Proyecto final

Proyecto Final 


https://colab.research.google.com/drive/1SfW9eEQoalViJEZ6S-baAhs_xH4uUAYW?usp=sharing 

Permite a los usuarios resolver problemas de modelos de transporte y asignación de manera interactiva. Utilizando bibliotecas como PuLP para la programación lineal y ipywidgets para crear una interfaz de usuario interactiva, este software facilita la entrada de datos, la ejecución de cálculos y la visualización de resultados.
Descripción General

El software tiene dos principales funcionalidades:Modelo de Transporte
Modelo de Asignación

A continuación, se detalla cómo funciona cada módulo del software.
Modelo de Transporte
Funcionamiento

Entrada de Datos:Número de Orígenes y Destinos: Los usuarios ingresan el número de orígenes (e.g., fábricas) y destinos (e.g., almacenes).
Costos de Transporte: Los usuarios ingresan los costos de transporte desde cada origen hasta cada destino en forma de matriz.
Oferta y Demanda: Los usuarios ingresan la oferta disponible en cada origen y la demanda requerida en cada destino.


Procesamiento:Utilizando los datos ingresados, el software configura un problema de programación lineal donde se define la función objetivo como la minimización de los costos totales de transporte.
Se añaden restricciones para asegurar que la cantidad transportada desde cada origen no exceda la oferta disponible y que se satisfaga la demanda en cada destino.


Resolución:El problema se resuelve utilizando el solver de PuLP, que encuentra la solución óptima.
Se muestran los resultados, incluyendo la cantidad de productos transportados entre cada par de origen y destino y el costo total de transporte.

Comentarios

Publicar un comentario

Entradas populares de este blog

Unidad 2 - Análisis de Sensibilidad y Precios Sombra en la Programación Lineal

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,...
Leer más

Unidad 2 - Método simplex

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...
Leer más