opti parte 1
TRANSCRIPT
INDICE
I.- Introducción
II.- Toma de decisiones
III.- Conceptos y técnicas de probabilidades.
IV.- Programación lineal
V.- Método Simplex
VI.- Análisis de sensibilidad
VII.- Modelos de transporte
VIII.- Programación entera
1
I INTRODUCCIÓN.-
Nace a partir de la segunda guerra mundial, en las operaciones militares cuando estos querían dar en un blanco.
También se da en la industria, en las fábricas, etc.
Productos Disponibilidad por semanaA B
Acabados 1h 2h 40Pintura 0.5h 1h 30P. V. Unitario S/. 10 S/.15Costo unitario S/. 6 S/. 7 MinimizarUtilidad S/.4 S/.8 Maximizar
Producción: Utilidad (U = Ingresos - Costos)
Estudio de mercado (demanda clientes)
TOMA DE DECISIONES.-
Las decisiones son complejas e importantes (operaciones del cerebro). También decisiones simples(ir en combi o ir a pie). Todos los días tomamos decisiones.
Organizac. / Sociedad / Negocios
S. S. I. S. S. D.
Entradas Salidas
- +Incertidumbre
(escasa información)
Probabilidades
Llueva Ganar Éxito un en
partido negocios
Certidumbre(información total)
Tipos de decisiones:1. Decisiones bajo certeza : Se cuenta con toda la información necesaria. Ejm:
Mañana viajo a Lima.De lunes a jueves tengo que ir a clases
2. Decisiones bajo incertidumbre : La información es escasa. Ejm:
2
Información
Probablemente ha de llover hoy día.
3. Decisiones estáticas : Decisiones que se toman una y sólo una vez. Ejm:Comprar o no comprar.
4. Decisiones dinámicas : Se toma una secuencia de decisiones interrelacionadas. Ejm:Producción
+Estudio
de mercado -
No estudio de mercado
Compro Promoción
No compro
Compro No promoción
No compro
5. Decisiones donde el oponente es la naturaleza :El estado del tiempoEl estado de la economía.
Elementos:a. Toma de decisiones: Individual.
Empresarial.Grupal.
b. Acciones.c. Estado de la naturaleza. (Economía, tecnología, política).d. Resultados.
AccionesEstados de la naturaleza
e1 e2
A1
A2
R11 r12
R21 r22
¿Por qué la toma de decisiones es compleja? Lo único estable es el cambio. El futuro no es lo que solía ser. Ambientes local, regional, nacional, mundial hasta familiar están sujetos a cambios.
Ej.: Cambios tecnológicos. Cambios económicos.
3
resultados
Cambios políticos. Cambios de mercado.
Los Sistemas de Información y la toma de decisiones:
Ej.:Alternativa “A” S/. 10 (beneficio)Alternativa “B” S/. 20 (beneficio)
La alternativa B es la mejor decisión.
Ej.:Alternativa “A” S/. 50Alternativa “B” entre S/. 49 y S/. 51
Es subjetivo
Ej.:Un profesional en Sistemas de Información recibe dos ofertas de trabajo:
Empresa A Empresa B Sueldo $1000 Sueldo $400
¿Qué decisión toma?El centro de trabajo es: Selva peruana Cajamarca en un campamento en medio del calor y los mosquitos
Además ofrecen un puesto de trabajo en: Desarrollo de S. I. Control de calidad
Ej.:Un vendedor de periódicos: Felipe, vende en el centro de Cajamarca y cada día debe determinar cuántos periódicos pedir.
Felipe compra a 20 centavos y lo vende a 25. Felipe sabe que cada día puede vender entre 6 y 10 periódicos.
Hacer la matriz de pagos.
Solución:o Estados de la naturaleza.
S = {6, 7, 8, 9, 10} posibles valores de la demanda.o Felipe debe escoger una acción: “n periódicos que debe pedir cada día”.
A = {6, 7, 8, 9, 10}
Acciones Demanda
4
G = PV - PC
6 7 8 9 106 30 30 30 30 307 -10 35 35 35 358 -10 15 40 40 409 -30 -5 20 45 4510 -50 -25 0 25 50
G = PV - PC
G1 = 25x6 – 20x6 = 30 G2 = 30 = G3 = G4 = G5 G6 = 25x6 – 20x7 = 10 G7 = 25x7 – 20x7 = 35 = G8 = G9 = G10
G11 = 25x6 – 20x8 = -10 G12 = 25x7 – 20x8 = 15G13 = 25x8 – 20x8 = 40 = G14 = G15
G16 = 25x6 – 20x9 = -30 G17 = 25x7 – 20x9 = -5G18 = 25x8 – 20x9 = 20 G19 = 25x9 – 20x9 = 45 = G20
G21 = 25x6 – 20x10 = -50 G22 = 25x7 – 20x10 = -25G23 = 25x8 – 20x10 = 0 G24 = 25x9 – 20x10 = 25G25 = 25x10 – 20x10 = 50
Ej.: Aprovisionamiento de truzas de tenis:Usted es el propietario de artículos de tenis y debe decidir cuántas truzas para
hombre debe pedir para la estación de verano. Para un tipo particular de truzas, debe pedir lotes de 100. Si pide 100 truzas su costo es de S/. 10 por unidad. Si pide 200, su costo es de S/. 9 por unidad. Su precio de venta es de S/.12 por unidad, pero si algunas quedan sin vender al final del verano, éstas se deben vender a mitad de precio. Por sencillez Ud. cree que la demanda de la truza es de 100, 150 o 200. Es claro que Ud. no puede vender más de lo que almacena. Sin embargo si se queda corto hay una pérdida de buen nombre de S/. 0.5 por cada truza que una persona desee comprar, pero que no pueda hacerlo por no tenerla en el almacén. Además, Ud. debe colocar el pedido ahora, por que la estación de verano venidera, no puede esperar a observar como varía la demanda de esta truza antes de pedir, ni se puede colocar varios pedidos. Construir la matriz de pago*Si se pide 300 o más su costo es de S/. 8.50 por unidad.
Solución Costos
Precio de venta = PV = S/. 12 por unidad.
Si alguno no se vende entonces se remata a mitad de precio. Si se queda corto (no satisface demanda) entonces pérdida = S/.0.50 por unidad.
Costo AccionesDemanda
100 150 20010 a1: pedir 100 200 175 150
5
Lotes de 100 S/. 10 por unidad
Lotes de 200 S/. 9 por unidad
Lotes de 300 S/. 8.5 por unidad
Decidir cuántas truzas pedir
9 a2: pedir 200 0 300 600
8.5 a3: pedir 300 -150 150 450
G = PV – PC
G1 = 100(12) – 100(10) = 200G2 = 150(12) – 100(10) – 0.5(50) = 175G3 = 200(12) – 100(10) – 0.5(100) = 200G4 = 100(12) – 200(9) + 100(6) = 0G5 = 150(12) – 200(9) + 50(6) = 300G6 = 200(12) – 200(9) = 600G7 = 100(12) – 300(8.5) + 200(6) = -150G8 = 150(12) – 300(8.5) + 150(6) = 150G9 = 200(12) – 300(8.5) + 100(6) = 600
Mejor acción / θ1 = acción a1: “Pedir lotes de 100”Mejor acción / θ2 = acción a2: “Pedir lotes de 200”Mejor acción / θ3 = acción a3: “Pedir lotes de 200”
Final: podría elegir las acciones a2 o a1
Criterios no probabilísticos de Elección
1. Optimista (Maxi Max)Puede suceder lo mejor
2. Pesimista (Maxi Min)Puede suceder lo peor
3. EclépticoNi lo mejor ni lo peor(promedio de los mejores resultados y los peores resultados)
4. La placePromedio general
Solución: G = PV – PC
Costo Acciones Demanda Optimista MaxiMax
Pesimista MaxiMin
Ecléptico Prom. (>y<)
La place Prom. Gral100 110 120
0.05 100 5 4.5 4 5 4 4.5 4.5110 5.2 5.5 5 5.5 5 5.25 5.23120 5.4 5.7 6 6 5.4 5.7 5.7
6
Toma de decisiones usando probabilidades
1. Valor esperado
V. E. = Σ x.p(x) V. E.= E (x)
AccionesDemanda
V. E. σ2σ
C. V.(0.7) (0.2) (0.1)100 110 120
a1 100 5 4.5 4 4.8 0.11 0.33 7a2 110 5.2 5.5 5 5.24 0.02 0.14 3a3 120 5.4 5.7 6 5.52 0.04 0.2 4
a1: V. E. = 5x0.7 + 4.5x0.2 + 4x0.1 = 4.8a1: V. E. = 5.2x0.7 + 5.5x0.2 + 5x0.1 = 5.24a1: V. E. = 5.4x0.7 + 5.7x0.2 + 6x0.1 = 5.52
La mejor opción es a3: producir 120 panes por día.
2. Varianza:
σ2 = E(x2) – [E(x)]2
a1: E(x2) = (5)2x0.7 + (4.5)2x0.2 + (4)2x0.1 = 4.8a1: E(x2) = (5.2)2x0.7 + (5.5)2x0.2 + (5)2x0.1 = 5.24a1: E(x2) = (5.4)2x0.7 + (5.7)2x0.2 + (6)2x0.1 = 5.52
La mejor opción es a2 (< variabilidad)
3. Coeficiente de Variación (mejor criterio)
C. V. = x 100
La mejor opción es a2 (< variabilidad)
4. Desviación Estándar
La mejor opción es a2 (< variabilidad)
Árbol de decisiones
7
σ(x)
Herramienta gráfica para describir las acciones, los eventos y las relaciones entre estas.
En el ejemplo de la producción de pan:
Acciones Nodos Utilidad5
4.5
4
5.2
5.5
5
5.4
5.7
6
Ej.:Una empresa debe decidir acerca del tamaño de una nueva planta en Atlanta. En
este momento, la empresa solo tiene un potencial en ventas mínimo en los estados el sur, sin embargo, cuando la planta en Atlanta esté lista, se expenderá una campaña de promoción; en cierto modo, la gerencia no esta segura acerca del éxito que tendrá esta campaña. Se estima que hay 0.4 de oportunidad de que la empresa capte una participación significativa del mercado y de 0.6 de que sólo consiga una participación moderada.
Se necesitará de una planta grande si se consigue una participación significativa, y una planta pequeña sería suficiente para el caso moderado.
El costo de la planta grande es de $ 8 millones y el costo de la planta pequeña es de $5 millones. Si se consigue una participación significativa de mercado, el valor presente estimado de las utilidades resultantes (excluyendo el costo de la planta) es de $13 millones; si se logra una participación moderada, el valor presente de las utilidades resultantes (sin el costo de planta) es de $8 millones. La gerencia tiene otra alternativa: construir una planta pequeña, esperar el resultado de la campaña de promoción y luego ampliar la planta si la situación lo garantiza. Costaría $ 4.5 millones adicionales ampliar la planta pequeña hasta la capacidad de la grande.
a) Trazar un árbol de decisiones para este problema.b) Qué decisión debe tomar la empresa y cuál es el valor esperado.
Participación. moderada Utilidad5
8
2
0
3.5
3
3
* El supuesto es que sin expansión la compañía puede mantener sólo una participación moderada de mercado.
Análisis de Sensibilidad
Modificar las estimaciones de las probabilidades para los estados de la naturaleza afectan la decisión recomendada.Ej.:
θ 1 – θÉxito Fracaso
a1 8 7a2 14 5a3 20 -9
V. E. (a1) = 8(θ) + 7(1 - θ) = 7 + θV. E. (a2) = 14(θ) + 5(1 - θ) = 5 + 9θV. E. (a3) = 20(θ) – 9(1 - θ) = -9 + 29θ VE(a)
a1 a2 a3
0.25 0.7
θ
θ = 0 V. E. (a1) = 7θ = 1 V. E. (a1) = 8θ = 0 V. E. (a2) = 5θ = 1 V. E. (a2) = 14
9
25
20
15
10
5
0
-5
-10
-15
3.5
3.2
3.2
0.2 0.4 0.6 0.8 1.0
θ = 0 V. E. (a3) = -9θ = 1 V. E. (a3) = 20
Si θ = 0.25 V. E. (a1) = 7.25V. E. (a2) = 7.25V. E. (a3) = -1.75
Entonces a1 o a2
Si θ = 0.7 V. E. (a1) = 7.7V. E. (a2) = 11.3V. E. (a3) = 11.3
Entonces a2 o a3
Se forman 3 áreas.
Ej.:
a) Si θ = 0.2 a1
b) Si θ = 0.6 a2
c) Si θ = 0.9 a3
Ej.:El gerente de Márketing de una empresa debe decidir si introduce un nuevo
producto. Ocurre que la probabilidad que exista competencia es 0.8 y que no exista competencia 0.2. Si existe o no competencia el gerente puede fijar precios altos, medios o bajos.
Las probabilidades de la competencia de fijar precios altos, medios o bajos dado que el gerente de la empresa fija precios altos es 0.3, 0.5, 0.2.
La competencia fija precios altos, medios o bajos con las siguientes probabilidades 0.1, 0.6, 0.3; si el gerente fija precios medios.
La competencia también fija precios altos, medios o bajos con probabilidad 0.1, 0.2 y 0.7 si el gerente fija precios bajos.
a) Construir el árbol de decisiones.
Decisión Acción
b) Con los datos de utilidades, determinar la mejor decisión.
Utilidades
10
$ 0
La mejor decisión es introducir el producto ya que el valor esperado neto es de $156 > $0
Valor esperado de la información perfecta:
V.E.I.P. = Ganancia esperada con - Ganancia esperada sin información perfecta información perfecta
Ej: tabla de ganancias
Resultados
Acciones Fracaso0.4
Éxito 0.4
Gran Éxito0.2
Ganancia esperada
a1: baja -2 5 8 2.8a2: moderada -5 10 12 4.4
a3: alta -8 8 15 2.2
Ganancia esperadacon información perfecta = (-2)(.04) + (10)(0.4) + (15)(0.2) = $6.2
11
5
70
-50
0.3 $ 1500.5 $ 00.2 $ -200
0.1 $ 2500.6 $ 1000.3 $ -50
0.1 $ 1000.2 $ 500.7 $ -100
70
500
156
156
$ 500
$ 300
$ 100
mejor ganancia
V.E.I.P. = 6.2 – 4.4 = $1.8
Con información perfecta AUMENTA la GANACIA ESPERADA de $4.4 a $6.2
ANÁLISIS DE DECISIÓN CON INFORMACIÓN MUESTRAL
Es posible tener la información adicional sobre los estados de la naturaleza a fin de actualizar probabilidades (revisión bayesiana)
REVISIÓN BAYESIANA
Ej.:
Demandaθ1 0,8 θ2 0,2
Acciones Alta aceptación Baja aceptaciónComplejo pequeño 8 7Complejo medio 14 5Complejo grande 20 -9
Estudio de mercadoResultados condicionalesFavorable (F) Desfavorable(D)
1: alta aceptación P(F/ θ1) = 0.90 P(D/ θ1) = 0.10 12: baja aceptación P(F/ θ2) = 0.25 P(D/ θ2) = 0.75 1
I1 = FI2 = DS1 = θ1
S2 = θ2
Árbol de decisiones con investigación de mercado preliminar
12
ProbabilidadesPrevias
Información nueva(Investigac. mercado)
Probabilidades posteriores
7.93
18.1 13.4
8
7
14
5
20
-9
Teorema de Bayes
1) F = 1 F + 2 FP(F) = P(1 F) + P(2 F)
P(F) = P(1) x P(F/1) + P(2) x P(F/2) Prob. Total
P(F) = 0.8 x 0.9 + 0.2 x 0.25P(F) = 0.77
2) BayesP(1/F) =
P(1/F) =
Calculamos las probabilidades posteriores
1. P(1/F) = = 0.935
2. P(2/F) = 0.065
3. P(1/D) = = .
= = 0.348
13
18.1
7.35
8.13 8.13
1.09
15.8
8
7
14
5
20
-9
1 2
P(1 F)P(F)
P(1) x P(F/1)P(F)
(0.8) x (0.9)0.77
P(1 D)P(D)
P(1) x P(D/1)P(D)
(0.8) x (0.10)0.23
4. P(2/D) = 0.652
Valor esperado de la estrategia S/. 15.82
Si I. M. favorable complejo grandeSi I. M. desfavorable complejo medio
PROGRAMACIÓN LINEAL
Es un procedimiento de resolución de problemas desarrollado para ayudar a los Administradores a tomar decisiones.
Aplicaciones1. Un fabricante desea desarrollar un programa de producción y una política de
inventarios que satisfágala demanda.
2. Un analista financiero de inversiones desea seleccionar la mejor cartera de inversiones a partir de una diversidad de alternativas.
3. Un especialista de mercadotecnia desea determinar la mejor manera de asignar un presupuesto de publicidad, entre medios alternos de publicidad, radio, TV, periódico y revistas.
Función: F(z) = c1x1 + c2x2 . . . + cnxn
Objetivo a11x1 + a12 x2 + . . . + a1nxn b1
a21x1 + a22 x2 + . . . + a2nxn b2
Recursos disponibles(Condicionamientos)
am1x1 + am2 x2 + . . . + amnxn bm
Ej.:Una compañía produce 2 productos químicos :
1. Aditivo para combustible.
14
RECURSOS OptimizarProducción, ventas, ingresos(MAXIMIZAR)
Gastos(MINIMIZAR)
.
.
.
2. Base disolvente.
Para formar ambos productos se mezclan 3 materias primas, según la siguiente tabla:
ProductosDisponibilidad para producción (Ton.)
Aditivo para combustible
Base disolvente
Materia Prima 1 2/5 1/2 20Materia Prima 2 0 1/5 5Materia Prima 3 3/5 3/10 21Utilidad unitaria S/.40 S/.30
¿Cuántas toneladas deberá producir la compañía para maximizar su utilidad?
Solución
1° Variables de decisión
x1: N° de toneladas de aditivos a producir.
x2: N° de toneladas de base disolvente a producir.
2° Función objetivo
Max Z = 40x1 + 30x2
3° Restricciones
2/5 x1 + 1/2x2 20 (mp1) 1/5x2 5 (mp2)3/5 x1 + 3/10x2 21 (mp3) x1, x2 0
4° Método gráfico
2/5 x1 + 1/2x2 = 20x1 = 0 x2 =40x2 = 0 x1 =50
1/5x2 = 5x2 =25
3/5 x1 + 3/10x2 21 (mp3)x1 = 0 x2 =70x2 = 0 x1 =35
15
70
60
50
40
30
20
10
Punto Vértice ZA (0,0) 0B (0,25) 7.5C (20,25) 15.5D (25,20) 16E (35,0) 17
Ej.:Una compañía fabrica 2 tipos de juguetes de madera: soldados y trenes. Un
soldado se vende a S/.27 y se usan S/. 10 de materia prima. Cada soldado que se produce aumenta los costos variables de mano de obra y los costos generales en S/. 14. Un tren se vende en S/. 21 y se usan S/. 9 de materia prima.
Cada tren producido aumenta los costos variables de mano de obra y los costos generales en S/. 10. La producción de soldados y trenes de madera necesitan 2 tipos de trabajo especializado: carpintería y acabado.
Un soldado requiere 2 horas de acabado y 1 hora de carpintería. Un tren requiere 1 hora de acabado y 1 de carpintería. Cada semana se dispone de 100 horas de acabado y 80 horas de carpintería. La demanda de los trenes no tiene límite, pero se vende a lo más 40 soldados semanales.
La compañía quiere maximizar su ganancia semanal (Ingresos - Costos) Formule un modelo matemático y luego haga la solución gráfica.
Solución
1. Variables de decisión:
x1 : N° de soldados producidos cada semana.
x2 : N° de trenes producidos cada semana.
2. Función Objetivo:3.
16
10 20 30 40 50 60 70 80
A
B C
D
E
Maximizar “Ganancia”G = Ingresos – Costos = (27x1 + 21x2) – Costo M. prima – Costos Mano obra y gastos grales. = (27x1 + 21x2) – (10x1 + 9x2) – (14x1 + 10x2) = 3x1 + 2x2
Max Z = 3x1 + 2x2
4. Restricciones:
2x1 + 1x2 100 Restricción de acabado.1x1 + 1x2 80 Restricción de carpintería. x1 40 Restricción de demanda. x1, x2 0
2x1 + 1x2 = 100 1x1 + 1x2 = 80x1 = 0 x2 = 100 x1 = 0 x2 = 80x2 = 0 x1 = 50 x2 = 0 x1 = 80
a) Existen infinitas soluciones factibles
b) El punto P(60,20), ¿es solución factible?No, el punto está fuera de la región factible.
Puntos vértices ZA (0,0) 0B (0,80) 160C (20,60) 180D (40,20) 160E (40,0) 120
17
100
90
80
70
60
50
40
30
20
10 10 20 30 40 50 60 70 80 90 100
A
B
C
D
E
acabado
demanda
carpintería
REGIÓNFACTIBLE
CASOS ESPECIALES
1. Soluciones Óptimas alternativasEj.:
Max z = 40x1 + 50x2
2/5x1 + 1/2x2 201/5 5
3/5x1 + 3/10x2 21
x1, x2 0
En un problema de programación lineal con soluciones óptimas alternativas significa que existen varias combinaciones de soluciones óptimas y el administrador podrá elegir la solución óptima más adecuada.
2. No factibilidad
x1
x2
Ej.:Max z = 5x1 + 6x2
Solución alternativa: x1 + x2 1x1 + x2 4x1, x2 0
18
4
1
Puntos de solución óptima(Cualquier punto de la línea resulta una solución óptima)
x1 = 25x2 = 20z = 2000
10 20 30 40
40
30
20
10
1 4
3. Ilimitado
Ej.:Max z = 2x1 + x2
X1 2X2 5X1, X2 0
x1
x2
ANÁLISIS DE SENSIBILIDAD
Es el estudio de la forma en que los cambios en los coeficientes de un programa lineal afecta a la solución óptima.
Utilizando análisis de sensibilidad podemos responder preguntas como las siguientes:
1. z = c1x1 + c2x2 + . . .Si c1 en una unidad entonces z = ?
2. Restricciones c1x1 + c2x2 20Si 20 es una unidad entonces z = ?
Razón del análisis de sensibilidad
Entorno Cambiante
Precios Demanda Tecnología Proveedores
Ej.: Max z = 40x1 + 30x2
Solución alternativa:
19
5
2
REGIÓN FACTIBLE
(2/3)x1 + (1/2)x2 20 (mp1) (1/5)x2 5 (mp2)
(3/5)x1 + (3/10)x2 21 (mp3) x1, x2 0
Solución óptima: x1 = 25 x2 = 20 z = $1600
Forma Pendiente – Intersección
y = mx + bx2 = mx1 + b
z = 40x1 + 30x2
1600 = 40x1 + 30x2
x2 = - x1 +
20
5 10 15 20 25 30 35 40 45 50 55
70
60
50
40
30
20
10
25 mp2
mp3
mp1
P(25,20)
Región factible
Línea de Función objetivo
4030
160030
pendiente Intersección con el eje x2
(-) (+)
1) Si se hace girar la línea de la función objetivo contra las manecillas del reloj (incrementando la pendiente) nos da un límite superior para la pendiente de la línea de la función objetivo.
2) Si se hace girar la línea de la función objetivo en el sentido de las manecillas del reloj (reduciendo la pendiente) nos da un límite inferior para la pendiente de la línea de la función objetivo.
Límite inferior Pendiente de Z Límite Superior
. . . ()
Línea A(2/5)x1 + (1/2)x2 = 20
x2 = (-4/5)x1 + 40
Línea B(3/5)x1 + (3/10)x2 = 21
x2 = -2 x1 + 70
LíneaZ = c1x1 + c2x2
21
Pendiente Línea B Pendiente de Z Pendiente Línea B
pendiente
pendiente
Z – c1x1 = c2x2
x2 = - x1
reemplazando en ()
-2 - -
Ej.:Calcular el rango de optimalidad para c1, manteniendo constante c2 = 30
-2 - -
- -2 2 c1 60
- - c1 24
24 c1 60
Ej.:Calcular el rango de optimalidad para c2, manteniendo constante c2 = 40
-2 - -
c2 20
c2 50
20 c1 50
CAMBIOS SIMULTÁNEOS:
Ej.:Suponga que la contribución a la utilidad / tonelada de x1 se incrementa a $55 y
que de manera simultánea a la contribución a la utilidad / tonelada de x2 se reduce a $25 qué sucede con x1, x2 y Z original (con los valores anteriores x1 = 25, x2 = 20, Z = 1600)
Max Z = 40x1 + 30x) (inicial)
22
Zc2
c1
c2
c1
c2
45
c1
3045
c1
30c1
30
c1
3045
40c2
45
50 25
-2 - -
-2 - - 0.8
- = = -2.2
Este valor –2.2 está fuera del intervalo óptimo x1 = 25; x2 = 20 ya no será solución óptima.
LADOS DERECHOS DE LAS DESIGUALDADES:
Veamos ahora como un cambio en el valor del lado derecho de una restricción puede afectar la región factible y quizás causar un cambio en la solución óptima del problema.
Ej.:Max Z = 40x1 + 30x2 Max Z = 40x1 + 30x2
S.A.: x1 + x2 20 S.A.: x1 + x2 20
x2 5 x2 5
x1 + x2 21 x1 + x2 24
23
Intervalo óptimo
-2,2 -2 -1 -0.8 0
c1
c2
4 5
c1
c2
c1
c2
5525
25
12
15
35
310
25
12
15
35
310
Veamos lo que ocurre si se
consiguen tres toneladas
adicionales de la materia prima 3
80
x2
Solución óptima:
Nueva solución óptima: x1 = 100 / 3x2 = 40 / 3
La utilidad adicional aparece a una tasa de
= $ 44.44 / ton. de mp3
La mejoría en el valer de Z por incremento unitario del lado derecho de la restricción se conoce como PRECIO DUAL (precio sombra).En otras palabras:Si 1 Ton al lado derecho m.p.3 Z mejorará en $ 44.44Si 1 Ton al lado derecho m.p.3 Z empeorará en $ 44.44
En general se puede utilizar:
El valor del PRECIO DUAL puede aplicarse sólo para pequeños cambios del lado derecho.
Conforme se vayan obteniendo más y más recursos, y se vaya incrementando el valor del lado derecho, otras restricciones se convertirán en recursos limitantes y restringirán el valor de Z.NOTA:
PRECIO DUAL = PRECIO SOMBRA (En maximización)
24
X1 = 25; x2 = 20; Z = 1600
Z = $ 1733.33
133.333
El PRECIO DUAL para determinar lo que le ocurrirá a Z para un cambio unitario en el lado derecho de una restricción
Cada restricción tiene su precio dual
Región factible adicionalRegión factible
original
35 40 50
40
25
x1
PRECIO DUAL = - PRECIO SOMBRA (En minimización)
MÉTODO SIMPLEXMax Z = 3x1 + 4x2
x1 + 2x2 1000 3x1 + 2x2 1800
x2 400x1, x2 0
Forma estándarMax Z = 3x1 + 4x2 + 0S1 + 0S2 + 0S3
x1 + 2x2 + S1 = 1000 3x1 + 2x2 + S2 = 1800
x2 + S3 = 400
S1, S2, S3 variables de Holgura (Tiempo ocioso, demanda insatisfecha, recursos no utilizados)
cj 3 4 0 0 0cj xk b x1 x2 S1 S2 S3 000
S1
S2
S3
10001800400
130
221
100
010
001
1000/2 = 5001800/2 = 900400/1 = 400 (sale)
Zj Z = 0 0 0 0 0 0Cj - Zj 3 4 0 0 0
004
S1
S2
X2
2001000400
130
001
100
010
-2-21
200/1 = 200(sale)1000/3 = 333.33400/0 = indeterm.
Zj Z=1600 0 4 0 0 4Cj - Zj 3 0 0 0 -4
304
x1
S2
x2
200400400
100
001
1-30
010
-241
200/-2 = -100400/4 = 100(sale)400/1 = 400
Zj Z = 2200 3 4 3 0 -2Cj - Zj 0 0 -3 0 2
304
x1
x5
x2
400100300
100
001
-½-¾¾
½¼-¼
010
Zj Z = 2400 3 4 3/2 ½ 0Cj - Zj 0 0 -3/2 -½ 0
Valor de la función objetivo: Z = 3(400) + 0(100) + 4(300)Z = 2400
Se puede observar que los Cj – Zj son ceros o negativos es decir se ha llegado a a la condición de optimidad y la función objetivo no se puede incrementar más.
La solución óptima es la siguiente:
25
x1 = 400; x5 = 100; x2 = 300; x3 = 0; x4 = 0 Z máx = 2400
MODELO DEL TRANSPORTE
Se aplica a algunos problemas de negocios.- Control y diseño de plantas de fabricación.- Determinación de lugares de venta.- Localización de centros de distribución y almacenaje.
METAMinimizar el costo total de envío de un producto (o productos) desde los puntos
de existencia hasta los puntos de demanda bajo las siguientes restricciones:1. Cada punto de demanda recibe su requerimiento.2. Loa embarques desde un punto de suministro (existencia) no exceden su
capacidad disponible.
Ejemplo:Considere la red de distribución de un producto con 2 puntos de suministro y 3 puntos de demanda
El numero de unidades disponibles del producto para envío desde los dos puntos de suministro es como sigue:
N° del punto de suministro
Capacidad disponible
1 102 15
25
26
Punto de suministro 1
Punto de suministro 2
Punto de demanda 1
Punto de demanda 1
Punto de demanda 1
$2 $4 $6 $3 $6 $9
Disponibilidad total (o suministro total)
El N° de unidades requeridas del producto en cada uno de los tres los puntos de demanda es como sigue:
N° del punto de demanda
Capacidad requerida
1 102 53 10
25
Observe que el total de disponibilidad es igual al total (suministro) demandado.Cuando esto ocurre se dice que el modelo de transporte está balanceado.El costo de enviar una unidad el producto desde un punto de suministro dado
hasta un punto de demanda dado, se da en la siguiente tabla:
Costo del envío ($ / unidad enviada)
N° del punto de suministro
N° del punto de demanda
1 2 31 2 4 62 3 6 9
Cuesta $2 enviar una unidad desde el punto de suministro 1 hasta el punto de demanda 1
Formulación del modeloxij = Cantidad enviada desde el punto i hacia el punto j
Ej.:x23 : N° de unidades enviadas desde el suministro 2 hacia el punto de demanda 3
Meta: minimizar costo total del envío
F. O.
Min Z = 2x11 + 4x12 + 6x13 + 3x21 + 6x22 + 9x23
Restricciones x11 + x12 + x13 10x21 + x22 + x23 15
27
Demanda total (o requerimientos totales)
x11 + x21 = 10x12 + x22 = 5x13 + x23 = 10
Xij 0 i = 1, 2, 3 j = 1, 2, 3
PROBLEMAS DE ASIGNACIÓN
En una diversidad de situaciones de toma de decisiones se presenta un PROBLEMA DE ASIGNACIÓN.
Los problemas típicos de asignación implican asignar maquinaria, agentes a trabajos especiales, personal de ventas a territorios, contratos a licitantes y así sucesivamente.
Una característica que distingue a los problemas de ASIGNACIÓN es que un agente se asigna a una y solamente una tarea.
Específicamente buscamos el conjunto de ASIGNACIONES que optimizarán un objetivo dado como:
MINIMIZAR EL COSTOMINIMIZAR EL TIEMPOMAXIMIZAR UTILIDADESMAXIMIZAR VENTAS
Ej.:Una empresa ABC recibe solicitudes de estudio de investigación de mercados de
3 clientes.La empresa debe asignar un responsable para cada proyecto.Los 3 (tres) proyectos tienen aproximadamente la misma prioridad y la
administración desea asignar líderes de proyecto para minimizar el N° total de días necesarios para completar los tres proyectos.
Las alternativas, tiempos de terminación del proyecto para el problema de asignación de la empresa ABC son:
JefesClientes
1 2 31 Carlos 10 15 92 Pedro 9 18 53 Juan 6 14 3
La siguiente red muestra la representación en red del problema:
28
1 Carlos
2 Pedro
Cliente 1
Cliente 2
10159
9185
(1) Ofertas (1)Demandas
Asignaciones posibles(flechas)
El problema de asignación es un caso especial del problema del transporte.Como en el problema del transporte, utilizamos variables de decisión con doble
índice(xij)
Xij =
Objetivo: Minimizar tiempo de terminación de los 3 proyectos
Min Z = 10x11 + 15x12 + 9x13 + 9x21 + 18x22 + 5x23 + 6x31 + 14x32 + 9x33
Restricciones x11 + x12 + x13 1x21 + x22 + x23 1x31 + x32 + x33 1
x11 + x21 + x31 = 1x12 + x22 + x32 = 1x13 + x23 + x33 = 1
Xij 0 i = 1, 2, 3 j = 1, 2, 3
Solución óptimax12 = 1x23 = 1x31 = 1
Asignación de responsables a clientesResponsable Cliente Días
Carlos 2 15Pedro 3 5Juan 1 6
26 días
29
3 Juan Cliente 3
6143
1; si el responsable del proyecto se asigna al cliente0; en otro caso