Scribd
Cargar
179 vistas7 páginas

Tema 2

Este documento presenta los conceptos básicos de la programación lineal. Explica cómo formular un problema de optimización como un problema de programación lineal identificando las variables de decisión, la función objetivo y las restricciones. Además, muestra ejemplos resueltos gráficamente de problemas de programación lineal de dos variables para ilustrar que la solución puede ser finita y única, infinita no acotada, múltiple o infactible.

Cargado por

Frans Fuentes
Derechos de autor
© Attribution Non-Commercial (BY-NC)
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
179 vistas7 páginas

Tema 2

Este documento presenta los conceptos básicos de la programación lineal. Explica cómo formular un problema de optimización como un problema de programación lineal identificando las variables de decisión, la función objetivo y las restricciones. Además, muestra ejemplos resueltos gráficamente de problemas de programación lineal de dos variables para ilustrar que la solución puede ser finita y única, infinita no acotada, múltiple o infactible.

Cargado por

Frans Fuentes
Derechos de autor
© Attribution Non-Commercial (BY-NC)
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 7

Programaci on Lineal.

El modelo Matem atico

Modelizaci on

Denici on 1.1 Consideremos el problema de optimizaci on con restricciones, denido como sigue M in f (x) (P OR) s.a. gi (x) bi i = 1, 2, ..., m n xXR Dicha denici on es general y dependiendo de la forma que tomen los diversos elementos del problema, obtendremos los distintos tipos de problemas que estudiaremos en el curso. Como veremos posteriormente la esencia del problema no cambia si consideramos que es de maximizar en vez de minimizar. Veamos un ejemplo. Ejemplo 1.1 Rulisa fabrica masa para pasteles de tipo I y II. La de tipo I la vende a 5 euros el kilo, gastando 1 euro en ingredientes y 2 en mano de obra. La de tipo II se vende a 3 euros y cuestan 1 euro, tanto los ingredientes como el trabajo. Para hacer las masas se necesitan dos tipos de actividades: amasado y horneado. Rulisa dispone de 18 horas de amasado y 12 de horneado a la semana. La masa de tipo I necesita 2 horas de amasado y 3 de horneado, mientras que la de tipo II, necesita 3 de amasado y 1 de horneado. Si la cantidad de masa que se puede vender es ilimitada, optimizar los benecios semanales de Rulisa.

Elementos de un Problema de Programaci on Matem atica

A partir de este caso real, vamos a formular el problema de programaci on matem atica lineal correspondiente, identicando sus elementos.

1. Variables de decisi on. Ser an aquellas variables que describen los elementos sobre los que podemos decidir. Su determinaci on debe dar la soluci on del problema y su acertada elecci on simplicar a mucho el planteamiento. Su elecci on no es un voca y un problema de programaci on matem atica puede estar correctamente planteado con elecciones distintas de las variables de decisi on. En nuestro ejemplo se trata de saber la cantidad de masa de tipo I y II que hay que fabricar semanalmente. Por tanto, Sea x1 Kilogramos de masa I a fabricar semanalmente. Sea x2 Kilogramos de masa II a fabricar semanalmente. 2. Funci on objetivo Es la funci on que expresa lo que queremos optimizar (maximizar o minimizar). En nuestro caso se trata de maximizar la ganancia. f (x) = (5 1 2)x1 + (3 1 1)x2 = 2x1 + x2 . Observaci on 2.1 Obs ervese que M axf (x) = M in f (x) on ser a siempre 3. Las restricciones Si el problema no tuviese restricciones la soluci innito. As que consideramos las restricciones en funci on de las variables de decisi on denidas: 2x1 + 3x2 18. Tiempo m aximo de amasado permitido. 3x1 + x2 12. Tiempo m aximo de horneado permitido. 4. Restricciones de signo En nuestro caso x1 0 x2 0 Podemos suponer, sin p erdida de generalidad, que todas las variables son no negativas. Si no lo son, veremos m etodos de transformaci on. Adem as de estas restricciones de signo, puede haber de integridad u otras, que ya veremos. El problema queda formulado, como: Max s.a: 2 x1 + x2 2x1 + 3x2 18 3x1 + x2 12 xi 0, i = 1, 2. 2

Denici on 2.1 Una funci on f : C Rn R es lineal c1 , c2 , , cn R tal que f (x1 , , xn ) = n i=1 ci xi . Denici on 2.2 Si f funci on lineal, entonces f (x1 , , xn ) b, con b R, es una restricci on lineal. Denici on 2.3 Si la funci on objetivo y las restricciones son funciones lineales, el problema de optimizaci on es un Problema de Programaci on Matem atica Lineal. Denici on 2.4 Llamaremos regi on o conjunto factible al conjunto de los puntos que verican las restricciones, incluidas las de signo. En nuestro ejemplo ser a: 2 F = {(x1 , x2 ) R , tal que 2x1 + 3x2 18; 3x1 + x2 12; x1 0; x2 0} Los puntos del conjunto factible se llaman puntos factibles. Observaci on 2.2 Los conjuntos factibles de los problemas de programaci on lineal son poliedros. Denici on 2.5 Se dene como punto optimo o soluci on optima a aquel punto factible que obtiene el mejor valor de la funci on objetivo. Observaci on 2.3 El punto optimo e existir. No tiene por qu Si existe no tiene por qu e ser u nico.

Resoluci on gr aca

Una primera aproximaci on a la resoluci on de los problemas de programaci on de dos variables es hacerlo de forma gr aca. Max s.a: 2 x1 + x2 2x1 + 3x2 18 3x1 + x2 12 xi 0, i = 1, 2.

En este caso la soluci on es ( 18 , 30 ), que es nita y u nica. Pero no siempre ha de ser 7 7 as , como veremos en los siguientes ejemplos:

Ejemplo 3.1 Max s.a: 2x1 + 3x2 x1 + x2 2 x2 5 xi 0, i = 1, 2.

El problema tiene soluci on innita no acotada.

Ejemplo 3.2 Max s.a: x1 + x2 x1 + x2 4 x1 + x2 1 xi 0 i = 1 , 2

El problema tiene soluci on m ultiple, (4, 0) + (1 )( 3 , 5 ) con [0, 1]. 2 2

Ejemplo 3.3 Max s.a: 2x1 + 3x2 x1 + 2 x2 2 x1 5x2 5 xi 0, i = 1, 2.

El problema es infactible y no tiene soluci on.

También podría gustarte