Professional Documents
Culture Documents
GRAFICO
[Subtítulo del documento]
roxana Condori
Caycho Medina, Wendy
Sistemas de optimización
MÉTODO GRAFICO
Optimizar: Z = c1 x1 +c2 x2 +… + cn xn
Sujeto a:
O en la forma reducida:
Sujeto a:
Sistemas de optimización
Ejemplo 1:
El taller de Joe se especializa en cambios de aceite del motor y regulación del sistema eléctrico.
El beneficio por cambio del aceite es $7 y de $15 por regulación. Joe tiene un cliente fijo con
cuya flota, le garantiza 30 cambios de aceite por semana. Cada cambio de aceite requiere de 20
minutos de trabajo y $8 de insumos. Una regulación toma una hora de trabajo y gasta $15 en
insumos. Joe paga a los mecánicos $10 por hora de trabajo y emplea actualmente a dos de ellos,
cada uno de los cuales labora 40 horas por semana. Las compras de insumos alcanzan un valor de
$1,750 semanales. Joe desea maximizar el beneficio total. Formule el problema.
SOLUCIÓN:
a) Función Objetivo:
Maximizar beneficio total en función a la especialización (cambio de aceite -
regulación del sistema)
b) Variables:
X: Cambio de aceite del motor
Y: regulación del sistema eléctrico
c) Restricciones:
a. 30 cambios de aceite por semana
b. 40horas por semana y dos laboran por tanto 40h<>4800min
CAMBIO DE REGUACIÓN
ACEITE DEL SISTEMA E
BENEFICIO $7 $15
TIEMPO DE 20min 1H<>60min 480
TRABAJO
INSUMOS $8 $8 1750
d) Ecuación:
Maximizar: 𝟕𝒙 + 𝟏𝟓𝒚
R1: 𝑥 ≥ 30
R2: 20𝑥 + 60𝑦 ≤ 480
R3: 8𝑥 + 15𝑦 ≤ 1750
R4: 𝑥, 𝑦 ≥ 0
Método grafico
R1: 𝑥 ≥ 30
X=30
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
Sistemas de optimización
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
Ejemplo 2:
Una nutricionista del Hospital regional, es responsable de la planificación y administración de los
requerimientos. La nutricionista examina en estos momentos un caso de un paciente que se le ha
restringido una dieta especial, que consta de 2 fuentes alimenticias. Al paciente se le ha restringido
el consumo en cantidades de los 2 alimentos, sin embargo se deben satisfacer los siguientes
requerimientos nutritivos mínimos por día:
1,000 unid. Del nutriente A; 2,000 unid. Del nutriente B; 1,500 unid. Del nutriente C
Cada onza de la fuente alimenticia N° 1 contiene 100 unid. de A, 400 unid. de B, y 200 unid. de
C. Cada onza de la fuente alimenticia N° 2 contiene 200 unid. de A, 250 unid. de B, y 200 unid.
de C.
Ambas fuentes alimenticias son algo costosas (la fuente N°1: $6 por libra y N°2: $8 por libra) por
lo tanto la nutricionista desea determinar la combinación de fuentes alimenticias que optimice los
recursos y que satisfaga todos los requerimientos nutritivos.
SOLUCIÓN:
a) Función Objetivo:
Sistemas de optimización
FUENTE FUENTE
ALIMENTICIO ALIMENTICIO
N°1 N°2
A 100 200 1000 6/lb<>1/16
B 400 250 2000 8/lb<>8/16
C 200 200 1500
f) Ecuación:
Minimizar: 𝟎. 𝟑𝟕𝟓𝒙 + 𝟎. 𝟓𝒚
R1:100𝑥 + 200𝑦 ≥ 1000
R2:400𝑥 + 250𝑦 ≥ 2000
R3:200𝑥 + 200𝑦 ≥ 1500
R4: 𝑥, 𝑦 ≥ 0
Método gráfico:
R1:100𝑥 + 200𝑦 ≥ 1000
100𝑥 + 200𝑦 = 1000
𝑋 = 0 ,𝑌 = 5
X=10, Y=0
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
R1
35
30
25
20
15
10
5
0
0 10 20 30 40
Sistemas de optimización
ANALISÍS DE SENSIBILIDAD
El análisis de sensibilidad para los modelos de Programación Lineal, tiene por
objetivo identificar el impacto que resulta en los resultados del problema original luego de
determinadas variaciones en los parámetros, variables o restricciones del modelo, sin que
esto pase por resolver el problema nuevamente.
TEORÍA
Min cTx
s.a Ax1 = b
x >= 0
Donde:
I: Matriz Identidad
0: Costos reducidos asociados a las variables básicas
B: Matriz de variables básicas
D: Matriz de variables no básicas
b: Lado derecho
Cb: Coeficientes en la función objetivo asociados a las variables básicas
Cd: Coeficientes en la función objetivo asociados a las variables no básicas
1. Cambio en el "lado derecho" de las restricciones: Lo que se busca identificar si las actuales
variables básicas se mantienen luego de la modificación de uno o más parámetros asociados al
"lado derecho" del modelo. Si calculamos:
EJEMPLO: Sin resolver nuevamente el problema, se desea saber si las actuales variables básicas
óptimas del problema también lo son del mismo problema, donde los lados derechos corresponde
al vector b=(20,30). (Observación: X4 y X5 son variables de holgura de la restricción 1 y 2
respectivamente)
X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 1 1 0 2 20
Para analizar este escenario debemos calcular el vector de variables básicas y verificar si todos
sus componentes son positivos definidos. Nótese que para esto necesitamosla matriz B inversa,
la cual fácilmente podemos rescatar identificando los parametros asociados a X4 y X5 (variables
de holgura de la restricción 1 y 2 respectivamente) en la tabla final del Método Simplex:
Luego, dado que al menos uno de los coeficientes del nuevo lado derecho tiene un valor negativo,
cambia la actual base óptima. Cabe destacar que ante esta situación no es necesario resolver el
nuevo escenario partiendo de cero, sino lo que se debe hacer es utilizar la tabla final del simplex
del escenario base, actualizando el lado derecho y valor de la función objetivo.
X1 X2 X3 X4 X5
0 -1 5 1 -1 -10
1 4 -1 0 1 30
0 1 1 0 2 60
Posteriormente, se continua iterando haciendo uso del Método Simplex Dual. (Ver referencia a
la derecha).
EJEMPLO: Se desea estudiar la posibilidad de elaborar un nuevo producto con beneficio neto
igual a 8 y que requiere 4, 2 y 5 unidades de los recursos asociados a cada restricción. Sin resolver
nuevamente el problema, ¿Conviene elaborar el producto?
X1 X2 X3 X4 X5
1 0 1/2 -1/2 0 15
0 1 -1/3 2/3 0 40
0 0 -4/3 2/3 1 20
0 0 1/2 7/2 0 615
En este ejemplo rk=1>=0, por lo cual no conviene la incorporación de esta nueva variable al
modelo, es decir, aun cuándo sea incorporada no obtendremos un valor óptimo que supere el
actual V(P)=615. De todas formas mostraremos como se incluye en la tabla final del Simplex esta
modificación de modo que el lector pueda entender su incorporación cuando es necesario:
X1 X2 X3 X4 X5 XNew
1 0 1/2 -1/2 0 1 15
0 1 -1/3 2/3 0 0 40
0 0 -4/3 2/3 1 1 20
0 0 1/2 7/2 0 1 615
Si el costo reducido de esta nueva variable hubiese sido cero, entonces el nuevo escenario tendría
infinitas soluciones.
3. Cambio en los Coeficientes Función Objetivo: Se busca identificar qué ocurre con la actual
solución óptima del escenario base si se cambian uno o varios de los coeficientes que definen la
función objetivo. La solución óptima actual también lo será para el nuevo escenario siempre que
los nuevos costos reducidos sean mayores o iguales a cero (notar que también cambia el valor de
la función objetivo en la actual solución óptima). Es decir se debe cumplir que:
Sistemas de optimización
En caso contrario, se aplica el Simplex a partir de la tabla final del modelo original, con los nuevos
costos reducidos y nuevo valor de la actual solución básica.
EJEMPLO: Sin resolver nuevamente el problema, se desea saber que sucede si se modifica los
parámetros de la función objetivo, quedando éstos de la siguiente forma: Z = x1 + 5x2 - 2x3. (X4
y X5 son las variables de holgura de la restricción 1 y 2 respectivamente).
X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 1 1 0 2 20
Debido a que los cambios en los parámetros de la función objetivo se producen en más de una
variable consideraremos la siguiente fórmula:
Debido a que al menos uno de los costos reducidos de las variables no básicas se ha vuelto
negativo, entonces cambia la actual solución y valor óptimo del problema. Para incorporar esta
modificación en la tabla final del Método Simplex se actualiza los costos reducidos asociados a
las variables no básicas, además del valor óptimo, quedando como sigue:
X1 X2 X3 X4 X5
0 -1 5 1 -1 20
1 4 -1 0 1 10
0 -1 1 0 1 10
4. Inclusión de una nueva restricción: Para saber si la actual solución y valor óptimo se
mantendrá luego de incorporar una nueva restricción al problema se debe evaluar la solución
actual y verificar si satisface la nueva restricción. En caso afirmativo, la actual solución también
lo será del problema con la nueva restricción, en caso contrario se incorpora la nueva restricción
a la tabla final del Simplex del escenario base.
Sistemas de optimización
EJEMPLO: Sin resolver nuevamente el problema, se desea saber que sucede si se considera una
nueva restricción de la forma: 3x1 + 2x2 + 3x3 <= 25. (Observación: Considerar mismo modelo
y tabla final del ejemplo anterior)
Se evalua la solución actual en la restricción: 3*(10) + 2*(0) + 3*(0) <= 25. No cumple. Por tanto
se incorpora esta nueva restricción como fila a la tabla final del Simplex. Adicionalmente, se
agrega X6 como variable de holgura asociada a esta nueva restricción:
X1 X2 X3 X4 X5 X6
0 -1 5 1 -1 0 20
1 4 -1 0 1 0 10
3 2 3 0 0 1 25
0 1 1 0 2 0 20
Una alternativa para encontrar el óptimo a través de esta tabla es formar la identidad (debemos
hacer cero el parámetro asociado a X1 en la tercera fila) multiplicando la fila 2 por -3 y sumando
dicho resultado a la fila 3. De esta forma se obtiene:
X1 X2 X3 X4 X5 X6
0 -1 5 1 -1 0 20
1 4 -1 0 1 0 10
0 -10 6 0 -3 1 -5
0 1 1 0 2 0 20