Exposición Lindo
Exposición Lindo
Exposición Lindo
IC - CA
NIVEL/PARALELO
CUARTO NIVEL/A
MATERIA
INVESTIGACIÓN OPERATIVA
DOCENTE
08/05/18
ÍNDICE
Introducción………………………………………………………………..……....……....Pg.2
Capítulo 1
Conclusión……………..……………………….…………………………..…..……...…Pg.14
Bibliografía……………………………………………...…………………...….......……Pg.14
Investigación Operativa 1
Introducción
LINDO es una aplicación para computadoras que se utiliza para resolver problemas de
programación lineal, cuadrática y entera.
Desde 1979 el programa LINDO ha sido una de las herramientas de optimización favoritas de
las comunidades Educativas y Empresariales. LINDO Systems se ha dedicado a proveer
poderosas e innovativas herramientas de optimización que también son flexibles y muy fáciles
de usar. LINDO tiene una larga historia y es uno de los pioneros en crear poderosos programas
de optimización.
En 1979 se vendió en México la primer copia comercial de LINDO, la ayuda que este
proporcionó en aquel momento, le hizo ganar popularidad muy rápidamente para luego ser
utilizado en aplicaciones industriales. En 1983 la versión LINDO/PC fue el primer paquete
para programación lineal, este manejaba 60 restricciones y 120 variables. En 1996 apareció la
versión 6.0 para WINDOWS.
Antes que aparecieran Lotus 1-2-3 o Excel, LINDO había sido incorporado a la planilla de
cálculo VisiCalc, el paquete se llamó VINO y es el equivalente del SOLVER que viene con
Excel. En estos momentos existe una hoja de cálculo llamada WHAT´S Best! la cual se integra
a EXCEL o LOTUS 1-2-3; ésta resuelve problemas de optimización con algoritmos de LINDO
Systems.
Investigación Operativa 2
Capítulo 1
1.1 LINDO
Con base en este primer ejemplo, podemos mencionar las siguientes características:
2. Máx o mín: Respecto al sentido de la optimización, la palabra clave con que inicia la función
objetivo es MAX para maximizar y MIN para minimizar.
Investigación Operativa 3
3. «Sujeto a»: La palabra clave S.T. en el segundo renglón proviene de subject to (sujeto a, en
inglés) o de such that (tal que, en inglés). También puede usarse ST, SUBJECT TO o SUCH
THAT.
4. Desigualdades: Para LINDO, las desigualdades siempre incluyen la igualdad, por lo cual
escribir simplemente < en el código es equivalente al operador matemático ≤, pero si se
prefiere, LINDO también admite <=. Similarmente para ≥.
5. No negatividad: Para LINDO, por defecto las variables son siempre no negativas, por lo
cual no ha sido necesario especificar en el código las restricciones lógicas x1, x2 ≥ 0. Después
de lo básico, cuyo uso ha podido apreciarse en nuestro primer ejemplo, conviene mencionar
algunas cosas útiles adicionales.
6. Nombres de las variables: Los nombres de las variables deben comenzar con un carácter
alfabético (A a la Z) seguido de hasta siete caracteres más que excluyan los símbolos ! ) + - =
> <. Por ejemplo, X, Y12, DEM.MX o VAR_X son válidas mientras que 2INICIA,
DEMASIADOLARGO, UN-GION y EUREKA! no lo son.
7. Título: A cada modelo puede añadirse un título mediante la palabra clave TITLE al inicio
del código.
8. Nombres en restricciones: En LINDO cada restricción puede tener un nombre, el cual debe
escribirse al inicio de la restricción y concluir con un cierre de paréntesis ( ) ).
9. Fin: Aunque en el ejemplo presentado no fue incluido, en ocasiones será necesario indicar
a LINDO que el modelo ha concluido mediante la palabra clave END al finalizar las
restricciones.
Investigación Operativa 4
Con estas nuevas características, nuestro primer ejemplo puede quedar de la siguiente manera:
Observe que hemos agregado un título descriptivo del modelo y que hemos nombrado las
restricciones CAP y DEM1, además de que hemos colocado algunos comentarios.
11. Operadores: LINDO sólo reconoce cinco operadores matemáticos: +, -, =, > y <.
12. Estructura de las restricciones: En cada restricción las variables deben aparecer a la
izquierda del operador de comparación (> = <) y a la derecha sólo debe aparecer una constante.
Por ejemplo, la restricción X < Y será rechazada por el optimizador, por lo que debería
reescribirse como X - Y < 0 (o también Y - X > 0). Por último, dado que para lindo las variables
siempre son no negativas, conviene saber cómo modificar este comportamiento por defecto.
Las siguientes instrucciones deben escribirse después del END.
13. Variables sin restricción de signo: La palabra clave FREE permite a la variable indicada
tener cualquier valor entre −∞ y ∞, es decir, FREE X1 es el equivalente de x1 ∈ R.
14. Variables enteras: La palabra clave GIN indica al programa que la variable debe tener un
valor entero (no negativo), es decir, GIN Y1 es el equivalente a y1 ∈ Z, y1 ≥ 0.
15. Variables binarias: La palabra clave INT indica al programa que la variable elegida debe
tener un valor binario, es decir, INT X2 es el equivalente a x2 ∈ {0, 1}.
16. Cotas: Las palabras clave SLB y SUB indican que las variables seleccionadas tienen una
cota inferior o superior, respectivamente, el cual también debe ser indicado. Por ejemplo, SLB
Y4 3 indica al programa que la variable Y4 no debe tomar un valor menor a 3. Similarmente,
SUB Y5 12 indica que la variable Y5 no debe tomar un valor mayor a 12.
Investigación Operativa 5
Los anteriores atributos pueden combinarse en una misma variable para emplearse como en el
siguiente ejemplo:
Investigación Operativa 6
provocarán cambios sustanciales en la forma de la región factible. Gráficamente (en el caso de
2 variables) lo que varía es la pendiente de las rectas que representan las restricciones.
3. Los recursos disponibles (los términos independientes de cada restricción, situados a la
derecha de la desigualdad). Intuitivamente (para 2 variables), los cambios en el RHS suponen
desplazamientos paralelos de las rectas asociadas a las restricciones, lo cual hará variar la forma
de la región factible y, con ello, a la solución óptima.
Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede
exceder la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda
diaria máxima de pintura para interiores es de dos toneladas.
Reddy Mikks se propone determinar la (mejor) combinación óptima de pinturas para
interiores y exteriores que maximice la utilidad diaria total.
Investigación Operativa 7
Investigación Operativa 8
Investigación Operativa 9
Explicación:
Investigación Operativa 10
REDUCED COST: Cantidad en que tendría que “mejorar” (aumentar en un MAX,
disminuir en un MIN) el coeficiente objetivo asociado para que resultase “rentable”
asignar un valor no nulo a la variable.
DUAL PRICES: Cantidad en que “mejoraría” la función objetivo (aumentando en un
MAX, disminuyendo en un MIN) si “relajásemos” la restricción asociada en una
unidad.
SLACK OR SURPLUS: Nos dice cuan cerca estamos (en unidades) de “agotar” la
restricción asociada (cumplirla en igualdad). Si es del tipo <= será un “Slack” y si es
del tipo >=, un “Surplus”.
Veamos ahora cuál sería el “output” extra del programa al escoger la opción SENSIBILITY
(RANGE) ANALYSIS (opción también seleccionable desde la barra de menú como
Reports>Range):
Investigación Operativa 11
RANGES IN WHICH THE BASIS IS UNCHANGED
1. Cambios en los Coeficientes Objetivo: Distinguiremos entre variables básicas, que son las
que toman valores no nulos en la solución óptima (Y en nuestro ejemplo), y variables no
básicas, las cuales toman el valor 0 (X en este caso). Por lo que respecta al coeficiente objetivo
asociado a la variable no básica (5), la solución actual (X = 3, Y = 1.50) seguirá siendo válida
siempre que éste no exceda de 6 (su incremento permitido es de 1 unidad); si este coeficiente
excediese de 6, la variable pasaría a ser básica, cambiando así la sol óptima. Por lo que respecta
al coeficiente objetivo asociado a la variable básica (4), la solución actual será válida siempre
que éste no disminuya en más de 0.66 unidades.
Observar que, dentro de los rangos especificados, los cambios en uno de los coeficientes
objetivo no alterarán la solución óptima, pero sí harán variar el valor final de la función
objetivo.
3. Cambios en los recursos: Los valores que quedan a la derecha de las desigualdades (Right-
Hand-Side) representan la disponibilidad de recursos de la empresa (horas de mano de obra,
Investigación Operativa 12
materias primas, etc.). Los cambios que se puedan producir en estos valores afectarán también
a la “forma” de la región factible y, por extensión, al valor de la solución óptima. A pesar de
ello, si el parámetro que varía lo hace dentro de un rango predeterminado, seremos capaces de
predecir (vía precios sombra) cómo este cambio afectará a la función objetivo, pues la base
(conjunto de variables básicas de la solución) no variará.
Como ya hemos comentado, el precio dual asociado a una restricción nos informa de cuánto
mejoraría el valor de la función objetivo si relajásemos la restricción en una unidad. Ello nos
da una idea de la cantidad que estaríamos dispuestos a pagar por cada unidad adicional del
recurso asociado. Por supuesto, no es posible seguir aumentando indefinidamente los recursos
disponibles sin que ello afecte a la clasificación actual de variables básicas y no básicas. La
información que el “output” nos proporciona es, precisamente, el rango en el cual este precio
sombra es válido. Así, en la primera de las restricciones anteriores, podríamos aumentar los
recursos disponibles hasta un total de 36 unidades (24+12), incrementando con ello el valor de
la función objetivo en unas 9 unidades (12*0.75).
Investigación Operativa 13
Conclusiones
Bibliografía
Investigación Operativa 14