max c T x s.a. Ax b x 0 y un diccionario general para dicho problema a rs x s, c s x s z = d + b r y r min b T y s.a. A T y c y 0
|
|
- Vicente González Castro
- hace 5 años
- Vistas:
Transcripción
1 CO-34 (S8) 25/3/28 8 Formalizaremos lo visto en la clase anterior. Considere un problema en forma estándar max s.a. c T x Ax b x un diccionario general para dicho problema x r = b r + a rs x s, s NB z = d + s NB c s x s r B no necesariamente factible. Entonces se puede ver facilmente, pero con algo de trabajo (ejercicio. de Chvátal) que el diccionario s = c s a rs r, s NB r B w = d b r r s NB es un diccionario para el problema dual: min s.a. b T A T c no necesariamente factible. De esa forma, la relación vista en la clase pasada se escribe formalmente. Así podemos decir que un diccionario primal es dual factible si el correspondiente diccionario dual es factible, como habíamos observado. Ahora bien, si hablamos del método Simplex Dual podemos justicar sus pasos de manera un
2 CO-34 (S8) 25/3/28 82 poco más formal que en la clase anterior. Supongamos que tenemos un diccionario primal como el de arriba que es dual factible pero no primal factible. Esto signica que c s para todo s NB existe algún r tal que b r < Entonces nos interesa ir sacando a esas variables básicas r cuos valores son negativos de la base, manteniendo la factibilidad dual tratando de mejorar la función objetivo dual, es decir disminuendo el valor de d. Veamos que la estrategia esbozada logra esto. Supongamos que elegimos una variable básica k con lado derecho negativo una variable no básica cualquiera l (por ahora, pero al menos el pivote tiene que ser distinto de cero). Entonces simulamos un pivote vemos el efecto en la la de la función objetivo. Debemos multiplicar la la correspondiente a k por c l a kl sumársela a la la de la función objetivo. Se obtiene: z c [ l x k = d c ] l b k + [ c s c ] l a ks x s a kl a kl a kl s NB o lo que es igual: z = [ d c ] l b k + [ c s c ] l a ks x s + c l x k a kl a kl a kl s NB hacemos un análisis de signos de las cosas involucradas c l c s para todo s b k < Primero, de acuerdo a los signos, si queremos que d disminua tenemos que restarle. Esto implica que el coeciente del pivote a kl debe ser positivo. Ya vimos las consecuencias de que todos los coecientes de la la k sean negativos (no factibilidad primal no acotación dual). Note que si c l = no ha progreso, eso sería una solución dual degenerada. En caso contrario, ha siempre una
3 CO-34 (S8) 25/3/28 83 disminución real de la función objetivo dual. Segundo, ha un coeciente de las variables no básicas que se hace cero (obvio). Tercero, el coeciente de x k es (no positivo) lo cual está bien. Cuarto, ¾cómo logramos que los coecientes de las demas variables no básicas se mantengan no positivos? Bueno necesitamos que c s c l a kl a ks que es cierto en caso de que a ks. Si a ks > podemos transformarla expresión en c s a ks c l a kl que debe ser cierto para todo s tal que a ks >. Note que esos son dos números negativos o cero. Para hacerlos positivos tenemos que ponerlo al revés c s a ks c l a kl Entonces debemos tomar el m n s a ks > { c } s a ks lo cual es exactamente los dicho en la clase pasada. Problemas generales Consideraremos de ahora en adelante el formato general de problemas lineales: max s.a. c T x Ax = b l x u donde se entiende que los vectores l u pueden contener +, respectivamente. Se supone, sin pérdida de generalidad, que u i l i para i =, 2,..., n.
4 CO-34 (S8) 25/3/28 84 Si bien es cierto que un problema de esta forma se puede llevar a la forma estándar usando transformaciones varias, eso no es mu conveniente porque aumenta el tamaño del problema, especialmente en cuanto a m que como sabemos está relacionado con la eciencia del algoritmo Simplex. Entonces es mejor tratar de trabajar los problemas en esta forma directamente. Lo que si es cierto es que todo PL puede ponerse en esta forma general sin elevar el número de restricciones, entonces este formato parece más conveniente que el estándar. Algunas deniciones están en orden. Denición : Si simultáneamente l i = u i = +, se dice que la variable x i es libre o no restringida. En caso contrario se dice que es acotada o restringida. Denición 2: Una solución x del sistema Ax = b es básica si las variables pueden particionarse en m básicas n m no básicas tales que:. Las m columnas de A que corresponden a las básicas forman una matriz no singular A B. 2. El valor x j de cada no básica acotada x j es l j ó u j. Una solución básica es factible si l x u Comentarios: Esta denición de SBF es consistente con la anterior, basta pasar el problema estándar a este formato. En este tipo de problemas una A B puede dar lugar a más de una SBF. Ejemplo p. 2 Chvátal. Dada una solución básica factible correspondiente a una matriz básica A B se tienen las mismas particiones de A, x c. Los valores actuales de las variables los denotamos con un asterisco como superíndice.
5 CO-34 (S8) 25/3/28 85 Entonces veamos el álgebra x B = A B b A B A Nx N z = c T BA B b + ( c T N c T BA B A N) xn que se puede abreviar a z = T b + ( c T N T A N ) xn haciendo T = c T B A B. Sea x j una variable no básica a su columna en A N. Vamos a elevar su valor x j a x j + t, con t pequeño positivo. Entonces x B = A B b A B A Nx N A B b A B A Nx N ta B a = A B b A B A Nx N td x B td c T x c T x + ( c j T a ) t Eso era para elevar su valor. Si queremos disminuirlo usamos t positivo pero cambiamos x j por x j t los cambios quedan: x B x B + td c T x c T x ( c j T a ) t Y ahora nos hacemos la pregunta: ¾cuándo conviene incrementar la variable x j? La respuesta es: Si x j < u j ( c j T a ) > ()
6 CO-34 (S8) 25/3/28 86 Otra pregunta: ¾cuándo conviene decrementar la variable x j? La respuesta es: Si x j > l j ( c j T a ) < (2) Note que en () x j < u j es equivalente a x j = l j en el caso de (2) x j > l j es equivalente a x j = u j (porque son no básicas deben estar en una de sus cotas). En caso de que no hubiese no básicas que satisfagan alguna de estas condiciones entonces la SBF actual es óptima. En efecto: Sea x ( j una variable no básica. Si c j T a ) > entonces x j = u ( j si c j T a ) < entonces x j = l j (este es el caso de no haber variable no básica con esas características). En el primer caso, como sabemos que para cualquier solución factible x se cumple que l j x j u j, entonces u j x j x j x j ( cj T a ) ( x j x j ) o ( cj T a ) x j ( c j T a ) x j Análogamente, en el segundo caso tenemos x j l j x j x j ( cj T a ) ( ) x j x j o ( cj T a ) x j ( c j T a ) x j
7 CO-34 (S8) 25/3/28 87 Como esto es cierto para toda variable no básica, se tiene ( cn T A N ) xn ( c N T A N ) x N como sabemos que c T x = T b + ( c T N T A N ) xn se conclue que: c T x c T x Y como la solución factible seleccionada es arbitraria, esto es cierto para cualquier solución factible x por lo tanto x es óptima. En caso de que la solución no sea óptima podemos continuar para construir una iteración del Simplex Revisado para problemas Generales: Obtenemos exactamente como en el Simplex Revisado usual (resolviendo T A B = c T B ). Seleccionamos una variable no básica x j para entrar en la base. Esta variable puede ser seleccionada por satisfacer una sólo una de las relaciones () o (2). Sea a la columna de la variable entrante en la matriz A N. Obtenemos d como antes (resolviendo el sistema Ad = a). Según lo dicho arriba, ha dos casos:. Si el valor de la variable entrante x j satisface () ponemos: x j (t) = x j + t, x B (t) = x B td 2. Si por el contrario el valor de la variable entrante x j satisface (2) ponemos: x j (t) = x j t, x B (t) = x B + td
8 CO-34 (S8) 25/3/28 88 Entonces el valor de la variable x j va a ser variado de x j () a x j (t) para algún t positivo. Todas las soluciones que se obtienen de esa manera satisfacen Ax = b (sería bueno intentar esto como ejercicio) pero tienen la limitación de las cotas, es decir, la nueva solución debe satisfacer: l j x j (t) u j (3) l B x B (t) u B (4) A diferencia de lo que ocurría con el problema estándar, aquí se presentan tres casos:. (4) es más estricta sobre t que (3). 2. (3) es al menos tan estricta sobre t como lo es (4). 3. No se impone ninguna cota. En el primer caso una variable básica que imponga esa restricción más estricta será la variable saliente se procede exactamente como en el Simplex Revisado. En el segundo caso no ha cambio de base, la variable no básica se mueve de una cota a otra, se actualizan los valores de las variables básicas el de la no básica que se movió a. En el tercer caso el problema se declara no acotado.
9 CO-34 (S8) 25/3/28 89 Ejemplo completo: Consideremos un problema en el formato dado, con los siguientes datos: c = l = u = 3 2 A = b = 28 8 Supongamos que las variables básicas son las dos primeras el resto son no básicas. ¾Basta esta información para caracterizar la solución básica factible? No, no basta. Debemos también especicar en cuál cota se encuentran las variables no básicas. En este caso diremos que las variables x 3, x 5 x 6 están en su cota inferior, mientras que las variables x 4 x 7 se encuentran en su cota superior. Suponemos que efectivamente ésta es una solución básica factible. Para comprobarlo habría que vericar que A B es no singular (en este caso es sencillísimo) que x B determinado unívocamente de la ecuación A B x B = b A N x N satisface sus cotas (queda como ejercicio comprobar que x T B = ( 8 3, 7 3), que ciertamente las satisface). La solución se puede especicar así: B = {, 2} N = {3, 4, 5, 6, 7} A B = 3 A N = 2 2 3
10 x B = 8/3 7/3 c B = 4 7 CO-34 (S8) 25/3/28 9 x N = 2 c N = Siguiendo el método tal como lo especicamos arriba, el primer paso es resolver el sistema: (, 2 ) 3 = (4, 7) que tiene como resultado = 4. El vector de costos reducidos queda: c T N T A N = (4, 2, 2,, 3) (, 4) = (4, 2, 2,, 3) ( 2,, 5, 6, 3) = (6,, 3, 4, 7) Lo que indica que la solución no es óptima puesto que las variables x 3 x 6, que están en cota inferior, tienen costo reducido positivo. Las demás variables no básicas están bien, x 5 está en cota inferior tiene costo reducido negativo, mientras que x 4 x 7 están en cota superior tienen costo reducido positivo. Elegimos x 3 como variable entrante (se puede elegir cualquiera de las dos, pero como es usual
11 CO-34 (S8) 25/3/28 9 tomamos la que tenga un costo reducido de maor magnitud absoluta). Pasamos a la prueba de no acotación donde tenemos el sistema: 3 d d 2 = 2 = a cua solución es d = 5 /3 2/3 Entonces, como el costo reducido de la variable entrante es positivo, tenemos que considerar x 3 (t) = + t x B (t) = 8/3 7/3 t 5 /3 2/3 ha que determinar, de existir, el máximo t para que las desigualdades (A) (B) se cumplan. Estas desigualdades en este caso son: t t t respectivamente. Es claro que las desigualdades de la primera la de (B) no restringen el valor de t. De la segunda la de (B) la única desigualdad que restringe es: t
12 CO-34 (S8) 25/3/28 92 cua solución es t 2. Como esta restricción es más fuerte que (A), se determina que el máximo t es 2 sale la variable x 2 endo a su cota inferior. La actualización da como resultado la siguiente solución básica: A B = B = {, 3} N = {2, 4, 5, 6, 7} 2 x B = A N = 6 2 c B = x N = 2 c N = donde los valores nuevos de las variables se pueden obtener directamente de las expresiones en (A) (B) con t = 2 (también se pueden recalcular desde cero usando la expresión A B x B = b A N x N ). Aquí comienza la segunda iteración. De nuevo el primer paso es resolver el sistema: (, 2 ) 2 = (4, 4) que tiene como resultado = 4 4.
13 CO-34 (S8) 25/3/28 93 En este caso el vector de costos reducidos queda: c T N T A N = (7, 2, 2,, 3) (4, 4) = (7, 2, 2,, 3) (6, 4, 8, 2, 6) = ( 9, 2, 6, 2, 4) De nuevo observamos que la solución no es óptima porque la variable x 4, que está en su cota superior, tiene costo reducido negativo. Note que el resto de las variables no básicas satisfacen las condiciones de optimalidad. Entonces la variable x 4 es la única candidata a ser entrante así la elegimos. En la prueba de no acotación tenemos el sistema: 2 d d 2 = = a cua solución es d = /2 /2 Entonces, como el costo reducido de la variable entrante es negativo, tenemos que considerar x 4 (t) = 2 t x B (t) = t /2 /2 nuevamente debemos determinar, de existir, el máximo t para que las desigualdades (A) (B) se cumplan. Estas desigualdades en este caso son: t 2
14 CO-34 (S8) 25/3/ t t 3 respectivamente. La única restricción que queda en (B) sobre t es entonces: t 3 cua solución es t 2, que restringe más que t 2. Entonces sale la variable x 3 a su cota superior el máximo t es 2. Actualizando tenemos la nueva solución básica: A B = B = {, 4} N = {2, 3, 5, 6, 7} x B = A N = 7 8 c B = x N = 3 c N =
15 CO-34 (S8) 25/3/28 95 Llegamos a la tercera iteración. Resolvemos el sistema: (, 2 ) = (4, 2) que tiene como resultado = 2 4. En este caso el vector de costos reducidos queda: c T N T A N = (7, 4, 2,, 3) (2, 4) = (7, 4, 2,, 3) (,, 6, 8, 4) = ( 3, 4, 4, 2, 6) Para este vector de costos reducidos, sólo la variable x 6 viola las condiciones de optimalidad, a que está en cota inferior su costo reducido es positivo. Entonces entra la variable x 6. Ahora pasamos a la prueba de no acotación, donde debemos resolver el sistema: d d 2 = 2 = a cua solución es d = 2
16 CO-34 (S8) 25/3/28 96 Entonces, como el costo reducido de la variable entrante es positivo, tenemos que considerar x 6 (t) = + t x B (t) = 7 8 t 2 una vez más debemos determinar, de existir, el máximo t para que las desigualdades (A) (B) se cumplan. Estas desigualdades en este caso son: t 7 t 8 2t 2 respectivamente. La de (A) no restringe, de las de (B) la primera dice t 7 la segunda t 9, por lo que la más restrictiva es la correspondiente a x la cual deja la base en cota inferior se toma t = 7. Al actualizar la solución obtenemos: A B = B = {4, 6} N = {, 2, 3, 5, 7} 2 x B = A N = 4 7 c B =
17 CO-34 (S8) 25/3/28 97 x N = 3 c N = La cuarta iteración comienza. Debemos vericar la optimalidad de la solución actual. resolvemos el sistema: (, 2 ) 2 = (2, ) que tiene como resultado = 2 6. En este caso el vector de costos reducidos queda: c T N T A N = (4, 7, 4, 2, 3) (2, 6) = (4, 7, 4, 2, 3) (6, 2, 2, 8, 2) = ( 2, 5, 6, 6, ) Finalmente, en este caso ninguna variable viola las condiciones de optimalidad por lo tanto la solución actual es óptima. Los valores de las variables son: x =, x 2 =, x 3 = 3, x 4 = 4, x 5 =, x 6 = 7, x 7 = con valor objetivo: 27. Las variables duales óptimas son: ¾Qué pasa si la cota superior u 3 valiese 4? ¾cómo cambia la segunda iteración?
CO5411. Dantzig-Wolfe / Descomposición de Benders. Prof. Bernardo Feijoo. 06 de febrero de 2008
Dantzig-Wolfe / Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 06 de febrero de 2008 Contenido 1 Dantzig-Wolfe 2 Contenido Dantzig-Wolfe 1 Dantzig-Wolfe 2 Ahora la nueva base produce
Más detallesDegeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/
CO-3411 (S08 30/03/2008 98 Degeneración y ciclaje En el caso de problemas generales, una solución será degenerada cuando alguna de las variables básicas se encuentra en una de sus cotas (comparar con el
Más detallesForma estándar de un programa lineal
Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las
Más detallesLa factorización eta CO-3411 (S08) 09/03/
CO-3411 (S08) 09/03/008 74 La factorización eta Esta factorización es una forma de llevar la matriz A B en cada iteración que evita tener que resolver los sistemas lineales involucrados desde cero, pudiendo
Más detalles84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.
Tema 3 Dualidad En el desarrollo de la programación lineal la teoria de la dualidad es importante, tanto desde el punto de vista teórico como desde el punto de vista práctico. Para cada modelo lineal se
Más detallesProgramación Entera. Nelson Devia C. IN Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulos 10 y 11
Más detallesCO5411. Prof. Bernardo Feijoo. 13 de febrero de Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar
Departmento de Cómputo Cientíco y Estadística Universidad Simón Bolívar 13 de febrero de 2008 Contenido 1 Contenido 1 Existe un vector x 0 que cumple Bx = a a T u 0 para todos los u que satisfacen B T
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesNelson Devia C Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 3 Contenidos
Más detallesDualidad y postoptimización
Dualidad y postoptimización José María Ferrer Caja Universidad Pontificia Comillas Definición A cada problema de optimización lineal le corresponde otro que se denomina problema dual En forma canónica
Más detalles5.1. Algoritmo en modelos de maximización
5.1. Algoritmo en modelos de maximización El primer tipo de modelo que vamos a resolver por el método símplex es el que tiene como objetivo maximizar a una función lineal, la cual está sujeta a una serie
Más detallesDualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.
Dualidad 1 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. Condiciones de holgura complementaria. 6 Solución dual óptima en la tabla. 7 Interpretación
Más detallesProgramación Lineal. Yolanda Hinojosa
Programación Lineal Yolanda Hinojosa Contenido Formulación primal de un programa lineal. Propiedades Algoritmo del simplex Algoritmo dual del simplex Formulación dual de un programa lineal. Propiedades
Más detallesUnidad III Teoría de la Dualidad.
Curso de investigación de operaciones http://www.luciasilva.8k.com/5.5.htm Unidad III Teoría de la Dualidad. III.1 FORMULACIÓN DEL PROBLEMA DUAL La Teoría de la Dualidad es una de las herramientas que
Más detallesUn sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su solución. Estas son:
Unidad X: Programación lineal (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detallesProgramación Lineal. - Si no: Sea j tal que c
Programación Lineal El objetivo de este documento es hacer una breve introducción a la programación lineal que pueda contribuir al fácil manejo de la aplicación. La programación lineal es un procedimiento
Más detallesTema 3 Optimización lineal. Algoritmo del simplex
Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo
Más detallesTema 18. Programación lineal Formulación primal de un programa lineal
Tema 18 Programación lineal 18.1. Formulación primal de un programa lineal Dentro de la programación matemática hablamos de programación lineal (PL) si tanto la función objetivo como las restricciones
Más detallesTema 5 Dualidad y condiciones de Karush-Kuhn-Tucker
Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas
Más detallesANÁLISIS DE SENSIBILIDAD.
ANÁLISIS DE SENSIBILIDAD. En la mayoría de las aplicaciones practicas, algunos datos del problema no son conocidos con exactitud y por esto son estimados tan bien como sea posible. Es importante poder
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesMETODO SIMPLEX. Paso 1 Se convierte el modelo matemático de Programación Lineal (PL) a su forma estándar.
METODO SIMPLEX El algoritmo Simplex comprende los siguientes pasos: Paso 1 Se convierte el modelo matemático de Programación Lineal (PL) a su forma estándar. Al elaborar el modelo matemático que representa
Más detallesRepaso del algoritmo SIMPLEX
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Repaso del algoritmo SIMPLEX Marcel Goic F. 1 1 Esta es una versión bastante
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesOptimización y Programación Lineal
Optimización y Programación Lineal Método Simplex: Minimización 3 de enero de Método Simplex: Minimización () Optimización y Programación Lineal 3 de enero de / 4 Minimización Minimización En la definición
Más detallesExamen de Investigación Operativa (Plan 96) Febrero de er Parcial
Examen de Investigación Operativa (Plan 96) Febrero de 2010 1 er Parcial Solución del Ejercicio 1. Definimos las variables de decisión ½ 1, si se coloca una cámara en el punto de localización i x i = 0,
Más detallesUNIDAD 3 MÉTODO SIMPLEX. Fundamentos del método simplex
UNIDAD 3 MÉTODO SIMPLEX Fundamentos del método simplex Teoría Este método busca la solución, en cada paso, de forma mejorada hasta que no pueda seguir mejorando dicha solución. Al comienzo el vértice principal
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesMÉTODO DEL DUAL (TEORIA DE DUALIDAD)
MÉTODO DEL DUAL (TEORIA DE DUALIDAD) Todo problema de programación lineal tiene asociado con él otro problema de programación lineal llamado DUAL. El problema inicial es llamado PRIMO y el problema asociado
Más detalles3.1. Motivación gráfica del método Simplex
l método Simplex. Algoritmo de las dos fases.. Motivación gráfica del método Simplex l método gráfico de resolución nos garantiza que si la región de soluciones posibles es acotada, como ocurre en los
Más detallesEl algoritmo del Simplex. Forma tabular
El algoritmo del Simplex. Forma tabular 1 Soluciones básicas factibles Consideremos el siguiente poliedro P = {x R n, tal que Ax = b, x } con A M m n, b R m, m n, x y RangoA = RangoA, b = m. Observación
Más detallesProgramación entera 1
Programación entera 1 1. El modelo de programación entera. 2. Aplicaciones de la programación entera. 3. Solución gráfica de problemas enteros. 4. El algoritmo de ramificación y acotación. 5. El algoritmo
Más detallesConversión a la Forma Estándar
10 de junio de 2014 Introducción Introducción En esta lectura daremos una introducción al método Simplex desarrollado por George Bernard Dantzig (8 de noviembre de 1914 13 de mayo de 2005) en 1947. Este
Más detalles1.Restricciones de Desigualdad 2.Procedimiento algebraico
Universidad Nacional de Colombia Sede Medellín 1. Restricciones de Desigualdad Clase # 6 EL MÉTODO M SIMPLEX El método m simplex es un procedimiento algebraico: las soluciones se obtienen al resolver un
Más detallesLa lección de hoy de febrero de Notación. Solución factible básica
1.3 1 de febrero de La lección de hoy Método simplex (continuación) Entregas: material de clase Nota: el diseño de esta presentación incluye animaciones que permiten verla en forma de diapositivas. Repaso
Más detallesControl 2 IN mayo 2009
Profs: Auxs: Daniel Espinoza Gonzalo Romero Víctor Bucarey Nelson Devia Jocelyn González Daniel Lillo Fernando Solari Control 2 IN3701 28 mayo 2009 Pregunta 1 La empresa de pigmentos LILLO & Co. debe decidir
Más detallesProgramación Lineal III. Análisis Post-Optimal
Programación Lineal III. Análisis Post-Optimal P.M. Mateo y David Lahoz 7 de mayo de 009 En este tema se estudia al análisis post-optimal, qué ocurre en un problema de programación lineal que ya hemos
Más detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesForma estándar de un PPL con m restricciones y n variables. (b 0)
Forma estándar de un PPL con m restricciones y n variables Maximizar (minimizar) Z = c 1 x 1 + c 2 x 2 +... + c n x n a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 +a 22 x 2 +... + a 2n x n = b 2...
Más detallesSoluciones básicas factibles y vértices Introducción al método símplex. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Soluciones básicas factibles y vértices Introducción al método símplex Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema PLs en formato estándar Vértices y soluciones
Más detallesGuía de Problemas para el Control 2
Guía de Problemas para el Control 2 Geometría Problema 1 Demuestre que la intersección de conjuntos convexos es un conjunto convexo. Utilizando esto demuestre que todo poliedro es un conjunto convexo.
Más detallesProgramación Lineal II. Teoría de la dualidad
Programación Lineal II. Teoría de la dualidad P.M. Mateo y David Lahoz 27 de mayo de 2009 Este tema continúa el desarrollo iniciado en el tema 1. En el se define el problema dual asociado a un problema
Más detallesTeniendo en cuenta los valores de las variables se tienen 3 tipos de modelos lineales enteros:
Tema 5 Programación entera En este tema introducimos problemas lineales en los que algunas o todas las variables están restringidas a tomar valores enteros. Para resolver este tipo de problemas se han
Más detallesAnálisis de Sensibilidad
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulo 5 Contenidos
Más detallesTema 3. El metodo del Simplex.
Tema 3. El metodo del Simplex. M a Luisa Carpente Rodrguez Departamento de Matematicas.L. Carpente (Departamento de Matematicas) El metodo del Simplex 2008 1 / 28 Objetivos 1 Conocer el funcionamiento
Más detallesEJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0
Considere el Programa Lineal siguiente: EJERCICIO Max Z 6 x + 9 x 2 s.r. () 4 x + 6 x 2 2 (2) 2 x + 8 x 2 6 (3) 2 x 6 x, x 2 0 (.a) 3 2 0 2 3 4 5 6 7 8 El Problema tiene una Región Factible delimitada
Más detallesDualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización
Contenidos Motivación y Representación de Poliedros IN3701, Optimización 22 de abril de 2009 Contenidos Motivación y Representación de Poliedros Contenidos 1 Motivación 2 y Representación de Poliedros
Más detallesContenido: Solución algebraica a los problemas de programación lineal con el método simplex.
Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto
Más detallesmaximización (con restricciones de la forma menor igual que). asociado al modelo primal de minimización y viceversa.
UNIDAD 5 MÉTODO SÍMPLEX maximización (con restricciones de la forma menor igual que). asociado al modelo primal de minimización y viceversa. minimización (con restricciones de la forma mayor que). tenga
Más detallesMÉTODO SIMPLEX REVISADO O FORMA MATRICIAL
MÉTODO SIMPLEX REVISADO O FORMA MATRICIAL Algoritmo del método simplex que mejora la eficiencia de los cálculos, se realizan los mismos pasos del método simplex visto, sólo se diferencia en la manera de
Más detallesProgramación Lineal. El método simplex
Programación Lineal El método simplex El método simplex es una herramienta algebraica que permite localizar de manera eficiente el óptimo entre los puntos extremos de una solución a un problema de programación
Más detallesMétodo Simplex. Ing. Ricardo Fernando Otero, MSc
Método Simplex Ing. Ricardo Fernando Otero, MSc Forma estándar de un modelo de programación lineal Dirección de mejora: Maximizar Todas las restricciones deben ser El lado izquierdo debe contener solo
Más detallesCAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA
CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA Programación Lineal Entera Es una técnica que permite modelar y resolver problemas cuya característica principal es que el conjunto de soluciones factibles es discreto.
Más detallesPLs no acotados El método símplex en dos fases PLs no factibles. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
PLs no acotados El método símplex en dos fases PLs no factibles Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema PLs no acotados Necesidad de obtener un vértice
Más detallesx 1, x 2 0 Maximizar 3x 1 + x 2 s.a 2x 1 + x 2 4 2x 1 + 3x 2 4 x 1 + 3x 2 3
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja. Dado el PL: Maximizar x + x x s.a x + x + x x x x x, x, x Calcula la solución del problema aplicando el algoritmo del Simplex. Existe más de una solución óptima?
Más detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesAuxiliar 7: Dualidad
IN3701: Modelamiento y Optimización Profs: Richard Weber, Rodrigo Wolf Coordinador: M. Siebert Aux: V. Bucarey, N. Devia, P. Obrecht Auxiliar 7: Dualidad Lunes 5 de Diciembre de 2011 Pregunta 1: Dualidad
Más detallesPASO 1: Poner el problema en forma estandar.
MÉTODO DEL SIMPLEX PASO Poner el problema en forma estandar: La función objetivo se minimiza y las restricciones son de igualdad PASO 2 Encontrar una solución básica factible SBF PASO 3 Testar la optimalidad
Más detallesControl 2 13 de Mayo 2009
Control 2 13 de Mayo 2009 Profs: Auxs: Guillermo Durán Richard Weber Fernanda Bravo, André Carboni, Rodrigo Wolf Pregunta 1 1. (1.2 Ptos.) Cuáles son los 3 criterios principales que guían el algoritmo
Más detalles4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte
4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co MÉTODO SIMPLEX Ejemplo de Simplex: Vamos a
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesTema 5 Aplicaciones del cálculo diferencial
Tema 5 Aplicaciones del cálculo diferencial 1. APLICACIONES EN UNA VARIABLE 1.1. Extremos relativos. Proposición 1.1: Monotonía Sea f : [a, b] R continua en [a, b] y derivable en (a, b), entonces: (1)
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detalles315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versión Integral /3 29/ UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA (VERSION.2) ASIGNATURA: Investigación de Operaciones I CÓDIGO: 35 MOMENTO: Prueba
Más detallesProgramación lineal: Algoritmo del simplex
Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b
Más detallesmax z = c T x sujeto a Ax b
Tema 4 Análisis de sensibilidad El análisis de sensibilidad se realiza después de obtener la solución óptima de un modelo lineal para deteminar como afectan los cambios en los parámetros del modelo a la
Más detallesMétodo Simplex en Optimización de Problemas de Producción
Método Simplex en Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile - Fernando Islas - Carlos Testuri Héctor Cancela - Antonio Mauttone Depto. Investigación Operativa. Instituto de Computación.
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesMétodos de Optimización para la toma de decisiones
Facultad de Ingeniería Departamento de Ciencias de la Ingeniería Magíster en Logística y Gestión de Operaciones Métodos de Optimización para la toma de decisiones MLG-521 Programación Entera 1º Semestre
Más detallesCapítulo 4 Método Algebraico
Capítulo 4 Método Algebraico Introducción En la necesidad de desarrollar un método para resolver problemas de programación lineal de más de dos variables, los matemáticos implementaron el método algebraico,
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 16 de febrero de 2007
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa de febrero de 7 Problema. ( puntos Dado el problema de programación lineal: Maximizar x x + x s.a x + x x x x +
Más detallesAnálisis de sensibilidad 1
Análisis de sensibilidad Planteamiento general Cambios en el vector de recursos 3 Cambios en el vector de costes 4 Cambios en un vector a j no básico 5 Nuevas variables 6 Nuevas restricciones Planteamiento
Más detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
Más detallesLicenciatura en Administración y Dirección de Empresas
Licenciatura en Administración y Dirección de Empresas Programación Matemática de junio de 200 Ejercicio 3 pt. Considera el siguiente problema de programación no lineal:. Se trata de un problema convexo?
Más detallesÁlgebra Lineal. Tema 6. Transformaciones lineales y matrices
Álgebra Lineal Tema 6. Transformaciones lineales y matrices Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S.
Más detallesFundamentos de Programación Entera. A. Revisión. Carlos Testuri Germán Ferrari
Fundamentos de Programación Entera A. Revisión Carlos Testuri Germán Ferrari Departamento de Investigación Operativa Instituto de Computación Facultad de Ingeniería Universidad de la República 2012-2018
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
Más detallesSe desea resolver el problema. P : mín f(x) (5.1)
Capítulo 5 Teoría Lagrangiana 5.1. Condiciones para problemas con restricciones de igualdad. Se desea resolver el problema P : mín f(x) (5.1) s.a : h i (x) = 0 i = 1, 2..., m donde f : IR n IR y h i :
Más detallesExtremos de funciones de varias variables
Extremos de funciones de varias variables R. Álvarez-Nodarse Universidad de Sevilla Cuándo una función f (x) de una variable tiene extremo? Cuándo una función f (x) de una variable tiene extremo? Definición
Más detallesmáx 5x 1 + 7x 2 s.a 2x 1 + x x 1 + 9x 2 41 x 1 0, x 2 0, enteras, z opt z opt 38
Programación Lineal Entera / Investigación Operativa PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 4. Resuelve el siguiente problema de programación entera por el método Branch and Bound: máx 5x + 7x s.a
Más detallesPAUTA C1. ] si z [x, , y] si z ( 2 )] si z [x, x ( x+y. 2 ] si z ( x ( x+y. )] si z [( ( y x+y
MA3701 - Optimización, Primavera 018 Profesores: J. Amaya, V. Acuña PAUTA C1 P1.a) Sea C un subconjunto de IR n. Se dice que es un convexo de punto medio si para cada par x, y C se tiene que 1 x + 1 y
Más detalles3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
CO-5411 S08) 23/02/2008 35 3. Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 10 El método de las M s como solución de problemas de programación lineal 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Resolver modelos de programación lineal mediante
Más detalles0. En la solución inicial estos ratios son 30; 155
PASO 7. Regla de entrada. Se introduce en la base la variable con mayor coste reducido, en este caso, la variable. PASO 8. Regla de salida. A continuación debemos determinar qué variable sale de la base.
Más detallesLectura 1. Ayudante: Guilmer González 31 de enero, 2013
Geometría Analítica II Lectura 1 Ayudante: Guilmer González 31 de enero, 2013 El día de hoy veremos: 1. Parametrización del plano. 2. Cambio de coordenadas. 1 Parametrización del plano Vamos a definir
Más detallesIntroducción.- Problema dual.-
30 Unidad 3 Análisis de dualidad y sensibilidad Competencia-el estudiante debe convertir un modelo estático en dinámico a través del análisis de sensibilidad basado en dos situaciones cambios en la función
Más detalles3.1 Por inspección del tablero óptimo genere las respuestas a los numerales dados. X 1 = Cantidad de tarjetas de invitación a producir semanalmente en Kimberly Colpapel y X 2 = Cantidad de tarjetas de
Más detallesAlgoritmo de Karmarkar
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN70K: Clase Auxiliar Algoritmo de Karmarkar Marcel Goic F. 1 1 Esta es una versión bastante preliminar
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesMATE Método Simplex maximización estándar
MATE 3012 Método Simplex maximización estándar Problema de maximización estándar Un problema de maximización de programación lineal está en la forma estándar, si la función objetiva w = c 1 x 1 + c 2 x
Más detallesBASES MATEMÁTICAS DEL MÉTODO SIMPLEX (Parte 3)
4 de Julio de 26 ASES MATEMÁTICAS DEL MÉTODO SIMPLEX (Parte 3) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela 4 de Julio de 26 MÉTODO SIMPLEX REVISADO
Más detallesUniversidad Nacional de Ingeniería UNI-RUACS 01/09/11
Universidad Nacional de Ingeniería UNI-RUACS 01/09/11 Elaborado por: Deall Daniel Irías Estelí, Nicaragua El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso.
Más detallesTema 2: Optimización lineal. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga
Tema 2: Optimización lineal Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario El modelo de programación lineal Formulación de modelos Método gráfico
Más detallesBreve sobre Kuhn-Tucker
Breve sobre Kuhn-Tucker Alejandro Lugon 20 de agosto de 2010 Resumen Se presentan a manera de manual de referencia los resultados relevantes para la solución de problemas de maximización usando los resultados
Más detallesProgramación Lineal. María Muñoz Guillermo Matemáticas I U.P.C.T. M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13
Programación Lineal María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13 Qué es la Programación Lineal? Introducción La Programación
Más detallesEjercicios - Resolución de problemas lineales. Método Simplex
Ejercicios - Resolución de problemas lineales. Método Simplex Programación Matemática LADE Curso 8/9. Dado el problema lineal máx x x x + x s.a. x + x + x = 4 x + x 4 x justifica que el punto x = ( T es
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detalles