SlideShare une entreprise Scribd logo
1  sur  56
Télécharger pour lire hors ligne
Variables con
subíndice
G. Edgar Mata Ortiz
Programación Lineal: Planteamiento de problemas
Programación Lineal.
¿Qué es programación lineal?
Es un método para obtener un
resultado óptimo con base en
un modelo matemático en el
que todas las relaciones entre
variables y constantes pueden
expresarse linealmente.
Variables de decisión
Reciben el nombre de variables de decisión, las
incógnitas cuyos valores deben ser determinados
para alcanzar el objetivo señalado por la función
objetivo.
𝒙 = 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒂𝒓𝒕í𝒄𝒖𝒍𝒐𝒔 𝒕𝒊𝒑𝒐 𝟏 𝒒𝒖𝒆 𝒔𝒆 𝒗𝒂𝒏 𝒂 𝒇𝒂𝒃𝒓𝒊𝒄𝒂𝒓
𝒚 = 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆𝒍 𝒊𝒏𝒈𝒓𝒆𝒅𝒊𝒆𝒏𝒕𝒆 𝟏 𝒒𝒖𝒆 𝒔𝒆 𝒖𝒕𝒊𝒍𝒊𝒛𝒂𝒓á
𝒙 𝟏 = 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒂𝒔 𝒒𝒖𝒆 𝒅𝒆𝒃𝒆𝒏 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒊𝒓𝒔𝒆
Variables de decisión
La elección de las variables de decisión viene
determinada por las características del problema,
generalmente no es sencillo cambiarlas, pero su
representación puede variar considerablemente
según la estrategia de solución. Pueden ser
variables simples, con subíndice sencillo, doble o
triple (o incluso mayor).
𝒙 𝟏
Variables de decisión
La representación de las variables de decisión y su
significado pueden aumentar o disminuir el nivel
de dificultad en la resolución de un problema.
Es muy importante definir, por escrito, el
significado de las variables de decisión.
Uso de variables de
decisión con subíndices
dobles.
Ejemplo
𝒙𝒊,𝒋 = ⋯
Ejemplo
La fábrica “The Barn” produce tres tipos de
combinaciones energéticas de semillas cuyos
precios por libra se muestran en los paquetes.
Ejemplo
Las tres mezclas contienen los mismos ingredientes:
maní, pasas y algarrobo, aunque en diferentes
proporciones. Los costos de los ingredientes, por
libra, se muestran en las imágenes
$𝟎. 𝟗𝟎
$𝟏. 𝟔𝟎
$𝟏. 𝟓𝟎
Ejemplo
El precio de venta se ve afectado por
las proporciones de los ingredientes
presentes en cada mezcla.
La mezcla normal debe contener, al
menos, 5% de cada ingrediente.
Ejemplo
El precio de venta se ve afectado por
las proporciones de los ingredientes
presentes en cada mezcla.
La mezcla especial debe contener, al
menos, 20% de cada ingrediente,
pero no más del 50% de cualquiera
de ellos.
Ejemplo
El precio de venta se ve afectado
por las proporciones de los
ingredientes presentes en cada
mezcla.
La mezcla extra debe contener, al
menos, 25% de pasas, y no más del
25% de maní.
Ejemplo
Las instalaciones de producción
hacen que haya disponibles, por
semana, un máximo de 1000 libras
de maní, 2000 de pasas, y 3000 de
algarrobo.
Ejemplo
Existe un costo fijo de $2000 para la
fabricación de las mezclas.
Por razones de mercado, la mezcla
normal debe limitarse al 20% de la
producción total.
Plantea un modelo de programación
lineal para maximizar las utilidades.
Ejemplo: Análisis de la Información
Las variables de decisión serán las cantidades de
ingredientes empleados en la elaboración de las
mezclas.
Ejemplo: Análisis de la Información
Lo que debemos decidir ahora es:
¿Cómo identificar las variables de modo que faciliten
el proceso de solución del problema?
Ejemplo: Análisis de la Información
Lo que debemos decidir ahora es:
¿Cómo identificar las variables de modo que
faciliten el proceso de solución del problema?
La estrategia consistirá en identificar las variables
mediante dos subíndices, el primero de ellos hará
referencia al ingrediente, y el segundo, a la
mezcla en la que se emplea dicho ingrediente.
Ejemplo: Análisis de la
Información
La estrategia consistirá en identificar las
variables mediante dos subíndices, el primero
de ellos hará referencia al ingrediente, y el
segundo, a la mezcla en la que se emplea dicho
ingrediente.
𝒙 𝟏,𝒏 = Maní empleado
en la mezcla…
Ejemplo: Análisis de la Información
Ejemplo: Análisis de la Información
𝒙 𝟏,𝟏
𝒙 𝟏,𝟐
𝒙 𝟏,𝟑
Maní empleado en la mezcla Normal
Maní empleado en la mezcla Especial
Maní empleado en la mezcla Extra
Ejemplo: Análisis de la
Información
La estrategia consistirá en identificar las
variables mediante dos subíndices, el primero
de ellos hará referencia al ingrediente, y el
segundo, a la mezcla en la que se emplea dicho
ingrediente.
𝒙 𝟐,𝒏 = Pasas empleadas
en la mezcla…
Ejemplo: Análisis de la Información
Ejemplo: Análisis de la Información
𝒙 𝟐,𝟏
𝒙 𝟐,𝟐
𝒙 𝟐,𝟑
Pasas empleadas en la mezcla Normal
Pasas empleadas en la mezcla Especial
Pasas empleadas en la mezcla Extra
Ejemplo: Análisis de la
Información
La estrategia consistirá en identificar las
variables mediante dos subíndices, el primero
de ellos hará referencia al ingrediente, y el
segundo, a la mezcla en la que se emplea dicho
ingrediente.
𝒙 𝟑,𝒏 =Algarrobo empleado
en la mezcla…
Ejemplo: Análisis de la Información
Ejemplo: Análisis de la Información
𝒙 𝟑,𝟏
𝒙 𝟑,𝟐
𝒙 𝟑,𝟑
Algarrobo empleado en la mezcla Normal
Algarrobo empleado en la mezcla Especial
Algarrobo empleado en la mezcla Extra
Ejemplo: Variables de decisión
𝒙 𝟏,𝟏 𝒙 𝟏,𝟐 𝒙 𝟏,𝟑
𝒙 𝟐,𝟏 𝒙 𝟐,𝟐 𝒙 𝟐,𝟑
𝒙 𝟑,𝟏 𝒙 𝟑,𝟐 𝒙 𝟑,𝟑
Ejemplo: Variables de decisión
Ejemplo: Variables de decisión
Ejemplo: Variables de decisión
Ejemplo: Variables de decisión
Ejemplo: Variables de decisión
Ejemplo: Variables de decisión
𝒙 𝟏,𝟏 𝒙 𝟏,𝟐 𝒙 𝟏,𝟑
𝒙 𝟐,𝟏 𝒙 𝟐,𝟐 𝒙 𝟐,𝟑
𝒙 𝟑,𝟏 𝒙 𝟑,𝟐 𝒙 𝟑,𝟑
Una vez identificadas
claramente las
variables de decisión,
se plantean las
restricciones indicadas
por el problema.
Ejemplo: Restricciones.
En este problema existen diferentes restricciones.
Vamos a identificar las restricciones siguiendo el
orden establecido en el problema.
Ejemplo: Restricciones.
En este problema existen diferentes restricciones.
Vamos a identificar las restricciones siguiendo el
orden establecido en el problema:
Ejemplo: Restricciones.
En primer lugar veamos cómo se representa,
algebraicamente, el contenido de la mezcla normal.
Debe ser el maní empleado en la mezcla normal, más
las pasas empleadas en la mezcla normal, más el
algarrobo empleado en la mezcla normal.
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Debe ser:
El maní empleado en la mezcla normal,
Más las pasas empleadas en la mezcla normal,
Más el algarrobo empleado en la mezcla normal.
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Mezcla normal:
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Cada ingrediente debe representar, al menos, el 5% de
esta mezcla.
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Cada ingrediente debe representar, al menos, el 5% de esta mezcla.
Al menos 5% de
cada ingrediente
Ejemplo: Restricciones.
Al menos 20% de cada
ingrediente, pero no más
del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla especial:
Al menos 20% de cada
ingrediente, pero no más
del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla especial:
Al menos 20% de cada ingrediente,
pero no más del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla especial:
Al menos 20% de cada ingrediente,
pero no más del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla especial:
Al menos 20% de cada ingrediente,
pero no más del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla especial:
Al menos 20% de cada ingrediente,
pero no más del 50% de cualquiera
Ejemplo: Restricciones.
Mezcla extra:
Al menos 25% de pasas,
y no más del 25% de
maní
Ejemplo: Restricciones.
Mezcla extra:
Al menos 25% de pasas, y no
más del 25% de maní
Ejemplo: Restricciones.
Mezcla extra:
Al menos 25% de pasas, y no
más del 25% de maní
Ejemplo: Restricciones.
Ingredientes:
Maní
Pasas
Algarrobo
Disponible máximo: 1000 de maní,
2000 de pasas, y 3000 de algarrobo
Ejemplo: Restricciones.
La cantidad de mezcla normal no debe
exceder del 20% de la producción total.
Ejemplo: Función Objetivo.
Costo total
Ejemplo: Función Objetivo.
Ingresos
Ejemplo: Función Objetivo.
Ganancia = Ingresos – Costos
–
Ejemplo: Restricciones.
Ganancia = Ingresos – Costos
Al igual que con las restricciones, es necesario simplificar algebraicamente la
función objetivo para poder utilizar algún software que resuelva el modelo.
Por su atención
Gracias
Fuentes de información en línea:
http://licmata-math.blogspot.mx/
http://www.scoop.it/t/mathematics-learning
https://www.facebook.com/licemata
https://www.linkedin.com/in/licmata
http://www.slideshare.net/licmata
Twitter @licemata

Contenu connexe

Tendances

Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con Promodel
Alvaro Gil
 
análisis de la operación
análisis de la operación análisis de la operación
análisis de la operación
Jessika Larrotta
 
Planeacion y presupuesto unidad 1
Planeacion y presupuesto unidad 1Planeacion y presupuesto unidad 1
Planeacion y presupuesto unidad 1
SanDy Ventura
 

Tendances (20)

Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión
 
Flexsim
FlexsimFlexsim
Flexsim
 
Gráficos de control
Gráficos de controlGráficos de control
Gráficos de control
 
Productividad - Indicadores fundamentales
Productividad - Indicadores fundamentalesProductividad - Indicadores fundamentales
Productividad - Indicadores fundamentales
 
Administración de Operaciones - Ejercicios Resueltos
Administración de Operaciones - Ejercicios ResueltosAdministración de Operaciones - Ejercicios Resueltos
Administración de Operaciones - Ejercicios Resueltos
 
Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con Promodel
 
Mantenimiento y confiabiliadad
Mantenimiento y confiabiliadadMantenimiento y confiabiliadad
Mantenimiento y confiabiliadad
 
Investigación de operaciones inventario
Investigación de operaciones inventarioInvestigación de operaciones inventario
Investigación de operaciones inventario
 
Datos estándar estudio del trabajo 2
Datos estándar estudio del trabajo 2Datos estándar estudio del trabajo 2
Datos estándar estudio del trabajo 2
 
análisis de la operación
análisis de la operación análisis de la operación
análisis de la operación
 
2. Gestión de inventarios / Ing. de Servicios
2.  Gestión de inventarios / Ing. de Servicios2.  Gestión de inventarios / Ing. de Servicios
2. Gestión de inventarios / Ing. de Servicios
 
Diseño robusto de taguchi
Diseño robusto de taguchiDiseño robusto de taguchi
Diseño robusto de taguchi
 
Planeacion y presupuesto unidad 1
Planeacion y presupuesto unidad 1Planeacion y presupuesto unidad 1
Planeacion y presupuesto unidad 1
 
Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)Localización de las unidades de emergencia (1)
Localización de las unidades de emergencia (1)
 
Investigación de Operaciones II : Simulación
Investigación de Operaciones II : Simulación Investigación de Operaciones II : Simulación
Investigación de Operaciones II : Simulación
 
EJERCICIOS DE SISTEMA DE COLA M/M/K
EJERCICIOS DE SISTEMA DE COLA M/M/KEJERCICIOS DE SISTEMA DE COLA M/M/K
EJERCICIOS DE SISTEMA DE COLA M/M/K
 
Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1Problemas resueltos-de-teorc3ada-de-colas1
Problemas resueltos-de-teorc3ada-de-colas1
 
Planeación y administración de la capacidad
Planeación y administración de la capacidadPlaneación y administración de la capacidad
Planeación y administración de la capacidad
 
Ejemplo de-simulación-continua
Ejemplo de-simulación-continuaEjemplo de-simulación-continua
Ejemplo de-simulación-continua
 
5 graficos
5 graficos5 graficos
5 graficos
 

Similaire à Linear programming worked problem

Similaire à Linear programming worked problem (13)

Función Solver
Función SolverFunción Solver
Función Solver
 
Spss
SpssSpss
Spss
 
20factor spss
20factor spss20factor spss
20factor spss
 
02 MODELOS MATEMÁTICOS DE PROGRAMACIÓN LINEAL.pptx
02 MODELOS MATEMÁTICOS DE PROGRAMACIÓN LINEAL.pptx02 MODELOS MATEMÁTICOS DE PROGRAMACIÓN LINEAL.pptx
02 MODELOS MATEMÁTICOS DE PROGRAMACIÓN LINEAL.pptx
 
Cálculos de los precios de venta de un menú
Cálculos de los precios de venta de un menúCálculos de los precios de venta de un menú
Cálculos de los precios de venta de un menú
 
Interacción y El Principio de Cruce Factorial
Interacción y El Principio de Cruce FactorialInteracción y El Principio de Cruce Factorial
Interacción y El Principio de Cruce Factorial
 
análisis de datos
análisis de datosanálisis de datos
análisis de datos
 
Explicacion Receta Estandar
Explicacion Receta EstandarExplicacion Receta Estandar
Explicacion Receta Estandar
 
Spss
SpssSpss
Spss
 
Sen Met grafico
Sen Met graficoSen Met grafico
Sen Met grafico
 
Calculo y teoría de fijación de precios en alimentos & bebidas Parte 1
Calculo y teoría de fijación de precios en alimentos & bebidas Parte 1Calculo y teoría de fijación de precios en alimentos & bebidas Parte 1
Calculo y teoría de fijación de precios en alimentos & bebidas Parte 1
 
Unidad 6. Análisis del CVU
Unidad 6.  Análisis del CVUUnidad 6.  Análisis del CVU
Unidad 6. Análisis del CVU
 
Actividad 1IV
Actividad 1IVActividad 1IV
Actividad 1IV
 

Plus de Edgar Mata

Plus de Edgar Mata (20)

Activity 12 c numb
Activity 12 c numbActivity 12 c numb
Activity 12 c numb
 
Pw roo complex numbers 2021
Pw roo complex numbers 2021Pw roo complex numbers 2021
Pw roo complex numbers 2021
 
Ar complex num 2021
Ar complex num 2021Ar complex num 2021
Ar complex num 2021
 
Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01Formato 1 1-limits - solved example 01
Formato 1 1-limits - solved example 01
 
Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021Activity 1 1 part 2 exer ea2021
Activity 1 1 part 2 exer ea2021
 
Problem identification 2021
Problem identification 2021Problem identification 2021
Problem identification 2021
 
Formato 1 1-limits ea2021
Formato 1 1-limits ea2021Formato 1 1-limits ea2021
Formato 1 1-limits ea2021
 
Activity 1 1 real numbers
Activity 1 1 real numbersActivity 1 1 real numbers
Activity 1 1 real numbers
 
Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021Activity 1 1 limits and continuity ea2021
Activity 1 1 limits and continuity ea2021
 
Course presentation differential calculus ea2021
Course presentation differential calculus ea2021Course presentation differential calculus ea2021
Course presentation differential calculus ea2021
 
Course presentation linear algebra ea2021
Course presentation linear algebra ea2021Course presentation linear algebra ea2021
Course presentation linear algebra ea2021
 
Formato cramer 3x3
Formato cramer 3x3Formato cramer 3x3
Formato cramer 3x3
 
Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020Exercise 2 2 - area under the curve 2020
Exercise 2 2 - area under the curve 2020
 
Exercise 4 1 - vector algebra
Exercise 4 1 - vector algebraExercise 4 1 - vector algebra
Exercise 4 1 - vector algebra
 
Exercise 3 2 - cubic function
Exercise 3 2 - cubic functionExercise 3 2 - cubic function
Exercise 3 2 - cubic function
 
Problemas cramer 3x3 nl
Problemas cramer 3x3 nlProblemas cramer 3x3 nl
Problemas cramer 3x3 nl
 
Cramer method in excel
Cramer method in excelCramer method in excel
Cramer method in excel
 
Cramer method sd2020
Cramer method sd2020Cramer method sd2020
Cramer method sd2020
 
Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020Exercise 2 1 - area under the curve 2020
Exercise 2 1 - area under the curve 2020
 
Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020Template 4 1 word problems 2 unk 2020
Template 4 1 word problems 2 unk 2020
 

Dernier

INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNATINSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
evercoyla
 
UC Fundamentos de tuberías en equipos de refrigeración m.pdf
UC Fundamentos de tuberías en equipos de refrigeración m.pdfUC Fundamentos de tuberías en equipos de refrigeración m.pdf
UC Fundamentos de tuberías en equipos de refrigeración m.pdf
refrielectriccarlyz
 
sistema de CLORACIÓN DE AGUA POTABLE gst
sistema de CLORACIÓN DE AGUA POTABLE gstsistema de CLORACIÓN DE AGUA POTABLE gst
sistema de CLORACIÓN DE AGUA POTABLE gst
DavidRojas870673
 

Dernier (20)

INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNATINSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
INSUMOS QUIMICOS Y BIENES FISCALIZADOS POR LA SUNAT
 
CONEXIONES SERIE, PERALELO EN MÓDULOS FOTOVOLTAICOS.pdf
CONEXIONES SERIE, PERALELO EN MÓDULOS FOTOVOLTAICOS.pdfCONEXIONES SERIE, PERALELO EN MÓDULOS FOTOVOLTAICOS.pdf
CONEXIONES SERIE, PERALELO EN MÓDULOS FOTOVOLTAICOS.pdf
 
Aportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
Aportes a la Arquitectura de Le Corbusier y Mies Van der RoheAportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
Aportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
 
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
 
2. Cristaloquimica. ingenieria geologica
2. Cristaloquimica. ingenieria geologica2. Cristaloquimica. ingenieria geologica
2. Cristaloquimica. ingenieria geologica
 
Presentación de Redes de alcantarillado y agua potable
Presentación de Redes de alcantarillado y agua potablePresentación de Redes de alcantarillado y agua potable
Presentación de Redes de alcantarillado y agua potable
 
EFICIENCIA ENERGETICA-ISO50001_INTEC_2.pptx
EFICIENCIA ENERGETICA-ISO50001_INTEC_2.pptxEFICIENCIA ENERGETICA-ISO50001_INTEC_2.pptx
EFICIENCIA ENERGETICA-ISO50001_INTEC_2.pptx
 
UC Fundamentos de tuberías en equipos de refrigeración m.pdf
UC Fundamentos de tuberías en equipos de refrigeración m.pdfUC Fundamentos de tuberías en equipos de refrigeración m.pdf
UC Fundamentos de tuberías en equipos de refrigeración m.pdf
 
Six Sigma Process and the dmaic metodo process
Six Sigma Process and the dmaic metodo processSix Sigma Process and the dmaic metodo process
Six Sigma Process and the dmaic metodo process
 
CI164 Materiales de Construcción 202401 - Sesión 03 Propiedades No Mecánicas.pdf
CI164 Materiales de Construcción 202401 - Sesión 03 Propiedades No Mecánicas.pdfCI164 Materiales de Construcción 202401 - Sesión 03 Propiedades No Mecánicas.pdf
CI164 Materiales de Construcción 202401 - Sesión 03 Propiedades No Mecánicas.pdf
 
metodos de fitomejoramiento en la aolicacion de plantas
metodos de fitomejoramiento en la aolicacion de plantasmetodos de fitomejoramiento en la aolicacion de plantas
metodos de fitomejoramiento en la aolicacion de plantas
 
ATS-FORMATO cara.pdf PARA TRABAJO SEGURO
ATS-FORMATO cara.pdf  PARA TRABAJO SEGUROATS-FORMATO cara.pdf  PARA TRABAJO SEGURO
ATS-FORMATO cara.pdf PARA TRABAJO SEGURO
 
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.pptTippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
Tippens fisica 7eDIAPOSITIVAS TIPENS Tippens_fisica_7e_diapositivas_33.ppt
 
Clasificación de Equipos e Instrumentos en Electricidad.docx
Clasificación de Equipos e Instrumentos en Electricidad.docxClasificación de Equipos e Instrumentos en Electricidad.docx
Clasificación de Equipos e Instrumentos en Electricidad.docx
 
“Análisis comparativo de viscosidad entre los fluidos de yogurt natural, acei...
“Análisis comparativo de viscosidad entre los fluidos de yogurt natural, acei...“Análisis comparativo de viscosidad entre los fluidos de yogurt natural, acei...
“Análisis comparativo de viscosidad entre los fluidos de yogurt natural, acei...
 
DIAPOSITIVAS DE SEGURIDAD Y SALUD EN EL TRABAJO
DIAPOSITIVAS DE SEGURIDAD Y SALUD EN EL TRABAJODIAPOSITIVAS DE SEGURIDAD Y SALUD EN EL TRABAJO
DIAPOSITIVAS DE SEGURIDAD Y SALUD EN EL TRABAJO
 
PostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCDPostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCD
 
sistema de CLORACIÓN DE AGUA POTABLE gst
sistema de CLORACIÓN DE AGUA POTABLE gstsistema de CLORACIÓN DE AGUA POTABLE gst
sistema de CLORACIÓN DE AGUA POTABLE gst
 
Video sustentación GA2- 240201528-AA3-EV01.pptx
Video sustentación GA2- 240201528-AA3-EV01.pptxVideo sustentación GA2- 240201528-AA3-EV01.pptx
Video sustentación GA2- 240201528-AA3-EV01.pptx
 
semana-08-clase-transformadores-y-norma-eep.ppt
semana-08-clase-transformadores-y-norma-eep.pptsemana-08-clase-transformadores-y-norma-eep.ppt
semana-08-clase-transformadores-y-norma-eep.ppt
 

Linear programming worked problem

  • 1. Variables con subíndice G. Edgar Mata Ortiz Programación Lineal: Planteamiento de problemas
  • 2. Programación Lineal. ¿Qué es programación lineal? Es un método para obtener un resultado óptimo con base en un modelo matemático en el que todas las relaciones entre variables y constantes pueden expresarse linealmente.
  • 3. Variables de decisión Reciben el nombre de variables de decisión, las incógnitas cuyos valores deben ser determinados para alcanzar el objetivo señalado por la función objetivo. 𝒙 = 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒂𝒓𝒕í𝒄𝒖𝒍𝒐𝒔 𝒕𝒊𝒑𝒐 𝟏 𝒒𝒖𝒆 𝒔𝒆 𝒗𝒂𝒏 𝒂 𝒇𝒂𝒃𝒓𝒊𝒄𝒂𝒓 𝒚 = 𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆𝒍 𝒊𝒏𝒈𝒓𝒆𝒅𝒊𝒆𝒏𝒕𝒆 𝟏 𝒒𝒖𝒆 𝒔𝒆 𝒖𝒕𝒊𝒍𝒊𝒛𝒂𝒓á 𝒙 𝟏 = 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒂𝒔 𝒒𝒖𝒆 𝒅𝒆𝒃𝒆𝒏 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒊𝒓𝒔𝒆
  • 4. Variables de decisión La elección de las variables de decisión viene determinada por las características del problema, generalmente no es sencillo cambiarlas, pero su representación puede variar considerablemente según la estrategia de solución. Pueden ser variables simples, con subíndice sencillo, doble o triple (o incluso mayor). 𝒙 𝟏
  • 5. Variables de decisión La representación de las variables de decisión y su significado pueden aumentar o disminuir el nivel de dificultad en la resolución de un problema. Es muy importante definir, por escrito, el significado de las variables de decisión.
  • 6. Uso de variables de decisión con subíndices dobles. Ejemplo 𝒙𝒊,𝒋 = ⋯
  • 7. Ejemplo La fábrica “The Barn” produce tres tipos de combinaciones energéticas de semillas cuyos precios por libra se muestran en los paquetes.
  • 8. Ejemplo Las tres mezclas contienen los mismos ingredientes: maní, pasas y algarrobo, aunque en diferentes proporciones. Los costos de los ingredientes, por libra, se muestran en las imágenes $𝟎. 𝟗𝟎 $𝟏. 𝟔𝟎 $𝟏. 𝟓𝟎
  • 9. Ejemplo El precio de venta se ve afectado por las proporciones de los ingredientes presentes en cada mezcla. La mezcla normal debe contener, al menos, 5% de cada ingrediente.
  • 10. Ejemplo El precio de venta se ve afectado por las proporciones de los ingredientes presentes en cada mezcla. La mezcla especial debe contener, al menos, 20% de cada ingrediente, pero no más del 50% de cualquiera de ellos.
  • 11. Ejemplo El precio de venta se ve afectado por las proporciones de los ingredientes presentes en cada mezcla. La mezcla extra debe contener, al menos, 25% de pasas, y no más del 25% de maní.
  • 12. Ejemplo Las instalaciones de producción hacen que haya disponibles, por semana, un máximo de 1000 libras de maní, 2000 de pasas, y 3000 de algarrobo.
  • 13. Ejemplo Existe un costo fijo de $2000 para la fabricación de las mezclas. Por razones de mercado, la mezcla normal debe limitarse al 20% de la producción total. Plantea un modelo de programación lineal para maximizar las utilidades.
  • 14. Ejemplo: Análisis de la Información Las variables de decisión serán las cantidades de ingredientes empleados en la elaboración de las mezclas.
  • 15. Ejemplo: Análisis de la Información Lo que debemos decidir ahora es: ¿Cómo identificar las variables de modo que faciliten el proceso de solución del problema?
  • 16. Ejemplo: Análisis de la Información Lo que debemos decidir ahora es: ¿Cómo identificar las variables de modo que faciliten el proceso de solución del problema? La estrategia consistirá en identificar las variables mediante dos subíndices, el primero de ellos hará referencia al ingrediente, y el segundo, a la mezcla en la que se emplea dicho ingrediente.
  • 17. Ejemplo: Análisis de la Información La estrategia consistirá en identificar las variables mediante dos subíndices, el primero de ellos hará referencia al ingrediente, y el segundo, a la mezcla en la que se emplea dicho ingrediente. 𝒙 𝟏,𝒏 = Maní empleado en la mezcla…
  • 18. Ejemplo: Análisis de la Información
  • 19. Ejemplo: Análisis de la Información 𝒙 𝟏,𝟏 𝒙 𝟏,𝟐 𝒙 𝟏,𝟑 Maní empleado en la mezcla Normal Maní empleado en la mezcla Especial Maní empleado en la mezcla Extra
  • 20. Ejemplo: Análisis de la Información La estrategia consistirá en identificar las variables mediante dos subíndices, el primero de ellos hará referencia al ingrediente, y el segundo, a la mezcla en la que se emplea dicho ingrediente. 𝒙 𝟐,𝒏 = Pasas empleadas en la mezcla…
  • 21. Ejemplo: Análisis de la Información
  • 22. Ejemplo: Análisis de la Información 𝒙 𝟐,𝟏 𝒙 𝟐,𝟐 𝒙 𝟐,𝟑 Pasas empleadas en la mezcla Normal Pasas empleadas en la mezcla Especial Pasas empleadas en la mezcla Extra
  • 23. Ejemplo: Análisis de la Información La estrategia consistirá en identificar las variables mediante dos subíndices, el primero de ellos hará referencia al ingrediente, y el segundo, a la mezcla en la que se emplea dicho ingrediente. 𝒙 𝟑,𝒏 =Algarrobo empleado en la mezcla…
  • 24. Ejemplo: Análisis de la Información
  • 25. Ejemplo: Análisis de la Información 𝒙 𝟑,𝟏 𝒙 𝟑,𝟐 𝒙 𝟑,𝟑 Algarrobo empleado en la mezcla Normal Algarrobo empleado en la mezcla Especial Algarrobo empleado en la mezcla Extra
  • 26. Ejemplo: Variables de decisión 𝒙 𝟏,𝟏 𝒙 𝟏,𝟐 𝒙 𝟏,𝟑 𝒙 𝟐,𝟏 𝒙 𝟐,𝟐 𝒙 𝟐,𝟑 𝒙 𝟑,𝟏 𝒙 𝟑,𝟐 𝒙 𝟑,𝟑
  • 32. Ejemplo: Variables de decisión 𝒙 𝟏,𝟏 𝒙 𝟏,𝟐 𝒙 𝟏,𝟑 𝒙 𝟐,𝟏 𝒙 𝟐,𝟐 𝒙 𝟐,𝟑 𝒙 𝟑,𝟏 𝒙 𝟑,𝟐 𝒙 𝟑,𝟑 Una vez identificadas claramente las variables de decisión, se plantean las restricciones indicadas por el problema.
  • 33. Ejemplo: Restricciones. En este problema existen diferentes restricciones. Vamos a identificar las restricciones siguiendo el orden establecido en el problema.
  • 34. Ejemplo: Restricciones. En este problema existen diferentes restricciones. Vamos a identificar las restricciones siguiendo el orden establecido en el problema:
  • 35. Ejemplo: Restricciones. En primer lugar veamos cómo se representa, algebraicamente, el contenido de la mezcla normal. Debe ser el maní empleado en la mezcla normal, más las pasas empleadas en la mezcla normal, más el algarrobo empleado en la mezcla normal. Al menos 5% de cada ingrediente
  • 36. Ejemplo: Restricciones. Debe ser: El maní empleado en la mezcla normal, Más las pasas empleadas en la mezcla normal, Más el algarrobo empleado en la mezcla normal. Al menos 5% de cada ingrediente
  • 37. Ejemplo: Restricciones. Mezcla normal: Al menos 5% de cada ingrediente
  • 38. Ejemplo: Restricciones. Al menos 5% de cada ingrediente
  • 39. Ejemplo: Restricciones. Cada ingrediente debe representar, al menos, el 5% de esta mezcla. Al menos 5% de cada ingrediente
  • 40. Ejemplo: Restricciones. Cada ingrediente debe representar, al menos, el 5% de esta mezcla. Al menos 5% de cada ingrediente
  • 41. Ejemplo: Restricciones. Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 42. Ejemplo: Restricciones. Mezcla especial: Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 43. Ejemplo: Restricciones. Mezcla especial: Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 44. Ejemplo: Restricciones. Mezcla especial: Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 45. Ejemplo: Restricciones. Mezcla especial: Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 46. Ejemplo: Restricciones. Mezcla especial: Al menos 20% de cada ingrediente, pero no más del 50% de cualquiera
  • 47. Ejemplo: Restricciones. Mezcla extra: Al menos 25% de pasas, y no más del 25% de maní
  • 48. Ejemplo: Restricciones. Mezcla extra: Al menos 25% de pasas, y no más del 25% de maní
  • 49. Ejemplo: Restricciones. Mezcla extra: Al menos 25% de pasas, y no más del 25% de maní
  • 50. Ejemplo: Restricciones. Ingredientes: Maní Pasas Algarrobo Disponible máximo: 1000 de maní, 2000 de pasas, y 3000 de algarrobo
  • 51. Ejemplo: Restricciones. La cantidad de mezcla normal no debe exceder del 20% de la producción total.
  • 54. Ejemplo: Función Objetivo. Ganancia = Ingresos – Costos –
  • 55. Ejemplo: Restricciones. Ganancia = Ingresos – Costos Al igual que con las restricciones, es necesario simplificar algebraicamente la función objetivo para poder utilizar algún software que resuelva el modelo.
  • 56. Por su atención Gracias Fuentes de información en línea: http://licmata-math.blogspot.mx/ http://www.scoop.it/t/mathematics-learning https://www.facebook.com/licemata https://www.linkedin.com/in/licmata http://www.slideshare.net/licmata Twitter @licemata