Professional Documents
Culture Documents
de Operaciones
Lima - Per
Unidad I
Origen de la Programacin Lineal
En los siglos XVII y XVIII, grandes matemticos como Newton, Leibnitz,
Bernouilli y, sobre todo, Lagrange, que tanto haban contribuido al desarrollo
del clculo infinitesimal, se ocuparon de obtener mximos y mnimos
condicionados de determinadas funciones.
Posteriormente el matemtico frnces Jean Baptiste-Joseph Fourier (17681830) fue el primero en intuir, aunque de forma imprecisa, los mtodos de lo
que actualmente llamamos programacin lineal y la potencialidad que de ellos
se deriva.
Si exceptuamos al matemtico Gaspar Monge (1746-1818), quien en 1776 se
interes por problemas de este gnero, debemos remontarnos al ao 1939
para encontrar nuevos estudios relacionados con los mtodos de la actual programacin lineal. En
este ao, el matemtico ruso Leonodas Vitalyevich Kantarovitch publica una extensa monografa
titulada Mtodos matemticos de organizacin y planificacin de la produccin en la que por
primera vez se hace corresponder a una extensa gama de problemas una teora matemtica
precisa y bien definida llamada, hoy en da, programacin lineal .
En 1941-1942 se formula por primera vez el problema de transporte, estudiado
independientemente por Koopmans y Kantarovitch, razn por la cual se suele conocer con el
nombre de problema de Koopmans-Kantarovitch.
Tres aos ms tarde, G. Stigler plantea otro problema particular conocido con el nombre de
rgimen alimenticio optimal.
En estos aos posteriores a la Segunda Guerra Mundial, en Estados Unidos se asumi que la
eficaz coordinacin de todas las energas y recursos de la nacin era un problema de tal
complejidad, que su resolucin y simplificacin pasaba necesariamente por los modelos de
optimizacin que resuelve la programacin lineal.
Paralelamente a los hechos descritos se desarrollan las tcnicas de computacin y los
ordenadores, instrumentos que haran posible la resolucin y simplificacin de los problemas que
se estaban gestando.
En 1947, G.B. Dantzig formula, en trminos matemticos muy precisos, el enunciado estndar al
que cabe reducir todo problema de programacin lineal. Dantzig, junto con una serie de
investigadores del United States Departament of Air Force, formaran el grupo que dio en
denominarse SCOOP (Scientific Computation of Optimum Programs).
Una de las primeras aplicaciones de los estudios del grupo SCOOP fue el puente aereo de
Berlin,Se continu con infinidad de aplicaciones de tipo preferentemente militar.
Hacia 1950 se constituyen, fundamentalmente en Estados Unidos, distintos grupos de estudio para
ir desarrollando las diferentes ramificaciones de la programacin lineal. Cabe citar, entre otros,
Rand Corporation, con Dantzig, Orchard-Hays, Ford, Fulkerson y Gale, el departamento de
Matemticas de la Universidad de Princenton, con Tucker y Kuhn, as como la Escuela Graduada
3
de Administracin Industrial, dependiente del Carnegie Institute of Technology , con Charnes y
Cooper.
Respecto al mtodo del simplex, que estudiaremos despus, sealaremos que su estudio comenz
en el ao 1951 y fue desarrollado por Dantzig en el United States Bureau of Standards SEAC
COMPUTER, ayudndose de varios modelos de ordenador de la firma IBM.
Los fundamentos matemticos de la programacin lineal se deben al matemtico norteamericano
de origen hngaro Janos von Neuman (1903-1957), quie en 1928 public su famoso trabajo
Teora de Juegos. En 1947 conjetura la equivalencia de los problemas de programacin lineal y la
teora de matrices desarrollada en sus trabajos. La influencia de este respetado matemtico,
discpulo de David Hilbert en Gotinga y, desde 1930, catedrtico de la Universidad de Princenton
de Estados Unidos, hace que otros investigadores se interesaran paulatinamente por el desarrollo
riguroso de esta disciplina.
En 1858 se aplicaron los mtodos de la programacin lineal a un problema concreto: el clculo del
plan ptimo de transporte de arena de construccin a las obras de edificacin de la ciudad de
Mosc. En este problema haba 10 puntos de partida y 230 de llegada. El plan ptimo de
transporte, calculado con el ordenador Strena en 10 das del mes de junio, rebaj un 11% los
gastos respecto a los costes previstos.
Se ha estimado, de una manera general, que si un pas subdesarrollado utilizase los mtodos de la
programacin lineal, su producto interior bruto (PIB) aumentara entre un 10 y un 15% en tan slo
un ao.
En 1946 comienza el largo perodo de la guerra fra entre la antigua Unin Sovitica (URSS) y las
potencias aliadas (principalmente , Inglaterra y Estados Unidos). Uno de los episodios ms
llamativos de esa guerra fra se produjo a mediados de 1948, cuando la URSS bloque las
comunicaciones terrestres desde las zonas alemanas en poder de los aliados con la ciudad de
Berln, iniciando el bloqueo de Berln. A los aliados se les plantearon dos posiblidades: o romper el
bloqueo terrestre por la fuerza, o llegar a Berln por el aire. Se adopt la decisin de programar una
demostracin tcnica del poder areo norteamericano; a tal efecto, se organiz un gigantesco
puente areo para abastecer la ciudad: en diciembre de 1948 se estaban transportando 4500
toneladas diarias; en marzo de 1949, se lleg a las 8000 toneladas, tanto como se transportaba por
carretera y ferrocarril antes del corte de las comunicaciones. En la planificacin de los suministros
se utiliz la programacin lineal. (El 12 de mayo de 1949, los soviticos levantaron el bloqueo)
25
Por otra parte, las variables x e y, lgicamente, han de ser no negativas, por tanto : x
Conjunto de restricciones:
8x + 10y
80
2x + 5y
25
0, y
0, y
5
2) Si representamos por x el nmero de yogures de limn e y al nmero de yogures de fresa, se
tiene que la fucin de coste es Z = 30x + 20y.
Por otra parte, las condiciones del problema imponen las siguientes restricciones:
De nmero : x + y 80
De fermentacin: 0.5x + 0.2y 9000
Las variables x e y han de ser, lgicamente, no negativas; es decir: x
0, y
Conjunto de restricciones:
x+y
80
0.5x + 0.2y
x
0, y
9000
En definitiva:
Se llama programacin lineal al conjunto de tcnicas matemticas que pretenden resolver la
situacin siguiente:
Optimizar (maximizar o minimizar) una funcin objetivo, funcin lineal de varias variables, sujeta a:
una serie de restricciones, expresadas por inecuaciones lineales
Un problema de programacin lineal en dos variables, tiene la siguiente formulacin estndar:
La solucin ptima del problema ser un par de valores (x0, y0) del conjunto factible que
haga que f(x,y) tome el valor mximo o mnimo.
En ocasiones utilizaremos las siglas PPL para indicar problema de programacin lineal.
6
Mtodo analtico
Mtodo de los Vrtices
El siguiente resultado, denominado teorema fundamental de la programacin lineal, nos permite
conocer otro mtodo de solucionar un programa con dos variables.
En un programa lineal con dos variables, si existe una solucin nica que
optimice la funcin objetivo, sta se encuentra en un punto extremo (vrtice)
de la regin factible acotada, nunca en el interior de dicha regin.
Si la funcin objetivo toma el mismo valor ptimo en dos vrtices, tambin
toma idntico valor en los puntos del segmento que determinan.
En el caso de que la regin factible no es acotada, la funcin lineal objetivo no
alcanza necesariamente un valor ptimo concreto, pero, si lo hace, ste se
encuentra en uno de los vrtices de la regin
La evaluacin de la funcin objetivo en los vrtices de la regin factible nos va a permitir encontrar
el valor ptimo (mximo o mnimo) en alguno de ellos.
Vemoslo con un ejemplo:
Maximizar Z = f(x,y) = 3x + 8y
sujeto a:
4x + 5y
40
2x + 5y
30
0,y
Los puntos A, C, D y O verifican todas las desigualdades, son los vrtices de la regin factible.
f(D) = f(0,6) = 30 + 86 = 48
f(O) = f(0,0) = 30 + 80 = 0
La solucin ptima corresponde al vrtice para el que la funcin objetivo toma el valor mximo. En
este caso es el vrtice D(0,6).
La regin factible incluye o no los lados y los vrtices, segn que las desigualdades sean en
sentido amplio ( o ) o en sentido estricto (< o >).
Si la regin factible est acotada, su representacin grfica es un polgono convexo con un nmero
de lados menor o igual que el nmero de restricciones.
2. Solucin Grfica
Solucin Grfica o de Rectas de Nivel
Las rectas de nivel dan los puntos del plano en los que la funcin objetivo toma el mismo valor.
Si la funcin objetivo es f(x,y) = ax + by + c, la ecuacin de las rectas de nivel es de la forma:
ax + by + c = 0
ax + by = k
Variando k (o p) se obtienen distintos niveles para esas rectas y, en consecuencia, distintos valores
para f(x,y).
En un problema todas las rectas de nivel son paralelas, pues los coeficientes a y b de la recta ax +
by = k son los que determinan su pendiente. Por tanto, si k 1 es distinto de k2 , las rectas ax + by = k1
y ax + by = k2 son paralelas. Luego, trazada una cualquiera de esas rectas, las dems de obtienen
por desplazamientos paralelos a ella.
Si lo que se pretende es resolver un problema de programacin lineal, los nicos puntos que
interesan son los de la regin factible, y las nicas rectas de nivel que importan son aquellas que
estn en contacto con dicha regin. Como el nivel aumenta (o disminuye) desplazando las rectas,
el mximo (o el mnimo) de f(x,y) se alcanzar en el ltimo (o en el primer) punto de contacto de
esas rectas con la regin factible.
Veamos ahora como se aplica todo esto a la resolucin de un problema de programacin lineal :
Maximizar Z = f(x,y) = x + y
sujeto a:
x /2
4
4
Se dibuja la recta asociada a la inecuacin. Esta recta divide al plano en dos regiones o
semiplanos
Para averiguar cul es la regin vlida, el procedimiento prctico consiste en elegir un
punto, por ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las
coordenadas satisfacen o no la inecuacin. Si lo hacen, la regin en la que est ese punto
es aquella cuyos puntos verifican la inecuacin; en caso contrario, la regin vlida es la
otra.
2) La regin factible est formada por la interseccin o regin comn de las soluciones de
todas las inecuaciones.
Como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones lineales
pueden presentar varias opciones respecto a sus soluciones: puede no existir solucin, en el caso
de que exista el conjunto solucin puede ser acotado o no.
Vemoslo con un ejemplo:
Dibuja la regin factible asociada a las restricciones:
x+y 4
y
y x
Las rectas asociadas son : r : x + y = 4 ; s : y = 4 , t: y = x
10
11
Esquema prctico
Los problemas de programacin lineal pueden presentarse en la forma estndar, dando la funcin
objetivo y las restricciones, o bien plantearlos mediante un enunciado. Si ste es el caso, puede
seguirse el camino que indicamos a continuacin, ejemplificado con el siguiente problema:
En un almacn se guarda aceite de girasol y de oliva. Para atender a los clientes se han de tener
almacenados un mnimo de 20 bidones de aceite de girasol y 40 de aceite de oliva y, adems, el
nmero de bidones de aceite de oliva no debe ser inferior a la mitad del nmero de bidones de
aceite de girasol. La capacidad total del almacn es de 150 bidones. Sabiendo que el gasto de
almacenaje es el mismo para los dos tipos de aceite (1 unidad monetaria) . Cuntos bidones de
cada tipo habr que almacenar para que el gasto sea mximo?
Obs: Puede parecer algo absurdo maximizar los gastos, pero se ha enunciado de esta forma
para que el ejemplo sea lo ms completo posible
Paso 1: Leer detenidamente el enunciado: determinar el objetivo, definir las variables y escribir la
funcin objetivo.
El objetivo es: halla cuntos bidones de cada tipo hay que almacenar para maximizar los gastos
Suponemos que tal objetivo se consigue almacenado x bidones de aceite de girasol e y de aceite
de oliva
Cmo cada bidn de aceite de girasol cuesta almacenarlo 1 unidad monetaria y lo mismo para uno
de aceite, los gastos sern x + y
Luego, la funcin objetivo es:
Maximizar la funcin Z = f(x,y) = x + y
Paso 2: Reordenar los datos del problema y a partir de las cantidades decididas, x e y, escribir el
sistema de inecuaciones que determinan las restricciones.
0;y
Obs.: Como veremos en ejemplos posteriores en algunas ocasiones puede interesar utilizar
una tabla para recopilar toda la informacin y hacer los dos primeros apartados
12
13
Ejercicios
1) Se considera la regin del plano determinada por las inecuaciones:x + 3
y;8 x+
y ; y x - 3 ; x 0; y 0
a) Dibujar la regin del plano que definen, y calcular sus vrtices.
b) Hallar el punto de esa regin en el que la funcin F(x,y) = 6x + 4y alcanza el valor
mximo y calcular dicho valor.
a ) Hay que dibujar la regin factible correspondiente. Para ello vamos a representar las rectas:
x-y=-3;x+y=8;x-y=3
La regin factible es la determinada por los vrtices O, A, B, C y D.
Las coordenadas de los vrtices son: A(3,0) ; B(5.5, 2.5) ; C(2.5, 5.5) ; D(0,3) y O(0,0)
14
b) Para determinar dnde la funcin objetivo F(x,y) = 6x + 4y alcanza su mximo, calculamos los
valores que toma en los vrtices:
F(A) = 18 ; F(B) = 43 ; F(C) = 37 ; F(D) = 12 ; F(O) = 0.
Luego la funcin alcanza su mximo en el vrtice B y su valor es 43.
2)Las restricciones pesqueras impuestas por la CEE obligan a cierta empresa a pescar
como mximo 2.000 toneladas de merluza y 2.000 toneladas de rape, adems, en total, las
capturas de estas dos especies no pueden pasar de las 3.000 toneladas. Si el precio de la
merluza es de 1.000 ptas/kg y el precio del rape es de 1.500 ptas/kg, qu cantidades debe
pescar para obtener el mximo beneficio?
Sean :
x = nmero de toneladas de merluza
y = nmero de toneladas de rape
Del enunciado deducimos las restricciones:
3000
La funcin objetivo que da el beneficio en miles de pesetas y que hay que maximizar viene dada
por:
f(x,y) = 1000x + 1500y
Representando las rectas: x = 2000, y = 2000 , x + y = 3000 correspondientes a las fronteras de las
restricciones obtenemos la regin factible:
15
Fbrica I
Fbrica II
Tienda A Tienda B
3
7
2
2
Tienda C
1
6
En este tipo de problemas se exige que toda la produccin sea distribuida a los centros de ventas
en las cantidades que precisa cada uno; por tanto, no pueden generarse stocks del producto ni en
las fbricas ni en los centros de ventas.
En consecuencia, los 800 artculos producidos en la fbrica I deben distribuirse en las cantidades
x, y, z a A, B y C, de manera que x + y + z = 800. Pero, adems, si desde I se envan x unidades a
A, el resto, hasta las 1000 necesarias en A, deben ser enviadas desde la fbrica II; esto es, 1000 x unidades sern enviadas desde II a A.
Del mismo modo, si desde I a B se envan y, el resto necesario, 700 - y, deben enviarse desde II. Y
lo mismo para C, que recibir z desde I y 600 - z desde II.
En la siguiente tabla de distribucin se resume lo dicho:
16
Envos
800 - x - y
1000 - x
700 - y
x + y 200
0 ; 1000 - x
0;y
0; 700 - y
0 ; 800 - x - y
0 ; x + y - 200
0 ; 700
0 ; 800
x+y
Recordemos que nuestro objetivo es abaratar al mximo los costes de transporte. Estos costes se
hallan multiplicando las cantidades enviadas a desde cada fbrica a cada tienda por los respectivos
costes de transporte unitario.
Se obtiene:
Z = f(x,y) = 3x + 2(1000 - x) + 7y + 2(700 - y) + (800 - x - y) + 6(x + y - 200) = 6x + 10y + 3000
En definitiva, el programa lineal a resolver es :
Minimizar:
sujeto a:
Z = 6x + 10y + 3000
1000 x 0
700 y 0
800 x + y 0
600
17
800
700
5) Problema de la dieta
En una granja de pollos se da una dieta "para engordar" con una
composicin mnima de 15 unidades de una sustancia A y otras
15 de una sustancia B. En el mercado slo se encuentran dos
clases de compuestos: el tipo X con una composicin de una
unidad de A y cinco de B, y el tipo Y, con una composicin de
cinco unidades de A y una de B. El precio del tipo X es de 1000
pesetas y el del tipo Y es de 3000 pesetas. Se pregunta:
Qu cantidades se han de comprar de cada tipo para cubrir las
necesidades con un coste mnimo ?
El problema se llama as porque en sus orgenes consisti nicamente en determinar la
dieta humana ms econmica.
En su forma industrial ms corriente, el problema consiste en saber cmo mezclar de la
forma ms econmica posible las materias primas que constituyen un producto de frmula
qumica conocida.
Coste
Compuesto X
5x
1000x
Compuesto Y
5y
3000y
Total
15
15
1000x + 3000y
La funcin objetivo del coste total, f, si se emplean x kg del compuesto X e y kg del compuesto Y,
es:
Z = f(x,y) = 1000x + 3000y
El conjunto de restricciones es: x 0 , y 0 ; x + 5y 15 ; 5x + y 15 .
Con estos datos representamos la regin factible y las rectas de nivel de la funcin objetivo.
De todas las rectas de nivel que tocan a la regin factible, hace que el coste Z sea mnimo la que
pasa por el vrtice A(2.5,2.5).
La solucin ptima se obtiene comprando 2.5 unidades de X y 2.5 unidades de Y.
El coste total es : Z = f(2.5,2.5) = 10002.5 + 30002.5 = 10000 pesetas.
6) Considera el recinto de la figura en el que estn incluidos todos los lados y todos los
vrtices.
a) Escribe la inecuaciones que lo definen
b) Maximiza la funcin Z = x + y
18
a) Hallamos la ecuacin de la recta que pasa por (2,0) y (0,2):
(0,2)
2 = m0 + n
n=2
y = mx + n
y=-x+2
x+y=2
(2,0)
0 = m2 + 2
m=-1
Los puntos del recinto (por ejemplo, el (0,0) ) verifican x + y 2
Ecuacin de la recta paralela al eje X que pasa por (0,2) : y = 2.
Los puntos del recinto verifican y 2
Ecuacin de la recta paralela al eje X que pasa por (0,-1): y = -1
Los puntos del recinto verifican y - 1
Ecuacin de la recta paralela al eje Y que pasa por (2,0) : x = 2
Los puntos del recinto verifican x 2
Ecuacin de la recta paralela al eje Y que pasa por (-2,0): x = - 2
Los puntos del recinto verifican x - 2
Las inecuaciones que cumplen los puntos del recinto son:
x+y 2
-2
-1 y 2
b) Como la direccin de la funcin Z = x + y a maximizar es la misma que la del borde x + y = 2,
resulta que esta recta es tal que deja todo el recinto a un lado, precisamente del lado que hace x +
y 2 . Por tanto, el mximo de Z = x + y para (x,y) en el recinto se alcanza para cualquier punto de
ese segmento del borde y tiene por valor 2.
19
Unidad II
El mtodo del simplex: Se utiliza, sobre todo, para resolver problemas de programacin lineal en
los que intervienen tres o ms variables. El lgebra matricial y el proceso de eliminacin de GaussJordan para resolver un sistema de ecuaciones lineales constituyen la base del mtodo simplex.
Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso
concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los
lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el
nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin.
El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor
mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.
Z= f(x,y)= 3x +
2y
2x + y
18
2x + 3y
3x + y
42
24
x 0,y
20
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la ltima fila, la
de los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente
negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces
se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado
la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del
mtodo del simplex, es que en la ltima fila no haya elementos negativos.
La columna de la variable que entra en la base se llama columna pivote (En color verde).
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada trmino
de la ltima columna (valores solucin) por el trmino correspondiente de la columna
pivote, siempre que estos ltimos sean mayores que cero. En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso
de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una
solucin no acotada y no se puede seguir.
El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente
positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base,
d. Esta fila se llama fila pivote (En color verde).
21
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables
correspondientes pueden salir de la base.
2 3
0 1 0
42
- - - Coeficiente
2 2
2 2 2
2
x x
X x x
x
Nueva fila pivote 1 1/3 0 0 1/3 8
= =
= = =
=
Nueva fila de s
0 7/3 0 1 -2/3 26
Tabla II . Iteracin n 2
Base Variable de decisin Variable de holgura Valores solucin
x
y
h
s
d
h
0
1/3
1
0
-2/3
2
s
0
7/3
0
1
-2/3
26
x
1
1/3
0
0
1/3
8
Z
0
-1
0
0
1
24
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado
todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los
trminos correspondientes de la nueva columna pivote:
2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8]
y como el menor cociente positivo es 6, tenemos que la variable de holgura que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
Operando de forma anloga a la anterior obtenemos la tabla:
Tabla III . Iteracin n 3
22
Base Variable de decisin Variable de holgura Valores solucin
x
y
h
S
d
y
0
1
3
0
-2
6
s
0
0
-7
0
4
12
x
1
0
-1
0
1
6
Z
0
0
3
0
-1
30
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado
todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la variable que corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los
trminos correspondientes de la nueva columna pivote:
6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]
y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
Obtenemos la tabla:
Tabla IV . Final del proceso
Base Variable de decisin Variable de holgura Valores solucin
x
y
h
S
d
y
0
1
-1/2
0
0
12
d
0
0
-7/4
0
1
3
x
1
0
-3/4
0
0
3
Z
0
0
5/4
0
0
33
Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la
solucin ptima.
Los solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro
caso: 33. En la misma columna se puede observar el vrtice donde se alcanza, observando las
filas correspondientes a las variables de decisin que han entrado en la base: D(3,12)
23
3. Mtodo Simplex
Si en el problema de maximizar apareciesen como restricciones inecuaciones de la forma: ax +
by
c; multiplicndolas por - 1 se transforman en inecuaciones de la forma - ax - by - c y
estamos en el caso anterior
* Si en lugar de maximizar se trata de un problema de minimizar se sigue el mismo proceso, pero
cambiando el sentido del criterio, es decir, para entrar en la base se elige la variable cuyo valor, en
la fila de la funcin objetivo, sea el mayor de los positivos y se finalizan las iteraciones cuando
todos los coeficientes de la fila de la funcin objetivo son negativos
Interpretacin geomtrica del mtodo del
Las sucesivas tablas que hemos construido van proporcionando el valor
de
la funcin objetivo en los distintos vrtices, ajustndose, a la vez, los
coeficientes de las variables iniciales y de holgura.
En la primera iteracin (Tabla I) han permanecido todos los coeficientes
iguales, se ha calculado el valor de la funcin objetivo en el vrtice A(0,0),
siendo este 0.
A continuacin se desplaza por la arista AB, calculando el valor de f , hasta
llegar a B.
Este paso aporta la Tabla II.
En esta segunda iteracin se ha calculado el valor que corresponde al
vrtice B(8,0): Z=f(8,0) = 24
Sigue por la arista BC, hasta llegar a C, donde se para y despliega los datos de la Tabla III.
En esta tercera iteracin se ha calculado el valor que corresponde al vrtice C(6,6) : Z=f(6,6)=30.
Continua haciendo clculos a travs de la arista CD, hasta llegar al vrtice D. Los datos que se
reflejan son los de la Tabla IV.
Concluye con esta tabla, advirtiendo que ha terminado (antes ha comprobado que la solucin no
mejora al desplazarse por la arista DE)
El valor mximo de la funcin objetivo es 33, y corresponde a x = 3 e y = 12 (vrtice D).
Si calculas el valor de la funcin objetivo en el vrtice E(0,14), su valor no supera el valor 33.
Actividades propuestas
1) Representar el conjunto de puntos que satisfacen simultneamente las inecuaciones: x
-2;y 1
2;x
2) Describir mediante un sistema de desigualdades la regin interior del polgono convexo con
vrtices en los puntos: O(0,0) , A(0,4), B(4,0), C(3,3).
3) Escribe inecuaciones que definan una regin plana cerrada de modo que los puntos (1,0) y (0,1)
pertenezcan a dicha regin, y que los puntos (0,0) y (2,2) no pertenezcan. Haz una representacin
grfica de la regin que elijas.
4) Escribe un conjunto de inecuaciones que tengan como solucin comn el interior de un tringulo
rectngulo cuyos catetos miden 1 y 2 respectivamente y se apoyan en los ejes coordenados X e Y.
(Puedes elegir cualquiera de las posibles colocaciones)
24
5) Dada la regin del plano definida por las inecuaciones:
x + y - 1 0 ; 0 x 3 ; 0 y 2.
Para qu valores de la regin es mxima la funcin Z = 5x + 2y?
6) Maximizar la funcin F(x,y) = 3x + 2y en el dominio y + 2x
0 ; 3y - x
1;2
0; y
10) Hallar los valores mximo y mnimo de la funcin f(x,y) = x + 2y - 2, sometida a las
restricciones:
x + y - 2 0 ; x - y + 2 0; x 3; y 1; y 3
25
pesetas por impreso. El estudiante lleva dos bolsas: una para los impresos A, en la que caben 120,
y otra para los impresos B, en la que caben 100. Ha calculado que cada da es capaz de repartir
150 impresos como mximo.
Lo que se pregunta el estudiante es: cuntos impresos habr de repartir de cada clase para que
su beneficio diario sea mximo?
14) En una fbrica de bombillas se producen dos tipos de ellas, las de tipo normal valen 450
pesetas y las halgenas 600 pesetas. La produccin est limitada por el hecho de que no pueden
fabricarse al da ms de 400 normales y 300 halgenas ni ms de 500 en total. Si se vende en toda
la produccin, cuntas de cada clase convendr produccir para obtener la mxima facturacin?
15) Una compaa area tiene dos aviones A y B para cubrir un determinado trayecto. El avin A
debe hacer ms veces el trayecto que el avin B pero no puede sobrepasar 120 viajes. Entre los
dos aviones deben hacer ms de 60 vuelos pero no menos de 200. En cada vuelo A consume 900
litros de combustible y B 700 litros. En cada viaje del avin A la empresa gana 300000 ptas. y
200000 por cada viaje del B. Cuntos viajes debe hacer cada avin para obtener el mximo de
ganancias? Cuntos vuelos debe hacer cada avin para que el consumo de combustible sea
mnimo?
16) Una fbrica de carroceras de automviles y camiones tiene dos naves. En la nave A, para
hacer la carrocera de un camin, se invierten 7 das-operario, para fabricar la de un coche se
precisan 2 das-operario. En la nave B se invierten tres das operario tanto en carroceras de
camin como de coche. Por limitaciones de mano de obra y maquinaria, la nave A dispone de 300
das operario, y la nave B de 270 das-operario. Si los beneficios que se obtienen por cada camin
son de 6 millones de pesetas y por cada automvil 2 millones de pesetas, cuntas unidades de
cada uno se deben producir para maximizar las ganancias?
17) Un pastelero tiene 150 kg de harina, 22 kg de azcar y 275 kg de mantequilla para hacer dos
tipos de pasteles P y Q. Para hacer una docena de pasteles de tipo P necesita 3 kg de harina, 1 kg
de azcar y 1 de mantequilla y para hacer una docena de tipo Q necesita 6 kg de harina, 05 kg de
azcar y 1 kg de mantequilla.
El beneficio que obtiene por una docena de tipo P es 20 y por una docena de tipo Q es 30. Halla,
utilizando las tcnicas de programacin lineal, el nmero de docenas que tiene que hacer de cada
clase para que el beneficio sea mximo.
18) Una empresa fabrica dos tipos de rotuladores, de la clase A a 200 ptas. la unidad y de la clase
B a 150 ptas. En la produccin diaria se sabe que el nmero de rotuladores de la clase B no supera
en 1000 unidades a los de la A; adems, entre las dos clases no superan las 3000 unidades y la de
la clase B no bajan de 1000 unidades por da. Hallar el costo mximo y mnimo de la produccin
diaria.
19) Una compaa fabrica dos modelos de sombrero: Bae y Viz. La fabricacin de los sombreros se
realiza en las secciones de moldeado, pintura y montaje. La fabricacin de cada modelo Bae
requiere 2 horas de moldeado, 3 de pintura y una de montaje. La fabricacin del modelo Viz
requiere tres horas de moldeado, 2 de pintura y una de montaje. Las secciones de moldeado y
pintura disponen, cada una, de un mximo de 1.500 horas cada mes, y la de montaje de 600.Si el
modelo Bae se vende a 10.000 pesetas y el modelo Viz a 12.000 pesetas, qu cantidad de
sombreros de cada tipo ha de fabricar para maximizar el beneficio mensual?
26
20) Cada mes una empresa puede gastar. Como mximo, 1.000.000 ptas. en salarios y 1.800.000
ptas. en energa (electricidad y gasoil). La empresa slo elabora dos tipos de productos A y B. Por
cada unidad de A que elabora gana 80 ptas. y 50 ptas. por cada unidad de B. El coste salArial,MS
Sans Serif,Helvetica y energtico que acarrea la elaboracin de una unidad del producto A y una
del B aparece en la siguiente tabla:
A
100 300
Se desea determinar cuntas unidades de cada uno de los productos A y B debe producir la
empresa para que el beneficio sea mximo
21) Una persona tiene 500.000 pesetas para invertir en dos tipos de acciones A y B. El tipo A tiene
bastante riesgo con un inters anual del 10% y el tipo B es bastante seguro con un inters anual
del 7%. Decide invertir como mximo 300.000 pesetas en A y como mnimo 100.000 pesetas en B,
e invertir en A por lo menos tanto como en B. Cmo deber invertir sus 500.000 pesetas para
maximizar sus intereses anuales?
22) Una industria vincola produce vino y vinagre. El doble de la produccin de vino es siempre
menor o igual que la produccin de vinagre ms cuatro unidades. Por otra parte, el triple de la
produccin de vinagre sumado con cuatro veces la produccin de vino se mantiene siempre menor
o igual a 18 unidades.
Halla el nmero de unidades de cada producto que se deben producir para alcanzar un beneficio
mximo, sabiendo que cada unidad de vino deja un beneficio de 800 ptas. y cada unidad de
vinagre de 200 ptas.
23) Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de ncoras y 20 de
percebes. Dos mayoristas, A y B, se ofrecen al hipermercado para satisfacer sus necesidades, pero
slo venden dicho marisco en contenedores completos. El mayorista A enva en cada contenedor 8
cajas de langostinos, 1 de ncoras y 2 de percebes. Por su parte, B enva en cada contenedor 2, 1
y 7 cajas respectivamente. Cada contenedor que suministra A cuesta 210.000 ptas., mientras que
los del mayorista B cuestan 300.000 pesetas cada uno. Cuntos contenedores debe pedir el
hipermercado a cada mayorista para satisfacer sus necesidades mnimas con el menor coste
posible?
24) Imaginemos que las necesidades semanales mnimas de una persona en protenas, hidratos
de carbono y grasas son 8, 12, 9 unidades respectivamente. Supongamos que debemos obtener
un preparado con esa composicin mnima mezclando los productos A y B cuyos contenidos por
kilogramo son los que se indican en la siguiente tabla:
Protenas Hidratos Grasas Coste(kg)
Producto A
600
Producto B
400
Cuntos kilogramos de cada producto debern comprarse semanalmente para que el costo de
preparar la dieta sea mnimo?
27
25) Podemos comprar paquetes de abono A o B. Cada paquete contiene las unidades de potasio
(K), fsforo (P) y nitrgeno (N) indicadas en la tabla, donde se da el precio del paquete.
Marca K P N Precio
A
15
1 10 6
24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mnimo precio un
abono que contenga 4 unidades de K, 23 de P y 6 de N
10
15
20
15
10
10
28) Se va a organizar una planta de un taller de automviles donde van a trabajar electricistas y
mecnicos; por necesidades de mercado, es necesario que haya mayor o igual nmero de
mecnicos que de electricistas y que el nmero de mecnicos no supere al doble que el de
electricistas. En total hay disponibles 20 electricistas y 30 mecnicos. El beneficio de la empresa
por jornada es 25.000 ptas. por electricista y 20.000 por mecnico. Cuntos trabajadores de cada
clase deben elegirse para obtener el mximo beneficio?
29) Una empresa fabrica dos tipos de colonia: A y B. La primera contiene un 15% de extracto de
jazmn, un 20% de alcohol y el resto es agua y la segunda lleva un 30% de extracto de jazmn, un
15% de alcohol y el resto es agua. Diariamente se dispone de 60 litros de extracto de jazmn y de
50 litros de alcohol. Cada da se pueden producir como mximo 150 litros de la colonia B. El precio
de venta por litro de la colonia A es de 500 pesetas y el de la colonia B es 2.000 pesetas. Hallar los
litros de cada tipo que deben producirse diariamente para que el beneficio sea mximo.
28
30) Los 400 alumnos de un colegio van a ir de excursin. Para ello se contrata el viaje a una
empresa que dispone de 8 autobuses con 40 plazas y 10 con 50 plazas, pero slo de 9
conductores para ese da. Dada la diferente capacidad y calidad, el alquiler de cada autobs de los
grandes cuesta 8000 ptas. y el de cada uno de los pequeos, 6000 ptas. Cuntos autobuses de
cada clase convendr alquilar para que el viaje resulte lo ms econmico posible?
31) La casa X fabrica helados A y B, hasta un mximo diario de 1000 kg. La fabricacin de un kg de
A cuesta 180 ptas. , y uno de B, 150. Calcule cuntos kg de A y B deben fabricarse, sabendo que la
casa dispone de 270000 ptas/da y que un kg de A deja un margen igual al 90% del que deja uno
de B.
32) A una persona que quiere adelgazar se le ofrecen dos productos A y B para que tome una
mezcla de ambos con las siguientes recomendaciones:
No de be tomar ms de 150 g de la mezcla ni menos de 50 g.
La cantidad de A debe ser igual o superior a la de B.
No debe incluir ms de 100 g de A
Si 100g de A contiene 30 mg de vitaminas y 450 caloras y 100 g de B contienen 20 mg de
vitaminas y 150 caloras:
a) Cuntos gramos de cada producto debe mezclar para obtener el preparado ms rico en
vitaminas?
b) Y el ms pobre en caloras?
33) Se desea obtener tres elementos qumicos a partir de las sustancias A y B. Un kilo de A
contiene 8 gramos del primer elemento, 1 gramo del segundo y 2 del tercero; un kilo de B tiene 4
gramos del primer elemento, 1 gramo del segundo y 2 del tercero. Si se desea obtener al menos 16
gramos del primer elemento y las cantidades del segundo y del tercero han de ser como mucho 5 y
20 gramos respectivamente y la cantidad de A es como mucho el doble que la de B, calcule los
kilos de A y y los de B que han de tomarse para que el coste sea mnimo si un kilo de A vale 200
ptas. y uno de B 1000 ptas. Puede eliminarse alguna restriccin?
34) Los precios de venta de dos productos A y B estn en la misma relacin que 7 y 6. La
produccin de estos est definida por las siguientes condiciones:
La produccin de A es mayor o igual que la mitad de B y menor o igual que el doble de B.
La produccin total es tal que si slo se produce A, se producen 10 kg, y si slo se produce B, se
producen 15 kg. Y si se producen conjuntamente, la produccin mxima se encuentra en la recta
que une los puntos anteriores.
Dar la funcin objetivo de la venta de ambos productos.
Expresar mediante inecuaciones el recinto definido.
Determinar los kilos que se han de producir de cada producto para obtener el mximo beneficio.
35) Un carpintero tiene que construir mesas rectangulares cuyas dimensiones no sobrepasen 2
metros y tales que la suma de su dimensin mayor y el doble de la menor no sobrepase 4 metros.
Cul es el mximo valor del permetro de dichas mesas?
Soluciones
29
1)
3) x
0,y
0,x+y
2,x+y
3;y-x
0 ; y - 3x
8) Los vrtices son A(6,0), B(8,0) , C(0,8) , D(0,4) y E(2,2). La funcin toma el mnimo valor en el
vrtice D y vale 8 .
30
11) El mximo es 24 y se alcanza en todos los puntos de un segmento. Por tanto, la solucin no es
nica. Una posible solucin es (56/17,60/17
12) Como Z = x + 2y es paralela a x + 2y - 4 = 0, cualquier punto del segmento que une (4/3,4/3)
con (4,0) maximiza Z, dando el mismo valor , 4.
13) 50 de A y 100 de B
15) La mxima ganancia se obtiene con 120 viajes del avin A y 80 del avin B y es de 52 millones
de pesetas.
El mnimo consumo se obtiene con 30 viajes de cada avin y es 48000 litros
17) 5 docenas de pasteles del tipo P y 22. 5 docenas de pasteles del tipo Q
31
18) La solucin ptima mnima es producir 1000 rotuladores de clase B y ninguno de la clase A,
siendo el costo mnimo diario de 150000 pesetas.
La solucin ptima mxima es producir 2000 rotuladores de la clase A y 1000 de la clase B, siendo
el costo mximo de 550000 pesetas.
19) 300 sombreros del tipo Bae y 300 sombreros del tipo Viz
21) 300000 pesetas en acciones del tipo A y 200000 pesetas en acciones del tipo B.
32
26)
R
P 20
22 8
27)
M1 M2 M3
A
29) 100 litros de colonia del tipo A y 150 litros de colonia del tipo B.
30) Hay que alquilar 5 autobuses de 40 plazas y 4 de 50 plazas. El precio es de 62000 pesetas
33
32) (a) 100 g de A y 50 g de B
(b) 25 g de A y 25 g de B
34
4. Dualidad
A cada programa lineal en las variables X 1, X2,.....,Xn corresponde, asociado otro programa lineal en
las variables W1, W2,........, Wm (donde m es el nmero de restricciones en el programa original),
conocido como su dual. El programa original, denominado primario, determinar por completo la
forma de su dual.
1: Si el primal tiene solucin ptima el dual tambin.
2.
Duales Simtricos
Duales Asimtricos
PRIMAL
Es el programa lineal:
DUAL
Recprocamente, el programa dual del programa 2 es el programa 1. Los programas 1 y 2 son
simtricos en el sentido de que ambos involucran variables no negativas y las restricciones de
desigualdad; se conocen como duales simtricos uno del otro. A las variables duales W1, W2,........,
Wm, a veces se les denomina precios sombra.
Los precios sombra para el recurso i (denotados por Yi*) miden el valor marginal del recurso es
decir, la tasa a la que Z puede aumentar si se incrementa un poco la cantidad que se proporciona
de ese recurso bi. El mtodo simplex identifica este precio sombra como Yi*=Coeficiente de la esima variable de holgura en el rengln (0) de la tabla simplex final.
35
El incremento en bi debe ser suficientemente pequeo para que el conjunto actual de variables
bsicas sigan siendo ptimas ya que esta tasa (el valor marginal) cambia si el conjunto de
variables bsicas cambia.
Si Y* > 0
SOLUCIONES DUALES
Teorema de dualidad: Si existe una solucin ptima para el programa primario o para el dual
simtrico, entonces el otro programa tiene tambin una solucin ptima y las dos funciones objetivo
tienen el mismo valor ptimo.
En tales situaciones, la solucin ptima, al programa primario (dual) se encuentra en el ltimo
rengln del tableau smplex para el programa dual (primario), en aquellas columnas asociadas con
las variables de holgura o superfluas. Ya que las soluciones a ambos programas se obtienen al
resolver cualquiera de ellos, puede resultar ventajoso, desde el punto de vista de los clculos,
resolver el dual de un programa, en vez de resolver el programa mismo.
Principio de holgura complementaria: Dado que un par de programas duales simtricos tienen
soluciones ptimas, entonces si la k-sima restriccin de un sistema se conserva como
desigualdad esto es, la variable asociada de holgura o superfluas es positiva, el k-simo
componente de la solucin ptima de su dual simtrico es cero.
DUALES ASIMTRICOS
Para los programas primarios en forma estndar, los duales pueden definirse de la siguiente forma
Primario
Dual
36
37
5. Anlisis de Sensibilidad
CAMBIOS EN UN NIVEL DE RECURSOS
En la empresa en estudio. Por escasez de materia prima solo es posible disponer de 130
libras. Ser posible fabricar nuestros productos con esta cantidad de materia prima. Si es
posible, cmo afecta nuestro objetivo y nuestro plan?
Con estas preguntas que nos hacemos, entramos a analizar nuestro recurso sin necesidad
de desarrollar todo el problema. El planteamiento general sera:
Sea bi el recurso disponible y abi posible aumento o disminucin de este recurso.
Sea hj la variable de holgura o Ej de exceso de un recurso i. Entonces para que un recurso
se pueda modificar debe cumplir la condicin b i + abi 0 para las variables bsicas, lo cual
nos produce como resultado final un posible tamao de cambio para a.
Consideremos nuestra pregunta: La materia prima est representada por la variable
(columna) holgura h1 entonces se tiene que:
Base bi h1
X2 70 +2/3 aM 0
H2 5/3 -11/9 aM 0
X3 80/3 -2/9 aM 0
La solucin a las desigualdades es la siguiente:
aM -105
aM 1,36
aM 120
Al graficar estas desigualdades obtenemos el rea de solucin del problema.
38
105 Am 1.36 120
Indica que la materia prima se puede reducir en 105 libras o aumentar hasta en 1,36 libras, o
sea que el rango de la materia prima est dado por:
180 105 Mat. Pri. 180 + 1,36
75 Mat. Pri. 181,36
El valor 130 libras que es nuestra limitante est en el rango de trabajo, por lo tanto si es
posible fabricar nuestros productos.
Cul es el nuevo plan, en este caso:
aM=130 180= -50
X2 = 70 + 2/3(-50) = 110/3
h2 = 5/3 - 11/9(-50) = 565/9
X3
Este sera el nuevo plan de produccin (cumple las restricciones), con un beneficio mximo
de : $427,22 (comprobarlo).
El beneficio se puede obtener utilizando la funcin objetivo Zj que mide la contribucin que
aporta cada unidad.
Una libra de materia prima debe aportar $3,22 a la funcin objetivo, como hay una reduccin
el beneficio sera de:
$588,33 + 3,22(-50) = $ 427,22
Si Ud. Desarrolla el mismo proceso para el tiempo de produccin debe llegar a la siguiente
conclusin:
3 < Tiemp. Pro. < 6 horas
Esto significa que el tiempo de produccin se reduce en 2 horas sobre la base de 5 (valor de
la restriccin tiempo de produccin, o se puede aumentar en 1 hora.
39
Base
Antes del
Cambio
Despus
b1x
del Cambio
Valor de la
Solucin
6.5
X2
2/3
-2/3*(20)
170/3
70
H2
-5/9
5/9*(20)
115/9
5/3
X3
4/9
-4/9*(20)
160/9
80/3
X1
20
Zj
6.55
Cj-Zj
-1.55
557.2
588.33
40
Considerando nuestro caso, se desea producir un nuevo producto X 5 con un precio unitario de $7 y
por cada unidad fabricada se emplea 3 libras de materia prima, 2 pies 3 de espacio, y una tasa de
produccin de 10 unidades/hora.
{(-3,22 x 3) + (0 x 2) + (-1,660 x (1/10))} + 7 = 2,826 no entra a la base. Supongamos que la
utilizacin de los recursos son de 1, 1, 1/10, respectivamente obtenemos los siguientes resultados;
[(-3,22) x (1) + (0) x (1) +(1,66) x (1/10) + 7 =3,614 entra a la base.
Nos preguntamos cmo se puede insertar esta nueva variable y esta nueva columna en nuestros
recursos. Tomando las columnas de las variables de holgura mediamos la incidencia que presenta
en el comportamiento de la variable X5 y en la base.
Tenemos entonces que:
{(2/3 x 1) + (0 x 1) + (- 10 x 1/10)} = -1/3
{(-11/9 x 1) +(1 x 1) +(-5/3 x 1/10)} = -7/18
{(-2/9 x 1) + (0 x 1) + (40/3 x 1/10)} = 10/9
Los resultados anteriores son evaluados en el tablero final.
Tomando como referencia la tabla final de nuestro problema ptimo obtenemos la siguiente
solucin, al hacer los cambios adecuados en la base y en los coeficientes respectivos. El resumen
de estos pasos est indicado en las siguientes tablas:
Cj
6.5
5.5.
Valor de la
X5
Solucin
Cb
base X1
X2
X3
X4
h1
h2
h3
6.5
X2
2/3
2/3
-10
70
h2
-5/9
-7/2
-11/9 1
-5/3
5/3
X3
4/9
-2/9
40/3
80/3
Zj
6.55
6.5
13
3.22
1.66
588.33
Cj-Zj
-1.55 0
-7.5
-3.22 0
6.5
X2
2/3
2/3
-10
-1/3
h2
-5/9
-7.2
-11/9
-5/3
-7/18 5/3
X3
4/9
-2/9
40/3
10/9
80/3
Zj
6.58
6.5
13
3.22
1.66
5.66
588.33
Cj-Zj -1.55 0
-7.5
-3.22
-1.66 1.388
X2
3/10
3/5
-6
6.5
4/5
-1.66
70
70
41
h2
-2/5
7/20
-7/2
-13/10 1
11
X5
2/5
9/10
-1/5
12
24
Zj
6.5
8.25
13
2.5
45
623
-3.25 -7.5
-2.5
-4.5
Cj-Zj -3
42
Unidad III
43
Otras restricciones:
Restricciones de no negatividad:
Para todos los : Xij , Xij > 0
Propiedades
Propiedad de soluciones enteras
Toda solucin factible del problema de transporte asigna valores
enteros positivos a las variables de decisin.
Propiedad de soluciones factibles
44
Una condicin necesaria y suficiente para que un problema de
transporte tenga soluciones factibles es que la suma de los
recursos (capacidad total de produccin del sistema) sea igual a la
suma de las demandas (capacidad total de almacenamiento del
sistema)
Donde Xij son los valores de las variables de decisin en la solucin factible.
45
6. EL PROBLEMA DEL TRANSPORTE
Consiste en colocar en varios destinos las unidades situadas en varios orgenes, en tal forma que
la colocacin sea ptima (costo mnimo a ganancia mxima).
Planteamiento del problema
Definamos:
Si = Cantidad disponible en el origen i (i = 1,2,,m) para ser distribuida a uno o ms de los
destinos.
Dj = Cantidad requerida por el destino j(j=1,2,n) de los orgenes i.C ij = Costo de enviar una
unidad desde el origen i hasta el destino j.
ij
46
Origen m Xm1 + Xm2 + . +Xmn Sm
Con relacin a la demanda
Destino 1 X11 + X21 +.+ Xm1 D1
2 X12 + X22 +.+ Xm2 D2
Destino n X1n + X2n +.+ Xmn Dn
El modelo planteado se puede resolver por programacin lineal, pero su clculo es un poco
dispendioso. Por eso utilizamos otros modelos ms fciles de calcular. Estos se desarrollan a
continuacin.
Amigo estudiante recuerde que en la seccin de planteamiento de problemas se tom como
ejemplo el modelo del transporte, y se indicaron algunas de sus condiciones. Esta informacin
puede resumirse en la siguiente matriz de costos del transporte:
DESTINO
DISTRIBUIDA
SUMINISTRO
C11
C12
C1n
S1
X11
X12
X1n
C21
C22
C2n
X21
X22
X2n
Em
Cm1
Cm2
Cmn
Xm1
Xm2
Xmn
DEMANDA
D1
D2
Dn
R2
S2
Smn
47
7. Mtodos de Aproximacin
1 Esquina Nor Oeste
Este mtodo utiliza la tabla de costos para hacer asignaciones a las variables de decisin de tal
manera que las demandas en los destinos queden cubiertos y los recursos en los orgenes queden
exahustos.
48
2 Criterio de Russel
Russel utiliza un criterio, muy similar a los que usa el mtodo simplex de transporte. Este criterio se
lo resume en los siguientes pasos:
PASO 1
PASO 2
Es obtener en todas las celdas el diferencial ij. dif ij = cij ui vj Escogiendo el ij ms negativo para la asignacin.
PASO 3
49
50
3 Metodo de Vogel
Eljase la fila o columna con mayor diferencia y asgnese en la que tenga el menor costo.
Repita los pasos hasta terminar.
SUMINISTROS
PLANTA A
12
10
400
13
900
10
12
200
11
500
DEMANDA
500
700
800
2000
Observe que el problema se balancea en el sentido de que la oferta total suministrada por las
mquinas disponibles es igual al nmero total de unidades requerido por los centros de consumo.
La meta de HBB consiste en minimizar los costos de transporte de las mquinas de las plantas a
los centros.
51
Solucin del problema Para resolver el problema emplearemos el mtodo de aproximacin de
Vogel que unas la informacin de costos de oportunidad para determinar una solucin inicial
factible. Por ejemplo considrese el origen A, la ruta ms barata que sale del origen A es la que va
al destino Y, que tiene un costo de $6 por mquina, Le sigue en precio la que va al destino Z con
un costo de $10 por mquina; Entonces, a grandes rasgos, cada mquina de A que no sea enviada
a Y incurrir en un costo adicional de por lo menos $4=10-6. El mtodo consiste en evitar grandes
penalizaciones. El primer paso es localizar la mayor de todas las penalizaciones de las filas y las
columnas, y hacer despus una ubicacin que evite las penalizaciones grandes. Vemos en este
caso que la tercera fila (planta C) tiene penalizacin mayor. Para evitarla, debemos usar la ruta
disponible ms econmica de esa fila (mejor destino). Entonces asignamos tantas unidades como
sea posible a C-X. Dado que la oferta en C es 200 y la demanda en X es 500, podemos surtir 200
unidades a la ruta C-X
Esta distribucin reduce la oferta de C a O y la demanda de X a 300. Esta operacin est
especificada en el cuadro 14. La casilla (C, X) es la de menor costo, entonces buscamos el mnimo
valor entre la oferta y la demanda para estos dos puntos:
Mn (200,500) = 200. Esta cantidad es la que se asigna a este punto C-X. La planta C satisface la
restriccin, es decir suministra toda su capacidad, quedan pendientes 300 unidades en el destino
X.
CEN
TROS
OFERTA DIFERENCIA
12
10
400
10-6=4
13
900
9-4=5
10
12
200
10-4=6
11
500
6-4=2
P
L
A
N
T
A
200
D
DEMANDA
6
500
DI FERENCIA 6-4=2
700
800
6-4=2
9-4=5
2000
52
CEN
P
TROS
OFERTA
Diferencia. A
12
10
400
10-6=4
13
900
9-4=5
11
500
6-4=2
L
A
N
T
A
DI
300
DEMANDA
300
700
800
FERENCIA
12-6=6
6-4=2
9-4=5
1800
NTRO
OFERTA
DIFERENCIA
10
400
10-6=4
900
9-4=5
200
11-4=7
L
A
N
T
11
A
DI
4
200
DEMANDA
700
800
FERENCIA
6-4=2
9-4=5
1500
As sucesivamente encontramos otros tableros que nos conducen a la solucin del problema,
cuadros 17 y 18.
En esta operacin la casilla (B, Y) es la de menor costo. El mnimo de la oferta y la demanda es:
min (900,700) = 700. El centro Y satisface sus requerimientos.
Finalmente el cuadro 19 es la solucin del problema.
CE
NTRO
OFERTA
DIFER. A
53
PL
10
400
10-6=4
900
9-4=5
A
N
TA
DI
700
DEMANDA
700
600
FERENCIA
6-4=2
10-9=1
P
N
CEN
TROS
OFERTA
LA
1300
10
400
200
DIFERENCIA
400
B
TA
200
DEMANDA
DI FERENCIA
600
10-9=1
En resumen los pasos a seguir para lograr una solucin inicial bsica y factible por el mtodo de
Voguel son:
X
A
CEN
TROS
12
P
L
13
4
700
T
A
10
400
10-6=4
900
9-4=5
200
10
12
200
10-4=6
11
500
6-4=2
200
D
300
DI
DIFERENCIA
400
A
N
OFERTA
200
DEMANDA
500
700
800
FERENCIA
6-4=2
6-4=2
9-4=5
2000
Para cada fila con una oferta disponible y cada columna con una demanda insatisfecha, calcule un
costo de penalizacin restando el menor valor del que le sigue.
Identifique la fila o columna que tenga el mayor costo penal. (Los empates se resuelven
arbitrariamente).
54
Asigne la mxima cantidad posible a la ruta disponible que tenga el costo ms bajo en la fila o
columna elegida en el paso dos.
Reduzca la oferta y la demanda adecuados en la cantidad asignada en el paso 3.
Descarte cualesquier rengln con oferta disponible cero y columnas con demanda insatisfecha
cero, para consideraciones anteriores.
Regrese al paso 1.
Evaluacin de la solucin
Una vez aplicado el mtodo y obtenida una solucin inicial factible hay que evaluarla para
comprobar si es ptima o no. Lo primero que verificamos es si el problema es consistente o no en
sus solucin. Este procedimiento se logra si se cumple la siguiente condicin:
m + n - 1 > # de casillas asignadas. O sea tiene m + n - 1 variables decisorial bsicas. Luego
procedemos a evaluar la solucin usando el mtodo del eslabn que consiste en evaluar los costos
de una casilla desocupada (ruta sin envos) con las casillas ocupadas. El proceso se resume as:
Ponga un + en la celda desocupada que interese evaluar.
Ponga un - en una celda ocupada en la misma columna o fila.
Ponga un + en una celda ocupada de la columna o fila determinada en el paso 2.
El proceso contina alternando los signos + y - tanto en las filas como en las columnas hasta que
se obtenga una sucesin de celdas que satisfagan dos condiciones:
Hay un signo + en la celda desocupada de inters.
Cualquier fila o columna que tenga un signo + debe tener tambin un signo - y viceversa,
necesariamente en casillas bsicas.
Ejemplo. En muestro ejercicio vamos a evaluar la ruta A- y enviando una unidad.
ACCION RUTA EFECTO DE LA
FUNCIN OBJETIVO
Aumentar 1 unidad A-Y + 6
Disminuir 1 unidad A-Z +10
Aumentar 1 unidad B-Z 9
55
Este resultado indica que por cada unidad enviada en la ruta A-Y el costo aumenta en $1 mil
pesos.
Evaluemos otras celdas vacas, por ejemplo la ruta C - Y:
ACCION RUTA EFECTO DE LA
FUNCIN OBJETIVO
Aumentar 1 unidad C-Y +10
Disminuir 1 unidad C-X - 4
Aumentar 1 unidad D-X + 6
Disminuir 1 unidad D-Z - 4
Aumentar 1 unidad B-Z + 9
56
$12000
El problema del transporte tambin plantea otras posibilidades como son:
Solucin de un problema de transporte a maximizar.
Se usa el mismo procedimiento de solucin con un ligero cambio, pero fundamental. Piense en los
valores marginales como beneficios en lugar de costos. As, se desear asignar unidades a la
celda que tanga el mayor valor marginal y el procedimiento concluir cuando todas las rutas no
usadas tengan valores marginales negativos. Planteemos la siguiente situacin donde podemos
analizar esta aplicacin.
La compaa H tiene 4 fbricas de fertilizantes que suministran 1200, 1800, 2000 y 2400 a tres
depsitos que demandas 2600, 2400 y 2400 toneladas respectivamente. La utilidad en miles de $
de cada una de las plantas a cada uno de los destinos esta dada en la siguiente tabla de
beneficios.
DE
POSIT
OS
OFERTA
A1
1200
N2
10
1800
T3
2000
A4
2400
2600
2400
2400
P
L
S
DEMANDA
En los siguientes Cuadros (20, 21, 22, 23 y 24) se resumen las operaciones necesarias para llegar
a la solucin del problema. Recuerde que es el mismo proceso del caso anterior:
DE
POSI
TOS
P1
P2
P3
OFERTA
DIFERENCIA
D1
-9
-8
-6
1200
9-8=1
D2
-10
-5
-9
1800
10-9=1
D3
-8
-4
-6
2000
8-6=2
-7
-8
2400
8-7=1
P
L
A
N
T
A
2000
D4
DEMANDA
-7
2600
2400
2400
7400
57
DI
FERENCIA
10-9=1
8-7=1
9-8=1
DE
POSI
TOS
P1
P2
P3
OFERTA
DIFERENCIA
D1
-9
-8
-6
1200
9-8=1
D2
-10
-5
-9
1800
10-9=1
-7
-7
-8
2400
8-7=1
L
A
N
T
600
D4
A
DI
DEMANDA
600
2400
2400
FERENCIA
10-9=1
8-7=1
9-8=1
DEPO
SITOS
P2
P3
5400
OFERTA
DIFERENCIA
D1
-8
-6
1200
8-6=2
D2
-5
-9
1200
9-5=4
2400
8-7=1
L
A
N
T
1200
D4
-7
-8
A
DEMANDA
DI FERENCIA
D1
LA
N
2400
2400
8-7=1
9-8=1
DEPO
SITOS
P2
P3
-8
4800
OFERTA
DIFERENCIA
-6
1200
8-6=2
-8
2400
8-7=1
1200
D4
TA
DEMANDA
DI FERENCIA
-7
1200
1200
2400
1200
8-7=1
8-6=2
4800
58
DE
POSI
TOS
P1
P2
P3
D1
-9
-8
P
L
D2
DI
-10
-5
600
D3
T
A
DIFERENCIA
-6
1200
9-8=1
-9
1800
10-9=1
1200
A
N
OFERTA
1200
-8
-4
-6
2000
8-6=2
-7
-8
2400
8-7=1
2000
D4
-7
1.200
1.200
DEMANDA
2600
2400
2400
FERENCIA
10-9=1
8-7=1
9-8=1
7400
DEPOSITOS
P
1
OFERTA
20
15
18
30
19
20
15
40
L
A A
N B
59
T C
14
13
18
50
21
19
30
40
60
90
A D
S
DEMANDA
Establecer un plan de envos ptimo a mnimo costo, si el centro 3 no puede hacer envos al
destino d. (considere el valor de M como una cantidad grande en trminos de costos.) La solucin
al problema es la siguiente, con cada uno de sus cuadros respectivos 25, 26, 27 28, 29 y 30.
DEPOSITOS
P1
P2
P3
OFERTA
DIFERENCIA
20
15
18
30
19
20
15
40
14
13
18
50
21
19
40
Fk
30
L
A
N
T
A
30
DEMANDA
40
60
90
DIFERENCIA
14
13
15
190
DEPOSITOS
P1
P2
P3
OFERTA
DIFERENCIA
20
15
18
30
19
20
15
40
14
13
18
50
P
L
A
N
T
40
60
21
19
DEMANDA
40
60
60
DIFERENCIA
40
190
DEPOSITOS
P2
P3
OFERTA
DIFERENCIA
15
18
30
20
15
40
13
18
10
19
40
P
L
A
N
T
A
40
DEMANDA
60
60
DIFERENCIA 2
120
DEPOSITOS
P2
P
P3
OFERTA
DIFERENCIA
15
18
30
20
15
40
13
18
10
L
A
N
T
A
10
DEMANDA
20
60
DIFERENCIA
80
61
SITOS
P2
P3
15
LA
N
DEPO
10
B
OFERTA
DIFERENCIA
18
30
15
40
20
20
TA
40
DEMANDA
20
60
DIFERENCIA 5
80
DEPOSITOS
P1
A
P2
20
P3
OFERTA
DIFERENCIA
18
30
15
40
13
18
50
19
40
-6
30
15
10
L
A
20
40
C
N
T
19
20
40
14
2000
10
21
40
Fk
30
DEMANDA
40
60
90
DIFERENCIA 14
13
15
190
Existe otro procedimiento como es el mtodo del costo mnimo. Este trata de asignar tanto como
sea posible al centro de distribucin que tenga el costo unitario de transporte ms bajo. En el caso
de que existan dos o ms iguales la seleccin es arbitraria. Al completarse la demanda, esta se va
ajustando a las cantidades que estn disponibles, a la par que se disminuye la oferta. El objetivo es
buscar una solucin inicial al problema.
Amigo estudiante los ejercicios anteriores trate de resolverlos teniendo en cuenta este criterio, y
compare sus resultados con los datos anteriormente.
62
63
8. El problema de la Asignacin
1 El Problema de la Asignacin
Olvidmonos por un momento de los problemas de redes, y supongamos que deseamos asignar n
tareas a n trabajadores. Cada una de las tareas no requiere de la terminacin de otra para ser
realizada. Suponemos que las tareas son tan simples que pueden ser realizadas por cualquier
trabajador y que los trabajadores no tienen preferencias por realizar uno u otra tarea. Se tiene
como condicin que una tarea solamente puede ser realizada por un solo trabajador y que un
trabajador slo puede realizar una nica tarea. La realizacin de una tarea i por un trabajador j
tiene un costo cij y se definen todos los costos en una matriz de la siguiente manera:
Tabla 1.- Matriz de costos para el problema de la asignacin
Tarea 1
Tarea 2
Tarea 3
...
Tarea n
Trabajador 1
c11
c12
c13
...
c1n
Trabajador 2
c21
c22
c23
...
c2n
Trabajador 3
c31
c32
c33
...
...
...
...
...
...
Trabajador n
cn1
cn2
cn3
...
Cnn
c3n
El objetivo es determinar qu tarea se asigna a cada trabajador, de manera que el costo total sea el
mnimo y se respeten las restricciones de que cada tarea slo pueda ser asignada a un trabajador
y que cada trabajador slo pueda realizar una tarea.
En el problema de asignacin se considera que el nmero de tareas es igual al nmero de
trabajadores. Si se tienen ms tareas que trabajadores, es posible definir trabajadores ficticios (con
costos muy altos). Una vez que se tiene una asignacin para los trabajadores reales, las tareas
correspondientes pueden ser eliminadas del problema, de modo que se busque o bien una
segunda asignacin a los trabajadores reales o bien nuevos trabajadores. De manera similar, es
comn definir tareas ficticias cuando hay ms trabajadores que tareas, de modo que las tareas
reales sean asignadas a los trabajadores ms eficientes; una vez que las tareas reales son
asignadas a un sub-conjunto de trabajadores, a los trabajadores ociosos se les podrn buscar
nuevas tareas (posiblemente en nuevos puestos de trabajo) o ser despedidos.
El problema de asignacin tambin puede ser planteado en cuestin de beneficios. Supongamos
que tenemos n trabajadores y n tareas que debemos asignarles. Se obtiene un beneficio aij por
cada tarea i realizada por el trabajador j. Como antes, una tarea slo puede ser asignada a un
trabajador y un trabajador slo puede realizar una tarea. En este caso deseamos saber qu tarea
asignar a cada trabajador de manera que se maximice el beneficio total. Para este caso, tenemos
una matriz de beneficios:
Tabla 1.- Matriz de beneficios para el problema de la asignacin
Tarea 1
Tarea 2
Tarea 3
...
Tarea n
Trabajador 1
a11
a12
a13
...
a1n
Trabajador 2
a21
a22
a23
...
a2n
64
Trabajador 3
a31
a32
a33
...
a3n
...
...
...
...
...
...
Trabajador n
an1
an2
an3
...
Ann
PROBLEMAS DE ASIGNACIN
Los problemas de asignacin ocurren en muchos contextos de la administracin. En
general, consisten en el problema para determinar la asignacin ptima de m personas u
objetos a n tareas. Por ejemplo, el administrador puede asignar agentes de ventas a
territorios designados.
La restriccin importante, para cada agente, es que ser destinado para una y slo una
tarea.
Analicemos la situacin de la compaa JAV. La gerencia general que se encuentra en
Bogot ha decidido que cada uno de los 4 vicepresidentes visite una de las 4 plantas de la
compaa ubicadas en diferentes ciudades.
La gerencia empieza por estimar los costos que representar a la compaa el envo de cada
vicepresidente a cada planta. Con esos costos el gerente puede evaluar cualquier
designacin particular con base en la siguiente matriz de costos:
PLANTA
VICEPRESIDENTE
Finanzas (F)
24
10
21
11
Mercadeo (M)
14
22
10
15
Operaciones (O)
15
17
20
19
Personal (P)
11
19
14
13
65
Usando el mismo procedimiento del paso 1, lo hacemos en el paso 2. Este paso es
necesario si alguna columna queda sin el elemento cero. En este caso la columna 4, cuyo
elemento menor es 1. Estos dos pasos se presentan en el trabajo siguiente:
PLANTA
VICEPRESIDENTE
Finanzas (F)
14
11
Mercadeo (M)
12
Operaciones (O)
Personal (P)
VICEPRESIDENTE
Finanzas (F)
14
11
Mercadeo (M)
12
Operaciones (O)
Personal (P)
PLANTA
Finanzas (F)
14
11
Mercadeo (M)
12
Operaciones (O)
Personal (P)
66
Encuentre la menor de las celdas no cubiertas (sin lnea recta) en nuestro caso el valor 1,
reste el valor de sta celda a todas las celdas no cubiertas. Agrguelo al valor de las celdas
que se encuentran en las intersecciones de las rectas dibujadas en el paso 3.Deje como
estn las dems celdas. Regrese al paso 3. El resultado de estas operaciones es:
PLANTA
VICEPRESIDENTE
Finanzas (F)
15
12
Mercadeo (M)
11
Operaciones (O)
Personal (P)
Ahora como tenemos un mnimo nmero de lneas rectas igual a 4 corresponde a 4 filas, por
lo tanto la solucin es ptima.
Paso 5: Localizacin de la solucin ptima
La asignacin ptima se busca usando slo celdas que tengan costo cero.
Se empieza siempre buscando la celda en orden a las filas que presente la menor cantidad
de ceros. En este caso la fila O y M, tambin se puede hacer en el sentido de las columnas.
La solucin queda:
VICEPRESIDENTE
PLANTA
COSTO
$ 10
$ 10
$ 15
$ 13
$ 48
67
cul queda sin realizar visita. La solucin del problema se presenta en las siguientes
tablas:
1
2
3
Ar
F
24
10
21
14
22
10
15
17
20
11
19
14
Ar
11
12
10
M3
F2
P1
Considere que el vicepresidente de personal no puede ir por cuestiones
personales que le impide participar en la intervencin administrativa. La solucin del
problema se presenta en las siguientes tablas de resultados:
1
2
3
4
F
24
10
21
11
14
12
15
15
17
20
19
14
11
11
12
Ar
F3
M2
O1
68
La compaa que estamos estudiando debe enviar nuevos agentes a las regiones de
ventas, hay cuatro agentes para asignarlos a tres nuevas regiones. El efecto de la
designacin de cualquiera de los agentes a una regin se mide mediante el aumento
marginal anticipado del beneficio neto debido a tal designacin. La matriz de
utilidades es la siguiente.
REGION
VENDEDOR
40
30
20
18
28
22
12
16
20
25
24
27
69
Establecer la asignacin ptima que maximice el beneficio total.
1
2
3
F
A
-40
-30
-20
-18
-28
-22
-12
-16
-20
-25
-24
70
9. Variantes de Asignacin
, "i = 1, 2, , n
PROBLEMA (1)
, "j = 1,2, , n
Xij = 1, 0
o bien:
71
Max Z = S aij Xij
Sujeto a:
, "i = 1, 2, , n
PROBLEMA (2)
, "j = 1, 2, , n
Xij = 1, 0
2 El Mtodo Hngaro
Los problemas 1 y 2 son equivalentes y pueden ser resueltos utilizando Programacin Lineal
Entera, mediante el empleo del mtodo simplex. Otra alternativa es, utilizar el mtodo heurstico
conocido como algoritmo hngaro, el cual es un mtodo determinstico. Para ilustrar este mtodo
consideraremos el problema de minimizacin de costos a travs del ejemplo mostrado a
continuacin.
Ejemplo:
Tabla A1
MQUINA 1
MQUINA 2
MQUINA 3
TAREA 1
TAREA 2
14
10
12
TAREA 3
15
13
16
MQUINA 2
MQUINA 3
TAREA 1
TAREA 2
TAREA 3
72
Restamos ahora 2 de la columna 3:
Q3 = 2
Tabla A3
MQUINA 1
MQUINA 2
MQUINA 3
TAREA 1
TAREA 2
TAREA 3
MQUINA 2
MQUINA 3
MQUINA 4
TAREA 1
TAREA 2
TAREA 3
TAREA 4
MQUINA 2
MQUINA 3
MQUINA 4
TAREA 1
TAREA 2
TAREA 3
TAREA 4
73
renglones y columnas que pasen por todos los ceros de la matriz. De esta forma
se obtiene:
Tabla B4
MQUINA 1
MQUINA 2
MQUINA 3
MQUINA 4
TAREA 1
TAREA 2
TAREA 3
TAREA 4
El siguiente paso es seleccionar el menor elemento no-tachado (el nmero 1). Este
elemento se resta de todos los elementos no-tachados y se suma en la
interseccin de dos lneas. El resultado se muestra en la tabla B5:
Tabla B5
MQUINA 1
MQUINA 2
MQUINA 3
MQUINA 4
TAREA 1
TAREA 2
TAREA 3
TAREA 4
74
PASO 3:
Cbranse todos los ceros en la matriz revisada de costos, con el menor nmero de
lneas horizontales y verticales que sea posible. Cada lnea horizontal debe pasar
por todo el rengln, cada lnea vertical debe pasar por toda la columna. El total de
lneas de cada columna debera ser menor a n. Localcese el nmero menor que
no est cubierto por una lnea en la matriz de costos. Rstese el valor de este
nmero de cada elemento no cubierto por una lnea y smese a cada elemento
cubierto por dos lneas
Ejemplo:
ETAPA 2
ETAPA 3
ETAPA 4
CORREDOR 1
65
73
63
57
CORREDOR 2
67
70
65
58
CORREDOR 3
68
72
69
55
CORREDOR 4
67
75
70
59
CORREDOR 5
71
69
75
57
CORREDOR 6
69
71
66
59
El objetivo es seleccionar los cuatro corredores que el entrenador deber enviar a la competencia,
de modo que se minimice el tiempo total recorrido (esperado) de las cuatro etapas, e indicar que
etapa deber correr cada corredor
a)
b)
Solucin:
a)
Modelo de optimizacin
75
Minimizar Z = 65X11 + 73X12 + 63X13 + 57X14
+ 67X21 + 70X22 + 65X23 + 58X24
+ 68X31 + 72X32 + 69X33 + 55X34
+ 67X41 + 75X42 + 70X43 + 59X44
+ 71X51 + 69X52 + 75X53 + 57X54
+ 69X61 + 71X62 + 66X63 + 59X64
Sujeto a:
Ningn corredor debe designarse a ms de una etapa:
X11 + X12 + X13 + X14 1
X21 + X22 + X23 + X24 1
X31 + X32 + X33 + X34 1
X41 + X42 + X43 + X44 1
Para cada etapa se requiere un corredor:
X11 + X21 + X31 + X41 + X51 + X61 = 1
X12 + X22 + X32 + X42 + X52 + X62 = 1
X13 + X23 + X33 + X43 + X53 + X63 = 1
X14 + X24 + X34 + X44 + X54 + X64 = 1
X15 + X25 + X35 + X45 + X55 + X66 = 1
X16 + X26 + X36 + X46 + X56 + X66 = 1
b)
La tabla inicial se obtiene agregando dos etapas ficticias con costo cero, tal como se muestra en la
tabla 4 :
Tabla 4.- Tabla Inicial para el Problema de Corredores
76
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
65
73
63
57
CORREDOR 2
67
70
65
58
CORREDOR 3
68
72
69
55
CORREDOR 4
67
75
70
59
CORREDOR 5
71
69
75
57
CORREDOR 6
69
71
66
59
PASO 1:
Para cada rengln:
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
CORREDOR 2
CORREDOR 3
CORREDOR 4
CORREDOR 5
12
CORREDOR 6
PASO 2:
Verificamos si se tienen renglones o columnas llenas de ceros. Como no es as,
continuamos con el paso 3.
PASO 3:
Cubrimos todos los ceros en la matriz revisada de costos, con el menor nmero de
lneas horizontales y verticales que sea posible
Tabla 6.- Trazo de Lneas Horizontales y Verticales
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
ETAPA 6
77
(Ficticia)
(Ficticia)
CORREDOR 1
CORREDOR 2
CORREDOR 3
CORREDOR 4
CORREDOR 5
12
CORREDOR 6
PASO 4:
Repetimos el paso 2, verificando s se tienen renglones o columnas (no ficticias)
llenas de ceros. Como no es as, pasamos al paso 3.
PASO 3:
Localizamos el nramenmero menor que no est cubierto por una lnea en la
matriz de costos. Este es el nmero 1, ubicado en la celda (2,2). Ahora restamos 1
a cada elemento no cubierto por una lnea y sumamos uno a cada elemento
cubierto por dos lneas. El resultado es la tabla 7.
Tabla 7.- Reduccin Menor Elemento Rengln
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
CORREDOR 2
CORREDOR 3
CORREDOR 4
CORREDOR 5
12
CORREDOR 6
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
CORREDOR 2
CORREDOR 3
CORREDOR 4
CORREDOR 5
12
CORREDOR 6
78
PASO 4:
Vemos que no hay una solucin factible. Continuamos con el paso 3.
PASO 3:
El menor elemento es nuevamente uno, restamos este numero de las celdas no cubiertas y lo
sumamos a cada elemento cubierto por dos lneas. El resultado se muestra en la tabla 9.
Tabla 9.- Resta del Elemento Menor
ETAPA 1
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
CORREDOR 2
CORREDOR 3
CORREDOR 4
CORREDOR 5
11
CORREDOR 6
ETAPA 2
ETAPA 3
ETAPA 4
ETAPA 5
(Ficticia)
ETAPA 6
(Ficticia)
CORREDOR 1
0*
CORREDOR 2
0*
CORREDOR 3
0*
CORREDOR 4
0*
CORREDOR 5
0*
11
CORREDOR 6
0*
Scheduling es un nombre genrico que se utiliza para problemas de asignacin, con referencia a la
asignacin de tareas en procesadores de cmputo. De esta manera, Scheduling es un actividad
que se utiliza en Cmputo Paralelo y Distribuido. Hay una gran variedad de Problemas de
Scheduling, de modo que aqu se presentar solamente una introduccin a estos problemas y se
describirn en trminos generales los mtodos de solucin.
El problema de Scheduling se refiere a la asignacin de tareas donde cada procesador de modo
que:
Una tarea slo puede ser asignada a un procesador
Una tarea i puede tener o no, un determinado grado de dependencia de otra tarea j, de
modo que pueden existir restricciones de secuencialidad entre tareas.
Se tiene una carga de trabajo de n tareas i sobre un procesador k. Esto origina pesos
Wik de las tareas i sobre el procesador k. Estos pesos reflejan los recursos que el
procesador k utiliza para realizar la tarea i. Una forma simple de ver el problema es pensar
que estos pesos representan tiempo de procesamiento, sin embargo, hay que recordar que
el uso de otros recursos, por ejemplo memoria, tienen tambin un impacto en el costo. De
79
hecho, nosotros haremos referencia al peso que representa el costo de los recursos y al
tiempo requerido, por separado.
En el problema de scheduling [HOROWITZ] de un procesador, se desea minimizar el
tiempo total de terminacin de las tareas, medido por los pesos de la tarea sobre el
procesador.
Consideremos que tenemos n tareas y que cada tarea j tiene un peso positivo Wj y
un tiempo de procesamiento pj, j = 1, , n. Los trabajos deben ser procesados sin
interrupcin y la mquina puede procesar un trabajo a la vez.. Denotaremos por Tj,
el tiempo involucrado para procesar la tarea j. Podemos decir entonces que la
funcin objetivo es:
Min Z = SWjTj
En forma equivalente, podemos decir que el objetivo es:
Min Z = [SWjTj ]/n
Para el ptimo, denotaremos Tj* el tiempo ptimo obtenido. Podramos pensar que
el problema de una simple mquina es trivial y que simplemente se resuelvan
todas las tareas en ella. Sin embargo, esto no es por lo general verdad, debido a la
secuencia de las tareas. Esta situacin se ver en el siguiente ejemplo:
Ejemplo:
Tenemos un conjunto de n tareas. Asociada con cada tarea i se tiene un entero
denominado di 0 (o deadline ) y un beneficio pi 0. Para cualquier trabajo i, el
beneficio pi se logra si y slo si, el trabajo es completado sin violar el deadline. A
fin de completar cada trabajo, uno tiene que procesar el trabajo sobre una mquina
una unidad de tiempo a la vez. nicamente una mquina est disponible para
procesar tareas. Una solucin factible para este problema es un subconjunto J de
tareas, tal que cada tarea en el subconjunto puede ser completada sin violar su
deadline. El valor de una solucin factible J, es la suma de los beneficios de los
trabajos en J o bien Spi. Una solucin ptima es una solucin factible con valor
mximo.
Para este problema se tiene lo siguientes valores:
N = 4, (p1, p2, p3, p4) = (100, 10, 15, 27) y (d1, d2, d3, d4) = (2, 1, 2, 1). Las
soluciones factibles y sus valores son:
Solucin Factible
Secuencia de
Procesamiento
Valor
(1, 2)
2, 1
110
80
ii
(1, 3)
1, 3 3, 1
115
iii
(1, 4)
4, 1
127
iv
(2, 3)
2, 3
25
(3, 4)
4, 3
42
vi
(1 )
100
vii
(2 )
10
viii
(3 )
15
ix
(4 )
27
Para este problema, la solucin ptima se puede obtener de una manera trivial, dado que el
problema es muy sencillo (es la solucin iii, con tareas 4, 1 y un valor de 127). Sin embargo,
utilizaremos un mtodo de ptimizacin para resolver el problema. El mtodo que emplearemos
ser un mtodo Glotn (GREDDY) Determinstico.
Empezamos con un subconjunto de soluciones factibles J = f; es decir, ninguna tarea. Dado que
estamos usando un algoritmo glotn, buscamos la tarea que ms incremente la funcin objetivo,
esta es la tarea 1, la cual aporta un beneficio de 100. Verificamos que no se violan restricciones:
81
EJERCICIOS
Una compaa comercializadora tiene 1,5 millones para asignarlos a uno de sus
almacenes. Se desea comprar 3 productos A,B,C que requierne para su
almacenamiento un espacio de 30, 3, y 15 pies cbicos respectivamente por unidad,
en una bodega de 300000 pies cbicos. El precio de compra de cada producto es de
$ 12, $4,5 y $15 respectivamente. Que cantidad debe adquirirse de cada producto si
el precio de venta de cada uno es de $15, $6 y $21 con el fn de maximizar la utilidad.
Capacidad
10
18
25
Costo
18
25
35
Conductores