Investigacion de Operaciones

Análisis de Sensibilidad y Precios Sombra en la Programación Lineal En la programación lineal, el análisis de sensibilidad y los precios sombra son herramientas valiosas para evaluar el impacto de cambios en los parámetros del modelo sobre la solución óptima. a. Análisis de Sensibilidad: El análisis de sensibilidad permite determinar la sensibilidad de la solución óptima a variaciones en los coeficientes de la función objetivo, los valores RHS de las restricciones y los coeficientes tecnológicos. b. Precios Sombra: Los precios sombra representan el valor marginal de una unidad adicional de un recurso restringido. En otras palabras, indican cuánto aumentaría la función objetivo si se pudiera aumentar la disponibilidad de ese recurso en una unidad. Ejemplo: Consideremos el siguiente problema de programación lineal: Maximizar: Z = 3x + 4y Sujeto a: 5x + 6y ≤ 100 2x + 3y ≤ 80 x ≥ 0 y ≥ 0 Solución: La solución óptima es x = 10, y = 20, y Z = 120. Análisis de Sensibilidad: Utilizando Solver,...

 Analizando y Ampliando las Decisiones: Un Enfoque Profundo En el mundo actual, la toma de decisiones efectiva es fundamental para el éxito en diversos ámbitos, desde los negocios hasta la vida personal. Sin embargo, no siempre es sencillo tomar decisiones acertadas, especialmente cuando se enfrentan situaciones complejas o con múltiples alternativas. Es aquí donde entra en juego el análisis y la ampliación de las decisiones, un proceso que permite evaluar las opciones de manera exhaustiva y tomar decisiones informadas y estratégicas. 1. ¿Qué es el análisis y la ampliación de las decisiones? El análisis y la ampliación de las decisiones son un conjunto de estrategias y técnicas que ayudan a las personas y organizaciones a tomar decisiones más informadas y efectivas. Este proceso involucra: Recopilación y análisis de información: Se reúne y evalúa información relevante sobre la situación, las opciones disponibles, los recursos, los posibles riesgos y las potenciales consecuencias de...

  Utilizando Solver en Excel para Resolver Problemas de Programación Lineal a. Utilizar paquetes informáticos para la solución de problemas: En el ámbito de la programación lineal, diversos paquetes informáticos facilitan la resolución de problemas complejos. Algunos ejemplos populares incluyen: IOR: Un software de código abierto especializado en la investigación operativa. Tora: Un lenguaje de modelado algebraico con una interfaz gráfica de usuario. Solver (Excel): Un complemento de Excel que permite resolver problemas de optimización. LINGO (LINDO): Un software comercial para la optimización lineal, no lineal y entera. MPL: Un lenguaje de modelado algebraico de propósito general con soporte para diversos solucionadores. b. Evaluar modelos mediante el uso de paquetes informáticos: Los paquetes informáticos no solo sirven para resolver problemas, sino también para evaluar la calidad de los modelos desarrollados. Algunas de las funcionalidades que permiten: Análisis de sensibilidad:...

El Método Simplex: Un Resumen Paso a Paso con Ejemplos El método simplex es un algoritmo fundamental en la programación lineal, permitiendo encontrar la solución óptima (máxima o mínima) de un problema sujeto a restricciones. Su aplicación abarca diversos campos, desde la economía hasta la ingeniería. En este blog, exploraremos los pasos esenciales del método simplex, ilustrados con ejemplos prácticos. a. Definición de Variables: Antes de sumergirnos en el algoritmo, es crucial identificar los tipos de variables: Variables de decisión: Representan las cantidades a determinar para optimizar la función objetivo. Variables de exceso: Se introducen en problemas con restricciones de mayor que o igual, indicando la cantidad excedente del recurso. Variables artificiales: Se emplean en problemas de minimización con restricciones de igualdad, convirtiéndolas en desigualdades de mayor que o igual. Variables de holgura: Se incluyen en problemas con restricciones de menor que o igual, indicando la...

Taller Solver Variables X= Cantidad de *** a cultivar {x1, x2, x3, x4, x5, x6, x7, x8, x9} Función Objetiva Max Z= 1000(x1+x2+x3)+ 750(x4+x5+x6)+ 250(x7+x8+x9) Restricciones x1+x4+x7<= 400 x2+x5+x8<=600 x3+x6+x9<=300 3x1+3x4+3x7<= 600 3x2+3x5+3x8<=800 3x3+3x6+3x9<=375 x1+x2+x3<= 600 x4+x5+x6<= 500 x7+x8+x9<= 325 x1+x4+x7/400=x2+x5+x8/600 x2+x5+x8/600=x3+x6+x9/300 x1+x2+x3/400=x3+x6+x9/300

Ejercicio 2 ● Min Z = 3X1 + 8X2 S.A. X1 + 4X2 ≤ 3.5 X1 + 2X2 ≤ 2.5 X1, X2 ≥ 0 ● X1 + 4X2 -s3+A4= 3.5 X1 + 2X2 -s5+A6= 2.5 Z=3x1+8x2+0s3+MA4+0s5+MA6 3.5 / 4 = 0.875 2.5 / 2 = 1.25 0.875 / (1⁄4) = 3.5 0.75 / (1/2) = 1.5

Ejercicio 1 Max Z = 30.000X1 + 40.000X2 S.A. X1 + 2X2 ≤ 400 3X1 + 2X2 ≤ 600 X1, X2 ≥ 0 400 / 2 = 200 600 / 2 = 300 Entra x2 sale s1 T2= T2-2T1 T1= T1/2 200 / 1/2 = 400 200/2 = 100 Entra x1 sale s2 T2= T2/2 T1= T1-1/2 T2 v1=100 v2=150 z=9000000 Metodo Restricciones: ● X1 + 2X2 ≤ 400 ● 3X1 + 2X2 ≤ 600 ● X1, X2 ≥ 0 1. Redefinición de las restricciones: ● Convertimos las inecuaciones a ecuaciones agregando variables de holgura (S1 y V2): ○ X1 + 2X2 + v1 = 400 ○ 3X1 + 2X2 + v2 = 600 2. Representación gráfica: ● Graficamos las dos ecuaciones como rectas en un plano cartesiano. ○ Ecuación 1: Intersecta el eje X en (400, 0) e Y en (0, 200). ○ Ecuación 2: Intersecta el eje X en (200, 0) e Y en (0, 300). 3. Identificación de la región factible: ● La región factible es el área que cumple con todas las restricciones. Se define por los triángulos AOB y COD. 4. Cálculo de los vértices: ● Los vértices de la región factible son A (400, 0), B (0, 200), C (200, 0) y D (0, 300). 5. Evaluación de la funci...

1. Identificación del Problema:  Lo primero es identificar claramente cuál es el problema que queremos resolver. Por ejemplo, si estamos en una empresa de logística, el problema podría ser cómo minimizar los costos de envío. 2. Definición del Objetivo:  Una vez identificado el problema, necesitamos definir claramente nuestro objetivo. Siguiendo con el ejemplo anterior, el objetivo podría ser minimizar los costos totales de envío. 3. Identificación de Variables: Las variables son las cosas que podemos cambiar para tratar de resolver el problema. En nuestro ejemplo, algunas variables podrían ser el número de camiones a usar, las rutas de envío o los puntos de distribución. 4. Establecimiento de Restricciones: Las restricciones son las limitaciones o condiciones que debemos cumplir. Siguiendo con el ejemplo de la empresa de logística, algunas restricciones podrían ser el tiempo de entrega máximo, la capacidad de carga de los camiones o las leyes de tránsito.   5. Organizaci...

La Investigación de Operaciones (IO) es como el "superpoder matemático" de la ingeniería en sistemas. Imagina que tienes un montón de decisiones que tomar en un proyecto o en una empresa, y cada decisión tiene sus pros y contras, y afecta a un montón de cosas diferentes, como el tiempo, el dinero o la eficiencia. Bueno, la IO viene a ser como tu "asistente matemático" que te ayuda a tomar esas decisiones de la mejor manera posible. ¿Cómo lo hace? Pues utiliza matemáticas, estadísticas y programación para encontrar la mejor solución a esos problemas complicados. 1.Programación Lineal: Imagina que tienes que decidir cuántos productos producir para maximizar tus ganancias, pero tienes un montón de restricciones como el costo de producción, la capacidad de la fábrica, etc. La programación lineal te ayuda a encontrar la mejor combinación posible. 2. Teoría de Colas: Esto es como cuando estás en una tienda y hay una fila para pagar. La teoría de colas nos ayuda a entende...