x4 h2 x4 x2

x2 0 5/6 -5/6 0 0 1

x3 -13 1/6 -1/6 -13 0 1/5

x4 0 1 0 0 1 0

h1 -1 1/30 -1/30 -1 0 1/25

h2 0 0 1 0 0 -6/5

31 31.EJERCICIO Ejercicio

76

31.1.

Enunciado

Una empresa multinacional con operaciones globalizadas dispone de 3 plantas que fabrican el mismo producto pero en diferente localizaci on y 4 almacenes regionales, que abastecen la demanda local de cuatro grandes regiones comerciales. Para este a no, la capacidad de producci on de cada una de las plantas es de 7 unidades de millones para China, 11 para EE UU y 15 para Eslovaquia. El consumo previsto en cada una de las regiones es: Localizaci on almac en M ejico & Norteam erica Francia Australia China Regi on comercial CALA EMEA Asia-Pacico 1 Asia-Pac co 2 Demanda prevista (millones de up) 4 8 9 12

El coste por unidad transportada entre plantas y almacenes viene dado por el siguiente cuadro: euros/up China EEUU Eslovaquia Se pide: 1. Determinar el programa de transporte de coste m nimo entre las plantas y los almacenes. Se recomienda obtener una soluci on inicial de partida obtenida con el m etodo de Voguel. 2. Existe m as de un u nico programa de transporte con dicho coste m nimo? En caso armativo, indicar cu antos y cu ales. NA & CALA 4 3 5 EMEA 2 3 4 Asia -Pacico 1 3 5 7 Asia -Pacico 2 1 7 4

31.2.

Resoluci on

Construyendo una primera mediante el m etodo de Voguel, se obtiene la siguiente tabla: N-C 4 China + 3 EE UU 5 Eslovaquia 0 4 4 4 8 8 3 + 7 2 9 + 5 7 4 5 12 15 -1 7 + 2 EMEA 3 AP 1 1 7 7 AP 2

31 Fijando EJERCICIO 77 los valores u1 = 3, u2 = 2, u3 = 0, v1 = 5, v2 = 4, v3 = 7, v4 = 4 se obtienen los costes reduciones que guran en la tabla anterior. El coste reducido de China-AP1 es negativo, luego introduciendo dicha variable y creando el circuito correspondiente con las variables b asicas, se puede obtener la siguiente tabla. En la soluci on correspondiente, se transportan 2 unidades entre China y AP1 (la variable correspondiente entra en la bas) y se dejan de tranportar productos entre Eslovaquia y AP1 (la variable corresopndiente sale de la base). N-C 4 China + 3 EE UU 5 Eslovaquia + 4 4 4 8 8 9 3 0 7 + + 5 7 4 7 12 15 2 EMEA 3 2 7 11 + AP 1 1 5 7 AP 2

Existe una variable no b asica con coste reducido igual a 0. Es la variable corresopndiente a la ruta EE UU - EMEA, lo que signica que existe otra soluci on b asica o ptima, descrita en la siguiente tabla: N-C 4 China + 3 EE UU 5 Eslovaquia + 4 4 4 3 8 9 3 5 7 + + 5 2 0 4 12 12 15 2 EMEA 3 7 7 11 + AP 1 1 7 AP 2

Existen, por lo tanto dos soluciones optimas b asicas y todas las soluciones o ptimas no b asicas que resultan de la combinaci on convexa de las dos b asicas. El conjunto de todas las soluciones o ptimas es el correspondiente a los siguientes programas de tranporte: China-AP1: 2+ China-AP2: 5- EE UU-N-C: 4 EE UU-EMEA: EE UU-AP1: 7- Eslovaquia-EMA: 8 - Eslovaquia-AP2: 7 + Para 0 5. Si = 0 o = 5, se obtienen las soluciones b asicas de las tablas anteriores. Para cualquier otro valor se tiene una soluci on o ptima no b asica.

32 32.EJERCICIO Ejercicio

78

32.1.

Enunciado

Una regi on dispone de tres rener as, con capacidades diarias de producci on de gasolina de 6, 5, y 6 millones de litros, respectivamente, que abastecen a tres a reas de distribuci on, cuyas demandas diarias son 4, 8, y 7 millones de litros respectivamente. El transporte de gasolinas desde las rener as hasta las areas de distribuci on se realiza mediante una red de oleoductos en la que el coste de transporte es de 10 c entimos de euros por cada 1000 litros de gasolina y por km recorrido. La tabla siguiente proporciona las distancias (km) entre las rener as y las a reas de distribuci on. La rener a 1 no est a conectada con el area de distribuci on 3. Rener a R1 Rener a R2 Rener a R3 Area A1 120 300 200 Area A2 180 100 250 Area A3 80 120

Cuadro 1: Distancias entre rener as y areas de suministro.

Por cuestiones estrat egicas relativas a la seguridad nacional, el area 1 debe recibir toda su demanda; la incapacidad para entregar las cantidades demandadas de gasolina en las areas 2 y 3 causan una penalizaci on de 5 c entimos de euro por litro. Determina cu al es el programa optimo de transporte entre rener as y areas de distribuci on, explicando claramente en qu e consiste dicho programa y cu al es su coste.

32.2.

Resoluci on

Las variables xij representan los millones de litros producidos por la rener a Ri y entregados al a rea Aj . Como el problema est a desequilibrado es necesario incluir un origen cticio Ref. c. cuya capacidad es la diferencia entre la demanda, 19, y la capacidad de las rener as, 17, es decir 2. Los costes en euros por mill on de litros transportados entre Ri y Aj (en euros/Ml)) cij es igual a 6 0.1euro Dist(km) 10 l = 100 Dist(km) 1000lkm Ml Por su parte, las penalizaciones son de 0.05 euros por litro, es decir 5000 euros por Ml. Diviendo todos los costes por 1000, el problema planetado es equivalente a resolver el que aparece representado en la siguiente tabla: Area 1 c11 Ref. 1 c21 Ref. 2 c31 Ref. 3 c41 R. c. x41 c41 D1 D2 x31 c31 c42 x42 c42 D3 x21 c21 c32 x32 c32 c433 x43 c43 O4 x11 c11 c22 x22 c22 c33 x33 c33 O3 c12 x12 c12 c23 x23 c23 O2 Area 2 c13 x13 c13 O1 Area 3

32 EJERCICIO Ref. 1

Area 1 12 4 30

Area 2 18 2 10 + -5 25 4 +

Area 3 M 6 + 8 5 5

79

Ref. 2 20 Ref. 3 M Ref. c + 4 8 5 2 12

2 5

2 + 7

Ref. 1

Area 1 12 4 30

Area 2 18 2 10 4 +

Area 3 M 6 + 8 1 12 6 6 + 5

Ref. 2 20 Ref. 3 + M Ref. c 4 El resultado, por lo tanto, consiste en 5 25

5 2 0 8 7 2

entregar desde la rener a 1: 4 millones de litros al area 1 y otros 2 al area 2, entregar desde la rener a 2: 4 millones de litros al area 2 y uno m as al area 3, entregar desde la rener a 3 sus 6 millones de litros al area 3, dejando sin atender la demanda de 2 millones de litros del area 2 con un coste de (12 4 + 18 2 + 10 4 + 8 1 + 12 6 + 5 2) 1000 = 214000. Es decir 214000 euros.

33 33.EJERCICIO Ejercicio

80

33.1.

Enunciado

La compan a Energetic debe dise nar el sistema de abastecimiento energ etico de un nuevo edicio. Las necesidades de energ a se reeren a las siguientes categor as: electricidad, calentadores de agua y calefactores de ambiente. Los requerimientos diarios de energ a son: Electricidad Calentadores de agua Calefactores de ambiente 30 unidades 20 unidades 50 unidades

Las tres fuentes posibles de energ a son electricidad, gas natural y una unidad de c elulas solares que se puede instalar en el techo. El tama no de este limita la cantidad de c elulas solares a 30 unidades, pero no hay l mite en la disponibilidad de electricidad y gas natural. Las necesidades de luz se pueden satisfacer solo mediante la compra de energ a el ectrica (a un costo de 50 por unidad). Las otras dos necesidades se pueden satisfacer mediante cualquier fuente o combinaci on de fuentes. Los costes unitarios son los siguientes Calentadores de agua Calefactores de ambiente Electricidad 150 150 Gas natural 110 100 C elulas solares 70 90

Se pide determinar c omo atender las necesidades de abastecimiento de energ a del nuevo edicio con el menor coste posible.

33.2.

Resoluci on

El problema se puede formular como un problema de transporte donde los or genes son la electricidad, el gas natural y las celdas fotovoltaicas y los destinos son la electricidad, los calentadores de agua y los calefactores de ambiente. La demanda total es de 100 unidades. La capacidad de energ a viene dada por la disponibilidad de c elulas solares (30 unidades) m as la capacidad de suministro de gas natural y de electricidad, que es en t erminos del problema tan grande como se desee. Para poder plantear un problema de transporte y resolverlo por m etodos espec cos para este tipo de problema, es necesario que el problema est e equilibrado. En principio, se podr a suministrar toda la energ a mediante electricidad o mediante gas natural, por lo que las capacidades de los respectivos destinos es 100, con lo que la oferta ser a 230. Para equilibrar el problema es necesario crear un destino cticio con una demanda de 230 100 = 130. A partir de la informaci on dada y de las restricciones que existen en t erminos de abastecimiento de los destinos con los or genes, y con los costes dados, la tabla que representa el problema de transporte asociado es la siguiente. Electricidad 50 x11 c11 M x21 c21 M x11 c31 30 Cal. agua 150 x12 c12 110 x22 c12 70 x32 c32 20 Cal. ambiente 150 x13 c13 100 x23 c13 90 x33 c33 50 Dest. ct 200 x1f c1f 200 x2f c1f 200 x3f c3f 130 30 100

Electricidad

100

Gas natural

C elulas solares

33 Los EJERCICIO 81 costes correspondientes a la columna del destino cticio son todos iguales dado que no existe ninguna consideraci on adicional para discriminar qu e tipo de fuente de energ a debe emplearse. El valor podr a ser uno cualquiera, mientras sea el mismo para todos los or genes. En este caso se ha elegido el valor 200, que es mayor que cualquier de los otros costes. El motivo de la elecci on es que al aplicar el m etodo de Voguel para obtener una soluci on inicial tendr a en cuenta los costes de asignaci on reales y no los del destino cticio. Construyendo la soluci on mediante el m etodo de Voguel se obtiene Electricidad 50 30 M Gas natural + M C elulas solares + 30 20 70 20 20 50 + 90 10 10 130 + 200 30 Cal. agua 150 + 110 100 40 Cal. ambiente 150 + 200 60 100 Dest. ct 200 70

Electricidad

100

En denitiva, el suministro se debe hacer de la siguiente manera: toda la necesidad de electricidad se debe atender con suministro el ectrico, tal y como se exig a, con un coste 1500 ; la demanda de calentadores de agua debe proporcionarse con las c elulas solares, con un coste de 1400 ; la demanda de calentadores de abmiente se atiende con 70 unidades de suministro el ectrico (con un elulas solares (con un coste de 900); coste de 4000) y con 10 de c con un coste total de 7800

34 34.EJERCICIO Ejercicio

82

34.1.

Enunciado

Se deben utilizar cuatro barcos para transportar bienes de un puerto determinado a otros cuatro puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los cuatro viajes. Sin embargo, dadas las diferencias entre las naves y las cargas, el coste total de carga, transporte y descarga de bienes de las diferentes combinaciones de barcos y puertos var a de manera considerable. Estos costes se muestran en la siguiente tabla. Puerto 1 500 600 700 500 Puerto 2 400 600 500 400 Puerto 3 300 700 700 600 Puerto 4 700 500 600 600

Barco Barco Barco Barco

1 2 3 4

Determinar, utilizando el m etodo h ungaro, con qu e barco se debe atender el env o de cada puerto con el m nimo coste global.

34.2.

Resoluci on
100 0 100 0 100 100 0 0 0 200 200 200 400 0 100 200

Aplicando el m etodo h ungaro se llega a la siguiente tabla:

Lo que lleva a la siguiente asignaci on: X X X X -

35 35.EJERCICIO Ejercicio

83

35.1.

Enunciado

Una ingenier a ha ganado cuatro concursos de la administraci on central para la construcci on de cuatro centrales de generaci on el ectrica, por cuya realizaci on la ingenier a recibir a una cantidad ja. Las cuatro plantas son una t ermica, una de ciclo combinado y dos parques de aerogeneradores. Existen cuatro equipos de ingenieros que pueden desarrolar los cuatro proyectos, pero, debido a la diferente experiencia de estos cuatro equipos, los costes asociados al desarrollo de cada proyecto por parte de cada equipo son diferentes y se ofrecen en el siguiente cuadro. Equipo Equipo Equipo Equipo 1 2 3 4 T ermica 1 2 3 1 C. comb. 4 1 2 2 Parque 1 3 6 6 3 Parque 2 1 7 6 7

Se pide determinar qu e proyecto debe realizar cada equipo de ingenieros para obtener el coste m nimo para el desarrollo de loc cuatro proyectos.

35.2.

Resoluci on
Equipo Equipo Equipo Equipo 1 2 3 4 T ermica 1 2 3 1 C. comb. 4 1 2 2 Parque 1 3 6 6 3 Parque 2 1 7 6 7

Restando a los elemenentos de cada la el menor valor de dicha la, se obtiene el siguiente nuevo cuadro Equipo Equipo Equipo Equipo 1 2 3 4 T ermica 0 1 1 0 C. comb. 3 0 0 1 Parque 1 2 5 4 2 Parque 2 0 6 4 6

Restando a los elementos de cada columna el menor valor de dicha columna, se obtiene el siguiente nuevo cuadro Equipo Equipo Equipo Equipo 1 2 3 4 T ermica 0 1 1 0 C. comb. 3 0 0 1 Parque 1 0 3 2 0 Parque 2 0 6 4 6

Tachando la primera y la cuarta las y la segunda columna quedan cubiertos todos los ceros con el m nimo n umero de l neas. Restando 1 a todos los elementos no tachados y sum andoselo a los que quedan tachados dos veces se obtiene la siguiente nueva tabla de asignaci on. Equipo Equipo Equipo Equipo 1 2 3 4 T ermica 0 0 0 0 C. comb. 4 0 0 2 Parque 1 0 2 1 0 Parque 2 0 5 3 6

35 Existen EJERCICIO dos posibles asignaciones, descritas en las siguientes tablas, ambas con un coste de 8 um. 84 T ermica Equipo Equipo Equipo Equipo 1 2 3 4 C. comb. C. comb. Parque 1 Parque 2

Parque 1 Parque 2

T ermica Equipo Equipo Equipo Equipo 1 2 3 4

36 36.EJERCICIO Ejercicio

85

36.1.

Enunciado

Resolver el problema de asignaci on (mediante el m etodo h ungaro) consistente en asignar con el coste m nimo un conjunto de tareas a un grupo de operarios. En la siguiente tabla se indican los costes de asignaci on de cada operario a cada tarea: Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 Oper.1 5 5 2 9 3 Oper.2 3 6 8 6 2 Oper.3 7 12 3 10 1 Oper.4 3 7 4 5 4 Oper.5 4 8 5 6 5

Si al realizar la asignaci on anterior el operario 3 no estuviera disponible: 1. indicar c omo se modicar a el problema anterior para realizar la mejor asignaci on posible; 2. indicar igualmente qu e informaci on adicional ser a necesaria para resolver el problema.

36.2.

Resoluci on

Restando el menor valor de cada columna a todos los elementos de dicha columna se obtiene la siguiente tabla Oper.1 Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 3 3 0 7 1 Oper.2 1 4 6 4 0 Oper.3 6 11 2 9 0 Oper.4 0 4 1 2 1 Oper.5 0 4 1 2 1

Restando el menor valor de cada la a todos los elementos de dicha la se obtiene la siguiente tabla Oper.1 Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 3 0 0 5 1 Oper.2 1 1 6 2 0 Oper.3 6 9 2 7 0 Oper.4 0 1 1 0 1 Oper.5 0 1 1 0 1

No es posible realizar una asignaci on porque el n umero m nimo de l neas que hay que emplear para tachar todos los ceros es menor que cinco. Oper.1 Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 3 0 0 5 1 Oper.2 1 1 6 2 0 Oper.3 6 8 2 7 0 Oper.4 0 1 1 0 1 Oper.5 0 1 1 0 1

36 El EJERCICIO 86 menor valor no tachado es 1. Restando 1 a los no tachados, sumando 1 a los tachados dos veces, resulta la tabla siguiente Oper.1 Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 4 0 0 5 2 Oper.1 Tarea Tarea Tarea Tarea Tarea 1 2 3 4 5 Oper.2 1 0 5 2 0 Oper.2 Oper.3 6 7 1 7 0 Oper.3 Oper.4 0 0 0 0 1 Oper.4 Oper.5 0 0 0 0 1 Oper.5

La asignaci on que gura en la tabla anterior tiene el coste m nimo e igual a 2 + 6 + 1 + 5 + 4 = 18

37 37.EJERCICIO Ejercicio

87

37.1.

Enunciado

Se deben utilizar cuatro barcos para transportar bienes de un puerto determinado a otros cuatro puertos (numerados 1, 2, 3 y 4). Se puede usar cualquier barco para hacer cualquiera de los cuatro viajes. Sin embargo, dadas las diferencias entre las naves y las cargas, el coste total de carga, transporte y descarga de bienes de las diferentes combinaciones de barcos y puertos var a de manera considerable. Estos costes se muestran en la siguiente tabla. Puerto 1 500 600 700 500 Puerto 2 400 600 500 400 Puerto 3 300 700 700 600 Puerto 4 700 500 600 600

Barco Barco Barco Barco

1 2 3 4

Determinar, utilizando el m etodo h ungaro, con qu e barco se debe atender el env o de cada puerto con el m nimo coste global.

37.2.

Resoluci on
100 0 100 0 100 100 0 0 0 200 200 200 400 0 100 200

Aplicando el m etodo h ungaro se llega a la siguiente tabla:

Lo que lleva a la siguiente asignaci on: X X X X -

38 38.EJERCICIO Ejercicio

88

38.1.

Enunciado

El siguiente grafo representa las carreteras (aristas) de una comarca de monta na del norte de Espa na que se compone de diez ciudades (nodos) A J . Los servicios centrales de la comarca est an situados en el municipio A. Los n umeros de cada carretera (arista) indican la distancia en km entre las dos ciudades. Te propones ayudar al personal del ayuntamiento a resolver los siguientes supuestos: 1. La u nica ambulancia que hay tiene su base en el municipio A. Se est an calculando las rutas de menor distancia entre A y el resto de municipios. Aplica el algoritmo correspondiente para calcular la ruta de distancia m nima entre A y H. 2. El servicio de manteniento de las carreteras tiene que observar visualmente todas la carreteras del municipio para ello tiene que pasar por todas y cada una de las carreteras. Aplica el algoritmo espec co correspondiente para averig uar qu e recorrido debe hacerse y cu al ser a la distancia que se recorre. 3. El ayuntamiento est a pensando en ofrecer a los vecinos la posibilidad de tener bra o ptica en sus casas. Para calcular el coste, como primer paso se est a pensando en c omo unir los municipios con bra de forma que el nuevo cableado vaya paralelo a las carreteras de forma que a todos las ciudades les llegue cable de bra. Indicar, aplicando el algoritmo correspondiente, por qu e carreteras se tendr a que llevar el cable de bra optica para minimizar la cantidad de bra utilizada.

38.2.

Resoluci on

Apartado 1 Se aplica el algoritmo de Dijkstra, en el gr aco se muestran las etiquetas permanentes correspondientes a cada nodo. La m nima distancia entre A y H es 24 km; para ello hay que recorrer el camino ACDEGH. Apartado 2 Hay que hallar el ciclo euleriano o el camino euleriano de menos distancia. En este caso todos los nodos son de orden par excepto A y J. Luego NO es posible hallar un ciclo euleriano. Se puede ir mediante un camino de A a J pasando s olo una vez por cada nodo, pero despu es hay que volver de J a A por el camino m as corto (ver apartado anterior).

38 EJERCICIO
todosarcos

89
darco

dT OT AL = 6 + 5 + 12 + 8 + + 4 + 7 +dJA dT OT AL = 133 + 27 = 160km Y un posible ciclo ser a AHDACDEGDHGJHIDFIJ-GEDCA.

Apartado 3 Se trata de hallar un arbol generador de distancia m nima, aplicando el algoritmo de Prim o el de Kurskal. Independientemente del algoritmo utilizado la soluci on es la que se muestra en la gura. Se necesitar an 42 km de cable de bra o ptica.

38 EJERCICIO 38.3. Enunciado

90

El servicio de electricidad del ayuntamiento de un pueblo est a preparando el alumbrado para las estas. En concreto tienen que unir mediante cable los distintos lugares de toma de corriente de las luces (v ertices: a, ..., h). En el grafo se puede observar las conexiones posibles as como la distancia entre cada v ertice (expresada en decenas de metros). Es posible unir las distintas tomas de corriente con un cable de 120 m. (que es el que tienen)?O necesitan buscar m as metros? Justicar la respuesta utilizando alg un algoritmo de los que se han visto en el temario de la asignatura.

38.4.

Resoluci on

En la gura se muestra el arbol generador de peso m nimo obtenido por el m etodo de Kurskal o de Prim. Hay otras soluciones optimas posibles, pero en todos los casos se necesitan 130 metros. Luego hay que comprar m as cable.

38 EJERCICIO 38.5. Enunciado

MME-1213-ENE-4

91

La mayor a de los vecinos de un cierto municipio trabaja en alguno de los siete pozos que una compa n a minera explota cerca del municipio. El municipio, los pozos y las v as que los conectan est an descritos en el gr aco siguiente:

Antes de las elecciones el actual alcalde prometi o a todos los vecinos que pavimentar a algunos caminos de forma que cada trabajador tuviera pavimentado el camino m as corto desde el municipio hasta su pozo. Cu antos kil ometros se habr a ahorrado pavimentar si s olo hubiera prometido que cada trabajador tendr a un camino pavimentado para acceder a su pozo? (Nota: utilizar m etodos de lo que se han visto en clase )

38.6.

Resoluci on

1. Para cumplir la promesa electoral el alcalde tiene que pavimentar la suma de arcos (v as) que se utilicen al calcular el camino m as corto desde el municipio a todos los pozos (algoritmo de Dijsktra). Los arcos que se utilizan se marcan en la gura 5 y suponen 49 kil ometros. 2. En cambio si hubiera prometido a los vecinos que tendr an camino pavimentado (aunque no el m as corto) tendr a ahorros. Para saber cu antos kil ometros necesitar a tiene que calcular el a rbol generador de peso m nimo (algoritmo de Prim o Kurskal). Se utilizar an los arcos marcados en la gura 5 (hay soluciones m ultiples) y se necesitar an 39 kil ometros. Luego el ahorro ser a de 10 kil ometros.

39 39.EJERCICIO Ejercicio

92

39.1.

Enunciado

Enunciar tres caracter sticas conmunes a todas las t ecnicas metaheur sticas.

39.2.

Resoluci on

Tres caracter sticas comunes a las metaheur siticas y comunes a todas ellas son: 1. Son t ecnicas que no garantizan la obtenci on de la soluci on otpima 2. Son de car acter general y sirven de aplicaci on a una gran cantidad de problemas combinatorios 3. Son de car acter iterativo y, en cada iteraci on, se admite la posibilidad de transitar por una soluci on pero que de aquella con la que se inici o la iteraci on.

40 40.EJERCICIO Ejercicio

93

40.1.

Enunciado

Discutir la siguiente aseveraci on: En general, las t ecnicas metaheur sticas permiten obtener soluciones optimas de los problemas para los cuales se emplean.

40.2.

Resoluci on

La armaci on, en general, es falsa, ya que las t ecnicas metaheur sticas se utilizan para abordar problemas para los cuales las t ecnicas exactas no resulta ecacias y ecientes. Se trata de problemas no se conoce el valor optimo, con lo que no es posible saber si la t ecnica metaheur stica alcanza o no dicho optimo. Las t ecnicas metaheur sticas ofrecen soluciones razonables con tiempos de computaci on no muy elevados.

40 EJERCICIO

94

40 EJERCICIO

95

Figura 5: Soluciones utilizando el algoritmo de Dijkstra (izda) o Kurskal (dcha)