Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 249 vistas

    ACTIVIDAD EVALUATIVA EJE 2 - Inv Operaciones

    Cargado por

    Juan
    Este documento presenta tres problemas de programación lineal para resolver. El primer problema involucra el método de las dos fases para minimizar una función objetivo sujeta a restricciones. El segundo problema utiliza el método de la gran M para minimizar otra función objetivo con restricciones. El tercer problema maximiza una función objetivo con restricciones utilizando el método simplex y un gráfico.

    Copyright:

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

    ACTIVIDAD EVALUATIVA EJE 2 - Inv Operaciones

    Cargado por

    Juan
    249 vistas15 páginas
    Este documento presenta tres problemas de programación lineal para resolver. El primer problema involucra el método de las dos fases para minimizar una función objetivo sujeta a restricciones. El segundo problema utiliza el método de la gran M para minimizar otra función objetivo con restricciones. El tercer problema maximiza una función objetivo con restricciones utilizando el método simplex y un gráfico.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta tres problemas de programación lineal para resolver. El primer problema involucra el método de las dos fases para minimizar una función objetivo sujeta a restricciones. El segundo problema utiliza el método de la gran M para minimizar otra función objetivo con restricciones. El tercer problema maximiza una función objetivo con restricciones utilizando el método simplex y un gráfico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    249 vistas15 páginas

    ACTIVIDAD EVALUATIVA EJE 2 - Inv Operaciones

    Cargado por

    Juan
    Este documento presenta tres problemas de programación lineal para resolver. El primer problema involucra el método de las dos fases para minimizar una función objetivo sujeta a restricciones. El segundo problema utiliza el método de la gran M para minimizar otra función objetivo con restricciones. El tercer problema maximiza una función objetivo con restricciones utilizando el método simplex y un gráfico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 15

    ACTIVIDAD EVALUATIVA EJE 2

    SANDRA PAOLA CASTAÑEDA.


    JUAN PABLO SUAREZ MAHECHA.
    DIEGO ALEXANDER SUAREZ BAUTISTA. 79925189

    PEDRO PABLO URIBE GOMEZ


    Licenciado

    FUNDACION UNIVERSITARIA DEL AREA ANDINA


    FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS
    INVESTIGACIÓN DE OPERACIONES I
    ABRIL DE 2021
    PROBLEMAS PARA RESOLVER
    1. Resolver mediante el método de las dos fases
    Minimizar Z = 2000X + 500Y
    Sujeto a las siguientes restricciones:
    2X + 3Y >= 36
    3X + 6Y >= 60
    X, Y >= 0
    Variable Artificial: A1, A2.

    Función de Inicio:
    Minimizar Z=0 x 1+ 0 x 2 +0 s 1 +0 s 2+ 1 A 1+1 A 2
    Sujeto a lo siguiente:
    2 x1 +3 x 2+ 1 s1 +0 s2 +1 A 1+ 0 A 2=36
    3 x 1+6 x 2 +0 s1−1 s 2 +0 A 1 +1 A 2=60
    x 1 , x 2 , s1 , s 2 , A1 , A 2 ≥ 0

    Fase 1:
    Tabla Cj 0 0 0 0 1 1
    1
    Cb Bs x1 x2 s1 s2 A1 A2 R
    1 A1 2 3 -1 0 1 0 36
    1cc A2 3 6 0 -1 0 1 60
    Z 5 9 -1 -1 0 0 96

     Pivote→6
     Ingreso→ x2
     Sale→ A 2

    Iteración 1:
    Tabla Cj 0 0 0 0 1 1
    2
    Cb Bs x1 x2 s1 s2 A1 A2 R
    1 A1 1 0 -1 1 1 −1 6
    cc
    2 2 2
    0 x2 1 1 0 −1 0 1 10
    2 6 6
    Z 1 0 -1 1 0 −3 6
    2 2 2

    1
     Pivote→
    2
     Ingreso x1
    →
     Sale→ A 1

    Iteración 2:
    Tabla Cj 0 0 0 0 1 1
    3
    Cb Bs x1 x2 s1 s2 A1 A2 R
    0 x1 1 0 -2 1 2 1 12
    0 x2 0 1 1 −2 -1 2 4
    3 3
    Z 0 0 0 0 1 -1 0

     Eliminación de variables artificiales.


     Tiene solución optima.

    Fase 2:
    Tabla Cj 2000 500 0 0
    1
    Cb Bs x1 x2 s1 s2 R
    2000 x1 1 0 -2 1 12
    500 x2 0 1 1 −2 4
    3
    Z 0 0 -3500 500 26000
    3

     Pivote→ 1
     Ingreso→ s 2
     Sale→ x1

    Iteración 1:

    Tabla Cj 2000 500 0 0


    1
    Cb Bs x1 x2 s1 s2 R
    0 s2 1 0 -2 1 12
    500 x2 2 1 −1 0 12 Resultado
    3 3 Optimo
    Z 0 0 −500 0 6000 Z=6000
    x 1=0
    3
    x 2=12
    s1=0
    s2=12

    2. Resolver mediante el método de la gran M


    Minimizar 0,4X + 0,5Y
    Sujeto a las siguientes restricciones:
    0,3X + 0,1Y <= 2,7
    0,5X + 0,5Y = 6
    0,6X + 0,4Y >= 6
    X, Y >= 0
    Min Z = 0.4x + 0.5y + 0S1 + 0S2 + MA1 +MA2
    Sujeto a:
    0.3x+0.1y+S1=2.7
    0.5x+0.5y+A1=6
    0.6x+0.4yS2+A2=6
    x, y, S1, S2, A1, A2≥0

    Iteració
    Cj 0.4 0.5 0 0 M M
    n
    1
    B C XB x y S S A1 A2 Min Ratio
    B 1 2
    S1 0 2.7 (0.3) 0.1 1 0 0 0 2.7/0.3=9
    →
    A1 M 6 0.5 0.5 0 0 1 0 6/0.5=12
    A2 M 6 0.6 0.4 0 - 0 1 6/0.6=10
    1
    Z=12M Zj 1.1M 0.9 0 - M M
    M M
    0.9
    Zj- 1.1M- 0 - 0 0
    M-
    Cj 0.4↑ 0.5 M

     Máximo positivo Zj-Cj es 1.1M-0.4 y su índice de columna es 1.


     La variable de entrada es X.
     La relación mínima es 9 y su índice de fila es 1.
     La variable base saliente es S1.
    El pivote es 0.3 entonces:

    0
    Iteración 2 Cj 0.5 0 0 M M
    .
    4
    B C XB x y S1 S A A Min Ratio
    B 2 1 2
    x 0 9 1 0.3333 3.3333 0 0 0 9/0.3333=27
    .
    4
    1.5/0.3333=4.5=
    A1 M 1.5 0 0.3333 -1.6667 0 1 0
    4.
    5
    A2 M 0.6 0 (0.2) -2 - 0 1 0.6/0.2=3→
    1
    0 -
    Z=2.1M+3 Zj 0.5333M+0.133 - M M M
    .
    .6 4 3 3.6667M+1.333
    3
    -
    Zj- 0 0.5333M- - M 0 0
    Cj 0.3667↑ 3.6667M+1.333
    3

    Máximo positivo Zj-Cj es 0.5333M-0.3667 y su índice de columna es 2.


    La variable de entrada es ‘y’. La relación mínima es 3 y su índice de fila es 3.
    Entonces, la variable base saliente es A2.
    El pivote es 0.2 entonces:

    0 0
    Iteración Cj 0 0 M
    . .
    3 4 5
    MinRatio
    B C XB x y S1 S2 A
    B 1
    x 0 8 1 0 6.6667 1.6667 0 8/1.6667=4.8=4.8
    .
    4
    0.5/1.6667=0.3=0
    A1 M 0.5 0 0 1.6667 1.6667 1
    .3
    →
    y 0 3 0 1 -10 -5 0 ---
    .
    5
    0 0
    Z=0.5M+4 Zj 1.6667M- 1.6667M- M
    . .
    .7 4 5 2.3333 1.8333
    1.6667M-
    Zj- 0 0 1.6667M- 1.8333↑ 0
    Cj 2.3333

     Máximo positivo Zj-Cj es 1,6667M-1.8333 con índice de columna 4.


     La variable de entrada es S2.
     La relación mínima es 0,3 y su índice de fila es 2.
    Entonces, la variable base saliente es

    A1. El pivote es 1.6667

    Iteració
    C 0 0 0 0
    n j
    4 . .
    4 5
    B C XB x y S1 S2 MinRati
    B o
    x 0 7.5 1 0 5 0
    .
    4
    S2 0 0.3 0 0 1 1
    y 0 4.5 0 1 -5 0
    .
    5
    Z=5.25 Z 0 0 - 0
    j . . 0.5
    4 5
    Zj- 0 0 - 0
    Cj 0.5

    Puesto que Zj-Cj≤0

    Por lo tanto, las variables:


    X=7.5, y=4.5
    Min Z=5.25

    3. Resolver mediante el método simplex y gráfico.


    Maximizar 50X + 120Y
    Sujeto a las siguientes restricciones:
    X + Y <= 110
    100X + 200Y <= 10000
    10X + 30Y <= 1200
    X, Y >=0

    Método Simplex
    Tabla 1 ܿ௃ 50 120 0 0 0

    Base ‫ܥ‬஻ ܲ଴ ܲଵ ܲଶ ܲଷ ܲସ ܲହ
    P3 0 110 1 1 1 0 0
    P4 0 10000 100 200 0 1 0
    P5 0 1200 10 30 0 0 1

    ܼ 0 -50 -120 0 0 0

    Sale la variable P5 e ingresa P2.

    Sale la variable P4 e ingresa P1.


    La solución óptima es Z = 5400
    X1 = 60
    X2 = 20

    Método grafico

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy