BY: M. J. García-Ligero Ramírez and P

Slides:



Advertisements
Presentaciones similares
Representación Gráfica de una función
Advertisements

APLICACIÓN DE ESTRATEGIAS EVOLUTIVAS EN LA SÍNTESIS DE TRAYECTORIA DEL ACOPLADOR DE MECANISMOS DE CUATRO BARRAS ALBEIRO ESPINOSA BEDOYA JUAN FERNANDO RAMÍREZ.
TEMA 11: APLICACIONES DE LA DERIVADA
TEMA.- SILVIA MARTÍNEZ RAMÍREZ
Propiedades de las tangentes a una cónica
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
¿Qué es la investigación operativa? Etapas de un problema de investigación operativa Modelos de investigación operativa Aplicaciones de la investigación.
ANALISIS MATEMATICO PARA ECONOMISTAS
Tema 3: Introducción a la programación lineal
PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Esta.
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Con.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Con.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Con.
Expresión de un problema de programación lineal Aplicaciones de la programación lineal Soluciones de un problema lineal Resolución gráfica de un problema.
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Con.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román Con.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
Son problemas secuenciales: El problema se puede dividir en etapas. Definición: Método que permite determinar de manera eficiente las decisiones que optimizan.
Método de la esquina noroeste Método del elemento mínimo AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad.
Tema 2: Números aleatorios. Generación de números
Método de la esquina noroeste Método del elemento mínimo AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
Método de la esquina noroeste Método del elemento mínimo AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad.
Método de la esquina noroeste Método del elemento mínimo AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad.
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 7 _________________________________ Resolución Gráfica.
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 8 _________________________________ Resolución Gráfica.
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 9 _________________________________ Resolución Gráfica.
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 8 _________________________________ Resolución Gráfica.
Investigación Operativa
Dado el triángulo de vértices A(-3,1), B(-1,-1) y C(3,3) halla las ecuaciones de sus mediatrices y calcula el punto de corte de estas. A B C La mediatrices.
DERIVADAS PARCIALES Gráficas.
LA RECTA Y SUS ECUACIONES
Matemáticas CCSS II Ana Pola IES Avempace
RECTAS EN EL ESPACIO.
Resolución gráfica de problemas de Optimización
A x + B y + C z + D = 0 Departamento de Matemáticas
Depto. Matemáticas – IES Elaios Tema: Programación Lineal
Modelos Cuantitativos
3.1 Resolución gráfica de problemas Consideremos la resolución del problema: 0 2 ;      XX XX X Xas XXZMáx.
3- PROGRAMACION LINEAL PARAMETRICA
Programación lineal La programación lineal es una técnica matemática relativamente reciente, del siglo XX, que consiste en una serie de métodos y procedimientos.
Modelos Cuantitativos
IES ATENEA (S.S. de los Reyes)
Sesión 14.3 Sistema Coordenado Tridimensional y Vectores en el espacio.
Dualidad Multiplicadores Dualidad Aplicación práctica:
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 1 _________________________________ Resolución Gráfica.
Un comerciante acude al mercado a comprar naranjas
Ejemplo: Se van a construir casas de dos tipos :A y B.la empresa constructora dispone para ello un máximo de s/ ,siendo el costo de cada tipo.
Repaso Programación Lineal Modelo Giepetto Variables de Decisión x 1 = número de soldados producidos cada semana x 2 = número de trenes producidos cada.
Juguemos a Economistas Ordenamos y mejoramos la información: Juguemos a Economistas Programación Lineal.
Prof. Juan José Bravo B., M.Sc. ©
EII405 Investigación de operaciones
Resolución Gráfica de PPL
Resolución de Problemas Método Gráfico
INVESTIGACION OPERATIVA 1 SOMOS LO QUE SOMOS Método Grafico La solución de un modelo lineal muestra siempre un conjunto factible delimitado por las restricciones.
 E Expresión de un problema de programación lineal  A Aplicaciones de la programación lineal  S Soluciones de un problema de programación lineal.
Las distancias en el espacio
Guayaquil, 18 de Septiembre del 2015 Tema : Programación Lineal (Función Objetivo) Destreza: Identificar la función objetivo y escribir una expresión.
Unidad 3: Tema 2: Ecuaciones de la recta en el plano
1 Técnicas de Optimización en Modelos Organizacionales (PS-3161) Tema N° 4: Solución Gráfica:Casos Especiales Prof. Orestes G. Manzanilla Salazar Correo:
 E Expresión de un problema de programación lineal  A Aplicaciones de la programación lineal  S Soluciones de un problema de programación lineal.
Interpretación geométrica del método Simplex
BY: M. J. García-Ligero Ramírez and P
BY: M. J. García-Ligero Ramírez and P
REGIÓN FACTIBLE FORMA ESTÁNDAR MÉTODO SÍMPLEX.
Transcripción de la presentación:

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

Representación de la región factible BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de la región factible Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Recta r1: -x1+ x2=2 Corte con el eje x1 x2=0 x1=-2 Corte con el eje x2 x1=0 x2=2 r1 Región -x1+ x2 ≤ 2 El punto (0,0) pertenece ya que 0 + 0 = 0 ≤ 2 (0,2) (-2,0)

Representación de la región factible BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de la región factible Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Recta r2: x2=4 Corte con el eje x2 x1=0 x2=4 r1 r2 (0,4) Región x2 ≤ 4 El punto (0,0) pertenece ya que 0 ≤ 4 (0,2) (-2,0)

Representación de la región factible BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de la región factible Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 r1 r2 (0,4) (0,2) (-2,0)

Representación de la región factible BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de la región factible Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 r1 r2 (0,4) (0,2) Región factible (-2,0)

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

Perpendiculares a la dirección de máxima optimización BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de una curva de nivel de la función objetivo y dirección de máxima optimización Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Notemos que el vector (-1,1) es el gradiente de la función objetivo, que da la dirección de crecimiento más rápido. Al ser un problema de maximización, la dirección de máxima optimización coincide con este gradiente. Dirección de máxima optimización: Vector (-1,1) r1 Curvas de nivel: aquellas generadas fijando el valor de la función objetivo r2 (0,4) Perpendiculares a la dirección de máxima optimización (0,2) Región factible (-2,0) -x1+x2=z

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Representación de puntos extremos candidatos a solución óptima Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Puntos extremos de la región factible a la izquierda de la curva de nivel considerada (0,0) (0,2) r1 r2 (0,4) (2,4) Intersección de r1 y r2 r1: -x1+ x2=2 (2, 4) (0,2) Región factible r2: x2=4 (0,0) (-2,0) -x1+x2=z

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

Evaluación de la función objetivo en los puntos extremos BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Evaluación de la función objetivo en los puntos extremos Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Puntos extremos de la región factible a la izquierda de la curva de nivel considerada (0,0) Z=0 (0,2) Z=2 r1 (0,4) (2,4) r2 Intersección de r1 y r2 r1: -x1+ x2=2 (2, 4) Z=2 (0,2) Región factible r2: x2=4 (0,0) (-2,0) -x1+x2=z

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO X1=0, X2 =2 X1=2, X2 =4 Z=2 Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO X1=0, X2 =2 X1=2, X2 =4 Z=2 Problema infactible

Perpendiculares a la dirección de máxima optimización BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL Análisis de cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Notemos que el vector (-1,1) es el gradiente de la función objetivo, que da la dirección de crecimiento más rápido. Al ser un problema de maximización, la dirección de máxima optimización coincide con este gradiente. Dirección de máxima optimización: r1 Vector (-1,1) r2 (0,4) (2,4) Curvas de nivel: aquellas generadas fijando el valor de la función objetivo (0,2) Región factible Perpendiculares a la dirección de máxima optimización (0,0) (-2,0) -x1+x2=z

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO X1=0, X2 =2 X1=2, X2 =4 Z=2 Problema infactible

BY: M. J. García-Ligero Ramírez and P BY: M.J. García-Ligero Ramírez and P. Román Román Departamento de Estadística e I.O. Universidad de Granada Una herramienta interactiva como guía en la resolución gráfica de un PPL SI Solución no acotada Máx Z= -x1+x2 s. a. -x1+x2 ≤ 2 x2 ≤ 4 x1, x2 ≥ 0 Representa una curva de nivel asociada con la función objetivo y determina la dirección de máxima optimización ¿La función objetivo se optimiza sin límite? NO NO Solución acotada Determina los puntos extremos candidatos a solución óptima ¿Está acotada? NO SI REPRESENTA LA REGIÓN FACTIBLE ¿Es vacía? Solución única SI Evalúa la función objetivo en los puntos extremos Solución acotada ¿Existe un único punto con valor óptimo? Determina todos los puntos extremos Dos opciones SI Analiza cómo cambia el valor de la función objetivo al desplazar sus curvas de nivel por la región factible en la dirección de máxima optimización Óptimos alternativos NO X1=0, X2 =2 X1=2, X2 =4 Z=2 Problema infactible