Investigación de Operaciones Método Simplex
|
|
- Ignacio Ramírez Aguilera
- hace 7 años
- Vistas:
Transcripción
1 FACULTA DE INGENIERIA DE SISTEMAS E INFORMATICA Investigación de Operaciones Método Simplex Integrantes Mayta Chiclote, Ricardo Toledo Fabian, Jimmy Yarleque Esqueche, Jimmy Daniel Método Simplex Página 1
2 Índice de Contenidos Índice de Contenidos Resumen Introducción.4 2.1) La Programación Lineal.4 2.2) Historia de la Programación Lineal ) Los Fundadores de la Técnica son Descripción General Soluciones Basales y No Basales Solución Factibles.5 4. Pasos Generales del Método Simplex.6 5. Procedimiento del Método Simplex Conversión a Forma Estándar Verificación del Optimo Proceso Determinación de la Variable Entrante 9 9. Calculo de la Fila Pivote Conclusiones Bibliografía..13 Método Simplex Página 2
3 1. Resumen En este trabajo se exponen los resultados alcanzados mediante el desarrollo de una herramienta de software orientada a facilitar a los usuarios el proceso de modelización, resolución y utilización de la información producida por un sistema, en el marco teórico de la programación lineal. Este método busca la solución, en cada paso, de forma mejorada hasta que no pueda seguir mejorando dicha solución. Al comienzo el vértice principal es un vértice cualquiera, hasta que va mejorando, comparándolo con el vértice anterior, en los pasos de la ecuación. Dicha herramienta consta de tres componentes fundamentales: a) Una interface para la carga de datos utilizando el programa en JAVA. b) Un programa para la exposición de los resultados en pantalla, comprensibles para no matemáticos, con la posibilidad de ser usados en lenguaje JAVA o también Pagina Web. c) La utilización de sistema para mejorar la organización de los recursos de entre Cliente y Servidor Método Simplex Página 3
4 2. Introducción 2.1) La Programación Lineal: Es un procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a través de un sistema de inecuaciones lineales, optimizando la función objetivo o también lineal. Consiste en optimizar (minimizar o maximizar) una función lineal, denominada función objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. 2.2) Historia de la Programación Lineal: El problema de la resolución de un sistema lineal de inecuaciones se remonta, al menos, a Joseph Fourier, después de quien nace el método de eliminación de Fourier-Motzkin. La programación lineal se plantea como un modelo matemático desarrollado durante la Segunda Guerra Mundial para planificar los gastos y los retornos, a fin de reducir los costos al ejército y aumentar las pérdidas del enemigo. Se mantuvo en secreto hasta En la posguerra, muchas industrias lo usaron en su planificación diaria. 2.3) Los Fundadores de la Técnica son: George Dantzig, quien publicó el algoritmo simplex, en 1947, John von Neumann, que desarrolló la teoría de la dualidad en el mismo año, y Leonid Kantoróvich, un matemático de origen ruso, que utiliza técnicas similares en la economía antes de Dantzig y ganó el premio Nobel en economía en En 1979, otro matemático ruso, Leonid Khachiyan, diseñó el llamado Algoritmo del elipsoide, a través del cual demostró que el problema de la programación lineal es resoluble de manera eficiente, es decir, en tiempo polinomial. Más tarde, en 1984, Narendra Karmarkar introduce un nuevo método del punto interior para resolver problemas de programación lineal, lo que constituiría un enorme avance en los principios teóricos y prácticos en el área. Método Simplex Página 4
5 3. Descripción General En esta imagen podemos notar como se construye las funciones para la utilización del Método Simplex. Supongamos que se ha convertido un LP con m restricciones a su forma estándar. Asumiendo que cada restricción contiene n variables compuestas (x1, x2,. xn) se tiene: {3.1} Luego se puede definir de la siguiente manera Por lo tanto, las restricciones del problema (2.1) pueden ser escritas como un sistema lineal: [A]f(x) g = f (b) g 3.1) Soluciones Basales y No Basales {3.2} Consideremos que el sistema (2.3) posee m ecuaciones lineales y n variables (sea n m). Definición 1 Se puede obtener una solución basal de (3.2) haciendo n & m variables iguales a cero y resolviendo para encontrar los valores de las restantes m variables. Se asume que hacer n & m variables igual a cero conduce a un único conjunto de valores para las restantes m variables o en forma equivalente, se asume que las columnas de restantes m variables son linealmente independientes. En consecuencia, para resolver el sistema (3.2) asignaremos 0 a n & m variables (variables no basales o NBV) y resolveremos el sistema restante de n (n m) = m variables (variables basales o BV). Evidentemente, una selección distinta de variables no basales conducirá a valores distintos para las variables basales, además pueden existir conjuntos de m variables que no son capaces de constituir variables basales pues conducen a un sistema sin solución. 3.2) Soluciones Factibles Un subconjunto de las soluciones basales de (3.2) es muy importante para la teoría de la Programación Lineal: Definición 2 Una solución basal de (3.2) en el cual todas las variables son no negativas es una Solución basal factible o bfs. Los siguientes dos teoremas explican la importancia de concepto de solución basal factible en LP. Teorema 1 La región factible para cualquier problema de programación lineal es un conjunto convexo. Además, si un LP tiene solución óptima, el óptimo debe ser un punto extremo de la región factible. Método Simplex Página 5
6 Teorema 2 Para cualquier LP, existe un único punto extremo de la región factible correspondiente a cada solución basal factible. Además, existe a los menos una bfs correspondiente a cada punto extremo de la región factible. Consideremos el LP del Ejemplo 1: 2.4 La región factible asociada al problema se ilustra en la Figura 2.1. R Figura 2.1: Región Factible - Ejemplo 1 En este caso la región factible corresponde al polígono ABCD. Los puntos extremos son: A = (30; 0), B = (20; 20), C = (0; 40) y D = (0; 0). El Cuadro 2.1 muestra la correspondencia entre las soluciones Básicas factibles del problema (2.4) y los puntos extremos de la región factible. Este ejemplo pone de manifiesto que las soluciones básicas factibles de la forma estándar de un LP corresponden en forma natural a los puntos extremos del LP. 4. Pasos Generales del Algoritmo Simplex Paso 1 Convertir el LP a suma forma estándar. Paso 2 Encontrar una solución básica factible. Si todas las restricciones son de tipo =<se pueden usar las variables de holgura si para cada fila i. Paso 3 Si todas las variables no básicas tienen un coeficiente no negativo en 0, la bfs actuales óptima. Si hay variables en 0 con coeficientes negativos, se debe escoger la que acompañe al coeficiente más negativo en 0 para entrar a la base. Esta variable se denomina la variable entrante. Método Simplex Página 6
7 Paso 4 Emplear el pivoteo para hacer que la variable entrante ingrese a la base en la que restringido su valor. Una vez obtenida la base, volver al paso 3, empleando la forma canoníca actual. Para aplicar el algoritmo Simplex, la función objetivo 4.1 Debe ser escrita como: Procedimiento del Método Simplex Un problema de programación lineal, básicamente, se resuelve obteniendo los valores de una serie de variables que componen una función, de manera que a través de esos valores resulte el máximo o el mínimo [según el caso] de esa función, y cuando dichas variables se encuentran sujetas a distintas restricciones, las cuales se expresan mediante inecuaciones lineales. Ejemplo 1 Una mueblería fabrica escritorios, mesas y sillas. La fabricación requiere de materia prima y de mano de obra. La mano de obra se clasifica en dos tipos: carpintería y terminaciones. La cantidad de recurso requerido para cada tipo de producto se muestra en el Cuadro 3.1. Actualmente se dispone de 48 pulgadas madereras, 20 horas para terminaciones y 8 horas para carpintería. Cada escritorio se vende a US$ 60, cada mesa a US$ 30 y cada silla a US$ 20. La empresa piensa que la demanda por escritorios y sillas es ilimitada, pero cree que se venderán a lo más 5 mesas. Debido a que los recursos ya han sido adquiridos, la empresa desea maximizar su beneficio. RECURSOS ESCRITORIO MESAS SILLAS Materiales(Pulgadas) Terminaciones(Horas) Carpintería(Horas) Cuadro 3.1: Requerimientos por tipo de producto. Considerando las siguientes variables: x1: Número de escritorios producidos x2: Número de mesas producidos x3: Número de sillas producidos 5.2 Método Simplex Página 7
8 Se puede construir el siguiente modelo: Conversión a Forma Estándar: 6.1) Comenzamos el método Simplex transformando las restricciones a su forma estándar. Para ello en cada restricción de tipo incorporamos variables de holgura s1, s2, s3 y s4. Escribiremos la función objetivo en la forma la 0 previamente expuesta. Numeraremos las restricciones como fila 1, fila 2, fila 3 y fila ) El problema anterior puede ser escrito de la forma indicada en el Cuadro 3.2. Esta forma se denomina canónica y se caracteriza porque existe una variable con coeficiente igual a 1 en cada restricción y esa misma variable aparece en las restantes restricciones con coeficiente 0. Si el lado derecho de las restricciones es positivo, se puede obtener una solución basal factible por inspección. En el ejemplo. 6.2 Cuadro 6.1: Forma Canónica (Primera Iteración) Una solución básica factible que puede ser obtenida por simple inspección es x1 = x2 = x3 = 0 y si igual al coeficiente del lado derecho y z = 0, luego. 6.3 Los valores de cada variable se indican en el Cuadro 4.2. Esta solución corresponderá a la base inicial para aplicar el método Simplex. Como se observa en este ejemplo, las variables de holgura son empleadas como parte de la solución basal factible inicial. Método Simplex Página 8
9 7. Verificación del Optimo 7.1) Una vez determinada una bfs inicial, es preciso establecer si corresponde a una solución óptima. En este caso debemos verificar si existe una forma de mejorar el valor de la función objetivo. Si la bfs no es óptima se debe buscar una bfs adyacente que tenga un mejor valor de función objetivo. Para ello, debemos identificar la variable no basal que incrementa más la función objetivo manteniendo el resto de las variables no básicas en valor 0. Reescribiendo la función objetivo: 7.1 A partir de (5.7) podemos determinar la variable no básica más conveniente. Por ejemplo por cada unidad de aumento de x1 la función objetivo crece en 60 (manteniendo x2 y x3 igual a cero). De acuerdo a esta lógica, conviene buscar la bfs adyacente que contenga a x1, en este caso se dice que x1 se vuelve una variable básica o bien es la variable entrante a la base. Nótese que x1 es la variable con el coeficiente negativas de la fila Determinación del Valor de la Variable Entrante Una vez escogida la variable entrante como la de coeficiente más negativo en la fila 0, necesitamos determinar cuál es el valor máximo que puede tomar esta variable. En el ejemplo si x1 adquiere un valor positivo, los valores de las otras variables basales deben cambiar. Por lo tanto, podría ocurrir que alguna de las variables basales tomara un valor negativo. Teniendo en cuenta ello, podemos calcular cómo cambia el valor de las variables basales en función de valor que tome x1 fácilmente gracias a que x2 = x3 = 0. Por ejemplo en la fila 1 podemos escribir: 8.1 Luego, como se debe satisfacer la restricción de signo de s1, se debe modificar x1 de forma de mantener s1 0, así: 8.2 Repitiendo la misma lógica en todas las restricciones: 8.3 Por lo tanto, para mantener las variables basales no negativas, el máximo valor que puede tomar x1 corresponde a min { 48, 20, 8 } = 4 por lo tanto si se escoge x1 4, s3 se vuelve negativa y la solución basal deja de ser factible. Cada restricción en la cual el coeficiente de la variable entrante es positivo representa una restricción para el valor máximo que pueda tomar dicha variable. Luego, en términos generales, para cada restricción en la que la variable entrante tiene un coeficiente positivo se debe verificar que: Método Simplex Página 9
10 8.4 Si una variable tiene un coeficiente no positivo en una fila (por ejemplo x1 en la fila 4), la variable básica de la fila sigue siendo positiva para cualquier valor de la variable entrante. En suma, para determinar el valor máximo de una variable entrante basta con aplicar (8.4) en todas las filas con coeficiente de la variable entrante positivo y escoger el mínimo. El valor menor corresponderá a la fila más restrictiva y por lo tanto la que controla el valor entrante. 9. Calculo de la Nueva Solución Básica Factible Pivote Siempre se debe incorporar una variable entrante en la fila que controló su valor máximo. En el ejemplo, para hacer que x1 sea la variable basal en la fila 3 se debe emplear operaciones fila elemental para conseguir que x1 tenga coeficiente 1 en dicha fila y 0 en las otras filas. El procedimiento se denomina pivoteo en la fila 3. El resultado final es que x1 reemplace a s3 como variable básica de la fila 3. Los pasos a seguir son los siguientes: Pasó 1 Se crea un coeficiente 1 para x1 en la fila 3 multiplicando la fila completa por 1. La fila resultante de las 2 operaciones: 9.1 Pasó 2 Se crea un coeficiente 0 para la variables x1 en la fila 0. Para ello basta multiplicar por 60 (9.1) y restarle a la fila 0 actual: 9.2 Pasó 3 Para fabricar un coeficiente 0 para la variables x1 en la fila 1 se multiplica por - 8 (9.1) y se restarle a la fila 1 actual: 9.3 Pasó 4 Creamos un coeficiente 0 para la variables x1 en la fila 2 multiplicando por - 4 (9.1) y sumándosela a la fila 2 actual: 9.4 Debido a que en la fila 4 no aparece la variable x1, no es necesario aplicar operaciones filas para eliminar x1 de la fila. Luego, la fila 4 queda igual que antes: 9.5 Efectuando todas las modificaciones descritas se completa el Cuadro 3.3. Las variables basales y no basales en este caso definen los siguientes conjuntos: 9.6 Método Simplex Página 10
11 Cuadro 9.2: Forma Canónica (Primera Iteración) La forma canónica actual está asociada a la solución factible z = 240, s1 = 16, s2 = 4, x1 = 4, s4 = 5 y x2 = x3 = s3 = 0. Se podría haber predicho el valor de z considerando que cada unidad de x1 incrementa el valor de z en 60 y que se determinó que x1 entraría a la base con valor 4. Luego En el paso de la forma canónica inicial a una mejorada (mayor valor de z posible) se cambió de una bfs a una bfs adyacente, pues sólo cambió una variable básica. Este procedimiento de cambiar de una bfs a la bfs adyacente con mayor valor de la función objetivo se denomina iteración del método Simplex. A continuación, repetiremos el procedimiento a partir de la forma canónica del Cuadro 9.2. Para ello examinamos la la 0 del Cuadro 9.2 y buscamos la variable que más hace crecer la función objetivo unitariamente (manteniendo las otras variables no basales en cero): 9.8 De la expresión (3.19), un cambio unitario de la variable x3 aumenta la función objetivo en 5. Luego, se selecciona la variable x3 (las otras tienen coeficiente negativo). A continuación debemos determinar el valor máximo que puede tomar x3 de modo de no violar alguna restricción. De acuerdo al procedimiento previamente descrito se tiene (recordando que x2 = s3 = 0): 9.9 De las expresiones anteriores se concluye que sin importar el valor que tome x3, se tiene: s1 0 y s4 0. Luego, imponiendo la condición que s2 y x1 sean no negativas: 9.10 Método Simplex Página 11
12 Por lo tanto, para mantener las variables basales no negativas, el máximo valor que puede tomar x3 corresponde a mín. ( 4 ) = 8 luego x3 = 8. En este caso, la fila que controló el valor de máximo de x fue la fila 2, por lo tanto se debe emplear el pivoteo para conseguir una forma canónica en la que x3 sea la variable básica de la fila 2. Esto se consigue siguiendo los siguientes pasos: Paso 1 Se crea un coeficiente 1 para la variable x3 en la fila 2 de la forma canónica del Cuadro 9.2 multiplicando la fila completa por 2: 9.10 Pasó 2 Construimos un coeficiente 0 para la variable x3 en la fila 0 sumándole 5 veces (3.22) a la fila 0 actual: 9.11 Pasó 3 Para generar un coeficiente 0 para la variable x3 en la fila 1 se le suma (3.22) a la fila 1 actual: 9.12 Pasó 4 Creamos un coeficiente 0 para la variable x3 en la la 3 multiplicando por ( 1 4 ) a (3.22) y sumándosela a la fila 3 actual: 9.13 Debido a que la variable x3 no aparece en la fila 4, la fila queda igual: 9.14 Haciendo todas las modificaciones expuestas, la forma canónica resultante se muestra en el Cuadro 3.4. Determinando la variable básica en cada fila se obtiene: La forma canónica actual está asociada a la solución factible z = 280, s1 = 24, x3 = 8, x1 = 2, Cuadro 9.3: Forma Canónica del Problema (Segunda Iteración) s4 = 5 y s2 = s3 = x3 = 0. Se podría haber predicho el valor de z considerando que cada unidad de x3 incrementa el valor de z en 5 y que se determinó que x3 entraría a la base con valor 8. Luego: 9.15 Debido a que las bfs previa y actual tienen 4-1 = 3 variables en común (s1; s4 y x1), corresponden a soluciones basales factibles adyacentes. Volviendo a escribir la fila 0 de la última base y despejando z se tiene: Método Simplex Página 12
13 9.16 En la expresión anterior se observa que el incremento a un valor distinto de cero de cualquier variable no básica provocaría una reducción de la función objetivo. Por lo tanto, se puede concluir que la solución básica factible mostrada en el Cuadro 3.4 corresponde a una solución óptima. El criterio empleado para determinar que se ha alcanzado se puede generalizar: una forma canónica es óptima (para un problema de maximización) si cada variable no básica posee un coeficiente no negativo en la fila 0 de la forma canónica. 10. Conclusiones. El método simplex permite localizar de manera eficiente la óptima solución entre los puntos extremos de un problema de programación lineal. La gran virtud del método simplex es su sencillez, método muy práctico, ya que solo trabaja con los coeficientes de la función objetivo y de las restricciones. Es muy importante en el área empresarial ya que lo utilizan para obtener solución a los problemas de las empresas en cuanto a inventario, ganancias y pérdidas. 11. Bibliografía. Sitios de Internet: 1. Apuntes/simplex investigaciones. Método Simplex Página 13
UNIDAD 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 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 detallesCon miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:
Método Simplex. Este método fue creado en el año 1947 por el estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el objetivo de crear un algoritmo capaz de crear soluciones
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 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 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 detallesMÉTODO SIMPLEX. Introducción
MÉTODO SIMPLEX Introducción El Método Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que secuencialmente a través de iteraciones se va aproximando al óptimo del problema
Más detalles7. PROGRAMACION LINEAL
7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas
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 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 detallesUniversidad Nacional de Ingeniería. UNI RUACS. Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón.
Universidad Nacional de Ingeniería. UNI RUACS Investigación de Operaciones I 3T1 I.S. Docente: Ing. Mario Pastrana. Nombres: Frania Flores Zeledón. Tema: Teoría de la Dualidad. 28/ Septiembre/2011 Teoría
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 detallesINGENIERO EN COMPUTACION TEMA: MÉTODO SIMPLEX
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACION TEMA: MÉTODO SIMPLEX ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: MARZO DE 2016 UNIDAD DE APRENDIZAJE
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 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 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 detallesMatemáticas
al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se
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 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 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 detallesCUESTIONARIO IO GRUPO: 204
CUESTIONARIO IO GRUPO: 204 1. Qué es la investigación de Operaciones? La Investigación de operaciones es un conjunto de técnicas matemáticas especialmente estructuradas para la torna de decisiones; en
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma
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 detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
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 detallesLa programación lineal surge como la necesidad de optimizar lo mejor posible,
Programación lineal La programación lineal surge como la necesidad de optimizar lo mejor posible, operaciones principalmente económicas para así maximizar los beneficios obtenidos. Esto se realiza con
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 detallesPara poder elaborar el problema dual a partir del primal, este se debe presentar en su forma canónica de la siguiente forma:
TEORIA DE LA DUALIDAD. Cada problema de programación lineal tiene un segundo problema asociado con él. Uno se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal manera que
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 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 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 detallesFacultad de Ciencias Empresariales Escuela de Ingeniería Informática Empresarial Modulo: Matemáticas II
Integrantes: Daniel Castro Felipe Norambuena Professor : Claudio Enrique Del Pino Ormachea Historia El metodo simplex fue creado en el año de 1947 por el estadounidense George Bernard Dantzig y el ruso
Más detallesMÉTODO ALGEBRAICO: Obtención de las soluciones básicas:
MÉTODO ALGEBRAICO: El método algebraico es una alternativa de solución a problemas de programación lineal. Sin embargo es muy dispendioso, en razón a que trabaja con todos los datos de las ecuaciones,
Más detallesFormato para prácticas de laboratorio
Formato para prácticas de laboratorio CARRERA INGENIERIA INDUSTRIAL PLAN DE ESTUDIO CLAVE DE UNIDAD DE APRENDIZAJE 2007-1 9013 NOMBRE DE LA UNIDAD DE APRENDIZAJE METODOLOGIA PARA LA RESOLUCION DE PROBLEMAS
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 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 detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones de Modelos de LP 25 de julio de 2004. Descripción del Método ualquier problema de Programación Lineal de sólo 2 variables puede
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 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 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 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 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 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 detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 Aspectos generales Se considera a George Dantzig el padre de la P. L. Su objetivo es el de asignar recursos escasos a actividades que compiten por ellos.
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 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 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 detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesComenzaremos presentando la idea principal del método de Karmarkar, para después describir los detalles de cómputo del algoritmo.
MÉTODO DEL PUNTO INTERIOR DE KARMARKAR Con el método símplex se obtiene una solución óptima siguiendo una ruta de puntos extremos adyacentes, a lo largo de las orillas del espacio de soluciones. Aunque
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 detallesMejora iterativa. Dr. Eduardo A. RODRÍGUEZ TELLO. 9 de abril de CINVESTAV-Tamaulipas
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 9 de abril de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Mejora iterativa 9 de abril de 2018 1 / 82 1 Mejora iterativa Introducción Programación lineal
Más detallesMETODO SIMPLEX: SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL.
METODO SIMPLEX: SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL. El método Simplex es un procedimiento general para resolver problemas de programación lineal. Desarrollado por George Dantzig en 1947, esta
Más detallesTema 1. Modelos lineales y solución gráfica. 1.1 El modelo lineal
Tema 1 Modelos lineales y solución gráfica La programación lineal es una importante rama de la Investigación Operativa. Esta técnica matemática consiste en una serie de métodos que permiten obtener la
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I (SOLUCIÓN)
UNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I Prof.: MSc. Ing. Julio Rito Vargas Avilés (SOLUCIÓN) I. Representar gráficamente la región determinada
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 detallesLa Programación Lineal. H. R. Alvarez A., Ph. D. 1
La Programación Lineal H. R. Alvarez A., Ph. D. 1 El Método Simplex Desarrollado en 1947 por George Dantzig como parte de un proyecto para el Departamento de Defensa Se basa en la propiedad de la solución
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 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 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 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 detallesCO5411. 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 detallesFundamentos de Investigación de Operaciones Modelos de Grafos
Fundamentos de Investigación de Operaciones de junio de 00 Muchos problemas de optimización puedes ser analizados y resueltos a través de representaciones gráficas. Tal es el caso de los problemas de planificación
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 detallesUniversidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 19 de Septiembre de 2007 Soluciones
Universidad Carlos III de Madrid Licenciatura en Administración de Empresas Examen de Programación Matemática 9 de Septiembre de 7 Soluciones. ( puntos Tu empresa proporciona automóviles a algunos de sus
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 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 detallesUNIDAD II. PROGRAMACIÓN LINEAL
UNIDAD II. PROGRAMACIÓN LINEAL OBJETIVO DE APRENDIZAJE: El alumno identificará y analizará problemas de optimización de funciones y recursos para mejorar la operación de una organización. Introducción
Más detallesPrimero se triangulariza la matriz: Multiplicando la primera fila por (-1/3) y sumando a la segunda fila: ( ) ( )=( ) ( ) ( )
MAT 115 B EJERCICIOS RESUELTOS Resolver el siguiente sistema de ecuaciones: a) Por el método de eliminación de Gauss La matriz aumentada del sistema es: 3 2 6 1 5 Primero se triangulariza la matriz: Multiplicando
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 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 detallesRESOLUCIÓN DE SISTEMAS LINEALES
Contenido 1 Métodos de Solución Contenido Métodos de Solución 1 Métodos de Solución Desarrollamos el algoritmo de sustitución regresiva, con el que podremos resolver un sistema de ecuaciones lineales cuya
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 detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
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 detallesTema 2. Fundamentos Teóricos de la. programación dinámica Teorema de Optimalidad de Mitten
Tema 2 Fundamentos Teóricos de la Programación Dinámica 2.1. Teorema de Optimalidad de Mitten El objetivo básico en la programación dinámica consiste en descomponer un problema de optimización en k variables
Más detallesProgramación lineal. Índice del libro. 1. Inecuaciones lineales con dos incógnitas. 2. Programación lineal
1. Inecuaciones lineales con dos incógnitas 2. 3. para dos variables. Métodos de resolución 4. El problema del transporte Índice del libro 1. Inecuaciones lineales con dos incógnitas 1. Inecuaciones lineales
Más detallesmax 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
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
Más detallesL [1] ( ) = 1 L [ ( )] ( ) =2 L[1] ( )+L[( 3) 3 ( )] ( ) = 2 + 3
Ampliación de Matemáticas II Grado en Ingeniería en Tecnologías Industriales Convocatoria 9 Junio 5. ( puntos) Resolver utilizando la transformada de Laplace la ED ( + + +( 3) 3 (), (), (). Determinar
Más detallesCoeficiente objetivo de la variable artificial = +M, para minimización
3.4 SOLUCIÓN ARTIFICIAL DE INICIO Como se demostró en el ejemplo 3.3-1, los programas lineales en los que todas las restricciones son ( ) con lados derechos no negativos ofrecen una cómoda solución factible
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 detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesCAPÍTULO 6 PROGRAMACIÓN DINÁMICA. Programación Dinámica
CAPÍTULO 6 PROGRAMACIÓN DINÁMICA Programación Dinámica Programación Dinámica En muchos casos las decisiones del pasado afectan los escenarios del futuro. En estos casos se pueden tomar 2 opciones: asumir
Más detalles3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN
El método símplex El método gráfico del capítulo 2 indica que la solución óptima de un programa lineal siempre está asociada con un punto esquina del espacio de soluciones. Este resultado es la clave del
Más detallesEn los ejercicios 11 a 20, resuelva gráficamente y verifique su respuesta en forma algebraica.
00 CAPÍTULO Sistemas de ecuaciones lineales Sección. Ejercicios de seguimiento En los ejercicios a 0, determine la naturaleza del conjunto solución (solución única, una infinidad de soluciones o ninguna
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 detallesRESOLUCIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CON LA HOJA DE CÁLCULO CALC
RESOLUCIÓN DE PROBLEMAS DE PROGRAMACIÓN LINEAL EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CON LA HOJA DE CÁLCULO CALC 1.- Introducción Los actuales componentes del bachillerato formulados por el
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 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 detallesPROGRAMACIÓN MATEMÁTICA
PROGRAMACIÓN MATEMÁTICA TEMA 1. INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA. CONJUNTOS CONVEXOS. CONVEXIDAD DE UNA FUNCIÓN. PLANTEAMIENTO FORMAL DEL PROBLEMA DE PROGRAMACION MATEMATICA. - Función Objetivo:
Más detallesRESOLVER PROBLEMA DE PROGRAMACIÓN LINEAL POR METODO SIMPLEX
RESOLVER PROBLEMA DE PROGRAMACIÓN LINEAL POR METODO SIMPLEX Prof. MSc. Julio Rito Vargas ================================================================================ Resolver por el método Simplex,
Más detallesKg P1 Kg P Unidades Vitamina A
Dualidad El concepto de dualidad desempeña importantes papeles dentro de la programación lineal (también en la no lineal), tanto desde un punto de vista teórico como práctico. Todo programa lineal lleva
Más detallesUNIDAD III. INVESTIGACIÓN DE OPERACIONES
UNIDAD III. INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El alumno resolverá problemas utilizando la programación lineal y de proyectos para sugerir cursos de acción de mejora en las empresas turísticas
Más detallesPROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX
Prof.: MSc. Julio Rito Vargas Avilés Planteamiento del problema: PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX Una compañía de manufactura se dedica a la fabricación de tres productos: A,
Más detallesGeorge Bernard Dantzig
PROBLEMAS RESUELTOS DE PROGRAMACION LINEAL George Bernard Dantzig (8 de noviembre de 1914 13 de mayo de 2005) fue un matemático reconocido por desarrollar el método simplex y es considerado como el "padre
Más detallesTRANSPORTE Y TRANSBORDO
TRANSPORTE Y TRANSBORDO En ésta semana estudiaremos un modelo particular de problema de programación lineal, uno en el cual su resolución a través del método simplex es dispendioso, pero que debido a sus
Más detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesII. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
II. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El estudiante, conocerá los fundamentos en que se basan las herramientas de la investigación de operaciones para la toma de decisiones.
Más detallesESCUELA DE CIENCIAS CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMACION LINEAL Act No. 8. LECTURA LECCION EVALUATIVA 2
INTRODUCCION AL METODO GRAFICO Antes de entrarnos por completo en los métodos analíticos de la investigación de operaciones es muy conveniente ver un poco acerca de las desigualdades de una ecuación lineal.
Más detalles