RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEAL (Parte 1)
Transcripción
RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEAL (Parte 1)
17 de Octubre de 2016 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN LINEAL (Parte 1) Ingeniería Industrial – Ingeniería Informática Facultad de Ingeniería Universidad Católica Andrés Bello Programación Lineal José Luis Quintero 1 02 de Junio de 2016 MÉTODO GRÁFICO Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación Lineal José Luis Quintero 2 Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 3 Resolución gráfica de un modelo de PL Cuando el problema de PL tan sólo posee dos variables de decisión, se puede resolver gráficamente. z z=f(x 1 ,x 2 ) Se desea minimizar z x2 S x1 Programación Lineal Solución óptima José Luis Quintero Resolución gráfica de un modelo de PL El plano horizontal x1x2 contiene la región factible S, mientras que la componente z muestra la dimensión sobre la que se mide el objetivo z. Note que: El aumento o disminución de las cotas, permite definir la dirección en la que se optimiza la función objetivo. Si la región factible es no vacía y acotada en la dirección de mejora de la función objetivo, dicha solución está ubicada en la periferia de S. La intersección de z con cualquier plano horizontal es una recta, cuya proyección en el plano horizontal x1x2 define una curva de nivel y ellas son rectas paralelas entre sí. Programación Lineal José Luis Quintero Resolución gráfica de un modelo de PL Este último hecho permite resolver gráficamente los problemas de PL con dos variables de decisión. Para ello: Graficar las restricciones que delimitan la región factible S. Cada restricción define un semiplano y la intersección de todos ellos constituye S. Si S=∅ ∅ el problema no tiene solución factible. Se determinan las curvas de nivel del objetivo. El sentido de optimización viene dado por el valor de las cotas de las curvas de nivel. Una solución óptima estará en la periferia de S donde pasa la curva de nivel que optimiza el objetivo. Dicha solución óptima puede ser única o haber infinitas. También puede darse el caso que sea ilimitada, si la región factible no está acotada en el sentido de mejoramiento de la función objetivo. Programación Lineal José Luis Quintero Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 7 Ejemplo 1 Resolver gráficamente el problema de las cervezas El modelo obtenido entonces fue: max z = 2x 1 + x 2 (Ganancia) s.a.: 8 2x 1 + x 2 ≤ 80 (Malta) 3 3x 1 + x 2 ≤ 60 (Cebada) 5 2x 1 + x 2 ≤ 55 (Levadura) 3 x1 ≥ 0 (No negatividad) x2 ≥ 0 (No negatividad) donde: x1 :Litros de cerveza rubia a producir x2 :Litros de cerveza negra a producir Programación Lineal José Luis Quintero Ejemplo 1 Graficamos las restricciones, cada una de las cuales define un semiplano. x2 No negatividad de x1 (0,30) Cebada (40/6,25) (15,15) Malta Levadura (0,0) Programación Lineal (20,0) No negatividad de x 2 x1 José Luis Quintero Ejemplo 1 • La intersección de esos semiplanos permite obtener la región factible S: x2 (0,30) Cebada (40/6,25) (15,15) S Levadura (0,0) Programación Lineal (20,0) Malta x1 José Luis Quintero Ejemplo 1 Trazamos las curvas de nivel de la función objetivo: x2 (0,30) Cebada (40/6,25) (15,15) es la solución óptima z*=45 S Levadura (0,0) (20,0) z=0 Programación Lineal z=40 Malta x1 José Luis Quintero Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 12 Ejemplo 2 Resolver gráficamente el problema: max z = − x 1 + 2x 2 s. a.: − x1 + x 2 ≤ 2 − 1 7 x1 + x 2 ≥ 4 2 x1 ≤ 6 x2 ≤ 3 x1 ≥ 0 x2 ≥ 0 Programación Lineal José Luis Quintero Ejemplo 2 Al graficar las restricciones se llega a: x2 (0,0) x1 Se tiene que la región factible S es vacía, pues no existe intersección alguna de los semiplanos definidos por las restricciones, luego no hay solución factible y por ende, no hay solución óptima. Programación Lineal José Luis Quintero Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 15 Ejemplo 3 Resolver gráficamente el problema: max z = 6x1 + 5 x 2 s.a.: 8 2x 1 + x 2 ≤ 80 3 3x 1 + x 2 ≤ 60 2x 1 + 5 x 2 ≤ 55 3 x1 ≥ 0 x2 ≥ 0 Programación Lineal José Luis Quintero Ejemplo 3 Al graficar se llega a: Cualquier punto que pertenezca al segmento de extremos (40/6,25) y (15,15) es óptimo y produce el mismo valor óptimo de la función objetivo. x2 (0,30) (40/6,25) Soluciones óptimas z*=165 (15,15) S (0,0) (20,0) z=0 Programación Lineal x1 Este resultado se hace evidente, si se toma en cuenta que las curvas de nivel de la función objetivo son paralelas a una de las restricciones activas. Se habla entonces de óptimos alternos. José Luis Quintero Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 18 Ejemplo 4 Resolver gráficamente el problema: max z = − x 1 + 2x 2 s. a.: − x1 + x 2 ≤ 2 − 1 7 x1 + x 2 ≤ 4 2 x1 ≥ 0 x2 ≥ 0 Programación Lineal José Luis Quintero Ejemplo 4 Al dibujar la región factible S se tiene que es no acotada, es decir, existen direcciones para las cuales no hay frontera alguna: x2 (2,4) (0,2) S (0,0) Programación Lineal x1 José Luis Quintero Ejemplo 4 Si trazamos las curvas de nivel se tiene: x2 Solución óptima z=6 (2,4) z=4 (0,2) S z=0 (0,0) x1 A pesar de que la región factible no es acotada, el óptimo es el punto x* = (2,4) con un valor del objetivo de z* = 6. Este resultado se explica por el hecho de que la dirección de optimización apunta hacia el lado acotado de S. Programación Lineal José Luis Quintero Puntos a tratar 1. Resolución gráfica 2. Ejemplo ilustrativo 1 3. Ejemplo ilustrativo 2 4. Ejemplo ilustrativo 3 5. Ejemplo ilustrativo 4 6. Ejemplo ilustrativo 5 Programación Lineal José Luis Quintero 22 Ejemplo 5 Resolver gráficamente el problema: max z = 2x 1 + x 2 s. a.: − x1 + x 2 ≤ 2 − 1 7 x1 + x 2 ≤ 4 2 x1 ≥ 0 x2 ≥ 0 Programación Lineal José Luis Quintero Ejemplo 5 La región factible es: z=17 x2 (6,5) z=8 (2,4) z=2 (0,2) Dirección de aumento irresticto de la función objetivo S z=0 (0,0) x1 S no es acotada en la dirección de crecimiento del objetivo y se tiene que el óptimo es ilimitado: el objetivo puede aumentar de valor indefinidamente. Este caso no es muy realista y suele aparecer por errores en la formulación. Programación Lineal José Luis Quintero Pensamiento de hoy “A medida que la complejidad crece, los planteamientos precisos pierden significado y los planteamientos llenos de significado pierden precisión”. Lofti Zadeh Programación Lineal José Luis Quintero 25