Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 37 vistas

    T1C2

    Cargado por

    Marialex Guerra
    El documento describe cómo formular modelos de programación lineal para problemas reales. Explica que primero se debe entender el problema y definir las variables de decisión, la función objetivo y las restricciones de forma matemática. Luego presenta dos ejemplos de problemas de optimización y muestra cómo formular los modelos de programación lineal correspondientes definiendo las variables, la función objetivo y las restricciones.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    T1C2

    Cargado por

    Marialex Guerra
    37 vistas30 páginas
    El documento describe cómo formular modelos de programación lineal para problemas reales. Explica que primero se debe entender el problema y definir las variables de decisión, la función objetivo y las restricciones de forma matemática. Luego presenta dos ejemplos de problemas de optimización y muestra cómo formular los modelos de programación lineal correspondientes definiendo las variables, la función objetivo y las restricciones.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe cómo formular modelos de programación lineal para problemas reales. Explica que primero se debe entender el problema y definir las variables de decisión, la función objetivo y las restricciones de forma matemática. Luego presenta dos ejemplos de problemas de optimización y muestra cómo formular los modelos de programación lineal correspondientes definiendo las variables, la función objetivo y las restricciones.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    37 vistas30 páginas

    T1C2

    Cargado por

    Marialex Guerra
    El documento describe cómo formular modelos de programación lineal para problemas reales. Explica que primero se debe entender el problema y definir las variables de decisión, la función objetivo y las restricciones de forma matemática. Luego presenta dos ejemplos de problemas de optimización y muestra cómo formular los modelos de programación lineal correspondientes definiendo las variables, la función objetivo y las restricciones.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 30

    PROF. LUIS A.

    VIVAS
    Formulación de modelos
    De programación lineal I
    Modelos de
    Programación
    lineal
    Formular un modelo de PM de un problema real, significa escribir
    un conjunto de expresiones matemáticas que describan el
    fenómeno estudiado. Ahora se desarrollan algunos ejemplos de
    formulación, usando el enfoque directo, que permite formular
    modelos de PL definiendo las variables de decisión y construyendo
    directamente las expresiones del objetivo y de las restricciones.

    Para escribir las expresiones matemáticas que formalmente definen


    el problema, se sugiere que previamente se tome un tiempo para
    entender el problema, para ello, el analista puede entretenerse:

    • Formulando un boceto en castellano del problema de


    optimización.
    • Tabulando la data numérica del problema, de resultar ello
    práctico.

    Para proceder luego a la:


    • Definición de las variables de decisión
    • Formulación de la función objetivo
    • Formulación de las restricciones

    Definición de las variables de decisión:


    • Utilizando una simbología matemática adecuada, identifique
    cada variable y acompañe cada una con una frase en castellano
    que la describa. Utilice identificadores nemotécnicos si es
    posible.
    • Recuerde que una variable de decisión representa el nivel que
    alcanza una cierta actividad que la unidad de decisión puede o
    no emprender.
    • Asegúrese que las variables sean continuas para que se cumpla
    la divisibilidad, de no ser así, la PL puede no ser la herramienta
    adecuada.

    Formulación de la función objetivo:


    • Exprese la función objetivo como una relación lineal de las
    variables de decisión, trate de conservar la frase en castellano
    que la describe.
    • Asegúrese del cumplimiento de la aditividad y de la
    proporcionalidad en las expresiones obtenidas.
    Formulación de las restricciones:
    • Exprese las restricciones como relaciones lineales de las
    variables de decisión.
    • Trate de conservar las frases que describen cada restricción.
    • Asegúrese del cumplimiento de la aditividad y de la
    proporcionalidad. No olvide las restricciones de signo de las
    variables que puedan existir.

    Observaciones:
    1. Paralelamente al planteamiento de las expresiones de la
    función objetivo y de las restricciones, haga una revisión
    dimensional para verificar la consistencia en las unidades
    involucradas.
    2. Recuerde que uno de los propósitos de los modelos es la
    comunicación, por lo que debe ser claro y explícito al formular
    un problema, para que otra persona pueda entender lo que
    Usted quiere transmitir. Documente su modelo para ese fin.

    A continuación revisaremos unos ejemplos con el fin de introducir


    el concepto de la construcción de modelos de programación lineal.
    La lista seleccionada no es sino una muestra de la gran cantidad de
    problemas de programación lineal (PPL) disponibles en las
    referencias. El objetivo en dicha selección es poder ilustrar de
    manera clara el alcance de la programación lineal y ayudar a
    familiarizarse con los elementos descritos más arriba.
    Ejemplo 1:
    El problema de la
    cerveza
    Una compañía produce dos tipos de cerveza artesanales: Blonde y
    Stout. La ganancia por litro de cerveza blonde es de 2$ y por litro de
    cerveza Stout es de 1$. Se dispone de 80 unidades de malta, 60
    unidades de cebada y 55 unidades de levadura. Se considera
    ilimitada la cantidad de agua y demás ingredientes involucrados.

    Para producir un litro de cerveza blonde se requieren 2 unidades de


    malta, 3 unidades de cebada y 2 unidades de levadura. Para
    producir un litro de cerveza Stout se requieren 8/3 de unidades de
    malta, 1 unidad de cebada y 5/3 de unidades de levadura.

    Formule el modelo que permita calcular cuanta cerveza de cada


    tipo se debe producir a fin de que la ganancia sea máxima.
    PASO 1: ANÁLISIS DEL PROBLEMA:
    1. En este caso el problema a optimizar implica maximización.

    2. Se desea MAXIMIZAR la ganancia sujeto a:


    • consumo de malta ≤ disponibilidad de malta.
    • consumo de cebada ≤ disponibilidad de cebada
    • consumo de levadura ≤ disponibilidad de levadura

    3. IMPORTANTE, como se desea producir cantidades de cerveza


    que ayuden a maximizar las ganancias entonces:
    • cantidad de cerveza rubia a producir ≥ 0
    • cantidad de cerveza negra a producir ≥ 0
    Resumen de los Datos:

    REQUERIMIENTOS

    MALTA CEBADA LEVADURA GANANCIA

    CERVEZA
    2 3 2 2
    BLONDE
    CERVEZA
    8/3 1 5/3 1
    STOUT
    Disponibilida
    80 60 55
    d
    PASO 2: CONSTRUCCION DEL MODELO
    1. Definición de las variables de decisión:
    El problema de la unidad de decisión es saber cuánta cerveza de
    cada tipo debe producir para maximizar su ganancia, luego las
    variables de decisión son:
    X: Litros de cerveza Blonde a producir.
    Y: Litros de cerveza Stout a producir.

    2. Formulación de la Función Objetivo:


    El objetivo perseguido es maximizar la ganancia, por tanto
    debemos encontrar la expresión que muestre la ganancia. Si
    llamamos Z a la ganancia, entonces:

    Z = 2X + Y
    En la expresión Z = 2X + Y simplemente se multiplican los litros de
    cerveza de cada tipo a producir por la ganancia unitaria, lo cual
    arroja una ganancia expresada en $.

    3. Formulación de las Restricciones:


    • Restricción impuesta por la malta:
    Se tiene que consumo de malta ≤ disponibilidad de malta.

    8
    2X + Y  80
    3
    • Restricción impuesta por la cebada:
    Se tiene que consumo de cebada ≤ disponibilidad de
    cebada.
    3X + Y  60
    • Restricción impuesta por la levadura:
    Se tiene que consumo de levadura ≤ disponibilidad de
    levadura.
    5
    2X + Y  55
    3

    • Restricciones de Signo:
    cantidad de cerveza rubia a producir ≥ 0
    cantidad de cerveza negra a producir ≥ 0

    X0
    Y0
    PASO 3: ESPECIFICACIÓN DEL MODELO

    max Z = 2X + Y
    s.a :
    8
    2X + Y  80
    3
    3X + Y  60
    5
    2X + Y  55
    3
    X0
    Y0
    PASO 3: ESPECIFICACIÓN DEL MODELO

    max Z = 2X + Y GANANCIA

    s.a :
    8
    2X + Y  80 Malta
    3
    3X + Y  60 Cebada

    5
    2X + Y  55 Levadura
    3
    X0
    No negatividad
    Y0
    Ejemplo 2:
    El problema de
    Reddy Mikks
    Reddy Mikks produce pinturas para interiores y exteriores con dos
    materias primas, M1 y M2. Una encuesta de mercado indica que la
    demanda diaria de pintura para interiores no puede exceder la de
    pintura para exteriores en más de una tonelada. Asimismo, que la
    demanda diaria máxima de pintura para interiores es de dos
    toneladas.

    Reddy Mikks se propone determinar la (mejor) combinación óptima


    de pinturas para interiores y exteriores que maximice la utilidad
    diaria total.
    La tabla siguiente proporciona los datos básicos del problema.

    TONELADAS DE MATERIA
    PRIMA POR TONELADA DE DISPONIBILIDAD
    DIARIA MÁXIMA
    Pintura para Pintura para (toneladas)
    exteriores interiores
    Materia
    6 4 24
    Prima M1
    Materia
    1 2 6
    Prima M2
    Utilidad por
    tonelada 5 4
    ($1000)
    Reddy Mikks produce pinturas para interiores y exteriores con dos
    materias primas, M1 y M2. Una encuesta de mercado indica que la
    demanda diaria de pintura para interiores no puede exceder la de
    pintura para exteriores en más de una tonelada. Asimismo, que la
    demanda diaria máxima de pintura para interiores es de dos
    toneladas.

    Reddy Mikks se propone determinar la (mejor) combinación óptima


    de pinturas para interiores y exteriores que maximice la utilidad
    diaria total.
    1. Definición de las variables de decisión:
    El problema de la unidad de decisión es saber cuánta cerveza de
    cada tipo debe producir para maximizar su ganancia, luego las
    variables de decisión son:
    𝐱 𝟏 : Toneladas producidas diariamente de pintura para
    exteriores.
    𝐱 𝟐 : Toneladas producidas diariamente de pintura para
    interiores.

    2. Formulación de la Función Objetivo:


    El objetivo perseguido maximizar la utilidad diaria total (en miles de
    dólares):
    max Z = 5x1 + 4x 2
    3. Formulación de las Restricciones:
    A continuación definimos las restricciones que limitan el consumo
    de las materias primas y la demanda del producto. Las
    restricciones en las materias primas se expresan verbalmente
    como:

    Consumo de una materia Disponibilidad máxima


    ≤
    prima por ambas pinturas de materia prima

    El consumo diario de la materia prima M1 es de 6 toneladas por


    tonelada de pintura para exteriores, y de 4 toneladas por tonelada
    de pintura para interiores. Por lo tanto:
    • Consumo de materia prima M1 por ambas pinturas:

    6x1 + 4x 2 ton
    día
    • Consumo de materia prima M2 por ambas pinturas:

    x1 + 2x 2 ton
    día

    Las disponibilidades diarias de las materias primas M1 y M2 son de


    24 y 6 toneladas, respectivamente. Así pues, las restricciones en las
    materias primas son:
    6x1 + 4x 2  24
    x1 + 2x 2  6

    • La primera restricción en la demanda del producto estipula que


    la producción diaria de pintura para interiores no debe exceder a
    la de pintura para exteriores en más de 1 tonelada, lo cual se
    traduce en
    x 2 − x1  1
    • La segunda restricción limita la demanda diaria de pintura para
    interiores a 2 toneladas, es decir:

    x2  2

    • Una restricción implícita (o “sobreentendida”) requiere que todas


    las variables, 𝐱 𝟏 y 𝐱 𝟐 , asuman sólo valores positivos o cero. Las
    restricciones, expresadas como 𝐱 𝟏 ≥ 𝟎 y 𝐱𝟐 ≥ 𝟎 serán las
    restricciones de no negatividad.
    El modelo completo de Reddy Mikks es:

    max Z = 5x1 + 4x 2
    s.a. :

    6x1 + 4x 2  24
    x1 + 2x 2  6
    x 2 − x1  1
    x2  2
    x1  0
    x2  0
    Ejemplo 3:
    El problema de la
    dieta
    Determine una dieta de manera eficiente, a partir de un conjunto
    dado de alimentos, de modo de satisfacer ciertos requerimientos
    nutricionales. Suponga que se tiene la siguiente información:

    LECHE LEGUMBRES NARANJAS REQUERIMIENTOS


    (galon) (1 porción) (unidad) NUTRICIONALES

    Niacina 3,2 4,9 0,8 13

    Tianina 1,12 1,3 0,19 15

    Vitamina C 32 0 93 45

    COSTO 2 0,2 0,25


    1. Definición de las variables de decisión:
    El problema de la unidad de decisión es saber cuánta cerveza de
    cada tipo debe producir para maximizar su ganancia, luego las
    variables de decisión son:
    𝐱 𝟏 : galones de leche utilizados en la dieta.
    𝐱 𝟐: porciones de legumbre utilizadas en la dieta.
    𝐱 𝟑 : unidades de naranja utilizadas en la dieta.

    2. Formulación de la Función Objetivo:


    El objetivo perseguido minimizar el costo total de la dieta,:

    min Z = 2x1 + 0,2x 2 + 0,25x 3


    3. Formulación de las Restricciones:
    Requerimientos mínimos de los nutrientes considerados:

    3,2x1 + 4,09x 2 + 0,8x 3  13


    1,12x1 + x2 + 0,19x 3  15
    32x1 + 9x 3  45
    x1  0 x2  0 x3  0

    ESPECIFICACIÓN DEL MODELO:

    min Z = 2x1 + 0,2x 2 + 0,25x 3 s.a:

    3,2x1 + 4,09x 2 + 0,8x 3  13


    1,12x1 + x2 + 0,19x 3  15
    32x1 + 9x 3  45
    x1  0 x2  0 x3  0

    También podría gustarte