FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS MODELO DE PROGRAMACION LINEAL: MÉTODO GRÁFICO : El método gr
Views 181 Downloads 3 File size 293KB
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
MODELO DE PROGRAMACION LINEAL:
MÉTODO GRÁFICO : El método gráfico se utiliza para la solución de problemas de PL, representando
geométricamente
a
las
restricciones,
condiciones
técnicas y el objetivo. El modelo se puede resolver en forma gráfica si sólo tiene dos variables. Para modelos con tres o más variables, el método gráfico es impráctico o imposible. Cuando los ejes son relacionados con las variables del problema, el método es llamado método gráfico en actividad. Cuando se relacionan las
restricciones
tecnológicas
se
denomina
método
gráfico
en
recursos. SOLUCION GRAFICA: a. Valor factible: valores para las de decisión que
satisfacen
todas
las restricciones. b. Valor infactible: valores para las variables de decisión que no satisfacen todas las restricciones. c. Región factible: el conjunto de valores para las variables de decisión
en
un
programa
lineal
que
satisface
todas
las
restricciones. d. Solución
factible: una
solución en la que las variables de
decisión son factibles. e. Punto extremo: el punto esquina de una región factible. f. Línea de función objetivo: línea utilizada en el método gráfico en la cual todos los puntos sobre la línea tienen el mismo valor de función objetivo.
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
g. Solución
óptima: el
punto
en
la
región
factible
que tiene el
mejor valor de la función objetivo. CARACTERÍSTICAS: Las
características
claves
asociados
problema de programación
lineal
con la solución gráfica de un
con
dos variables
y
algunas
restricciones de desigualdad son las siguientes: Obtener la región factible realizando lo siguiente para cada restricción: • Reemplazar • Trazar
el signo de desigualdad con un signo de igualdad.
la
línea
resultante
encontrando
dos
puntos
distintos en esa línea. • Identificar
La región
el lado factible de la línea.
factible,
entonces,
consiste
en
aquellos
puntos
que
satisfacen todas las restricciones simultáneamente.
Obtener una solución optima mediante los siguientes pasos: • Seleccionar • Trazar
cualquier punto dentro de la región factible.
la línea de la función objetivo a través del punto
elegido. • Determinar
el lado de mejora de la línea de la función
objetivo. •
Mover la línea de la función objetivo en forma paralela a si misma en la dirección de mejora hasta que la línea este a punto de dejar la región factible.
•
Calcular los valores de las variables en la solución optima resolviendo las dos ecuaciones de las dos líneas que pasan por ese punto.
EJEMPLOS: 1.-Resuelva el siguiente problema lineal por el Método Gráfico: Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Max .z =−x1 +2 x 2 s.a : 6 x1 −2 x 2 ≤3 −2 x1 +3 x 2 ≤6 x1 +x 2 ≤3 xi ≥0
Solución: Para resolver este problema lineal con dos variables se utilizó
el
programa
GLP
para
graficar,
en
los
de decisión resultados
mostrados se observan las restricciones, la región factible, los valores óptimos de las variables de decisión y la solución óptima del problema.
Este problema tiene las soluciones óptimas: x1 = 0.6
, x2 = 2.4
y un valor optimo de 4.2.
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
2. Considere el siguiente modelo lineal: Min .z = 5 x1 + 2 x 2 s.a : 3 x1 + 6 x 2 ≥18 5 x1 + 4 x 2 ≥ 20 8 x1 + 2 x 2 ≥16 7 x1 + 6 x 2 ≤ 42 xi ≥ 0
a) Resuelva el modelo gráficamente para encontrar la solución óptima y el valor óptimo. b) ¿Cuantos puntos tiene la región factible? c) Cambie la función objetivo por 15X1 + 12X2. ¿Cuáles son las soluciones óptimas alternativas?
Cambiando la función objetivo por 15X1 + 12X2:
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Solución: a) x1 = 1.1
, x2 = 3.6 Con un Valor Óptimo de 12.7
b) La región factible tiene 4 puntos extremos. c) Cambiando la función objetivo se tiene las soluciones optimas alternativas: •
x1 = 2.7
, x2 = 1.7
•
x1 = 1.1
, x2 = 3.6 Con un Valor Óptimo de 60.
METODO SIMPLEX La mayoría de los problemas de programación lineal tienen más de dos variables de decisión, y son, por ende, demasiado grandes para una solución gráfica. Un procedimiento llamado el Método Simplex puede ser utilizado para encontrar la solución óptima de los problemas con multivariantes. Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
El método simplex es un algoritmo (o un conjunto de instrucciones) con el cual se examinan los puntos en las esquinas de una manera metódica hasta conseguir la mejor solución (o mayor utilidad o menor costo). El método simplex se puede aplicar utilizando tableros o matrices. PROCEDIMIENTO: 1. Determinar cuales variables formaran parte de la próxima mezcla solución. Identificar la columna, y por ende la variable, con el numero positivo mayor en el renglón CJ - ZJ de la tabla previa. Este paso significa que ahora se producirá parte del producto que atribuye la mayor utilidad adicional por unidad. 2. Determinar que variable se va a reemplazar. Ya que apenas se a elegido la nueva variable que se incluirá en la mezcla solución, se debe decidir que variable actual en la solución se debe remover para hacer espacio. Para hacerlo, se divide cada cantidad, entre el numero correspondiente en la columna seleccionada del paso 1. El renglón, cuyo resultado del calculo sea el menor número no negativo, será reemplazado en la siguiente tabulación (este numero menor, de paso, da el máximo numero de unidades de la variable que pueden ser colocados en la solución). Este renglón generalmente es referido como “renglón pivote” y la columna identificada en el paso 1 es llamada la columna pivote. El número en la intersección del renglón pivote y la columna pivote es el elemento pivote. 3. Calcular
los
nuevos
valores
para
el
renglón
pivote.
Para
encontrarlos, simplemente se divide cada numero de renglón entre el elemento pivote. 4. Calcular los nuevos valores para los renglones restantes.(en los problemas hay únicamente dos reglones en la tabla, pero la mayoría de los problemas mas grandes tienen muchas mas filas. Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
5. Calcular los reglones ZJ y CJ - ZJ
,
que forman parte de la tabla
inicial. Si todos los números en el renglón CJ - ZJ son ceros o negativos, se ha encontrado una solución optima. Si este no es el caso, debe regresarse al paso 1. CJ : Contribución a la utilidad por unidad de cada variable Se aplica
tanto
al
primer
renglón
como a la primera
columna. ZJ : En la columna de la cantidad, ZJ ofrece. La Contribución total (utilidad bruta en este caso) de una solución dada. CJ - ZJ : Representa
la
utilidad
neta (esto
es la utilidad
ganada menos la utilidad perdida) que es resultado de introducir una unidad de cada producto (variable) en la solución. EJEMPLO1: PROBLEMA DE MAXIMIZACION: La Cía. SONY produce dos productos: (1) el walkman Sony, un toca casettes con AM/FM portátil y (2) la watch-Tv. Sony, un televisor a color del tamaño de un reloj de pulsera. El proceso de producción es similar para cada uno, ambos necesitan un cierto número de horas de trabajo electrónico y un número de horas en el departamento de ensamble. Cada walkman lleva 4 horas de trabajo electrónico y 2 horas en el taller de ensamble. Cada watch-Tv. requiere de 3 horas de electrónica y una hora de ensamble. Durante
el
presente periodo de
producción, están disponibles 240 horas de tiempo de electrónica y 100 horas del departamento de ensamble. Cada walkman aporta una utilidad de 7 dólares; cada watch-Tv. Producida puede ser vendida para obtener una utilidad de 5 dólares. El problema de Sony es determinar la mejor combinación posible de walkman y watch-Tv., para fabricarlos de manera que se obtenga la
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
máxima utilidad. Esta situación de mezcla de producción puede ser formulada como un problema de programación lineal. Solución: x1 : Numero de walkman que se producirán. x2 : Numero de watch-Tv. que se producirán. Max. z =
7X1 + 5X2
s.a. 4X1 + 3X2 < 240(Hs. tiempo de electrónica) 2X1 + 1X2 < 100(Hs. Tiempo de ensamble) X1 , X2 > 0 Tabla original: HORAS DEPARTAMENTO
REQUERIDAS
PRODUCIR UNA UNIDAD. X1(WALKMAN) X2(WATCH-TV)
Electrónica
4
2
Ensamble
3
1
$7
$ 5
Utilidad / unidad
PARA HS. DISPONIBLES ESTA SEMANA 240 100
Tabla inicial simplex completa Primera tabla CJ
$7
$ 5
$0
$0
CANTIDAD
MEZCLA
X1
X2
S1
S2
(RHS)
SOLUCION Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
$0
S1
2
1
1
0
100
S2 ZJ
4 $0
3 $0
0 $0
1 $0
240 $0
CJ - Z J
$7
$5
$0
$0
$0
Utilidad total
Columna pivote
Número pivote
Renglón pivote
Segunda tabla: CJ
$7
$ 5
$0
$0
CANTIDAD
MEZCLA
X1
X2
S1
S2
(RHS)
SOLUCION $7 X1
1
1/2
1/2
0
50
S2 ZJ
0 7
1 7/2
-2 7/2
1 0
40 350
CJ - Z J
0
3/2
-7/2
0
$0
Columna pivote
Número pivote
Renglón pivote
Tercera tabla: CJ
$7
$ 5
$0
$0
CANTIDAD
MEZCLA
X1
X2
S1
S2
(RHS)
SOLUCION $7 X1
1
0
3/2
-1/2
X2 ZJ
0 7
1 5
-2 1/2
1 3/2
CJ - Z J
0
0
-1/2
-1/2
$5
30 40 $ 410
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Se producirán: 3 0 w a l k m a n ( X 1 ) , 40 watch-Tv.
•
( X2 )
Utilidad: $410 PROBLEMA DE MINIMIZACION: CJ
- ZJ : la nueva variable que participara en la solución de cada
tabla (la columna pivote) será grande en el reglón CJ
aquella con el numero negativos mas
- ZJ , entonces se elegirá la variable que
disminuya los costos mas posibles, se logra una solución optima cuando todos los números en el reglón CJ - ZJ son cero o positivo, justo lo opuesto del caso de maximización. EJEMPLO 2: La Menphis Chemical Corp. debe producir 1000 libras de una mezcla especial de fosfato y potasio para un cliente. El fosfato cuesta 5 dólares/libra y el potasio 6 dólares/libra. N se pueden utilizar más de 300 libras de fosfato y se deba utilizar cuando menos 150 libras de potasio. a)
Formule esto como un problema de programación lineal y
convertir las restricciones y función objetivo en la forma necesaria para el algoritmo simples. b)
Darle solución.
Solución: X1 : Numero de libras de fosfato en la mezcla. X2 : Numero de libras de potasio en la mezcla. Minimización
5X1 + 6X2
s.a. X1 + X2 X1
= 1000 = 150 X1 ,
X2 >= 0
Forma estándar (convertida): Minimización
5X1 + 6X2 + 0S1 + 0S2 + MA1 + MA2
s.a. X1 + X2 X1
+ 1A1
= 1000
+ 1S1 X2
+ 1S2
+ 1A2
=
300
=
150
Nota: Si tenemos una restricción
de igualdad tal como X1 + X2 =
1000. Para convertir una igualdad simplemente se suma una variable artificial (A1) a la ecuación: X1 + X2 + A1 = 1000 Una
variable
significado
artificial
físico
en
es una variable
términos
de
P.L.
que no tiene
del
mundo
real.
Simplemente permite crear una solución factible básica para iniciar el algoritmo simple. A una variable artificial no se le permite aparecer en la solución final del problema. Para manejar restricciones =, primero se suma una variable “excedente” (S2) y luego se suma una variable artificial (A2) para formar una nueva ecuación: X2 + 1S2 + 1A2
= 150
Tabla inicial: CJ
5
6
0
0
M
M
MEZCLA
X1
X2
S1
S2
A1
A2
CANTIDAD
SOLUCION $M A1
1
1
0
0
1
0
1000
$0
S1
1
0
1
0
0
0
300
$M
A2
0
1
0
-1
0
1
150
Como se recordará, los números en la columna ZJ
se Calculan
multiplicando la columna CJ del lado izquierdo de la tabla por
los
números correspondientes en cada una de las otras columnas. Por ejemplo ZJ (para la columna X1 ) = ($M*1)+($0*1)+($M*0) = $M Por lo que CJ - ZJ = $5-$M = -$M+5 ZJ (para la columna A2 ) = ($M*0)+($0*0)+($M*1) = $M Por lo que CJ - ZJ = $M-$M = -$0 ZJ (para el costo total ) = ($M*1000)+($0*300)+($M*150) = $ 1150M Primera tabla: CJ
5
6
0
0
M
M
MEZCLA
X1
X2
S1
S2
A1
A2
CANTIDAD
A1
1
1
0
0
1
0
1000
S1
1
0
1
0
0
0
300
SOLU CION $M $0
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
$M
A2 ZJ
0
1
0
-1
0
1
150
$M
$M
0
-$M
$M
$M
$1150M
0
0
CJ - ZJ -$M+5 -$2M+6
0
Columna pivote
$M
Número pivote
COSTO TOTAL Renglón pivote
La variable X1 entrará en la próxima solución, debido a que tiene el mayor
n u m e r o n e g a t i v o CJ - Z J . L a v a r i a b l e A 2 s e r á r e e m p l a z a d a d e
la solución porque su cociente 150/1 es menor que los de
la columna
la
columna
de la cantidad y los X2
en los otros dos
números
cocientes
correspondientes
reglones. Esto es
150/1
de (el
tercero o el renglón A2) es menor que 1000/1 (el primer renglón y menor que 300/0 (el segundo renglón). Este ultimo cociente, dicho sea de
paso,
que
involucra
una división
entre
cero, se
considera un numero indefinido o uno que es infinitamente grande y por lo tanto se puede ignorar. Los números en el renglón pivote no cambian, en este caso, porque cada uno se divide por el numero pivote, encerrado en circulo que es 1.los otros renglones se alteran de la forma siguiente: Renglón A1
Renglón S1
1 = 1-(1)(0) = 1
1 = 1-(0)(0) = 1
0 = 1-(1)(1) = 0
0 = 0-(0)(1) = 0
0 = 0-(1)(0) = 0
1 = 1-(0)(0) = 1
1 = 0-(1)(-1) = 1
0 = 0-(0)(-1) = 0
1 = 1-(1)(0) = 1
0 = 0-(0)(0) = 0
1 = 0-(1)(1) = -1
0 = 0-(0)(1) = 0
850 = 1000-(1)(150)=850
300 = 300-(0)(1)=300
Segunda tabla: Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
CJ $M
MEZCLA
5
6
SOLUCION A1
X1 1
X2 0
1
$0
S1
$6
X2 ZJ CJ - Z J
0 S1
0
M
S2
M
0
1
A1 1
A2 -1
CANTIDAD 850
0
1
0
0
0
300
0 M
1 6
0 0
-1 M-6
0 M
1 -M+6
150 850M+900
-M+5
0
0
-M+6
0
-2M-6
COSTO TOTAL
Columna pivote
Número pivote
Renglón pivote
La variable X2 entrará en la próxima solución y tendrá que salir S1 ; quedando la tercera tabla de la manera siguiente:
Tercera tabla: CJ
5
6
0
0
M
M
MEZCLA
X1
X2
S1
S2
A1
A2
CANTIDAD
SOLUCION $M A1
0
0
-1
1
1
-1
550
$5
X1
1
0
1
0
0
0
300
$6
X2 ZJ
0 5
1 6
0 -M+5
-1 M-6
0 M
1 -M+6
150 550M+2400
0
0
M-5
-M+6
0
2M-6
CJ - Z J
COSTO TOTAL
Numero pivote Columna pivote
Renglón pivote
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Justificación de los valores de la tercera tabla: Renglón A1
Renglón X2
0 = 1-(1)(1) = 0
0 = 0-(0)(1) = 0
0 = 0-(1)(0) = 0
1 = 1-(0)(0) = 1
-1 = 0-(1)(1) = -1
0 = 0-(0)(1) = 0
1 = 1-(1)(0) = 1
-1 = -1-(0)(0)= -1
1 = 1-(1)(0) = 1
0 = 0-(0)(0) = 0
-1 =-1-(1)(0) = -1
1 = 1-(0)(0) = 1
550 = 850-(1)(300)=850
150 = 150-(0)(300)=150
La variable S2 entrara en la próxima solución y tendrá que salir S2 ; quedando la cuarta tabla siguiente:
Cuarta tabla: CJ
5
6
0
0
M
M
MEZCLA
X1
X2
S1
S2
A1
A2 CANTIDAD
SOLUCION $0 S2
0
0
-1
1
1
-1
550
$5
X1
1
0
1
0
0
0
300
$6
X2 ZJ
0
1 6
-1 -1
0
5
0
1 6
0 0
700 5700
0
0
1
0
M-6
CJ - Z J
M COSTO TOTAL
Justificación de los valores de la cuarta tabla: Renglón X1
Renglón X2
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
1 = 1-(0)(1) = 1
0 = 0-(-1)(0) = 0
0 = 0-(0)(0) = 0
1 = 1-(-1)(0) = 1
1 = 1-(0)(1) = 1
-1 = 0-(-1)(-1) = -1
0 = 0-(0)(0) = 0
0 = -1-(-1)(1) = 0
0 = 0-(0)(0) = 0
1 = 0-(-1)(1) = 1
0 = 0-(0)(0) = 0
0 = 1-(-1)(-1) = 0
300 = 300-(0)(300)=300
700 = 150-(-1)(550)=700
Por lo tanto: X1 = 300 libras de fosfato X2 = 700 libras de fosfato V.O. = 5700 ANÁLISIS DE DUALIDAD El
modelo de PL. que desarrollamos para una situación se conoce
como
matemática
directamente
del
estrechamente problema
relacionada,
primal.
En
la
que
mayor
se parte
deriva de
los
tratamientos de la PL, la dual se define para varias formas de la primal, dependiendo del sentido de optimización (maximización o minimización), de los tipos de las restricciones (= y =) y del signo de las no negativas y no restringidas). En
este
modulo
presentamos
una
sola
definición,
que
automáticamente incluye todas las formas de la primal. La definición supone que el problema primal se expresa en la forma estándar, entonces se define como: Maximice o Minimice Z = ΣCjXj Sujeta a Σ aijxij = bi, i=1, 2,…, m X j>= 0, j=1, 2,…, n Las variables X j, j=1, 2,…, n, incluyen superávit y Holguras si los hay. La forma estándar tiene tres Propiedades: Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
1. Todas las restricciones son ecuaciones (con lado derecho no negativo). 2. Todas las variables son no negativas. 3. El sentido de la optimización puede ser maximización o minimización. Recordar que la forma estándar siempre
se utiliza para producir la
tabla simplex original y que la solución del problema dual se obtiene directamente de la tabla simplex
primal
primal
estándar,
solución
dual
optima. Así, al definir la dual desde la automáticamente
obtenemos
una
compatible con los cálculos del método
simplex. Las
variables
construir
y
las
restricciones
simétricamente
a
partir
del del
problema dual se pueden problema primal, como
sigue: 1. Una
variable
dual
se
define
para
cada
una
de
las
ecuaciones de la restricción primal m. 2. Una restricción dual se define para cada primal de las n variables primales. 3. Los coeficientes del lado izquierdo de la restricción dual son iguales a los coeficientes de la restricción (columna) de la variable primal asociada. Su lado derecho es igual al coeficiente del objetivo de la misma variable primal. 4. Los coeficientes del objetivo de la dual son iguales al lado derecho de las ecuaciones de la restricción primal. EJEMPLO DE MAXIMIZACION: Considere el siguiente modelo de programación lineal. MODELO PRIMAL Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Maximizar Z = 10X1+ 20X2 Sujeto a 1X1 + 4X2 = 10 4Y1 + 3Y2 >= 20 Y1,
b)
Y2 >= 0
Para encontrar el valor optimo del modelo primal y dual
se utilizó el Programa Microsoft Excel (SOLVER). A continuación se observan los dos análisis
Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
En los resultados mostrados en la hoja de calculo se observa que el valor optimo del modelo primal es igual al valor optimo del modelo dual, siendo este análisis correcto; no es necesario que los valores de las variables del primal sean los mismos del dual ya que al hacer las transformaciones del dual en algunos casos pueden variar el numero de variables. Se tiene: .Modelo primal: X1=0 ; X2=2 ; V.O=40 .Modelo dual:
Y1=2 ; Y2=4 ; V.O=40
EJEMPLO DE MINIMIZACION: Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
Dar el dual del siguiente modelo de programación lineal.
MODELO PRIMAL Minimizar Z = 2X1+ 3X2 Sujeto a 4X1 + 5X2 >= 6 7X1 + 8X2 = 0
Solución: Este primal es igual a : Maximizar -Z = -2X1 - 3X2 Sujeto a -4X1 - 5X2 = -2 -5Y1 + 8Y2 >= -3 Y1,
Y2 >= 0
ANÁLISIS DE SENSIBILIDAD Administración de Operaciones Ing. Patricia Espinoza Becerra 23/11/2010
FACIULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
El análisis de sensibilidad se hace después de obtener la solución optima ( actual) de un cambios
de
los
modelo de PL. La meta es determinar si los
coeficientes
del
modelo
dejaran
inalterada
la
solución actual y, de no ser así,como obtener con eficiencia una nueva optima. Los precios sombra son en realidad
una forma de análisis de
sensibilidad, esto es, el estudio de que tan sensible seria la solución optima a los errores o cambios en las entradas del problema de programación lineal.
EJEMPLO Se formuló el problema
de la mezcla de producto de Shader
Electronic de la siguiente manera, utilizando la programación lineal: Maximizar Z = 7X1 + 5X2 Sujeto a: 2X1 + 1X2