Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 30 vistas

    Parcial 1 Investigación de Operaciones

    Cargado por

    DANNA VALENTINA ANGARITA QUINTERO
    Este resumen describe dos problemas de programación lineal. El primer problema busca minimizar la contaminación en un río procesando desechos de tres fábricas. La solución óptima es procesar 1540 toneladas para reducir 0.3 toneladas del contaminante 1 y 0.16 toneladas del contaminante 2. El segundo problema busca maximizar las ganancias de una compañía fabricando tres tipos de autos sujeto a restricciones de recursos. La solución óptima es fabricar 400 autos tipo 1.

    Copyright:

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

    Parcial 1 Investigación de Operaciones

    Cargado por

    DANNA VALENTINA ANGARITA QUINTERO
    30 vistas5 páginas
    Este resumen describe dos problemas de programación lineal. El primer problema busca minimizar la contaminación en un río procesando desechos de tres fábricas. La solución óptima es procesar 1540 toneladas para reducir 0.3 toneladas del contaminante 1 y 0.16 toneladas del contaminante 2. El segundo problema busca maximizar las ganancias de una compañía fabricando tres tipos de autos sujeto a restricciones de recursos. La solución óptima es fabricar 400 autos tipo 1.

    Descripción original:

    i.o

    Título original

    Parcial 1 Investigación de Operaciones

    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?

    Este resumen describe dos problemas de programación lineal. El primer problema busca minimizar la contaminación en un río procesando desechos de tres fábricas. La solución óptima es procesar 1540 toneladas para reducir 0.3 toneladas del contaminante 1 y 0.16 toneladas del contaminante 2. El segundo problema busca maximizar las ganancias de una compañía fabricando tres tipos de autos sujeto a restricciones de recursos. La solución óptima es fabricar 400 autos tipo 1.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    30 vistas5 páginas

    Parcial 1 Investigación de Operaciones

    Cargado por

    DANNA VALENTINA ANGARITA QUINTERO
    Este resumen describe dos problemas de programación lineal. El primer problema busca minimizar la contaminación en un río procesando desechos de tres fábricas. La solución óptima es procesar 1540 toneladas para reducir 0.3 toneladas del contaminante 1 y 0.16 toneladas del contaminante 2. El segundo problema busca maximizar las ganancias de una compañía fabricando tres tipos de autos sujeto a restricciones de recursos. La solución óptima es fabricar 400 autos tipo 1.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    Parcial Investigación de Operaciones

    Nombre: Danna Valentina Angarita Quintero Código: 1151984


    Para cada uno de los siguientes enunciados, formule el modelo matemático de programación
    lineal, indicando la función objetivo y las restricciones necesarias. Debe construir una tabla
    donde se puedan apreciar los recursos y las actividades que intervienen en cada uno de los
    problemas. Encuentre la solución óptima utilizando el software R

    1. Hay tres fábricas (1,2,3) a las orillas del río M. Cada una vierte dos tipos de contaminantes al
    río (1 y 2). Si se procesaran los desechos de cada una de las fábricas, entonces se reduciría la
    contaminación del río. Cuesta 15 dólares procesar una tonelada de desecho de la fábrica 1, y
    cada tonelada procesada reduce la cantidad de contaminante 1 en 0.10 toneladas y la cantidad
    de contaminante 2 en 0.45 toneladas. Cuesta 10 dólares procesar una tonelada de desecho de la
    fábrica 2, y cada tonelada procesada reduce la cantidad de contaminante 1 en 0.20 toneladas y
    la cantidad de contaminante 2 en 0.25 toneladas. Cuesta 20 dólares procesar una tonelada de
    desecho de la fábrica 3, y cada tonelada procesada reduce la cantidad de contaminante 1 en 0.40
    toneladas y la cantidad de contaminante 2 en 0.30 toneladas. El estado desea reducir la cantidad
    del contaminante 1 por lo menos en 30 toneladas y la cantidad del contaminante 2 en por lo
    menos 40 toneladas en el río. Encuentre las toneladas de desecho que deben ser procesadas de
    cada fábrica para que la solución sea óptima

    REDUCCION DEL CONTAMINANTE


    EN TONELADAS
    CONTAMINANTE CONTAMINANTE COSTO POR
    FABRICAS
    1 2 TONELADA
    1 0.10 0.45 15
    2 0.20 0.25 10
    3 0.40 0.30 20
    REDUCCION
    ESPERADA
    30 40

    SOLUCIÓN

    x1 : Reducción del contaminante 1 por tonelada

    x2 : Reducción del contaminante 2 por tonelada


    La función objetivo es

    MAXIMIZAR U  30 x1  40 x2

    Sujeta a las restricciones

    0.10 x1  0.45 x2  15

    0.20 x1  0.25x2  10

    0.40 x1  0.30 x2  20

    x1  30
    x2  40

    x1 , x2  0 (Condición de no negatividad)

    > library(linprog)
    Loading required package: lpSolve
    > coef<-c(30,40)
    > A<-matrix(c(0.10,0.20,0.40,1,0,0.45,0.25,0.30,0,1),ncol=2)
    > b<-c(15,10,20,30,40)
    > dir<-c("<=","<=","<=",">=",">=")
    > solucion <- solveLP(coef, b, A, maximum=TRUE, dir)
    > summary(solucion)

    Results of Linear Programming / Linear Optimization

    Objective function (Maximum): 1540

    Solution
    opt
    1 30
    2 16

    R/: Se deben procesar 1540 toneladas para que la solución sea optima y así tener una
    reducción de 0.30 toneladas del contaminante 1 y 0.16 toneladas del contaminante 2

    2. Una compañía considera la fabricación de tres tipos de automóviles: A, B, C. La tabla muestra los
    recursos requeridos y las ganancias por cada tipo de auto:

    A B C
    Acero (toneladas) 1.5 3 5
    Trabajo (horas) 30 25 40
    Ganancia (dólares) 2000 3000 4000

    En la actualidad, la empresa cuenta con 600 toneladas de acero y 60,000 horas disponibles de
    trabajo. Para que la producción de un tipo de auto sea factible, hay que fabricar al menos 100
    automóviles.

    - Encuentre la solución que permite maximizar la ganancia de la compañía


    - Con ayuda de R, revise el algoritmo Simplex y determine si la solución corresponde a un
    caso especial de Programación Lineal

    SOLUCIÓN

    x1 : Automóvil 1

    x2 : Automóvil 2
    x3 : Automóvil 3

    La función objetivo es

    MAXIMIZAR G  2000 x1  3000 x 2  4000 x3

    Sujeta a las restricciones

    1.5 x1  3x2  5 x3  600

    30 x1  25 x2  40 x3  60000

    x1  x2  x3  100

    x1 , x2  0 (Condición de no negatividad)

    > library(linprog)

    Loading required package: lpSolve

    > coef<-c(2000,3000,4000)

    > A<-matrix(c(1.5,30,1,3,25,1,5,40,1),ncol=3)

    > b<-c(600,60000,100)
    > dir<-c("<=","<=",">=")

    > solucion <- solveLP(coef, b, A, maximum=TRUE, dir)

    > summary(solucion)

    Results of Linear Programming / Linear Optimization

    Objective function (Maximum): 8e+05

    Solution

    opt

    1 400

    2 0

    3 0

    > solucion <- solveLP(coef, b, A, maximum=TRUE, dir,verbose=4)

    [1] "initial Tableau"

    1 2 3 S 1 S 2 S 3 P0

    1 1.5 3 5 1 0 0 600

    2 30.0 25 40 0 1 0 60000

    3 -1.0 -1 -1 0 0 1 -100

    Z-C -2000.0 -3000 -4000 0 0 0 0

    [1] "initial Tableau for Phase 1"

    1 2 3 S 1 S 2 S 3 M 3 P0

    1 1.5 3 5 1 0 0 0 600

    2 30.0 25 40 0 1 0 0 60000

    M 3 1.0 1 1 0 0 -1 1 100

    Z-C -2000.0 -3000 -4000 0 0 0 0 0

    M Z-C -1.0 -1 -1 0 0 1 0 -100

    Pivot Column: 1 ( 1 )

    Pivot Row: 3 ( M 3 )
    1 2 3 S 1 S 2 S 3 M 3 P0

    1 0 1.5 3.5 1 0 1.5 -1.5 450

    2 0 -5.0 10.0 0 1 30.0 -30.0 57000

    1 1 1.0 1.0 0 0 -1.0 1.0 100

    Z-C 0 -1000.0 -2000.0 0 0 -2000.0 2000.0 200000

    M Z-C 0 0.0 0.0 0 0 0.0 1.0 0

    [1] "New starting Tableau for Phase II"

    1 2 3 S 1 S 2 S 3

    1 0 1.5 3.5 1 0 1.5 450

    2 0 -5.0 10.0 0 1 30.0 57000

    1 1 1.0 1.0 0 0 -1.0 100

    Z-C 0 -1000.0 -2000.0 0 0 -2000.0 200000

    Pivot Column: 6 ( S 3 )

    Pivot Row: 1 ( 1 )

    1 2 3 S 1 S 2 S 3

    S 3 0 1 2.333333 0.6666667 0 1 300

    2 0 -35 -60.000000 -20.0000000 1 0 48000

    1 1 2 3.333333 0.6666667 0 0 400

    Z-C 0 1000 2666.666667 1333.3333333 0 0 800000

    R/: es una solución no factible por ende aparece una variable artificial (M3). La solución
    se conoce como pseudo óptima

    También podría gustarte